Canal de los Miembros丨Zhou Zhihua: Liderando la transformación del paradigma de la investigación científica con inteligencia artificial

La Cuarta Sesión Plenaria de la 14ª Comisión Nacional de la Conferencia Consultiva Política del Pueblo Chino se llevó a cabo el 7 por la tarde, con la participación de los miembros en discursos durante la reunión. Xinhua News realizó una transmisión en línea con imágenes y textos.

Zhou Zhihua, vicedecano de la Universidad de Nanjing y académico de la Academia de Ciencias de China:

Estimados miembros, en nombre del sector de personas sin afiliación partidaria, mi intervención lleva por título: Liderar la transformación del paradigma de la investigación científica mediante la inteligencia artificial.

“La inteligencia artificial que potencia la investigación científica” está impulsando una transformación histórica en el paradigma de la investigación, siendo considerada como la “quinta paradigma de la ciencia” después de los paradigmas de la experiencia, la teoría, el cálculo y los datos. No solo puede acelerar la resolución de grandes problemas científicos pendientes desde hace mucho tiempo, sino que también tiene el potencial de reconstruir las rutas básicas para el descubrimiento científico, elevando significativamente la eficiencia de la innovación original. En agosto de 2025, el Consejo de Estado emitió la Opinión sobre la implementación profunda de la acción “Inteligencia Artificial+”, que claramente incluye la tecnología “Inteligencia Artificial+” como una de las acciones clave para acelerar su implementación. Actualmente, algunas investigaciones científicas se limitan a la simple aplicación de herramientas o a intentos ciegos de entrenar “modelos científicos grandes” universales para abordar todos los problemas. Al mismo tiempo, los costos de adquisición de datos científicos son elevados, los estándares son inconsistentes, la voluntad de compartir es baja, la calidad de la anotación de datos varía, y falta de conjuntos de datos científicos autoritativos, estandarizados y a gran escala, lo que resulta en una baja eficiencia en el entrenamiento de modelos de IA, dificultades para garantizar su fiabilidad, y fenómenos de duplicación de esfuerzos y desperdicio de recursos.

Por ello, se proponen las siguientes recomendaciones:

Primero, fortalecer la orientación política y mejorar la capacidad de innovación básica. Optimizar la planificación coordinada de la investigación científica en el campo de la inteligencia artificial, evitar la concentración excesiva de recursos en aplicaciones que consumen mucho poder de cálculo, corregir la percepción errónea de que “el gran modelo resuelve todo”, y aumentar el apoyo a la investigación fundamental en algoritmos de IA, mejorando la capacidad de innovación para diseñar soluciones algorítmicas específicas para problemas concretos. Se debe apoyar principalmente a proyectos de investigación básica con visión de futuro y carácter estratégico, y fomentar que los investigadores realicen investigaciones originales. Además, guiar a las empresas y al capital social a participar en la investigación fundamental de algoritmos de IA, formando mecanismos de inversión diversificados. Establecer un sistema de evaluación científica y razonable para la investigación, creando un ambiente que fomente la exploración y tolere los fracasos.

Segundo, transformar los modelos de formación y construir un equipo de talentos multidisciplinarios. Desde la raíz, construir un sistema de formación de talentos innovadores en “investigación científica potenciada por IA”, apoyando a universidades de alto nivel en la prueba piloto de programas de doble titulación “Doctor + Maestría”, y permitiendo que los doctorandos en IA cursen simultáneamente un máster en una disciplina científica, promoviendo un nuevo modelo de formación de posgrado que integre diferentes disciplinas, formando sistemáticamente científicos “bilingües” que dominen tanto conocimientos especializados como tecnologías de vanguardia en IA. Además, establecer zonas de “interdisciplinariedad” en la obtención de títulos, promoción profesional y evaluación del rendimiento, para resolver la problemática de los talentos interdisciplinarios que en los sistemas tradicionales no encajan claramente en ninguna categoría.

Tercero, promover la divulgación bidireccional y eliminar barreras disciplinares. Construir mecanismos de “traducción” y colaboración interdisciplinaria en ambas direcciones. Por un lado, académicos en ciencias traducen problemas científicos complejos en un lenguaje comprensible para los investigadores en IA, facilitando su resolución focalizada. Por otro lado, los científicos en IA realizan divulgación científica dirigida a académicos tradicionales, aclarando los límites tecnológicos mediante casos concretos, eliminando temores o una visión excesivamente mítica de la IA, y explicando que la IA es una herramienta auxiliar en el descubrimiento científico. Fomentar la organización periódica de foros interdisciplinarios para promover el intercambio entre académicos de diferentes ámbitos, facilitando la transición de la difusión conceptual a la colaboración sustantiva.

Cuarto, fortalecer la gobernanza de datos y construir un ecosistema de datos científicos. Liderado por los departamentos relevantes del Estado, establecer una plataforma nacional de intercambio y servicios de datos científicos. Aprovechar laboratorios clave y otras plataformas tecnológicas importantes para crear almacenes de datos científicos estandarizados, definir estándares para la recopilación, anotación, almacenamiento y compartición de datos en distintas disciplinas, e introducir mecanismos de retroalimentación de calidad de datos para optimizar continuamente los activos de datos. A través de financiamiento de proyectos y evaluación de resultados, incentivar a las instituciones de investigación y a los investigadores a compartir abiertamente datos científicos, formando un ecosistema saludable que maximice la eficiencia del uso de los datos. Además, fortalecer el desarrollo de tecnologías de soporte y la legislación para proteger eficazmente la información sensible y la propiedad intelectual durante el proceso de compartición de datos.