3月7日下午，全国政协十四届四次会议第二次全体会议上，全国政协委员、南京大学副校长、中国科学院院士周志华代表无党派人士界发言时指出，人工智能赋能科学研究正成为继经验、理论、计算和数据之后的第五科研范式，将深刻重塑科学发现的基本路径。
周志华表示,这一新兴范式不仅有望加速破解长期悬而未决的重大科学难题,更可能从根本上重构科学研究的方法论体系,大幅提升原始创新效能。
2025年8月,国务院印发的《关于深入实施"人工智能+"行动的意见》已将"人工智能+"科学技术列为重点行动,彰显国家层面对这一领域的高度重视。
然而,周志华在发言中坦言,当前部分科研工作在实践中仍存在明显误区。
一些研究停留在对现有工具的简单套用层面,缺乏针对性的创新设计;另有一些团队盲目尝试训练通用科学模型,试图以单一方案应对所有科学问题,这种做法既不现实也不经济。
更深层次的制约因素在于科学数据生态的不完善。
科学数据获取成本高昂,不同机构间标准各异,共享意愿普遍较低,数据标注质量参差不齐。
由于缺乏权威、标准化、大规模的科学数据集,模型训练效率难以提升,可靠性无法保障,重复建设与资源浪费现象突出,严重制约了人工智能赋能科研的实际效能。
针对上述问题,周志华提出四方面系统性建议。
首先是加强政策引导,提升基础创新能力。
他呼吁优化人工智能领域科研的统筹布局,避免资源过度集中于算力消耗型应用层,纠正盲目跟风"通用模型解决一切"的认识偏差。
应当加大对算法基础研究的支持力度,提高针对具体科学问题设计算法解决方案的创新能力。
重点支持具有前瞻性、战略性的基础研究项目,鼓励原创性探索,同时引导企业和社会资本参与,形成多元化投入机制。
建立科学合理的评价体系,营造鼓励探索、宽容失败的科研氛围至关重要。
其次是变革培养模式,打造复合型人才队伍。
周志华建议从源头构建复合型创新人才培养体系,支持高水平研究型大学试点设立"博士+硕士"双学位项目,允许博士研究生在攻读人工智能专业博士学位期间,跨学科攻读一个科学专业硕士学位。
这种创新模式旨在系统化培养既深谙领域知识又掌握前沿技术的"双语"科学家。
同时,应在学位获取、职称晋升、绩效考核等环节建立"交叉学科特区",解决跨学科人才在传统评价体系中"两头不靠"的现实困境。
第三是注重双向科普,推动消除学科壁垒。
周志华强调构建跨学科的"双向翻译"与协作机制。
一方面,由科学领域学者向人工智能研究者进行科学问题的抽象翻译,将领域前沿关键问题表述为技术人员可理解的语言;另一方面,由人工智能科学家面向传统领域学者开展科普,通过具体案例厘清技术边界,消除对新技术的恐惧或盲目神化,阐明其作为辅助科学发现工具的本质。
鼓励定期举办跨界沙龙,促进不同背景学者深度交流,推动从概念普及向实质性协作跨越。
第四是强化数据治理,构建科学数据生态。
周志华建议由国家相关部委牵头,构建国家级科学数据共享与服务平台。
依托重点实验室等重大科技平台,建立标准化的科学数据仓储,制定各学科数据的采集、标注、存储和共享标准,引入数据质量反馈机制,持续优化数据资产。
通过项目资助、成果评价等政策杠杆,鼓励科研机构与研究人员开放共享科学数据,形成良好生态,最大化数据利用效率。
同时加强支撑技术研发和法律法规制定,有效保护数据共享过程中的敏感信息和知识产权。
人工智能与科学研究的深度融合，绝非简单的技术嫁接，而是一场需要政策、人才、数据协同发力的系统工程。
纠正“大模型万能论”的误区，本质上是回归科学研究的本源——以问题为导向，以创新为灵魂。
只有夯实基础、打破藩篱，方能真正释放“第五科研范式”的变革性力量，为中国式现代化提供坚实的科技支撑。