中国科学院院士周志华近日就人工智能领域科研发展提出多项建议，强调需优化现有研究布局以突破发展瓶颈。他指出当前存在资源过度集中于应用层研究的现象，部分机构盲目追逐算力密集型的大模型开发，导致基础理论创新动力不足。这种倾向不仅难以解决复杂科学问题，还可能造成技术路径的同质化竞争。
针对科研实践中的突出问题，周志华特别提到"科学大模型"开发热潮背后的认知偏差。部分研究团队试图用单一通用模型应对所有科学领域，这种简单套用人工智能工具的做法，忽视了不同学科特有的数据特征和研究范式。更严峻的是，科学数据体系存在结构性缺陷，数据获取成本高昂、标注质量参差不齐、跨机构共享机制缺失等问题，直接制约了模型训练的可靠性和效率。
在基础研究层面，周志华呼吁建立更合理的资源分配机制。他建议增加对算法理论创新的投入，培养针对具体问题设计定制化解决方案的能力。当前科研评价体系的学科壁垒问题也亟待解决，跨学科人才在职称评定、项目申报等环节常面临"双重边缘化"困境，这需要构建适应交叉学科特点的特殊评价通道。
人才培养模式的革新被视为关键突破口。周志华提出要打破传统学科界限，构建贯通计算机科学与专业领域的复合型培养体系。这种变革不仅涉及课程设置，更需要建立与交叉学科特性相匹配的考核机制，为同时掌握AI技术和专业知识的创新人才提供发展空间。
数据治理体系的完善同样紧迫。建立标准化、权威性的科学数据平台，制定统一的数据采集、标注和共享规范，能够有效减少重复建设造成的资源浪费。通过提升数据质量，不仅可以增强模型训练效果，还能为不同领域的AI应用提供更可靠的基础支撑，从根本上改变当前"数据孤岛"与"模型泡沫"并存的现象。
