周志华建议：纠正“大模型解决一切”误区，建立交叉学科特区

在人工智能热潮席卷全球的当下，大模型似乎成了科研圈的“万灵金丹”。然而，中国科学院院士周志华近日的一番话，给这股躁动投下了一剂清醒剂。他明确指出，当前科研领域存在盲目跟风“大模型解决一切”的严重误区，必须进一步优化人工智能的科研统筹布局。

周志华院士敏锐地观察到，不少所谓的“AI赋能科研”其实只是在“玩噱头”。很多研究仅仅停留在对工具的简单套用上，甚至有人幻想靠训练一个通用的“科学大模型”来包打天下，应对所有的科学问题。这种“力大砖飞”的思维模式，导致资源过度向算力消耗型的应用层倾斜，反而忽视了最核心的算法基础研究。

除了研究方向的偏离，数据荒和标准乱也是挡在AI科研面前的大山。周志华指出，科学数据不仅获取成本高昂，且标准不一、共享意愿薄弱，导致模型训练效率低下、可靠性差。这种现状不仅造成了严重的重复建设和资源浪费，更让AI在科学发现上的潜力大打折扣。

针对这些痛点，周志华院士开出了“两帖药方”：一是回归本源，加大对针对具体问题的算法创新支持；二是变革人才培养模式。他提议建立“交叉学科特区”，在学位、职称、考核等环节破除传统枷锁，让跨学科人才不再陷入“两头不靠”的评价困境。

这场关于AI科研的“拨乱反正”，不仅是对技术路径的审视，更是对科研生态的重塑。毕竟，通往真理的道路，从来不靠盲目的堆料，而靠深耕基础的智慧。