中国青年报客户端北京3月7日电（中青报·中青网记者 樊未晨 刘言 杜沂蒙 沈杰群）3月7日下午，北京，全国政协十四届四次会议举行第二次全体会议，全国政协委员、南京大学副校长，中国科学院院士周志华建议，

要优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。

周志华指出，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

周志华还建议，要变革培养模式，打造复合型人才队伍。同时在学位获取、职称晋升、绩效考核等环节中建立“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”的困境。

中国青年报客户端北京3月7日电（中青报·中青网记者 樊未晨 刘言 杜沂蒙 沈杰群）3月7日下午，北京，全国政协十四届四次会议举行第二次全体会议，全国政协委员、南京大学副校长，中国科学院院士周志华建议，

要优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。

周志华指出，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

周志华还建议，要变革培养模式，打造复合型人才队伍。同时在学位获取、职称晋升、绩效考核等环节中建立“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”的困境。

中国青年报客户端北京3月7日电（中青报·中青网记者 樊未晨 刘言 杜沂蒙 沈杰群）3月7日下午，北京，全国政协十四届四次会议举行第二次全体会议，全国政协委员、南京大学副校长，中国科学院院士周志华建议，

要优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。

周志华指出，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

周志华还建议，要变革培养模式，打造复合型人才队伍。同时在学位获取、职称晋升、绩效考核等环节中建立“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”的困境。

中国青年报客户端北京3月7日电（中青报·中青网记者 樊未晨 刘言 杜沂蒙 沈杰群）3月7日下午，北京，全国政协十四届四次会议举行第二次全体会议，全国政协委员、南京大学副校长，中国科学院院士周志华建议，

要优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。

周志华指出，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

周志华还建议，要变革培养模式，打造复合型人才队伍。同时在学位获取、职称晋升、绩效考核等环节中建立“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”的困境。

中国青年报客户端北京3月7日电（中青报·中青网记者 樊未晨 刘言 杜沂蒙 沈杰群）3月7日下午，北京，全国政协十四届四次会议举行第二次全体会议，全国政协委员、南京大学副校长，中国科学院院士周志华建议，

要优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。

周志华指出，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

周志华还建议，要变革培养模式，打造复合型人才队伍。同时在学位获取、职称晋升、绩效考核等环节中建立“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”的困境。