Lar
O especialista em IA Zhou Zhihua alerta contra a dependência excessiva de modelos de grande porte e defende um desenvolvimento equilibrado da IA.

A perspectiva de Zhou Zhihua: Desmontando o mito de que “os grandes modelos resolvem tudo” e criando zonas de inovação interdisciplinares
À medida que a inteligência artificial se espalha pelo mundo, os grandes modelos tornaram-se a solução preferida nos círculos de pesquisa. No entanto, o acadêmico Zhou Zhihua, da Academia Chinesa de Ciências , emitiu recentemente um alerta oportuno. Ele destacou um equívoco generalizado na pesquisa atual em IA — a crença cega de que “grandes modelos podem resolver todos os problemas” — e enfatizou a necessidade de refinar a estrutura estratégica geral para a inteligência artificial.
O acadêmico Zhou Zhihua observou com perspicácia que muitos estudos rotulados como “pesquisa impulsionada pela IA” são meramente superficiais. Alguns projetos dependem de aplicações simplistas de ferramentas, enquanto outros imaginam que treinar um “grande modelo científico” universal resolverá todos os desafios científicos. Essa abordagem de força bruta desvia recursos excessivos para aplicações computacionalmente intensivas, enquanto a pesquisa algorítmica fundamental é negligenciada.
Além de orientações de pesquisa equivocadas, dados insuficientes e padrões inconsistentes também impedem o progresso da IA. Zhou Zhihua destacou que os dados científicos não só são caros de se obter, como também carecem de uniformidade e disposição para compartilhar, resultando em treinamento ineficiente de modelos e resultados pouco confiáveis. Isso leva a esforços redundantes, desperdício de recursos e limita significativamente o potencial da IA para descobertas científicas.
Para enfrentar esses desafios, o acadêmico Zhou Zhihua propôs duas medidas-chave: primeiro, reorientar o foco para os fundamentos, aumentando o apoio à inovação em algoritmos adaptados a problemas específicos; segundo, reformar o modelo de formação de talentos . Ele recomendou o estabelecimento de “zonas de inovação interdisciplinares” que rompam com as restrições tradicionais — como requisitos de graduação, títulos profissionais e métricas de avaliação — para que especialistas interdisciplinares não fiquem mais presos entre sistemas de avaliação rígidos.
Essa recalibração da pesquisa em IA não é meramente um ajuste técnico, mas uma reformulação do ecossistema de pesquisa. Em última análise, a busca pela verdade não depende do acúmulo cego, mas do aprofundamento de insights fundamentais por meio de um trabalho reflexivo.
Artigo relacionado
Stripe vai adquirir a OpenRouter à medida que o roteamento baseado em modelos de IA ganha força
A Stripe concordou em adquirir a OpenRouter, uma plataforma de roteamento de modelos de IA que oferece aos desenvolvedores acesso a centenas de modelos por meio de uma única interface. O acordo amplia
O ex-pesquisador da OpenAI, Barrett Zoph, retorna ao Google para apoiar o desenvolvimento do Gemini
Barret Zoph, que anteriormente havia deixado a empresa de forma repentina e se juntado à OpenAI devido a um desentendimento com a CEO da Thinking Machines Lab, Miriam Mularati, mudou de emprego mais u
Como a Recursive Intelligence levantou US$ 335 milhões com uma avaliação de US$ 4 bilhões em 4 meses
As cofundadoras da startup Ricursive Intelligence pareciam destinadas a serem cofundadoras.Anna Goldie, CEO, e Azalia Mirhoseini, CTO, são tão conhecidas na comunidade de IA que estavam entre os engen
Recomendações de tópicos especiais relacionados
Comentários (0)

A perspectiva de Zhou Zhihua: Desmontando o mito de que “os grandes modelos resolvem tudo” e criando zonas de inovação interdisciplinares
À medida que a inteligência artificial se espalha pelo mundo,
O acadêmico Zhou Zhihua observou com perspicácia que muitos estudos rotulados como “pesquisa impulsionada pela IA” são meramente superficiais. Alguns projetos dependem de aplicações simplistas de ferramentas, enquanto outros imaginam que treinar um “grande modelo científico” universal resolverá todos os desafios científicos. Essa abordagem de força bruta desvia recursos excessivos para aplicações computacionalmente intensivas, enquanto a pesquisa algorítmica fundamental é negligenciada.
Além de orientações de pesquisa equivocadas, dados insuficientes e padrões inconsistentes também impedem o progresso da IA. Zhou Zhihua destacou que os dados científicos não só são caros de se obter, como também carecem de uniformidade e disposição para compartilhar, resultando em treinamento ineficiente de modelos e resultados pouco confiáveis. Isso leva a esforços redundantes, desperdício de recursos e limita significativamente o potencial da IA para descobertas científicas.
Para enfrentar esses desafios, o acadêmico Zhou Zhihua propôs duas medidas-chave: primeiro, reorientar o foco para os fundamentos, aumentando o apoio à inovação em algoritmos adaptados a problemas específicos; segundo, reformar o modelo de formação
Essa recalibração da pesquisa em IA não é meramente um ajuste técnico, mas uma reformulação do ecossistema de pesquisa. Em última análise, a busca pela verdade não depende do acúmulo cego, mas do aprofundamento de insights fundamentais por meio de um trabalho reflexivo.
Stripe vai adquirir a OpenRouter à medida que o roteamento baseado em modelos de IA ganha força
A Stripe concordou em adquirir a OpenRouter, uma plataforma de roteamento de modelos de IA que oferece aos desenvolvedores acesso a centenas de modelos por meio de uma única interface. O acordo amplia
O ex-pesquisador da OpenAI, Barrett Zoph, retorna ao Google para apoiar o desenvolvimento do Gemini
Barret Zoph, que anteriormente havia deixado a empresa de forma repentina e se juntado à OpenAI devido a um desentendimento com a CEO da Thinking Machines Lab, Miriam Mularati, mudou de emprego mais u
Como a Recursive Intelligence levantou US$ 335 milhões com uma avaliação de US$ 4 bilhões em 4 meses
As cofundadoras da startup Ricursive Intelligence pareciam destinadas a serem cofundadoras.Anna Goldie, CEO, e Azalia Mirhoseini, CTO, são tão conhecidas na comunidade de IA que estavam entre os engen











