El 17 de octubre, en el Foro de Pensamiento de Guanghua, E Weinan, académico de la Academia China de Ciencias y profesor titular de la Universidad de Pekín, afirmó que la inteligencia artificial es, en esencia, “matemáticas + ingeniería informática”, lo que reducirá significativamente los obstáculos en la investigación científica y promoverá la igualdad en la investigación científica. “En el futuro, los científicos civiles serán la fuerza principal en la investigación científica”, predijo. Según él, a través de laboratorios abiertos y servicios en la nube, “cualquier equipo o individuo con ideas y habilidades podrá participar en la innovación tecnológica”.
Owen Wanan señaló que las empresas carecen de innovación original cuando realizan la producción real, y solo pueden competir en aspectos como la gestión y los precios. “La razón fundamental del ‘enturbio’ es la falta de capacidad de innovación”. Cree que las softwarees industriales de alta gama y los sistemas numéricos de control de máquinas avanzadas actualmente están sujetos a las personas, pero “ahora no solo es posible lograr la autonomía y el control en un tiempo relativamente corto, sino que incluso se puede ‘superar a otros’. Se puede construir un sistema de software industrial nativo para IA. En principio, casi se puede desarrollar un sistema que no solo pueda competir con Siemens, sino que incluso pueda superar a Siemens; esto podría realizarse en un año o dos”.
Distinguió entre AI para Ciencia y AI para la Industria, señalando que este último es más difícil de iniciar, ya que los softwarees industriales son más cerrados y la mayor parte de los datos industriales son de código cerrado. Sin embargo, el modelado de las líneas de producción industrial es más fácil a nivel macro, por lo que la tarea principal en el futuro es lograr un buen modelo de las líneas de producción industrial. Juzgó que este proceso puede realizarse “en tres años, o como máximo cinco años”.
Owen Vinyan también advirtió que el sistema de investigación actual en la era de la inteligencia artificial enfrentará grandes desafíos. Tomando como ejemplo el mundo de las matemáticas, señaló que si el número de artículos publicados en las cuatro revistas más importantes se duplica, “en realidad no sabemos cómo enfrentarlo”. Destacó que la innovación disruptiva “se logra en gran medida a través de la exploración libre, y no por la definición de tareas”, y criticó “equivaler la exploración libre y la redacción de artículos, es un error que se comete”.
Cree que la forma en que se presentan los resultados de la investigación pasará de los artículos a los derechos de propiedad intelectual, y la estructura industrial también se reestructurará. Las universidades deben crear un sistema de formación de talentos innovador e integrado que comprenda profundamente las necesidades.