人工智能论文怎么样（人工智能里的论文审美疲劳）

论文要有创新性才容易发表，但创新性是有阶段性的。比如1995年的时候，人工智能开始流行统计机器学习，于是沿此方向上研究并撰写的文章都相对容易被接收和发表。

其中，一个最容易玩上手的是核方法。直观来说，就是当数据在原空间不能线性划分时，即不能用类似直线的超平面线性分类时，核方法能通过函数映射将这些数据转换到一个高维空间，在那里进行线性划分。而且这个映射函数不需要显式知道，只用一个被证明过的径向基函数就可以在原空间完成--映射、比较、划分---三个步骤。

于是，大家一轰而上，都往这个核方法的方向钻，称为核技巧。因为这个技巧用起来简单，几乎不用改之前的方法，就可以加一节核方法来自然扩充，所以相应的文章很多。

可是，这东西不能玩太久。前一两千篇还能接受。玩到四五年以后，如果还是简单的套用陈旧的核映射函数，评审会一眼看穿，且会因为极度厌恶这类重复性的操作而直接拒稿。这就是审美疲劳了。

在随后的近二十年里，审美疲劳出现过好几次。每次都是因为一个新方法，被不断地重复或仅做细微的小改进就发文章。比如概率图模型、正则化技术、线性判别分析中的类内距离减小类间距离变大等等。

张军平，复旦大学计算机科学技术学院，教授、博士生导师，中国自动化学会混合智能专委会副主任。主要研究方向包括人工智能、机器学习、图像处理、生物认证及智能交通。至今发表论文近100篇，其中IEEE Transactions系列19篇，包括IEEE TPAMI, TNNLS, ToC, TITS, TAC等。学术谷歌引用3100余次，ESI高被引一篇，H指数28.