不知道是不是只有我一个人有这样的感觉：那就是越来越多的课题都在急切地向人工智能，机器学习靠拢，特别是一些依赖于实验或者实践地课题，本来就是好好做实验，多多测量地事请，一定要去涉及“利用大数据进行机器学习预测XXX”的课题.![]()
很多专家估计内心也是觉得这些项目在进行“人为创新”，因为机器学习，特别是基于人工智能的预测，不是凭空而来，需要大量的基础数据用以给模型训练提供“标签”，想要跳过基础实验，直接进行大数据，无疑是想用冰山一角来预测整个冰山的情况，恐怕难以得到预期的结果。![]()
在学术界和商业界，人工智能概念的滥用现象可以通过以下几个具体例子来说明：
1. 学术界的例子：
医学研究：一些医学研究项目在申请资助时声称将使用机器学习技术来分析患者数据，以发现新的疾病模式或预测治疗效果。然而，深入研究后发现，这些项目在数据处理和分析上仍依赖传统统计方法，机器学习的使用仅仅是为了迎合当前的热点而加上的标签。
社会科学研究：有些社会科学研究项目宣称使用自然语言处理技术来分析大量文本数据，以揭示社会行为和趋势。但实际上，这些研究仅是对现有数据进行简单的文本挖掘，未能真正应用复杂的自然语言处理算法。
2. 商业界的例子：
智能家居产品：一些智能家居设备，如所谓的“AI洗衣机”或“AI空调”，宣称具有自学习能力，可以根据用户习惯自动调整设置。然而，实际功能仅限于简单的预设模式选择，并未真正实现自适应学习和智能优化。
金融科技应用：某些金融科技公司宣传其理财产品使用了先进的人工智能算法来进行投资组合管理和风险预测，但实际上，这些产品仍依赖于传统的量化分析模型，AI技术并未真正被采用。
这些例子反映了学术界和商业界中对AI概念的滥用现象，不仅导致了资源浪费和研究质量的下降，还在一定程度上混淆了公众对人工智能技术的理解，损害了行业和学术的诚信。真正有效的AI应用需要扎实的技术基础和明确的需求导向，而不是简单的概念堆砌和宣传噱头。
提高基金成功率？
当前科研环境中，申请基金项目时将课题向人工智能、大模型和机器学习方向靠拢的现象变得越来越普遍。尽管这些领域确实具有巨大的潜力和广泛的应用前景，但这种现象往往带有盲从和滥用的色彩。科研人员在申请基金项目时，往往将他们的研究方向与这些热点技术相关联，即使这些研究可能并不真正需要这些技术。课题标题和摘要中大量使用“人工智能”、“机器学习”等关键词，具体内容和方法中，人工智能技术的使用仅是点缀，甚至没有任何实际应用。这背后的原因主要包括资助机构和基金会对前沿技术研究的优先支持，使研究人员为了获得资助而故意迎合这一趋势。当前的科研评价体系对热点领域的研究更容易给予认可和高评价，促使研究人员将自己的工作向这些方向靠拢。此外，激烈的科研经费竞争使得研究人员不得不选择一些看似更具前沿性的方向和术语来包装自己的课题。发表论文的压力也是驱使研究人员滥用机器学习概念的重要因素。前沿领域的论文更容易在高影响力期刊上发表，从而提高研究人员的学术声誉和职业发展。因此，即便研究本身并不需要机器学习，研究人员也倾向于将这些技术纳入他们的工作中，以增加论文发表的机会。这种行为导致的后果包括学术浮躁化，忽视真正需要解决的科学问题和技术难题；资源浪费，大量资源被分配到并不真正需要人工智能技术的项目上；研究质量下降，盲目跟风和概念堆砌使得研究设计缺乏严谨性，最终的研究成果可能无法经受住学术界的检验；以及学术诚信受到影响，违背了科学研究应有的实事求是和严谨求实的精神。
为了遏制“人工智能概念滥用”的现象，科研界和资助机构应加强对项目申请的评审力度，注重项目的实际需求和创新性，而不是单纯看重热点和前沿概念。同时，科研人员应保持学术诚信，踏实进行科学研究，避免盲目跟风和浮躁，真正推动科学技术的进步和应用。
