本文批判了部分科研工作缺乏底层逻辑，过度追求技术炫酷，忽略解决问题本质的现象。作者认为，科研的核心是解决问题，需要先明确关键困难和原因，再提出解决思路并探索关键技术，而非一味追求技术组合和炫技。作者以数据分类为例，阐述了有监督学习的思路和关键技术，并指出缺乏底层逻辑的科研工作无法带来真正解决问题的启发。

🤔科研的本质在于解决问题，而非一味追求技术炫酷。解决问题需要明确关键困难和原因，并在此基础上提出解决思路和关键技术。

🎯以数据分类为例，关键困难在于如何对数据进行有效表示，突出重要特征。传统的解决思路是利用预先标注数据为引导，通过有监督学习方法找到重要特征。

💡有监督学习方法中包含多种关键技术，例如不同的采样方案，旨在提高找到重要特征的准确性和效率。然而，很多研究工作缺乏底层逻辑，过度追求技术组合和炫技，忽略了解决问题的本质。

❓作者质疑，这种缺乏底层逻辑、过度强调技术复杂度的科研工作，是否能够真正带来解决重要问题的启发？

科研是解决问题。 问题的解决前提是明白里面的关键困难，以及关键困难产生的原因。 定位了关键困难，下一步就是给出这个问题的解决思路。 在下一步就是探索这个思路下面存在的关键技术，一个思路下面可能有几十个技术，效果最好的就是最关键的技术。 我们举一个例子吧。数据的分类关键困难就是要对数据进行很好的表示，把重要特征凸显出来。然而怎么凸显出这些特征是很难的。 传统思路包括利用预先标注数据为引导，让模型去检查哪些特征是重要特征。 这个思路就是有监督思路 在这个思路下有很多具体技术，例如不同的采样方案，他们要么采样更全，要么更快，让我们找到重要特征的准确性和效率更高。 但是很多研究并没有这个逻辑，他们做技术的组合，发现效果好就发表，并且故意让技术特别炫酷。让人们不知道为什么可以这样，也不知道下一步探索方向如何。 我就特别疑惑，从这样的缺乏底层逻辑，凸显技术复杂度的科研工作中，大家真的可以获得解决重要问题的新启发吗？