1
最顶级的创新性叫“开创性”。简而言之,发现了一个全新的问题,创造了一个全新的方法,发明了一个全新的工具。之所以叫“开创性”,是因为这些创新开创了一大片新的“科研蓝海”,可以为后面大量的创新打下基础。
比如第一个开创了深度学习算法的工作,这个工作为后面海量的工作打下了基础,无数科学家前赴后继,在深度学习这个框架下,开发新的算法,改进原有算法,解决新的问题,培养了数不清的博士硕士。
2
第二层次的创新性就要差一些,可以是在开创的领域内挖掘了一个小领域。比如在深度学习的框架内,创新了图卷积神经网络算法,这个工作也很创新,也能养活一大批课题组,培养大量学生。
3
第三层次是对现有改进和完善,或者把现有的工具用在别的任务当中。还是以深度学习举例,比如最初的图卷积神经网络可能还比较粗糙,但是随着改变改变结构,创新下编码器解码器,经过许多人的不断完善效率效能大大提升。或者卷积神经网络原本用来做图像识别效果很好,新的工作拿来做了音频识别,效果也不错。这类创新也有价值,但价值显然没那么大。
4
最后一个层次,问题和方法都没变,只是调整调整细节,增加增加数据,或者东拼西凑把已经研究过的东西结合到一起。比如像是生物领域,换个物种同样通路,换个方法同样动物,一样的实验堆叠工作量。这类工作几乎没有创新性可言,价值更是不大,有些文章甚至可能连SCI都中不了,只能在低水平刊物上打打转。