全国政协委员、南京大学人工智能学院院长周志华指出，机器学习领域的基础研究因其较高的入门门槛以及在短期内难以显现效益的特点，往往在学术评价体系中显得不那么突出，这促使青年学者倾向于从事应用研究而非基础探索。

为此，周志华提出了一系列改进建议，旨在优化科研环境，鼓励更多投入于机器学习的基础研究。首先，他主张改革评审机制，实施个性化评估策略，即“量身定制”的分类评价。此举旨在避免基础研究与应用技术研究混为一谈，通过合理分配申请代码和优化分包机制，确保这两类项目及研究人员能获得更为公正的评价。此外，应提高专家与项目之间的匹配度，增加“小同行”比例，使评审专家能更准确地从技术内涵角度评估研究质量。

周志华还强调了改进考核方式的重要性，建议重点评估基础研究的原创价值与学术贡献。为了支持这一目标，他提议在科研项目指南中预先设置一定比例的基础研究指南，并在评审阶段适当提高对机器学习基础研究的支持力度。

综上所述，通过上述建议的实施，有望促进更多青年学者投身于机器学习基础研究领域，推动该领域的发展与创新。