在面临计算机没有创新点的情况下，可以尝试以下几种方法来寻找或构建创新点：
应用创新
思路：将已有技术应用于新的场景，验证其效果和适用性。这种方法难度较低，适合入门，且应用场景新颖，论文易发表。
案例：
使用深度学习分析医疗影像中的异常数据。
将计算机视觉技术用于农业场景，如监测作物生长。
修改创新
思路：优化现有模型，提升效率或扩展其适用性。这是学术界常见的“灌水”套路，优化得好可发高质量期刊。
案例：
优化Transformer架构，降低计算量。
针对小样本场景改进迁移学习，提高模型效果。
融合创新
思路：融合不同技术，解决新问题。这种方法功能更强大，但适用场景有限，发表难度略高。
案例：
区块链+联邦学习，用于保护隐私的数据训练。
图神经网络（GNN）+强化学习，用于推荐系统。
比较创新
思路：系统对比现有技术的优缺点，找到改进方向。这种方法有助于发现新的研究思路。
化繁为简法
思路：发现过去的文章过于复杂，用一个简单本质的办法把过去很难做成的事情做成。这种方法需要洞察力和新的视角。
包容并蓄法
思路：把多个文章的优点通过某种方式巧妙地结合起来，互相弥补不足。这种方法需要综合运用多个领域的知识。
推广应用法
思路：把已有的发现做新场景的应用推广，做得更大更强更好。这种方法需要找到新的应用场景，并验证其效果。
硬件软化和软件硬化
思路：
硬件软化：通过软件升级实现新需求，降低成本。
软件硬化：提升性能，牺牲灵活性。
案例：
网络功能的硬件软化，通过软件升级实现新的网络需求。
凑出创新点
思路：了解当前的创新热点，采用新的研究方法，或与已有成果结合，进行组合式创新。这种方法需要与团队或导师交流，获得建议。
针对已发表论文的idea进行延展或进一步创新
思路：在已有创新成果上再有所挖掘，进行延展或创新。这种方法需要对已有研究有深入理解，并找到新的研究方向。
通过以上方法，可以逐步找到或构建计算机科学的创新点。重要的是保持开放的心态，多与同行交流，不断尝试新的思路和方法。