前言：一篇好的文章需要精心雕琢，小编精选了8篇人工智能论文范例，供您参考，期待您的阅读。
人工智能论文范文1
顾名思义，人工智能就是研究怎样利用机器模仿人脑进行推理、设计、思考和学习等思维方式和活动，帮助人们解决一些需要专家才能解决的问题，通俗一点说，就是借助计算机来执行人类的智能活动，最终实现利用各种自动化机器或是智能机器，模仿和完成人的智能活动，实现某些“机器思维”或是脑力自动化。但从学术的角度说，人工智能包含的范围非常广，与人工智能相联系的不下几十门学科，所涉及的理论领域和应用的领域几乎涉及人类的所有活动，人类任何工作离不开智能，因此，任何领域都是人工智能的潜在应用领域。例如，应用人工智能的方法和技术，设计和研制各种计算机的“机器专家”系统，可以模仿各行各业的专家去从事医疗诊断、质谱分析、矿床探查、数学证明、家务管理、运筹决策等脑力劳动工作，以完成某些需要人的智能、运用专门知识和经验技巧的任务等等。在信息社会的构建中，网络的应用正在深远的影响着人们的工作和生活方式，计算机网络技术的发展正处在日新月异、交融更替之际，信息安全的保证将成为公众的需求和时代的责任，在这个方面，人工智能技术是一种模仿高级智能的推理和运算技术，在很多实际的控制和管理问题上都显示出具有很强优势，如果能把人工智能科学中的一些算法与思想应用到计算机网络中，将会大大提高计算机网络的性能，不断提高信息的安全性。
2信息安全与人类生活的关系
信息安全包含的范围很广，大到国家军事机密，小到如何防范商业秘密和人身秘密。在目前的网络信息社会中，信息安全的实质就是要保护信息系统或信息网络中的信息资源免受各种类型的威胁、干扰和破坏，但是在我们的日常生活中，这种事情还是屡有发生。
2.1信息安全对人们生活的影响
（1）对信息服务的破坏。
一是信息的泄露，被某个未被授权的实体或者是个人获得用于不法目的，而且在这个过程中，可能导致信息被非法转让、删减或者是破坏，让原来信息拥有者的信息失去真正的意义；二是被拒绝服务，这是对信息或者是相关资源的合法访问被无条件阻止。
（2）非法使用对合法权的破坏。
这主要是某一资源被某个非授权的人，或以非授权的方式使用。一是窃听。用各种可能的合法或非法的手段窃取系统中的信息资源和敏感信息。例如对通信线路中传输的信号搭线监听，或者利用通信设备在工作过程中产生的电磁泄露截取有用信息等。通过对系统进行长期监听，利用统计分析方法对诸如通信频度、通信的信息流向、通信总量的变化等参数进行研究，从中发现有价值的信息和规律。二是假冒。通过欺骗通信系统（或用户）达到非法用户冒充成为合法用户，或者特权小的用户冒充成为特权大的用户的目的。黑客大多是采用假冒攻击。攻击者利用系统的安全缺陷或安全性上的脆弱之处获得非授权的权利或特权。例如，攻击者通过各种攻击手段发现原本应保密，但是却又暴露出来的一些系统“特性”，利用这些“特性”，攻击者可以绕过防线守卫侵入系统的内部破坏
2.2信息安全受到威胁的分类
（1）授权侵犯
被授权以某一目的使用某一系统或资源的某个人，却将此权限用于其他非授权的目的，也称作“内部攻击”。在某个系统或某个部件中设置的“机关”，使得在特定的数据输入时，允许违反安全策略。
（2）木马攻击。
软件中含有一个觉察不出的有害的程序段，当它被执行时，会破坏用户的安全。这种应用程序称为特洛伊木马(TrojanHorse)。计算机病毒：一种在计算机系统运行过程中能够实现传染和侵害功能的程序。
(3)人为原因。
一个授权的人为了某种利益，或由于粗心，将信息泄露给一个非授权的人。信息被从废弃的磁碟或打印过的存储介质中获得。侵入者绕过物理控制而获得对系统的访问。重要的安全物品，如令牌或身份卡被盗。业务欺骗：某一伪系统或系统部件欺骗合法的用户或系统自愿地放弃敏感信息等等
3人工智能对信息安全的影响和未来发展趋势
随着人工智能的不断发展和应用方法的不断成熟，人工智能在信息安全保障的服务能力将更加强大，人工智能也将处于计算机网络发展的前沿，与计算机发展的轨迹同行。笔者仅就人工智能在信息安全的具体领域“数字水印”的研究展开论述，分析未来人工智能与信息安全的密切关系。
3.1数字水印的定义
数字水印技术的基本思想源于古代的密写术。古希腊的斯巴达人曾将军事情报刻在普通的木板上，用石蜡填平，收信的一方只要用火烤热木板，融化石蜡后，就可以看到密信。使用最广泛的密写方法恐怕要算化学密写了，牛奶、白矾、果汁等都曾充当过密写药水的角色。可以说，人类早期使用的保密通信手段大多数属于密写而不是密码。然而，与密码技术相比，密写术始终没有发展成为一门独立的学科，究其原因，主要是因为密写术缺乏必要的理论基础。
数字水印（DigitalWatermark）技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取，因为当前的性信息安全技术都是以密码学为基础，计算机处理能力提高后，这种密保措施已经越来越不安全，因此数字水印就是人工智能跨速发展的结果，数字水印是信息隐藏技术的一个重要研究方向，这对于信息安全有着超强的保护能力。
3.2数字水印的特征
（1）隐蔽性：
在数字作品中嵌入数字水印不会引起明显的降质，并且不易被察觉。
（2）超强安全性：
水印信息隐藏于数据而非文件头中，文件格式的变换不应导致水印数据的丢失。
（3）不可丢失性：
是指在经历多种无意或有意的信号处理过程后，数字水印仍能保持完整性或仍能被准确鉴别。可能的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。
3.3发展前景
（1）实现数字化作品产权信息保护。
计算机网络的发达，让数字作品（如电脑美术、扫描图像、数字音乐、视频、三维动画）的版权保护成为当前的热点问题。但是数字作品的拷贝、修改非常容易，而且可以做到与原作完全相同，“数字水印”利用数据隐藏原理使版权标志不可见或不可听，既不损害原作品，又达到了版权保护的目的。目前，用于版权保护的数字水印技术已经进入了初步实用化阶段，IBM公司在其“数字图书馆”软件中就提供了数字水印功能，Adobe公司也在其著名的Photoshop软件中集成了Digimarc公司的数字水印插件。
（2）商务票据信息安全保护。
随着高质量图像输入输出设备的发展，特别是精度超过1200dpi的彩色喷墨、激光打印机和高精度彩色复印机的出现，使得货币、支票以及其他票据的伪造变得更加容易。网络安全技术成熟以后，各种电子票据也还需要一些非密码的认证方式。数字水印技术可以为各种票据提供不可见的认证标志，从而大大增加了伪造的难度。
（3）重要声像数据信息安全保护。
数据的标识信息往往比数据本身更具有保密价值，如遥感图像的拍摄日期、经/纬度等。没有标识信息的数据有时甚至无法使用，但直接将这些重要信息标记在原始文件上又很危险。数字水印技术提供了一种隐藏标识的方法，标识信息在原始文件上是看不到的，只有通过特殊的阅读程序才可以读取。这种方法已经被国外一些公开的遥感图像数据库所采用。
人工智能论文范文2
1.1人工智能技术不易受其他因素影响
过去传统的控制器在进行工作的时候会遇到很多外界因素或者机器自身的问题的干扰，并且会对工作造成不良影响。但是人工智能技术在这方面的优势则比较明显。例如，人工智能技术不需要精确的动态模型，所以，即使模型设置的参数发生了变化，也不会对其造成太大的影响，而且其对环境的要求也不苛刻。所以，人工智能技术在其运行的过程中，可以不受不确定因素的影响，并且可以实现较为精准的自动化控制。
1.2人工智能技术产生的误差小
人工智能技术在运行过程中基本不受到来自外界的影响，而且其本身的抗干扰能力就很强，所以，一旦提前对系统设定了参数，那么在操作过程中就不用担心参数发生变动。这些参数在整个过程中会保持在一个值域之内，所以不需要担心会有较大的差值，因此其工作效率也比较高。
2人工智能在电气自动化中的应用
2.1智能控制和保护功能
2.1.1进行操作控制。
在进行操作的过程中，使用人员可以通过键盘或鼠标对隔离开关、断路器等进行现场的或者远程的控制，对励磁电流进行精准的调整。除此之外，还能够进行带负荷操作和停机操作，对相关的人员的权限进行限制。
2.1.2对相关数据的收集和处理。
人工智能技术对所有开关量、模拟量数据进行实时的采集，而且根据先前设计好的要求进行定时批量的存贮以及整理等工作。设置和修改某些参数，及时地保护软压板的退投。
2.1.3对设备的管理。
人工智能在对电力系统进行管理的时候，可以对运行日志进行自动保存，并生成报表的存储或打印、描绘系统运行曲线等。
2.1.4实行有效的监控。
智能技术能够对模拟量与开关量进行全程同步的监测，当检测过程发生异常时，则可以选择多种模式进行报警，同时还可有序地记录系统里的各项事件、在线分析负序量计算等。
2.1.5对画面的显示。
人工智能技术可以运用图像生成软件进行真实画面模拟，可以对有关设备和整个系统的工作运行进行模拟，并且最终以画面的形式显现到屏幕上。
2.1.6进行故障录波。
智能技术对故障波形的获取具有良好的功能，在获取的同时还可以做好相关的记录，对模拟量故障及时地进行录波和捕捉相关波形。
2.2智能信息检索
作为人类智能的模拟理论而产生的新兴技术方法，人工智能具有良好的信息检索功能。其不仅可以对网络中出现的较为模糊和不确定性的因素进行科学的换算以及推理，还可以根据信息检索的结果提出一些切实可行的解决方案。人工智能技术的优势还在于它可以将正确的指令精确无误的传达给各种机器，进而机器在接受到指令后能够进行正确、正常的运转，确保任务的完成。3.3提高电气自动化性能，提高产品质量人工智能系统具有优越的条件，其模拟人类智能，并将人工智能技术中的遗传算法投入到电器产品的应用中。利用人工智能技术，可以将产品的性能优化，假如可以科学合理地把人工智能技术运用到电气自动化的控制中，那么电子自动化性能就会得到显著的改善，电气设备的运行效率也会被大大提高，电气自动化控制的准确性便有所保障。这样一来，就可以减少在电气工程自动化中人力资源的使用，劳动成本也可以随之降低，进而推进电气工程事业的发展。此外，人工智能技术还可以在各种电器产品的会设计中辅助进CAD，使产品的开发周期得到有效缩短，并且能够对提高CAD技术的开发和应用程度有很大的帮助，设计难度也会有所降低，产品的质量自然就会提高。
2.4电气设备优化设计
有关电气设备的优化设计工作是比较复杂的，需要结合多方面的理论知识，比如电磁场、电机电器、电路等相关知识，此外还需要丰富的设计经验知识。过去的电气产品设计效率很低，一般是因为缺乏相关的技术的支持，再加上工作量本身就很大，所以整个设计就显得比较难，很少有科学合理的设计。但是如今计算机技术发展迅速，手工设计逐渐被计算机辅助设计（CAD）所代替，产品的开发周期缩短了，设计人员的设计产品质量和设计的效率也提高了，而且设计已经越来越趋于智能化和高效化。人工智能技术在电气产品的优化设计应用中，主要有两种方法，即专家系统和遗传算法。其中，遗传算法可以直接操作结构对象，对优化和自动获取搜索空间、自行调整搜索的方向方面具有指导作用，而且采用先进的计算方法，计算结果很精确，因此在电气产品的智能化优化设计中应用广泛。而专家系统则不同，它是主要依据相关领域的一个或是多个专家所提供经验与知识来进行工作的，它是一个对专家的决策过程进行模拟的过程，从而对需要人类专家处理的问题进行处理，这种方式也比较重要。当然，除此两种方法还有很多其他方法，比如神经网络、模糊逻辑等。
3结束语
人工智能论文范文3
关键词:教育人工智能;文献分析;4W模型;产业发展
人工智能的概念是1956年在美国达特茅斯学院确立的，指让计算机像人那样思考、学习和认知，即用计算机来模拟人的智能［1］。大数据智能的出现、群体智能引起的关注、混合智能在人机一体化技术中的引入、跨媒体智能的兴起、无人系统的迅速发展等都初步崭露了新一代人工智能技术的锋芒。
一、研究背景
人工智能已逐渐渗透到社会的各个领域，多个国家已将人工智能提升为国家战略，出台了相关政策和规划，力争抢占科技的制高点。2017年，国务院首次将人工智能写入政府工作报告，同年了《新一代人工智能发展规划》，部署了我国发展人工智能的重点任务。工业和信息化部随即印发《促进新一代人工智能产业发展三年行动计划(2018－2020)》，全力助推人工智能的发展。2018年，教育部印发《高等学校人工智能创新行动计划》。旨在进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。人工智能新的浪潮正在教育领域引发深层次的变革，技术正在重塑教育的形态。在此背景下，研究如何应用新技术推动教育事业的发展具有重要意义。
二、发展概况与文献综述
2006年Hinton等人提出的深度学习技术拉开了新一代人工智能的序幕。ImageNet竞赛代表了计算机智能图像识别领域最前沿的发展水平，2015年基于深度学习的人工智能算法在图像识别准确率方面第一次超越了人类肉眼，人工智能实现了飞跃性的发展。伴随着机器视觉的研究获得前所未有的成功，深度学习在语音识别、数据挖掘、自然语言处理等不同研究领域相继取得突破性进展。2016年，微软将英语语音识别错词率降低至5.9%，可与人类相比肩。如今，人工智能已由实验室走向市场，无人驾驶、智能助理、新闻推荐与撰稿、搜索引擎、机器人等应用已经走进社会生活的各个角落。教育人工智能领域已经涌现出一批相关研究，闫志明团队概括了人工智能的内涵、技术与应用等内容，侧重对美国政府两个人工智能报告的解读，分析了教育人工智能的内涵、关键技术与应用趋势;探索了机器学习在教育中的应用［2］;贾积有探讨了人工智能教育应用的热点问题［2］;唐烨伟团队分析了人工智能与STEM等课程的融合［4］;吴永和团队构筑了人工智能+教育的生态系统［5］。
三、文献检索
(一)理论模型
教育人工智能的发展问题可归结为处理谁来研究、在哪研究、研究什么、研究成果等问题的4W模型(见表1)。
(二)数据来源
嘉兴数字图书馆是以浙江省文化信息资源共享工程和全省公共图书馆的数字资源为基础、应用先进的互联网技术打破空间的约束、提供一站式的各类数字资源检索和文献服务的区域性数字资源统一平台。嘉兴数字图书馆拥有CNKI中国知网，国研网、Springerlink图书等国内外近50种专业数据库资源，涵盖期刊、图书、学位论文、视频等多种类型，提供数字文献资源的全文检索、浏览和下载［6］。
(三)检索范围
1.检索对象。长江三角洲地区是我国经济最活跃、信息产业发展最快的区域之一。这里汇聚了众多的高水平大学和科研院所，学术研究气氛浓郁，科技创新环境优越;许多科技企业在此建立研发中心和产业孵化平台。浙江大学等高校在信息技术领域具有扎实的人才培养基础和深厚的学术研究背景;阿里巴巴等企业在IT行业也拥有显著的影响力和创新能力。2.检索主题词。人工智能的内涵十分丰富，算法模型、运算力和数据量是构成人工智能技术的三要素，深度学习、云计算和大数据三大核心驱动力共同促成了人工智能的突破性进展，语音识别、视觉分析、自然语言理解和情感识别等人工智能的关键基础能力迅速提高，商业智能对话和推荐、智能穿戴设备、自动驾驶、语言翻译、智能导航、新经济预测等智能产品应用正快速进入到实用阶段。因而，准确把握教育人工智能的关键技术和典型应用，适当控制检索范围有利于抓住核心问题，确保数据的采集过程具有良好的可操作性。3.检索文献类型。常见的文献类型有期刊论文、硕博学位论文、中文图书、专利等。教育人工智能领域的人才培养、学术研究、技术和应用的创新等文献数据中的信息蕴含着十分巨大的信息量。如何准确有效地提取出反映问题本质的关键信息并揭示出它们之间的内在联系非常关键，在此基础之上尝试对教育人工智能的未来做一些合理的预测成为可能。4.时间跨度。2017年起，发展人工智能产业呈现爆发式增长。三年来，围绕这一新兴产业的人才、资本、项目等资源要素纷纷聚集，新技术新产品等表现出向各应用领域全面渗透的态势，分析这一时期教育人工智能产业的发展具有重要的现实意义。
(四)检索方法
嘉兴数字图书馆可使用高级检索和专业检索功能进行高度定制化的检索方式。通过赋予专业检索工具准确的通用字段、文献类型和非通用字段等信息生成检索式，可以按照使用者的意图输出精确的检索结果。检索式的编写可参考专业检索页面的使用说明。检索举例:检索浙江大学2017—2019年教育人工智能领域发表的博士学位论文数量。
四、基于文献分析的教育人工智能产业发展比较研究
(一)教育人工智能关键技术及典型应用文献比较分析
从总体角度分析，深度学习和机器学习的文献数量最多，分别占到了去重后文献总数的49.49%和32.05%;智能导师、智能测评、智能和情感计算极少，加起来也不到文献总数的2%。从文献类型分析，期刊论文数量占有绝对优势，专利数也比较可观;博士论文数量和中文图书相对较少，分别占文献总数的2.47%和2.10%，但绝对数量还是较多的。从技术和应用角度分析，以人工智能关键技术为主题的文献占有主导优势，达到87%;而单从应用角度来看，智能机器人和教育游戏的研究较热。
(二)长三角地区部分高校教育人工智能领域文献比较分析
浙江大学、上海交通大学、东南大学、中国科技大学和南京大学在调研的14所高校中公开的文献数量总体上最多;合肥工业大学、华东师范大学、浙江工业大学分别在硕士学位论文数、期刊论文数、专利数3个分项指标中排到了前三位。宁波大学、浙江师范大学和浙江理工大学3所高校在教育人工智能领域的文献较少。
(三)部分企业教育人工智能领域文献比较分析
从文献类型角度分析，企业明显热衷于申请专利，而对并不积极，总体上的比例大约是8:1。从企业间的横向比较来看，腾讯、百度和阿里巴巴这3家IT巨头的专利申请量远远大于联想、小米和科大讯飞，科研创新上的差距较为明显。
五、结束语
研究表明，教育人工智能的学术研究和科技创新总体上成果颇丰，在关键技术上侧重于深度学习和机器学习算法的研究，而在应用领域更加关注智能机器人和教育游戏。浙江大学等一批重点高校既注重学术理论上的探索，又加强了技术成果的转化，论文和专利数量都远大于企业，在教育人工智能领域占据了主导地位。产业发展的关键在人才，人才的培养是壮大人才队伍的重要途径，而高校又是培养人才的主阵地。一所高校在教育人工智能领域产出的文献数量越丰富，可以说明该校在这一领域的研究越活跃，也能反映该校的师资力量在这一领域也越强，强大的师资是人才培养的有力保障。重点关注文献产出丰富的高校，深入调研这类高校在各层次、各类型上培养人工智能专业人才的规模和方向，就能够对人工智能专业人才的总体供给水平产生具体的认识。
参考文献:
［1］潘云鹤，人工智能2.0与教育的发展［J］，中国远程教育，2018(5)．
［2］闫志明等，教育人工智能(EAI)的内涵、关键技术与应用趋势———美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析［J］，远程教育杂志，2017(1)．
［3］贾积有，人工智能赋能教育与学习［J］，远程教育杂志，2018(1)．
［4］唐烨伟等，基于教育人工智能支持下的STEM跨学科融合模式研究［J］，中国电化教育，2017(8)．
人工智能论文范文4
随着数字时代的到来，网络技术、传媒技术和大数据的蓬勃发展，传统期刊的内容编辑和运营方式都受到了极大的冲击。人工智能的热潮更是为改变和重构新闻出版业的格局、创新学术期刊和文化业态带来了前所未有的机遇。通过与人工智能的融合，学术期刊的宽度、广度和深度都将得到更大的扩展，其发展将迎来全方位、多层次的变革和创新。其实，不管在国外还是在国内，人们已经在尝试将人工智能应用在新闻媒体界。早在2010年，一家名为NarrativeScience的服务公司就推出了一款名为Quill的写作软件，它能将数据转化为有故事情节的叙述文，由于拥有超强的自我学习能力，在一段时间之后便能从大数据中研究出写作模式及风格。《华盛顿邮报》等多家新闻媒体组建了“人工智能编辑部”，首先利用大数据技术获取多种信息，然后利用机器学习对信息进行分析和判断，并且最终能够将有效信息进行合成、输出，形成高质量的多媒体新闻稿件［1］。
二、人工智能的发展及在数字出版领域的应用
人工智能意味着机器可以在各种应用中实现人类大脑的功能，例如解决数学问题等。约翰•麦卡锡于1956年在达特茅斯的一次会议上首次创造了“人工智能”一词，从那时起，人类对于人工智能的兴趣呈指数级增长［2］。人工智能技术的发展和应用，经过了逻辑智能、感知智能和认知智能三个阶段。在逻辑智能阶段，人们重点关注的是计算机的存储、记忆和计算、搜索的能力。无人驾驶汽车是感知智能的一个重要代表。在这一阶段，计算机可以与外界进行交互，感知外界的环境。认知智能目前还处在研究阶段，其强调的是计算机从机器向“人类”的发展，也就是凸显计算机的自我意识。神经网络和深度学习正是目前这一阶段，是人工智能的研究热点。数字时代，越来越多的国内外数字出版机构都在积极关注最新的科学技术，并努力探索与之结合的创新方法。互联网时代，人工智能所带来的革命性新技术将进一步激发数字出版在产品开发、资源建设和用户服务方面的智能性的潜能。目前，将人工智能技术引入数字出版领域，主要是在学术期刊系统中提升大数据收集、处理、分析和应用的智能化水平。
三、数字时代学术期刊发展与人工智能融合的重要性
数字时代，学术出版业正在日益受到人工智能的深刻影响。2014年，有约250万篇以英文出版的科学在28种不同的期刊上。随着大量期刊文章的，人工智能可以成为出版商提高效率的利器。通过使用人工智能，出版商可以很容易检测到学术期刊中是否存在欺诈性数据，也有利于避免出现学术抄袭现象。通过精准的算法，人工智能可以在较短的时间内判断论文和研究的质量，从而决定论文是否适合出版。世界经济论坛称，“人工智能将扰乱科学界———这是一件好事”。学术研究发展到现在，在很多研究领域中，学术文献的发表数量已经呈现过于繁多的现象。例如，仅关于p53蛋白的学术论文就发表了超过70000篇。过多的学术论文迫使学者们努力跟上关于这一主题的各类研究和成果，但如此多的研究及成果对普通大众来说，他们很难找到最新、最前沿的研究内容。在人工智能的帮助下，公众对于已经发表的学术论文能够方便、快捷地搜索和筛选。例如，SemanticScholar是一个由人工智能研究所创建的搜索引擎，它利用数据挖掘技术，能够帮助公众快速定位和分类已发表的研究。可以肯定的是，人工智能可以而且将使科学界受益。人工智能将显著改善学术的研究方式和论文的发表方式。首先，它可以揭示对科学研究而言至关重要的研究趋势：它可以使论文得以根据内容而不是标题进行提炼，使研究人员能够快速识别研究趋势和研究前沿。其次，人工智能可以帮助确定新的同行评审员：人工智能可以从期刊编辑可能没有考虑过的在线资源中找出潜在的同行评审员名单。并且人工智能在打击学术抄袭方面有着突出的优势：使用自然语言处理，人工智能可以放弃传统的检测抄袭的算法，转而使用可以识别整个句子或已经改写的段落软件。另外人工智能能够快速高效地识别有缺陷的报告和统计数据：人工智能可以确定是否缺少研究的重要组成部分以及所应用的统计数据是否存在缺陷。最后，它可以检测数据是否被修改以达到期望的结果。综上所述，在数字时代，将学术期刊的发展与人工智能融合，有着非常大的价值和意义，它将改变学术期刊的发展方向，提高研究者使用学术期刊的效率，也能够极大提高学术期刊的质量，改善学术领域的环境。
四、数字时代学术期刊发展与人工智能融合的策略
（一）结合大数据技术，保证学术期刊质量
当前学术期刊的数量几乎呈现出爆炸式增长，但质量却良莠不齐。在数字时代，大数据技术为保证学术期刊的质量提供了强大的技术支持。通过人工智能在学术期刊上的应用，可以通过优化期刊选题、提高稿源质量和设立前沿性或新颖性栏目来保证学术期刊的质量。首先，通过大数据和人工智能技术，让学术期刊能够采用智能算法对研究热点进行自动筛选，方便期刊进行选题和组稿。例如，webofscience期刊选定特定领域内的期刊数据，通过数学计算找到主题词汇，再按照显著性自动从众多选题中进行筛选，快速追踪到全球学科热点。然后期刊编委会通过数据处理结果的反馈，进行选题组稿和定向约稿［3］。利用人工智能快速定位和跟踪研究热点，有利于全新研究主题的发现，有利于前沿研究的突出，有利于优化重点专题的方向，促进学科之间的互动交叉和交流，成为当前保证学术期刊质量的关键性战略。其次，人工智能能够利用通信技术、互联网技术高效快速地检测论文稿件的内容重复度和新颖性。人工智能能够识别期刊中的数据是否存在缺陷甚至是修改程度。因此利用人工智能，避免学术抄袭现象的发生，保证稿源的基本真实性和原创性，成为人工智能和学术期刊发展融合的重要战略。而且，通过组织优秀的专题，报道最前沿的研究和发展趋势，更方便了交叉学科对研究热点和发展趋势的把握，从而能够发掘和吸引更多热点领域优秀作者的关注和兴趣。因此，通过融合人工智能，学术期刊能够提升稿源质量，提高期刊对研究发展的引导性。最后，编委会可以利用人工智能快速地对期刊论文进行整理和分类，从而促进设立各类特色专题。例如，通过人工智能识别出的各学科热点选题，可以将高质量文章集中刊登，创建前沿栏目。另外通过大数据技术整合丰富的资源，打造融合学术论文、新闻报告、视频音像等于一体的新颖性栏目，使其成为读者和作者的交流平台［4］。
（二）优化传播方式，促进学术期刊国际化
数字时代，信息技术的高速发展为知识的传播提供了前所未有的便利条件。网络技术和信息技术的发展改变了人们的阅读习惯，拓宽了人们获取知识的渠道。纸媒到数字媒体的巨大转变，彻底颠覆了信息和知识的传播方式，不管是国内还是国际的学术期刊，想要保持较高的关注度和使用度，就需要确保其对于读者的开放性，优化传播方式。利用人工智能技术，能够使学术期刊的传播更广泛、更有效。大数据时代，将传播途径的拓展和优化作为学术期刊发展和人工智能融合的一个重要方向，具有提高期刊国际影响力的重要作用，这一战略的主要内容包括有效定位受众和网络学术资源共享。一方面，人工智能技术的应用能够帮助数字出版工作者和学术期刊的作者快速定位到有效受众。利用人工智能技术，对读者访问的期刊网站论文选题和内容进行归类和分析，能够得到学术期刊的用户画像［5］。将关注不同学术研究的读者进行分组，在之后对期刊内容的推送中就可以有针对性地进行通知。这种对受众的有效定位，可以改变学术期刊发展过程中的传播方式，增加其高效性。另一方面，人工智能技术的应用能够帮助数字出版社拓宽其传播渠道，提高传播效率。通过网络学术资源共享，可以扩展学术期刊的影响面，提高学术期刊的影响力。数字出版社可以利用人工智能打造线上学术期刊平台，作者和读者都可以通过线上平台快速找到自己想要的学术资源。智能算法则根据作者和读者的搜索、阅读历史和记录来建立用户模型，精准地为用户的搜索提供更多高质量的学术期刊论文。
（三）建设数据库，提供学术期刊个性化服务
数字时代，人工智能技术颠覆了很多传统的学习过程。利用人工智能技术建设学术期刊数据库，以公众的需求为导向整理和呈现海量数据，能够为读者的个性化学习、个性化评估和个性化反馈提供有效的途径。在提高学术期刊个性化服务的战略中，主要包括多维互动和优化数据库调度。首先，人工智能的语音识别和图像识别技术已经趋于成熟，VR虚拟现实技术也已经为三维交互提供了条件。因此，人工智能技术让人与学术期刊进行交互成为了可能。人工智能可以用大数据向用户全面展示期刊的特点，全面展现科研过程，为用户深度分析学术期刊的多维度内容，最终实现面向用户的学术期刊的可视化，为用户提供专业化的咨询服务。其次，利用人工智能优化学术期刊的数据库调度，形成用户个人化信息流模型，能够实现用户个性化的动态精准推送［6］。基于大数据技术的科研信息集成服务平台正在逐步普及，在呈爆炸性增长态势的数据库中对数据进行统一管理的重要性也在稳步提升。人工智能技术能够提供高效的调度算法，为每一位用户制定个性化的数据搜索和管理。
人工智能论文范文5
1人工智能应用于学术期刊传播的现状与问题
学术期刊的数字化传播能掌握受众特征，将传播主体与受众匹配，增强传播效果。当前，中国学术期刊传播中需解决的关键问题即提升传播效果。
1．1人工智能在学术期刊传播中应用的现状
在学术期刊出版领域，人工智能已开始发挥重要作用，主要表现在4个方面。(1)辨别洗稿式论文抄袭。例如，对于形容词替换、语序调换等修改语句类的抄袭，可利用自然语言处理技术(NaturalLanguageProcessing)识别近义词，并基于时间递归神经网络技术(LongShort-TermMemory)的记忆特征，识别被改动的语句结构。(2)发掘学术资源和潜在审稿专家。如，美国非盈利机构泰德(TED)旗下的话题分析工具彩虹人工智能(iRis．AI)，通过对用户输入的语段或论文摘要进行机器学习(MachineLearning)，从中提取包含语义背景的关键词，并基于此为用户推荐与被检索话题高度相关的资讯和论文。(3)辨别论文数据的可信度，辅助编辑制订用稿决策。如，通过扫描论文的关键信息点(实验环境、统计方法等)，甄别数据篡改的可能。(4)通过算法自动向潜在读者推送学术资源。如，国际学术出版推广工具趋势(TrendMD)能实现论文跨平台自动推荐，不仅增强了期刊的显示度，还能精准定位目标读者群，已被爱思唯尔(Elsevier)、电气和电子工程师协会(InstituteofElectricalandElectronicsEngineers，IEEE)等采用。具体到学术期刊传播流程，许多国际出版集团已实现与人工智能技术的融合。如，施普林格－自然(SpringerNature)的关联开放数据平台科研图谱(SciGraph)借助NPG本体(NPGOntologies)进行语义建模，通过数据融合、知识发现、内容计算和语义图形数据集，提升论文在传播过程中的可获得性，为编辑、学者、会议组织者提供知识服务和数据工具［11］;爱思唯尔收购了伯克利电子出版社(Bepress)的标志性产品———基于云的机构存储库平台数字共享(DigitalCommons)，该平台具备提供存储库、元数据结构、访问接口和跨机构聚合与发现等功能，有助于爱思唯尔掌握更多论文引证、论文传播效果方面的数据［12］。部分中国出版商也已运用人工智能技术提升学术期刊的传播效果。如，世纪超星公司推出的域出版平台，它具备学术期刊数据库搭建、移动出版、社交共享等功能，能通过智能画像了解用户特征，用算法实现动态精准推送，通过智能社交增强用户间的联系［13］。
1．2人工智能在学术期刊传播中应用的优势
实现论文呈现多媒体化，优化内容分发，增强传播效果。一方面，学术期刊可通过智能语音和知识图谱技术，用适配多种设备的方式对论文进行再加工，增强论文的可读性，为论文增添音频和视频传播形式;另一方面，采用人工智能技术对用户研究领域、教育背景、阅读喜好、阅读完成度进行分析，可优化内容聚合和分发机制，解决信息过载与用户个性化需求间的矛盾。如，数据搜集公司图谱(Graphiq)已开发出语义搜索引擎知识图谱(KnowledgeGraph)，它允许用户根据话题展开搜索，获得相关主题的数据集，还能生成与报道内容匹配的可视化图表［14］。辨别读者观点，评价和反馈传播效果。一方面，采用人工智能技术对用户阅读时长、用户社交分享等信息进行解析，可了解论文影响读者的具体方面和程度;另一方面，通过自然语言理解(NaturalLanguageUnderstanding)、语音识别、深度神经网络(DeepNeuralNetworks，DNN)等技术，学术期刊能从读者在社交媒体上对论文的评价中，辨别读者观点，掌握比论文浏览量、下载量和被引频次更精准的学术反响。如，威盛电子研发的人工智能平台“欧拉密”，其能实现对90%的语言的语义理解，从而实现提问、信息记忆、知识辅助理解和歧义消除等功能［15］。
1．3人工智能应用于中国学术期刊传播时存在的问题
人工智能技术与中国学术期刊传播的融合程度不足。国内学术期刊数字化传播的主要平台集中在移动App和社交媒体的嵌套程序中，文献聚合类App几乎被寡头垄断且功能有限，而各刊的主页网站大多仅承担投审稿和简单的宣传功能，各刊的微信公众号也大多未能做到细分传播，缺乏与用户的深度交互。相较于海外学术期刊数字化传播的实践，国内学术期刊的数字化传播存在传播渠道较窄、数据挖掘深度不足、分发不够精准、交互体验不佳、智能化程度较低、用户活跃度不高等问题。智能化传播离不开元数据的可获得性，而数据库出版商共享信息的难度大，亟须建设共享性的学术期刊传播平台。在期刊传播过程中，智能检索、用户画像和语音识别等技术是基于大量元数据来开展的，这些元数据不仅包含学术资源、会议信息等公开数据，还包含用户身份、用户检索记录等隐私数据。虽然人工智能技术可跨平台获取部分公开信息，但隐私信息往往难以获得。一方面，当前中国学术期刊各自为政的问题较突出，许多编辑部往往只出版几种甚至一种期刊，合作共享信息的难度大;另一方面，中国学术服务市场中，中国知网、世纪超星、万方数据等占领绝大部分市场份额，其盈利性质和竞争关系决定了他们很难共享信息。因此，需要建设学界共享的学术期刊传播平台。共享性平台的高用户黏性需要海量过刊资源作为支撑，而部分学术期刊尚未与中国知网解除独家合作协议。近年来，提升学术期刊影响力成为刊界热议的话题。与数据库出版商广泛合作、数字化传播、开放获取(OpenAccess，OA)等方式成为主流期刊的共同选择。2015年，世纪超星公司启动学术期刊域出版平台后，许多期刊先后与中国知网解除了独家合作协议，开始与各数据库出版商广泛合作，以拓宽传播渠道。为顺应刊界提升刊文可见度的需求，维普数据库也开辟了针对期刊、读者的双向免费合作模式。然而，仍有部分期刊尤其是自负盈亏的期刊尚未与中国知网解除独家合作协议，这意味着其协议期内的过刊暂不能提供给其他数据库。该问题的主要症结在于企业性质的编辑部需依靠发行收入维持运转。虽然平台并不要求成员期刊实现严格意义上的OA出版，它允许成员期刊通过发行纸刊创收，其成员期刊的出版成本也不一定以论文出版费的形式由作者预付，但与中国知网独家合作的发行收入是非独家合作的数倍，因此，在期刊转变为非独家合作的情况下，平台如何弥补成员期刊发行上的损失，需深入考量。
2运用人工智能技术的学术期刊传播平台的设想
要充分发挥人工智能的作用，提升中国学术期刊的传播效果，需建构学界共享的学术期刊传播平台。本研究设计的集群式大型出版平台(图1)，能服务于从内容开发到提供增值服务的全流程。
2．1平台的流程设计
在流程前端，当学术论文入库后，平台将进行内容二次开发和管理。首先，平台为每篇文献的知识单元、作者信息、引文信息等元数据贴上智能标签，把文献内容碎片化后按知识类别归入子集。然后，平台根据论文内容向编辑部搜集或自动生成讲解视频，生成二维码附于论文首页。最后，平台一方面通过全文免费下载增加用户基数，扩大论文传播范围;另一方面通过知识梳理实现对论文价值的二次开发，提供系列付费增值服务，实现平台盈利。基于论文主题和关键词，平台聚合相近主题的文献，重组后形成专题域;对于学界高度关注的议题，平台将按专题提供精细、丰富的周边产品，如，围绕专题的付费问答知识库、论点溯源知识库等，为学者科研助力。在完成内容开发和管理后，平台根据用户的研究领域、所在单位和科研团队，自动生成符合用户喜好的定制化内容，充分开发学术出版的长尾市场。在流程中端，平台采取参与+订阅的内容分发机制。首先，根据用户的阅读行为，发现用户阅读完成度高的时间段;然后，结合跨平台合作采集的用户社交信息，用思考式设备洞察用户的深层需求，形成智能化的内容分发规则，在用户阅读频率高的时段推送该时段用户阅读最频繁的内容。用户可通过读书笔记、论文评析等方式在平台内分享资源或跨平台分享到社交媒体，还可把书单共享给科研团队。除常规的内容分发外，平台还为用户提供基于文献的知识增值服务。一方面，平台通过追踪用户研究领域、所在单位和在研项目的最新成果，第一时间向用户提供相关资讯;另一方面，平台通过算法实现文献的彻底透明化，剖析论文研究方法并搜索数据源，为付费用户提供深度解析;此外，平台还通过机器人程序(Bots)提供围绕专题的交互学习模块。在流程后端，平台用经验和代币激励用户参与，促进优质内容流转。首先，平台为用户搭建社群中心，连接期刊编辑部、作者和读者，为建设学术共同体助力。然后，平台根据用户的学缘背景、科研项目等信息，为用户推荐并协助用户创建学术社群。用户既可在平台内创建自己的学术博客，亦可加入各种社群。每个学术社群均有独立的主页，用于展示社群成员的科研动态。此外，平台还通过对用户检索字段、各社群活动的大数据分析，捕捉学术动态，发现学术热点，预测前瞻性选题，生成报告供付费用户查阅。最后，平台下设问答区和评价区，问答区提供票选议题、付费咨询、交互研讨等服务，评价区提供学术评价、学术监督等服务。除了线上服务外，平台还为学术共同体组织线下学术交流。平台在创设初期即向提供过刊资源的编辑部发放等价代币作为经济补偿，代币可用于购买平台增值服务，如期刊发展报告、数字内容制作等;在后期运营过程中，平台向参与互动的编辑部、作者和读者发放代币作为奖励，这3类用户参与学术评价、学术监督、付费咨询和线下交流等活动均可获得经验和代币奖励。经验值用于提升用户等级，高级别的用户参与互动能获得更多代币。代币是平台结算的交易媒介，它在平台创始之初由平台建设者出资发行，在平台顺利运转后作为对社群有贡献的行为的价值证明，激励各方参与互动，提升平台的用户黏性。
2．2平台的功能与预期效果
在内容开发方面:(1)平台根据文献主题和涉及的知识单元，自动检索汇集相关学术资源，便于读者理解论文;(2)平台对原始文献进行机器学习，将知识点单元化梳理归类并智能标引，形成对文献的二次开发;(3)平台一方面通过全文免费下载促进论文传播和知识流动，另一方面通过向用户提供付费下载的增值服务产品，实现盈利;(4)平台针对小众选题，提供限量学术产品(Limited-EditionAcademicProducts)，这类产品能让平台适应学术出版领域用户需求精细、针对性强、个体差异大的特点。人工智能赋予平台的这些功能将增强学术期刊传播的趣味性和交互性，保障用户基数和盈利能力。在内容聚合方面:针对用户研究领域细分的特点，平台利用内容通路，推行基于用户需求和社交关系的个性化内容聚合机制。在用户洞察方面，平台通过用户授权、与社交媒体合作获得隐私数据，通过概念提取、人物关系梳理、情绪分析等方式量化文本，推测用户的潜在需求，再通过场景耦合技术满足用户喜好，可实现“一对少”式出版(One-to-FewPublishing)，这尤其适合小众学科的文献传播。综上，人工智能赋予平台聚焦长尾市场的能力，使平台比国内现有学术聚合App更具分众化的优势。在内容分发方面:(1)平台通过对用户阅读习惯、阅读完成度的分时段统计，在不同时间段向用户推送不同主题的资讯，如，平台根据用户的入睡和起床时间，提前半小时推送用户喜爱的学术资讯;(2)平台为用户提供“文献+”服务，根据用户阅读完成度高的文献主题，智能推荐同主题或同作者的论文，以及该领域热度高的新文献和经典文献;(3)平台为用户提供“期刊+”服务，向用户推荐其研究领域的期刊征文信息和期刊目录摘要;(4)平台为用户提供“项目+”服务，根据用户在研项目和所在单位，推送小同行的最新成果;(5)平台还借助脑机交互(Brain-MachineInterface)技术，通过4D压感平台监测用户脑电波，捕获高频信号并将其转换为计算机语言，从而解放用户的双手。总之，平台采用多种人工智能技术优化用户阅读体验，提升传播精度。在增值服务方面:(1)平台通过算法分析文献的创新点，解析文章观点的传承与发展脉络，实现文献彻底透明化;(2)平台通过数据挖掘，捕捉学术会议资讯并追踪会议动态，向期刊编辑部提供参会人员信息、会议新闻，辅助编辑约稿;(3)平台通过解析论文的研究方法和研究思路，辅助编辑和审稿专家辨别数据真伪，并向读者提供学术监督的渠道;(4)平台为用户提供从科研辅导到学术认证等付费服务，如，项目申报指导、专题学习计划，在细分学科中提供纳米学位(Nanodegree)等;(5)平台还通过对用户行为的分析，为用户推荐高效的作息时间，当追踪到用户的新学术成果时，提亮网页背景色以示庆祝。总之，平台不仅实现传播过程中论文价值的增值，还推出系列专业化的服务产品为科研助力。在社群建设方面:平台根据用户的研究领域、学缘背景、所在单位和城市，建立关联度高、同质性强的学术共同体。(1)平台设置问答区，供读者与作者交流，在该功能区内，读者可票选感兴趣的议题，众筹创建“采访房间”，邀请名家互动;(2)平台设置评价区，通过语音交互(VoiceInterfaces)和自然语言理解技术，实现读者对论文的便捷评价;(3)平台设置后台信息处理区，通过数据挖掘分析学术热点，预测学术前沿，实现传播对选题策划的反哺;(4)平台还通过组织线下学术沙龙、编研见面会等活动，促进学术共同体的交流。综上，平台不仅能丰富期刊传播途径，还有助于构建良好的学术交流环境。
2．3平台的科学性和可行性
(1)政府投入力度增加，行业标准趋于完善，试点应用逐步推开，这为构建平台打下人力、财力和技术基础。在2018年国资预算中，中央财政向中央文化企业注资15亿元，支持方向包括“人工智能+文化产业”“区块链+文化产业”等新技术和新模式［16］。在行业标准方面:2014年，《中国出版物在线信息交换》(ChinaOnlineInformationExchangeforPublications，CNONIX)国家标准正式，该标准可提供出版物产品信息深层次开发、利用、管理的数字化解决方案，实现出版物产品信息“一次加工，全程共享”，为构建出版发行大数据应用体系奠定了基础［17］;2016年，“中国标准关联标识符”(ChinaStandardLinkIdentifier，ISLI)正式，为自动识别技术、二维码融合等提供了技术支撑;2018年5月，CNONIX国家标准应用示范单位新增29家;2018年9月，《出版业AR技术应用规范》行业标准征求意见完成，进入送审阶段;2018年10月，21家出版发行单位成为ISLI国家标准应用试点单位［16］。(2)人工智能已在出版领域实现文献识别与开发管理、用户需求追踪和内容优化分发等功能，这为平台前端和中端流程的顺利运行提供了技术支撑。比如，斯坦福大学研发的知识发现工具“耶诺”(Yewno)，它通过对知识的搜索发现知识间的关联，帮助用户发现跨学科知识的内在关联性，并能让垂直的知识图谱形成独立的出版物;它还通过语义算法等技术把出版物分解为独立的内容，形成细粒度高的知识结构，便于用户搜索和使用［18］。斯普林格与法兰克福大学合作开发了名为贝塔作家(BetaWriter)的先进算法，该算法使用聚类程序将源文档排列成连贯的章节，然后创建简洁的论文摘要，便于读者进一步研究［6］。在我国，百分点公司已开发出基于大数据操作系统的AI产品，如智能标签工厂、智能交互分析引擎等，能通过智能标签勾勒知识实体关系，把用户需求转化为底层数据，并用语音把分析结果呈现给用户，还能从语音数据中提取用户的基本信息和对产品的评价［19］。(3)人工智能已在学术传播领域实现人机互动，提供学术增值服务，这保障了平台中、后端功能的技术可行性。如，百科全书机器人司南君，它存储了《中国大百科全书》的全部信息，能实现人机互动问答［5］。自适应学习引擎松鼠AI能细分知识点，通过贝叶斯网络+推断+知识追踪的方式，针对性地辅导用户知识薄弱的环节，提高学习效率。泰勒－弗朗西斯集团与专利/学术论文在线搜索服务商UNSILO合作开发了NLP技术，它能从学术文本中提取主题和概念，根据用户阅读内容进行推荐，使用户更容易发现新研究［20］。(4)人工智能技术可实现论文内容可视化、立体化，并根据市场需求定制印刷服务，这为平台优化阅读体验、开发学术长尾市场提供了可能。如，以“可看、可听、有深度、有温度”为宗旨的视频医学期刊《中华心血管病杂志(网络版)》运用人工智能技术，用视频的方式呈现学术论文，实现了阅读场景立体化［6］;咪咕阅读已实现多场景、多角色的智能配音，能借助全息成像、增强现实等技术为读者带来高品质的阅读体验;由高斯(中国)推出的“?印e家智能化印机管理平台”，它集数据采集、远程控制、智能提醒功能为一体，通过互联网把生成的电子文件传到世界各地，再用AI分析处理，帮助企业灵活安排印刷量，还能在图书内容上提供定制化服务［21］。(5)平台通过发放代币激励各方参与互动，提升用户黏性。平台提供专业性强、比较优势明显的付费增值服务，能将读者、作者中的免费用户转化为付费用户。除了付费获取增值服务的快速途径外，闲暇时间充裕的免费用户亦可通过积极参与平台的学术互动获得奖励性代币，用于结算增值服务费。为平台提供过刊资源的编辑部亦可用平台补偿的代币购买期刊发展报告等增值服务。综上，平台一方面通过全文免费下载汇集人气，通过增值服务实现盈利，另一方面通过代币激励用户的参与行为。《2017—2018年中国数字出版产业年度报告》指出，“数据和技术将推动产业升级，洞悉用户需求变得尤为重要，面向不同用户，以不同的触达渠道和应用场景满足多元化用户需求。算法、绘制用户画像和海量数据处理技术在数字出版业务流程中的应用将愈发普遍”。国家政策支持、行业标准成熟、AI技术发展、业界高度关注，为构建平台打下基础，平台有望在运营初期呈现良好的预期效果。
3结合实例分析平台的创新性、可能遇到的困难及对策
通过对比国内领先的学术AI平台，可以发现本研究设计的平台在应用对象和效果、功能丰富性等方面具有创新性和先进性，但同时也可能遇到成本高、界面设计和数据存储难度大等问题。
3．1所设计平台与“方正出版大数据平台”相比的创新性
北大方正集团于2012年开始研发人工智能学术出版产品，是国内学术出版界运用AI技术的领头羊。本研究设想的学术期刊传播平台与方正电子当前主推的出版大数据平台(以下简称“方正平台”)在设计初衷、关键技术和业务产品上有一定的相似性，如，两者的宗旨都是为出版全流程服务;两者所用的关键技术都包含自然语言理解、情感分析、机器学习、深度学习、读者画像、内容画像;两者都能实现用大数据辅助选题策划、XML排版、智能编校、内容动态封装等功能。但两者在运行原理、应用对象和效果、功能丰富性上有较多不同。在运行原理方面，方正平台是先从电商平台、阅读平台、社交媒体上获取元数据，再进行模型计算和数据处理。这种运行机制的优势是节省了自建学术资源数据库的高额成本，使开发平台更简单快速，但劣势是，在传统销售模式下，方正公司很难从出版分销商处获得读者数据［22］，出版企业的ERP(EnterpriseResourcePlanning)系统不一定能支持平台运行，闭源的排版软件与其数字出版流程也较难契合［23］。而本研究设计的学术期刊传播平台是先建设大型学术资源数据库，再分解元数据。相比之下，本研究设计的平台在学术资源的可获得性、学术信息的全面性、数据挖掘技术的有效性上，具有明显优势。在应用对象和效果方面，方正平台的“知识体系自动构建”系统主要为出版社服务。它先通过文本关键词抽取、新词发现算法，辅助出版社实现领域词表的词汇来源建设，然后，利用领域词表的自动解析技术，帮助出版社完成专业词汇积累。方正平台推出的基于二维码和AR的图书增值服务，以及数字资源制作服务，旨在应用于图书增值场景和教学服务场景［24］。而本文设计的平台对知识片段的拆解、梳理与开发不仅服务于出版社，还服务于作者和读者等学术共同体。而且，由于平台自建库中有学术论文、用户注册和使用信息等数据，因此，相较于方正平台，本平台的知识分解与汇集能力更强，运行速度更快，推出的学术周边产品针对性更强，品种更全，更符合学术出版领域用户需求异质性大的特点。在平台功能方面，除了两者兼具的热点追踪、精准营销和传播分析等功能外，本研究设计的平台在学术服务、社群建设方面具有方正平台不具备的功能，尤其是在学术问答、学术评价和学术监督等领域，方正平台尚未涉及。总之，方正平台主要着力于把出版内容数字化、多媒体化，旨在为出版社选题、编校和排版提供智能化服务;而本研究设计的平台除了能提升用户阅读体验、捕捉学术动态和预测前沿选题外，在知识拆解、人机交互、学术增值服务、建设学术共同体方面，具有显著的先进性和创新性。
3．2平台建构过程中可能遇到的瓶颈及应对策略
平台架构庞大、功能丰富，给工程师与用户均带来挑战，建议做好需求分析，广泛征集业界意见。(1)在平台建设和调试过程中，由于系统工程师和网络架构工程师对学术出版了解不深入，因此，可能难以理解用户需求，导致平台功能难以完全实现，而刊界精通人工智能的出版专业人才较缺乏［25］;(2)平台丰富的人机交互功能和多元化的业务产品对界面友好性、操作易用性提出了较高的要求，一旦界面过于复杂，用户可能难以适应甚至失去兴趣。这一瓶颈可在用户需求分析和用户反馈阶段前瞻地予以解决。平台一方面可聘请对学术出版和计算机科学兼有涉猎的需求分析工程师，以加深系统工程师和网络架构工程师对平台的认知;另一方面可向业界征集志愿者参与平台开发与调试，促进平台完善。为调和平台对传统数据库出版商盈利模式带来的冲击，建议参考我国专利制度中的知识生产与传播体系，在搭建共享性学术期刊传播平台的同时，允许传统数据库出版商凭借其掌握的博硕士论文、年鉴、图书、音像等数据资源，参照汤森路透、戴芬(Delphion)等国际出版商和专利信息服务商的先进经验，开发具有比较优势的个性化学术产品，集成和提升其服务功能，使其与公共属性的数据平台错位发展［26］，二者共同服务于不同用户的个性化需求。建设平台自带的学术资源库成本高、耗时长，需要国家政策扶持、业界积极响应。中国科协对其旗下科技期刊的调查发现:在中国实现OA出版最大的困难是编辑部普遍不具备进一步开发网站、开发个性化服务的能力，缺乏经济支持［27］。虽然建设学术期刊传播平台自带的学术资源库并不要求成员期刊实现严格意义上的OA出版，但其最基础的环节是建设过刊库，这需要期刊编辑部积极提供过刊数据、接受新的合作模式。为解决该问题，一方面，平台为提供过刊资源的成员期刊发放代币，抵扣其购买影响因子报告等增值服务的费用，以弥补其在发行方面的经济损失;为成员期刊的作者提供免交论文出版费的替代方案，即作者可用参与平台互动获得的代币抵扣出版费(如参与平台后端付费咨询的答疑，提供规定数量的学术会议信息，担任学术评价和学术监督员等)。另一方面，期刊编辑部可效仿爱思唯尔，提供OA与订阅组合的多种模式，结合平台提供的备选方案，同时满足愿意付费出版的作者和倾向于免费出版的作者的需求。最后，建议中国政府参考欧洲开放获取S计划，通过公共财政、学会和慈善机构的支持，为平台建设和运营提供经费。平台建构和运行过程中会产生大量跟踪数据和调试信息的文本，这对平台的数据存储能力带来挑战，可考虑用区块链(Blockchain)的去中心化存储技术予以解决。传统的中心化存储方式需要海量服务器，且成本高、数据传输速度慢、安全性较低，面临的隐私泄露和数据丢失风险较大。为解决上述问题，平台可采用星际文件系统(Inter－PlanetaryFileSystem，IPFS)，根据文件或数据的哈希指纹寻址链接来交换数据，实现网络去中心化，同时，使用去中心化存储项目Filecoin帮助IPFS节点存储、备份和提供内容，让创建网络价值的参与者获得利益补偿，从而实现去中心化的分布式存储，解决平台运行过程中面临的数据存储和隐私安全问题。
人工智能论文范文6
一、人工智能对科技期刊出版流程的影响
随着网络化、数字化的发展，传统的信息获取方式逐渐发生转变，人们更倾向于碎片化阅读，如何从海量信息中迅速便捷地获取精准信息成为现代出版业亟须解决的问题［5］。科技期刊的出版流程由纸质投稿、邮寄审稿、邮局订阅等传统形式，在数字化的发展下逐渐转向系统投审稿件、数字出版印刷、网络下载等形式，在人工智能技术的助推下，期刊出版将迎来新的技术性变革［6］。一是将人工智能技术的大数据、计算法、图像识别、深度学习等方法理论运用到科技期刊出版流程中的选题策划、编辑加工、营销发行、阅读方式等要素中，将实现科技期刊的选题策划从经验转变到智能计算；二是编辑加工过程从耗时、复杂到高效、自动化，由原来的广撒网式营销发行到精准推送、个性化定制服务；三是阅读方式从单一转变为场景化，全面、系统地将人工智能技术贯穿整个出版流程，体现了人工智能赋能下科技期刊的新型出版模式特点。图1为从科技期刊出版流程出发构建智能化出版平台的示意图。
二、科技期刊智能出版平台的构建
1．构建选题策划智能算法平台
内容质量决定科技期刊的发展，优秀的科技期刊往往需要通过选题策划来不断提高其内容质量，集中报道最新研究成果，引导未来发展趋势，以吸引读者的关注。因此，选题策划在科技期刊的出版中具有至关重要的作用。目前，传统科技期刊在选题策划上主要依赖主编和编委的科研影响力以及期刊编辑对学科热点的直觉判断，受限于专业背景等因素的影响，这种传统的选题策划方式在大数据背景下已经滞后，特别是对交叉学科的内容把握相对较弱。人工智能运用于科技期刊出版后，依据人类经验的选题策划逐渐向基于大数据背景下的智能化算法转化，通过大数据人工智能的选题策划可以更为精准地抓取学科热点、交叉学科以及学科前沿发展趋势，获取所需领域的专家信息，同时，结合读者下载量以及相关文章的引用量等自动生成选题策划方案，填充科技期刊的素材储备与知识结构。
2．构建智能编辑加工管理平台
人工智能技术对科技期刊的影响主要表现在编辑加工的变革，通过人工智能的代替，需要人类进行重复劳动的、不可控的、复杂的传统编辑加工过程将实现自动化、标准化的作业流程，编辑过程更为统一化、精细化、规范化，大大提高了编辑的编校质量与效率，减少了编辑的重复劳作，使其有更多时间和精力从事更具创造力的工作。大数据背景下，人工智能可以在三个方面对科技期刊的编辑加工过程进行优化，建立智能编辑加工管理平台。一是通过人工智能技术，对期刊来稿进行预处理，将来稿内容的学科、选题热度等进行归类，对来稿进行把关与定位；同时，统计作者发文数量、发文期刊级别、被引频次等，评价作者的学术水平、学术知名度，为论文初审提供参考意见；在稿件外审阶段，通过人工智能技术匹配关键词、题目等关键信息，在审稿专家库中进行匹配，以安排更为适合该稿件的审稿人；另外，还可以通过大数据平台对学术不端行为进行智能检测识别，保障科技期刊出版的科研诚信，有效提高编辑加工的质量和效率［7］。二是通过人工智能技术，保证编辑、审稿人、作者三者在编辑加工过程中的及时沟通与公正。对审稿专家审阅的稿件进行定期超时提醒，对审稿人的审稿速度、审稿意见进行综合评价，保证审稿专家可利用移动终端登陆审阅系统，进而加快审稿进度；对于作者而言，不仅可以及时获知所投稿件状态，还可以通过平台及时获取后被下载与引用等信息；编辑在审稿人与作者之间起到的是“中间人”的作用，须及时将专家的审稿意见、编辑意见等整合后反馈给作者，并允许作者在规定时间内答辩或申诉，使作者、专家和编辑三者之间形成良好互动，保证审稿的公正和透明化［8］。三是传统科技期刊内容制作需要编辑对文章逐字通读、编辑校对、识别图表错误、核验数据模型、参考文献核实等，编辑人工操作容易出现错漏且效率低下。而人工智能可以基于大数据挖掘、图文识别等功能，对明显的逻辑错误、前后文不对应等错漏进行纠正；自动文稿中的编辑错误也能通过自动校对完成更正，以降低编辑校对的差错率。四是整合所有疑似错误信息，形成一个智能分析报告，交给编辑分析判断把关。
3．构建智能知识服务平台
在学术论文出版后，营销发行对提高科技期刊的影响力尤为重要。随着信息技术的高速发展，科技期刊的作用已由单纯的消息传播转为面向用户的知识服务，科技期刊营销发行阶段在人工智能技术的推动下，逐渐向为科研人员提供创新型的知识服务层面发展［9］。大数据时代，构建智能化知识服务平台能够让科研工作者的科研成果传播范围更广，传播速度更快。智能化知识服务平台通过将大数据和智能算法相结合，实现科技期刊内容的多维度传播推广，为特定用户提供了其所关心的最新科研动态。未来，用户获取科研信息的方式将在人工智能技术的发展下发生深刻变化。传统科技期刊的传播营销方式是撒网式传播，即使在融媒体发展下，大多数科技期刊也只是将其纸本期刊的内容复制后到数据库、期刊网站、微信公众号等平台，并不能针对用户需求进行精准推送。撒网式传播的推广模式忽略了读者的阅读需求，需要读者主动浏览网页寻找对自己有用的信息。而人工智能技术可以通过记录读者的阅读习惯，分析读者的关注点，精准洞察读者的需求，定制和推送相关信息和文章，做到科技期刊的个性化服务。科技期刊的编委、作者、审稿人和读者信息可以形成一个最基础的专家信息库，其中包含专家的研究领域、学术背景、科研团队成员、发表的文章、文章被引用情况等各种数据，专家库的建立为科技期刊的约稿和审稿工作提供了必要保障，同时也为期刊的个性化服务提供了基础条件。个性化服务的发展目标是通过人工智能技术，分析专家的科研背景以及研究方向，定期发送与其背景相关的文章信息，并通过收集点击阅读数量，进一步优化推送精准度。
4．构建场景式阅读平台
传统的科技期刊论文篇幅过长，且阅读方式较为单一，难以吸引读者的注意力。而通过大数据分析读者的阅读习惯，为用户构建不同的阅读场景，如碎片化阅读、移动阅读等更能提高读者对出版内容的关注度，科技期刊的编辑工作不再是单一的文稿加工工作，而是在出版内容中添加丰富的声音、动画影像等多媒体形式，将原本复杂、难以理解的科研成果转化更为简洁、直观的表达；增强现实和虚拟实境，为用户带来沉浸式体验，同时激发科研人员的创意与灵感。新型出版载体的加入让传统的科技期刊出版变得丰富多彩，而人工智能技术能够实现科研过程全方面、系统化的呈现，不仅可以杜绝学术造假行为，还可以为读者阅读带来便利，利用直观的学术科研活动吸引读者的关注度。
人工智能论文范文7
关键词:学术期刊;出版模式;出版理念;馆藏建设;图书馆
0引言
21世纪以来，在网络化、信息化、大数据、多媒体等多元技术的推动下，整个学术出版界已经产生了巨大的变化。在学术期刊方面，不仅在线期刊走向普及化，其所刊载的文章也不再限于文字、表格和图片，而是更加趋向于多媒体化，甚至很多学科领域出现了数据期刊、视频文章等。对于出版社而言，不仅学术期刊印刷版的发行量大幅下降，甚至其在线版的订阅份额也有所减少，而开放获取期刊、科研社交网络、预印本等学术成果的新型传播方式却在蓬勃发展［1］。与此同时，虽然各国的科研经费均有显著增长，但各国各类型图书馆的文献资源建设经费却在不断缩减，作为学术期刊最大的收藏用户，图书馆的绝对购买力因此而持续下降。为了应对现代科学技术多元化、用户需求多样化等方面给学术期刊出版业带来的影响，国外许多学术期刊出版商正在积极地进行自我调整，改变传统的盈利理念，筹备自身的战略转型。在以上诸多因素的综合影响下，未来学术期刊发展的一些趋势已初现端倪，这些变化与趋势也给图书馆的馆藏建设带来了较大的影响。
1学术期刊出版模式的转变
学术期刊的出版是典型的技术驱动型产业。在现代科学技术多元化的影响下，学术期刊的出版，无论从刊载论文的形式上，还是从内容生产和用户服务上，均十分迅速地融入了新技术，例如数字出版、多媒体出版、智慧出版与服务等等。这些多元化的技术，将进一步推进学术期刊出版模式的创新与发展。
1.1内容和形式拓维，学术期刊刊载论文形式多样化目前，学术期刊印刷版的发行量大幅下降，国际上在线期刊论文的主流格式也是以HTML和PDF两种格式为主。无论是印刷版还是HTML或PDF格式的电子版，学术论文的内容都需要以语言文字的形式进行表述。然而，在各种新技术的辅助下，科研人员形成了更多不同类型的学术论文，例如视频论文、数据论文等等［1］。随着人们生活节奏的逐步加快，相比阅读大段文字的论文，更直观、简洁的科研成果呈现方式也愈加受到人们的青睐。用户的阅读习惯也使得更加直观、便捷的可视化呈现方式成为重要的学术出版方向。相对于阅读传统的平面文字、图表而言，观看视频论文将会更加受到用户的欢迎。因此，多元技术的发展和用户需求与阅读习惯的改变，使学术期刊在内容和形式上拓维，所刊载的论文越来越多样化。目前，国外一些医学类期刊已经将某些具有前沿性、指导性手术视频以学术成果的方式进行分享和传播。近年来，数据期刊与数据论文也经历了快速发展的过程，逐渐在学术出版界拥有了一方舞台。所谓数据论文，即描述关于一个或一组数据的元数据文档，它们通过描述创建和处理数据方法的细节、数据的结构和格式、数据再利用的潜力等促进数据开发和利用［2］。数据论文既可以在传统的学术期刊上发表，也可以在专门的数据期刊上发表，其主要目的是对数据进行描述［3］。与普通学术论文一样，视频类学术成果及数据论文同样拥有数字对象唯一标识符，也可以被其他科研论文引用。
1.2人工智能参与，构建学术期刊的智慧出版进入21世纪后，数字出版方兴未艾，多媒体出版已然兴起，人工智能技术参与出版开始起步。人工智能技术进入出版业，在出版产业链中，无论是从内容角度还是从服务角度，都将产生颠覆性的影响。在内容生产上，人工智能技术不仅可以有助于科研人员的速记与文字录入，还能够对各种专业的写作技巧与方式进行归纳总结，甚至实现内容创新［4］。例如，施普林格·自然出版集团(SpringerNa-ture)与德国法兰克福大学(GoetheUniversityFrank-furt)共同开发了“BataWriter”算法，并用它出版了第一本由机器学习产生的学术图书———《锂离子电池:机器生成的目前研究摘要》(Lithium－IonBatter-ies:AMachine－GeneratedSummaryofCurrentRe-search)［5］。由此可见，不久的将来，人工智能技术可以通过有效解构模块化撰稿的各种写作特征和风格，协助作者进行文献资料的整理、分析、研究甚至创作。在智能化服务上，一方面，对于科研人员而言，人工智能技术的发展大大提高了文本分析、语义分析、模式识别、智能搜索、数据挖掘、智能算法、机器学习等方面的分析和处理，从而实现学术内容的精准抓取与推送，为科研人员提供细粒度的个性化服务，协助科研人员进行科研创新与科研成果的撰写［6］。另一方面，对于有阅读需求的用户而言，人工智能技术的发展对于大数据的处理效率和洞察深度均有很大提高，能够实现对用户的阅读记录、阅读时空状况和人机交互数据等进行充分的分析，从而对用户的阅读需求进行深层次的挖掘，进一步为用户提供更加适合且更具前沿性、新颖性的文献素材。基于此，学术期刊也将更多地体现出对人工智能技术的适应性，在实行智能化管理的同时，做到创新学术发展研究，实现从数字化出版到智能化出版与服务的飞跃。
2学术期刊出版理念的变化
互联网、多媒体等技术的迅猛发展，世界各国科研队伍的迅速增长，让传统的学术期刊出版，尤其是科技期刊，越来越无法适应。一方面，科研成果发表速度的需求越来越高、数量需求越来越大，学术期刊的数量随之增长，在海量的文献中既准确又无遗漏地找到科研人员所需要的文献的难度也越来越大。另一方面，学术期刊当前的盈利模式越来越无法适应新时代的发展，不仅缩微、光盘等期刊的载体形式已逐渐淡出学术期刊出版历史的舞台，甚至印刷型、在线型期刊也面临着生产成本逐年上涨而订户越来越少的困境。此外，各国图书馆作为学术期刊最大用户群体，资源建设经费预算却逆势下降，造成其相对购买力大打折扣，从而给学术期刊的运营带来更大的困难。在这种情况下，大多数学术期刊出版机构只有抱着更加开放的出版理念，转换盈利模式，打造适应新时代的、更好地服务于科研人员的学术期刊产品，才能跟上时代的步伐。
2.1要“内容为王”，更要“服务为王”自学术期刊诞生以来，内容一直都是学术期刊赖以生存的核心竞争力。最初，学术期刊要树立成熟、权威、高质量的品牌，归根到底取决于其所提供内容的质量。随着时代的变迁与科技的发展，内容的质量这一要素虽然仍是其核心竞争力，但却不再是唯一的因素。19世纪末，为更好地揭示学术期刊的内容，文摘型期刊出现。20世纪60年代，学术期刊出版界利用计算机技术创建了二次文献数据库与联机情报检索系统。20世纪末，随着互联网技术的普及，学术期刊在线全文数据库迅速发展起来。进入21世纪后，在数字技术推动下，大型的学术期刊出版机构更加重视学术内容资源的可发现性，利用元数据，通过图书馆系统和各知名搜索引擎的学术平台揭示旗下学术期刊的内容，为学术研究者提供精细化检索服务。未来，大数据与人工智能技术将继续在各行各业产生深远的影响。学术期刊出版机构，尤其是大型出版集团，将会进一步利用大数据和人工智能技术，深度挖掘学术成果内容，辅助科技创新，为用户提供更加快速便捷、专业化、多样化的服务。
2.2拥抱开放获取，转换盈利模式一般而言，传统商业学术期刊出版机构的收入来源主要依靠用户付费。有的期刊会向作者收取相关费用，还有部分学术刊物会有广告商投放广告，有一定的广告费收入。对于非营利性学术期刊出版机构而言，他们还有另一种资金来源，即相关基金或社会团体的支持。但目前来看，即使采用商业模式运行的学术期刊出版机构，其相关费用和广告费收入也均无法维持期刊出版的正常运转，用户付费才是其最主要的收入来源。学术期刊的用户主要分为两部分，一是机构订户(主要包括各类型图书馆与科研机构)，二是个人订户(主要为相关科研人员)。学术期刊用户付费的收益，主要来自机构订户。然而，随着缩微型、光盘型期刊逐渐消失，印刷型、在线型期刊生产成本逐年上涨，图书馆资源建设经费预算无法保持稳定增长甚至逐年下降，在这些困境下，如果出版机构不转换盈利模式，即使逐年提高刊物价格，未来也只会导致机构订户学术期刊订单的逐年锐减，并不能继续维持其目前的盈利水平，甚至终将无法维持期刊出版的正常运转。近年来，商业出版机构已经意识到学术期刊传统盈利模式的问题以及新兴开放获取期刊盈利模式的巨大潜力。各大型学术期刊出版机构开始试水开放获取期刊，为自身未来的发展铺路。例如，牛津大学出版社(OxfordUniversityPress)早在2003年就宣布启动了期刊出版的“Oxford0pen计划”，并于2013年4月宣布旗下所有期刊均可实现开放获取［7］。施普林格(Springer)出版集团在2008年收购了全球领先的最大的开放获取出版商BioMedCentral，至2020年2月，其开放获取期刊已遍及社会科学、商业、经济、法学、天文、物理、化学、生物、医学、农业等学科，全开放获取期刊达626种，混合开放获取期刊更是多达2000余种［8］。早在2008年，在爱思唯尔(Elsevier)全文期刊平台的25个学科中，可选择开放获取出版模式的期刊品种数已达2116种［9］。经过几年的发展，该社已经成为开放获取期刊巨头。2019年10月，爱思唯尔微博官方账号宣称，其旗下超过85%的期刊都可选择开放获取模式出版［10］。由此可见，对于学术期刊出版商而言，开放获取与传统学术期刊出版并非不可调和的一对矛盾。那些具有洞察力的顶级学术期刊出版商为探索未来的盈利模式，反而在主动拥抱并实践这种新兴的、大势所趋的出版方式。当然，也有学者对于商业出版社拥抱开放获取表示担忧［11］，认为国际期刊产业原本就是弱肉强食的发展趋势，商业出版社拥抱开放获取，将会造成进一步的垄断，自身缺乏开放获取出版条件的学术期刊将失去生存与发展的空间，那些无力缴费的科研人员也会失去出版自由。开放获取如果成为学术期刊出版的普遍商业模式，将会产生大量的负面效果，甚至破坏知识生态。
3学术期刊出版的变化为图书馆馆藏建设带来的机遇与挑战
学术期刊的出版与图书馆密不可分。一方面，图书馆是学术期刊最大的购买者、收藏者和传播者，对于学术期刊的编辑出版、发行以及学术成果的传播有着不可估量的促进作用。另一方面，学术期刊则是图书馆馆藏的重要组成部分，是图书馆保存人类文化知识、服务图书馆用户的重要载体和工具。因此，学术期刊的出版与图书馆的馆藏建设息息相关，学术期刊出版的变化，自然会给图书馆的馆藏建设带来较大的影响。
3.1机遇3.1.1使图书馆学术期刊资源更加多样化学术期刊出版模式的多样化给图书馆馆藏建设带来的最显著的影响就是增加了图书馆学术期刊资源的多样化，尤其是对那些依赖于网络化、信息化、大数据、多媒体等多元技术向用户提供服务的图书馆而言，这一点更加明显。在多元技术时代，无论是视频论文、数据论文等采用多媒体和新技术展现学术成果的文献，还是利用人工智能技术形成新的智慧型出版模式，这些都是科研工作者重视和需要利用的文献信息来源和科研创新的智慧源泉。在简单的传统学术期刊，甚至是学术期刊数字化出版已逐渐无法满足用户需求的大环境下，多媒体形式的出版、数据出版、人工智能出版不仅拓宽了原有的出版结构，成为新形态学术成果的重要载体，又进一步促使大量新形态学术成果的产生，进而从多样化程度和文献资料数量上极大地丰富了图书馆的学术期刊馆藏。3.1.2一定程度上缓解了图书馆购买力下降的压力图书馆购买力逐年下降已经不是新问题了，自20世纪70年代以来，维持出版商与图书馆共同生存关系的学术期刊出版市场便开始动摇。它不仅仅是图书馆和出版商之间的博弈造成的，而且还受到了全球经济发展状况的影响。造成图书馆购买力下降的原因主要有两个，即图书馆购书经费预算缩减和文献资源价格逐步攀升。随着学术期刊涨幅的不断攀升以及图书馆预算的吃紧，图书馆购买力呈螺旋式下降趋势。图书馆购买力大幅下降所酿成的最终后果是学术期刊的订购量大幅削减，而这将是一个恶性循环，图书馆在预算不增的情况下所能够订购的学术期刊将逐年锐减，导致学术资源越来越不能满足图书馆用户的需求。开放获取期刊作为21世纪初兴起的期刊出版模式，尽管发展时间很短，但其势头却很迅猛。据《开放获取期刊目录》(DOAJ)统计，2005年8月开放获取期刊数量仅为1712种［12］，2012年4月已增加至7600余种［13］，2020年2月则更是多达14200余种［14］。开放获取之所以能够获得如此快速的发展，原因主要有两个，一方面是由于其自身的优势所在，即投稿方便、出版快捷、便于传送或刊载大量的数据信息、检索方便、具有广泛的读者群和显示度等。另一方面是由于学术期刊出版的商业化带来的期刊危机和信息交流与文献获取的危机情况越来越严重。用户订阅的纸本期刊越来越少，而电子期刊的订购价格却逐年提高，这给读者和图书馆等科研机构的订阅设置了很大的障碍。同时，出版界知识产权保护等法律意识日益增强，信息的渠道和流程更加严格，这更加使读者得不到想要的信息，不能及时有效地交流研讨。因此，许多人对开放获取的态度从最初的反对、不理解、观望，快速发展为理解、支持、主动参与。正是在这样的背景下，开放获取作为一种新型的学术交流机制，被越来越多的个人和机构接受并参与其中。这种出版模式的转变，既有利于图书馆以新的资源整合方式增加馆藏，在一定程度上缓解了图书馆购买力下降的压力，又有利于图书馆更加方便及时地向科研人员和大众提供服务，同时也对商业出版机构的学术垄断有着一定的制衡作用。
3.2挑战3.2.1给图书馆的期刊采选带来更高的难度从世界上第一种学术期刊《学者杂志》(JournaldesScavans)于1665年诞生以来，传统的学术期刊出版迄今已有350余年的历史。虽然，用传统的期刊评价体系与指标(如影响因子、论文下载量、期刊载文量等)来分析并指导传统的学术期刊采选，也存在一定的弊端，在业界有一定的非议，但传统的期刊评价体系，在学术期刊评价方面已经日趋完善，对于图书馆学术期刊的采选工作有着十分重要的参考作用，对具体的采选工作起到了重要的参考价值。而新兴的出版形式，无论是视频论文、数据论文，还是人工智能学术出版，它们自诞生至今的时间并不长，目前在业界还缺乏对它们进行系统评价的新方法与新体系。因此，对于图书馆的学术期刊馆藏建设而言，新兴学术期刊的出版形式会给采选带来较大的挑战，容易导致采访人员难以从中抉择甚至产生因此放弃采选相应期刊的做法。3.2.2增加了图书馆向学界提供服务的难度新兴学术期刊的出版形式给图书馆带来另一挑战是增加了图书馆向学界提供服务的难度。首先，由于多媒体期刊、数据期刊本身的资源组织结构与传统的学术期刊有着很大的区别，例如视频论文主要以视频的形式展现信息内容，数据论文则主要以科学数据的形式存在，其原始文件格式、大小、信息处理方式等均与传统的期刊论文有所不同。因此，图书馆在新兴期刊资源的一站式检索服务、资源下载与深加工等服务方面都将经受挑战与考验。尤其是数据期刊，一种期刊所刊载数据论文的数据可能来自不同的数据仓储平台，图书馆在没有足够权限的情况下，可能无法对存储在不同数据仓储平台内的数据进行揭示和利用［15］。此外，学术期刊出版机构，尤其是大型出版集团，它们在大数据和人工智能技术的基础上，充分利用自身的海量全文期刊数据，深度挖掘学术期刊平台中学术成果的内容，为用户提供更加快速便捷、专业化、多样化的服务。不仅如此，由于知识服务所蕴含的智力投入既是图书馆和出版机构看重的，同时也是众多商业型咨询机构所看重的，在利益的驱使下，商业型咨询机构同样在努力通过一站式检索、云平台运算与存储、大数据分析、信息挖掘、知识可视化等技术和设施向信息需求用户提供更多形式的、多元化的服务。受这些因素的影响，图书馆用户对图书馆的信息服务预期值也水涨船高，图书馆向学界提供服务的难度在不断地加大。
人工智能论文范文8
关键词：科技期刊;开放科学;人工智能;大数据;融合出版
科技创新与科技革命不断影响着社会的发展进程，已逐渐成为影响和改变世界经济格局的关键变量。在科技期刊出版界，积极响应“不断向科学技术广度和深度进军”［1］的号召，持续考虑如何应用人工智能(AI)、大数据、5G、云计算、社交媒体、区块链等新兴科学技术，不断增强科技期刊的技术实力，强化范式创新，以此实现我国科技期刊质的飞跃已成为行业发展的共识。回顾中国科技期刊近20年发展，我们略有遗憾的是不少期刊错过了2大技术突破对期刊发展的机遇:在数字出版领域，错失结构化文档及相关数字出版技术对于科技期刊集约化管理模式和内容生产的模式变革作用;在内容传播领域，没有很好地把握住互联网技术对于科技期刊传播的基础技术支撑作用，开创出较高知名度和美誉度的传播平台，尤其在英文期刊绝大部分迄今仍需“借船出海”。任胜利等［2］的调查数据显示在受卓越行动计划资助的180种英文期刊中，与国外出版机构合作的期刊达149种，占到82.8%。但幸运的是我国不断在科技创新领域取得的突破性成就和良好的技术基础，为科技期刊的创新进步提供了快速成长的肥沃土壤。现今，中国整体科技水平已迈向国际一流梯队，正成为全球科技论文产出大国和强国，国际论文产量连续十几年处于全球第二，且论文质量也逐年增强。此外，各种利好政策接踵而至，如党中央和主管部门的政策引导、资金扶持以及评价体系改革等等，推动了科技期刊的学术组织力、人才凝聚力、创新引领力和国际影响力显著提高。风好正是扬帆时。借力科技进步和国家政策赋予科技期刊的能力和力量，扬鞭追赶乃至部分超越国际科技出版巨头是时代交付给科技期刊人的重托与期冀。为了达成“中国科技期刊综合实力要跃居世界第一方阵，科技评价的影响力和话语权明显提升，成为世界学术交流和科学文化传播的重要枢纽”［3］这一主要目标，我们必须充分理解技术突破给期刊带来的实质性改变，不断地在实践中总结、在总结反思中前进。以下7大趋势，是我们结合近年来工作实践和行业认知所带来的几点浅思，抛砖引玉，望与各位同道达成共识。
1“以人为中心”
将催生科技期刊的范式革命全球领先的学术和专业出版行业组织国际科学、技术和医疗出版商联合会(STM)，拥有来自20多个国家的140多个单位会员，每年出版的原创型文章占全球期刊论文总量的2/3强，每年另出版上万部专著和参考书。旗下的STMFuturegroup自2013年起每年学术出版领域的技术趋势报告，最新报告的主题为“以用户为中心(focusontheuser)”［4］，以关键词地图的形式展示了学术出版技术领域的热点，认为未来学科出版的技术发展都将围绕着“用户”展开，比如依照我的方式做事(LetmedoitMYway)，让我简单上手(Makethingseasyforme)，让AI为我工作(MakeAIworkforme)，我的数据我掌控(Givemecontrolovermydata)，向我展示研究可信性(Provetheresearchintegritytome)，让我信任你(ShowmeIcantrustyou)，将我看作数字原生一代(Treatmeasadigi-native)。十几年前，我们尚为信息泛在化的情形击掌相庆，但这也可能是场灾难。我们正处于一个信息严重过载的时代。全球每年600万首新歌，发表300万篇文献，已经远超人类收听观看的极限。在专业领域，仅2020年发表的与肺炎有关的文献就超过20万篇……这些，均提示人类需要更好的方式来协助寻找真实的需要，我们需要更人性的搜索工具，更适合的分析工具。在这个注意力稀缺的时代，“得到”创始人罗振宇曾提出一个颇有意味的指标“国民总时间(grossdomestictime)”［5］，在可见的未来，时间是绝对刚性约束的资源，“国民总时间”是有限度的，没有哪一种技术可以增加你的注意力时间，以此他推演出时间会成为商业的终极战场。未来互联网的商业模式变化趋势之一就是要更好地帮用户节省时间。将来，只有传播方式更高效、获取方式更便捷的科技产品，才能赢得用户的芳心。纵观国际市场，科技出版巨擘均在布局和研发知识服务型产品，例如:汤森·路透公司与文本分析处理公司Linguamatics合作，利用自然语言处理(NLP)技术推出药物研发综合情报平台Cortellis，为药物发现、临床开发、注册信息提交和产品商业化提供精确和可操作的解决方案;同行评议平台ScholarOne与人工智能公司UNSILO合作，提高编辑的论文筛选能力，节省同行评议时间。缘由就是这些产品可以更深入场景，为用户提供个性化的解决方案，从而更有效地帮助用户提升单位时间的利用效率。对中国科技期刊界而言，如能更好地下沉产品/服务，探求用户的真实想法，不断通过知识服务而不只是信息服务，提供解决方案而不止文档资源，让用户能轻松地在日益复杂的问题中找到答案，寻找真谛，我们就做到了“focusontheuser”;相得益彰的是用户也会为此支付比传统服务更高的报酬，调研成果和市场业已证明知识服务会比信息服务产生更好的社会效益和经济效益［6］。
2重视“开放科学”
对于科技传播的推动作用我们已进入一个以分享为乐趣的时代，分享经济成为现代社会的一个重要价值观念，但须明确，分享经济的核心并非分享，而是协作，以一种规模化的方式协作，且这种规模是前人无法想象的。未来分享的趋势所在，不仅仅是分享设备，而是如何让成千上万甚至上亿的人，以一种合作式的方式进行交互，这将产生巨大的价值和财富，带来颠覆性的社会变革。20世纪末，在国际科学界就提出了开放科学(openscience)这一概念，现在国际出版商巨头大多认为这是一个更为重要的驱动力，甚至可能会带来学术交流的系统性变革。欧盟的FOSTER将开放科学定义为“以其他人可以协作和贡献的方式进行的科学实践，包括研究数据、实验室笔记和其他研究过程，允许免费获取、重用、再研究，且其基础数据和方法可以再分发和复制。”［7］开放科学比开放获取更宽泛，因为前者关注整个研究的开放性，后者仅局限于科研成果刊出物的获取。科学共同体普遍认为这是科学传播该有的本来面貌，他们辛苦获得的成果和思想结晶理应成为全球的财富，而不应成为少数科技出版寡头的获利工具。2016年STM对于开放科学做了新的定义，之后该理念在科技出版领域迅速蔓延，随之出现了更多的开放出版形态，比如数据出版、视频出版。客观而言，2020年全球肆虐的肺炎疫情扩大了“开放科学”这一概念在科学共同体和大众媒体的知晓度，坚定了政府、主管部门、科研机构和科学共同体的实践决心，诸如“预印本平台”之类的前沿名称也进入公共舆论的视线［8］。未来，更多科学技术和创新模式将会围绕开放科学展开并加速其发展，甚至有可能成为某些领域的主流传播模式［9］。在开放科学成为科技成果传播的一大可能趋势时，我们还需关注知识产权正在保护和激励创新，尤其在科技领域更需要关注创新的首发权问题。目前可用来确定科学家首发权的热门技术莫过于区块链技术，它具备去中心化、可追溯、可验证、不可篡改等特征，如果将其应用于科技成果的网络出版上，将可保证科技成果的首发安全和学术信任，杜绝学术不端［10］。
3人工智能如影随形，成就更好的科技期刊
《连线》杂志创始主编凯文·凯利预言未来20年的技术走向:一定有一个确定的方向，就像重力一样，其中人工智能是会给社会带来根本性变革的技术趋势，可能就像之前的印刷术一样［11］。作为人工智能时代标志性事件，2019年AlphaGo压倒性地战胜了人类最顶级的棋手;在视觉领域，人工智能已经把人类远远地甩在后面。《科学》杂志曾预言，到2045年，全球50%的工作岗位将被人工智能取代，而在中国这个数据会是77%［12］。想象一下，未来的某一天，医学影像学从业人员被人工智能所取代，长途客运司机被人工智能驾驶所取代，人工智能取代大部分专业的翻译人员、撰写科技论文……。这样的时代，是充满挑战的激情还是失业的恐怖?人工智能将推动科技期刊的全流程发生根本性的变革。例如:科研人员可借助人工智能进行更好的科研设计和投稿指导，帮助科研人员完成数据的组织、统计和文字修订;对于编者和审者而言，人工智能可以有效协助开展选题策划，从大量稿件中遴选出更优秀和更具话题性的文章;通过人工智能进行文字和图片比对，可有效地避免抄袭事件的发生;对于非英语体系的期刊而言，人工智能可以帮助完成自动翻译而无需双语出版;对于读者而言，基于人工智能提供的服务，可实现更好的个性化服务，避免耗费大量时间去查询和定位文献，快速找到专业性问题的解决方案。至于未来编辑是否可能被人工智能替代一事，我们认为不必过分恐慌;作为创新性与服务性兼备的职业，编辑被人工智能替换的可能性相对较低。但编辑工作还需做到人工智能和人类智慧的紧密结合，将重复性特别高的工作，比如排版、文字校对、文献索引知识标引等交由人工智能去处理，将创造性的工作高度提炼出来留给自己。
4大数据是学术出版和学术评价的核心资源
大数据以其容量大、类型多、存取速度快、应用价值高的特征，正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生越来越重要的影响。“十三五”和“十四五”规划持续提出实施国家大数据战略，全面推进我国大数据发展和应用，加快建设数据强国，推动数据资源开放共享，释放技术红利、制度红利和创新红利，促进经济转型升级。在2020年肺炎的防控体系建设中，大数据的应用发挥了至关重要的作用，为我国打赢这场百年难遇的传染病阻击战立下了赫赫战功。在科技期刊领域，大数据的作用正在日益凸显，未来发展的核心资源建设必然要基于大数据的应用。如能将科研生态的所有环节无死角地记录下来，将会产生无与伦比的应用场景;如能引入到论文的同行评议过程，大数据可以协助我们更快地发掘科研工作者的前沿研究，更好地判断科研工作的价值及其可信度，帮我们为用户实施更准确的用户画像，提供更客观的评价方式等。从用户的角度出发，借助大数据技术平台提供广泛的协作物理空间，他们可以获得全面的信息和知识展示，更深层次了解科研过程的真相，准确判别事物的发展规律，获得更好的决策支持，加速科研成果的转化及迭代。大数据为人类提供了全新的思维方式和探知客观规律、改造自然和社会的新手段，在拥有充足计算能力和高效数据分析方法的前提下，将有可能理解和发现现实复杂系统的运行行为、状态和规律［13］。未来谁掌握了大数据应用的技术，谁就可能更好地发现科技期刊运行规律，占领科技期刊发展的制高点。
5可获得性是科技期刊的基本要求
近30年来，学术出版最大的转变之一是数字化［14］，我们已经无法摆脱互联网环境下数字化浪潮带来的影响，有人认为，倘若科技期刊的内容没有通过网络传播，那该内容可以认为不存在。科研人员离不开电脑，现在更离不开移动设备，他们要随时随地取用资源和信息。随着5G、物联网、智能可穿戴设备等技术的高速发展，类似的趋势将变得越来越明显，人们会发现越来越多的屏显设备在周围出现，不同的屏幕之间形成生态系统。未来的科技期刊可能会有不同屏显终端的显示效果，无所不在、无时不在，并且应景而变，应人而变。科技期刊的优质学术内容将成为科技公司争夺的资源，在各种类型的设备和各种业务的应用场景中以千变万化的方式被呈现、被消费。
6互动是科技期刊对外服务的初心
互动的影响力可能和AI一样深远。我们已经经历了从纸质的平面投放到网站的平面输出再到社交网络的互动交流，人与机器的交互界面开始变得密切而具“人情味”。我们难以想象未来电脑会变成什么样子，但从手机的演进过程看，它们可能会变成我们身体器官的延伸，你可能通过手势、语言、眼神、表情，实现诸多通过文字和键盘无法实现的反馈和语义表达，而这也正是科技期刊服务的初衷:将有价值的内容传递给需要的人，越快捷越好，越真实越好。VR、AR、MR技术可以实现现实和虚拟的混合［15］，现在我们还需要复杂和繁重的机器，未来这些设备和机器将变得更为精巧，有些可能会成为人体的“一部分”，通过它接收外界刺激，识别人体反馈，发送人体指令去执行个人的意识操作，完成对目标客体的学习和控制。科技期刊需要一个蜕变的过程，从一本静态的出版物变成可看、可听、可摸、可对话的“活着的客体(livingobject)”，它可能幻化成可交互的平台，也可能是知识服务类工具，也可能是一部植入式设备。
7融合是科技期刊持续进化的终极形态
经济学家发现，全新的东西很少，大多数创新都是现有事物的重新组合。融合创新是将各种创新要素通过创造性的融合，让各创新要素互补匹配，从而使创新系统的整体功能发生质的飞跃，形成独特的不可复制、不可超越的创新能力和核心竞争力。例如前文提到的一些关于科技期刊技术创新和服务创新的设想，包括期刊形式的变化、运营模式的变化和传播媒介的变化等等，所有这些变化都会是科学技术创新发展、多措并用的新产物。融合的前提是解构，首先是要做一个拆解，把它拆解成非常原始的状态，再以另外一种方式进行重组，之后不断进行这样的循环。其实期刊本就是融合的产物，但未来我们要面向更宏大范围的融合，正如2014年在中央全面深化改革领导小组第4次会议上，就媒体融合发展发表的重要讲话，深刻阐述媒体融合的工作理念、实现路径、目标任务和总体要求［16］。这为科技出版人指明了方向，遵循科技期刊传播规律和新兴媒体发展规律，强化互联网思维，坚持传统媒体和新兴媒体优势互补、一体发展，坚持先进技术为支撑、内容建设为根本，推动传统媒体和新兴媒体在内容、渠道、平台、经营、管理等方面的深度融合。
