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：人工智能；新闻生产伦理；道德困境
一、人工智能技术在新闻生产中的现状分析
诞生于1960年的计算机辅助新闻是人工智能在新闻生产领域最早的应用。2000年左右，计算机辅助新闻开始进入数据驱动新闻阶段。2006年，汤普森公司开始将新闻机器人运用于财经数据分析，并生产出新闻，这标志着现代意义上的人工智能新闻真正产生。当前，人工智能主要依靠自然语言处理、预测分析和机器学习三种技术。在新闻报道中，人工智能的运用大致可分为自动化生产、人机交互和智能推荐三种类型。
（一）数据挖掘和机器写作推动新闻的自动化生产
数据挖掘和机器写作是一种打破了新闻人工作常规模式的特殊的新闻生产方式，依赖于庞大的数据资源，运用技术的手段化繁为简，省去了传统新闻出稿的步骤。因此，数据的积累和清晰的数据支撑是推动新闻自动化生产的关键。这种将采访、写作、编辑、校对、分发、反馈等新闻生产环节融合在一起的方式，节省了人力、物力和时间，大大简化了新闻生产的过程，进一步优化了新闻生产的流程。这意味着，在一些专业报道中，机器人挖掘的数据会比记者发现、找到的数据更为精确可信，人和机器展现出平等合作、相互理解、辅助的关系，在不同方面各显其能，互相配合，可以让记者从单调重复的工作中逃离，从而更加专注于挖掘数字背后的意义，去做更有创造力的事。
（二）智能音箱和聊天机器改变人机交互的传统模式
2017年7月，国务院的《新一代人工智能发展规划》中提到未来我国几十年人工智能的发展蓝图，着重强调发展人机智能共生的行为增强与脑机协同及人机群组协同等关键理论和技术，并指出未来人机协同将成为主流的生产和服务方式。智能语音服务由两部分构成，一部分是硬件，一部分是智能语音助手。硬件为语音助手提供运行环境，从物理上接受声音指令，并进行反馈。因此，智能语音可以通过声音方便地与终端交流，不需要控制手机或者终端界面就能参与数字生活和工作的方方面面。社会学家戈夫曼的场景理论认为，媒介、场景和行为之间存在高度的关联与互动关系。“场景”作为内容、形式、社交之后媒体的又一核心要素，在定制化需求体验和实现用户价值匹配方面得到了极大程度的体现。从这个意义上来说，智能语音扩张了我们进行媒介消费的空间。
（三）基于兴趣的智能推荐助推新闻传播的个性化
人工智能视域下的智能推荐是指通过技术手段介入信息内容和信息受众之间，更改内容的传播方式和路径，从而更好地利用用户行为大数据，在“千人千面”的背景下实现用户不同偏好的内容推荐，达到分析并改变信息受众阅读偏好的效果。2019年，尼曼实验室在预测新闻业趋势时选出的一个关键词是“Newsfatigue”（新闻疲劳症）。因此，基于用户兴趣的算法可以督促记者更加全面地考虑用户需求，增加新闻内容曝光量，唤起用户的更多互动，从而更加有目的地进行个性化的推荐，将信息精准地投向用户，节省时间，优化用户在人工智能视域下的新闻阅读体验。
二、新闻生产伦理在人工智能视域下面临的困境
新闻伦理学的研究对象除新闻工作者的职业道德外，还应包括新闻媒体的社会道德功能。无论是从社会和谐还是科技发展的角度，传统媒体一直遵循的生产伦理价值，如真实性、客观性、把关控制等，都在新媒体技术的冲击下不断地受到挑战。
（一）新闻工作者面临的职业道德挑战
1.人在技术裹挟下影响对新闻客观性的认识
黄旦教授认为“客观性是指意识到新闻报道中的主观”，从而要求事实和价值分开的一种专业信念和道德准则。2019年两会期间，国内多家媒体都采用了时下流行的轻松、生活化的vlog报道形式。在传统新闻人看来，这种在生产过程中模糊新闻和娱乐、事实和意见的边界，无异于“国家和教堂间的界限”。随着技术的不断发展，算法成了大众传播中的“把关人”，控制着人类信息分发的权力，驱动着媒介生态环境的重构。这种信息生产、筛选与分发其实是一种有意识的信息“加工”行为。技术本身无好坏，但技术如何使用，算法按什么逻辑编写，界面如何设计等，都受到政治经济和人类心理的影响。
2.科技的发展加剧新闻反转，影响新闻真实性
真实是新闻的生命。近年来，“反转新闻”大量进入公众视野。闾丘露薇认为：“所谓的反转，只不过是公共舆论基于错误或者并不足够的信息而做出的价值判断，之后被更多的事实所证明是错误的而已。”“反转新闻”之所以出现，是由于传统媒体面临着互联网科技的冲击而陷入经济运营的困境，调查型记者的数量急剧锐减，越来越少的媒体机构有充足的时间、资源投入深入的调查。同时，在智能化算法的分发下，具有视觉冲击力、语新闻与传播言夸张的报道得到更多的推荐，使得真相或有用的信息隐藏在众多的声音中，用户更加难以把握事件的真实性。因此，信息不再是人们发现真相的帮手，而变成了认识世界的障碍，当用户无法获得优质的信息时，再多的信息也失去了意义。
3.人工智能视域下新闻生产权力主体的转移
法国思想家布莱兹•帕斯卡曾说，人的“主体性”指的是“与客体相对的主体所具有的特性，包括独立性、个体性、能动性以及占有和改变客体的能力”。但人工智能介入新闻生产与报道后会对部分职业新闻工作者带来冲击，担心一旦新闻生产的权力从人类手中交给机器，人类为了追求幸福快乐会放弃以人为中心的价值观，秉承以数据为中心的世界观，那么新闻生产者所谓的思想，即其引以为豪的创造天性也就逐渐逝去了，成了麻木的人、过时的人。但就目前来看，机器新闻取代的只是程序化、格式化的新闻报道，而这正是人的主体性得到释放的一种方式和渠道。然而需要承认的是，人工智能发展的脚步不会停止，只会被更巧妙地利用起来。在这种情况下，新闻生产者调和好工具理性与价值理性之间的冲突就显得十分必要了。
（二）新闻媒体面临的社会道德挑战
1.个性化的推荐导致信息茧房和政治极化现象
2006年，美国学者桑斯坦提出了“信息茧房”的概念，指的是人们根据不同的兴趣、价值观、身份、经历形成不同的部落，通过增强部落内部联系获得归属感。但由于每个人只接触属于自己的个人议程设置，就会出现和圈内人交流加剧意见极化的现象，而对外交流则很难进行沟通，从而使社会意见整合变得更加困难，公共生活更加难以协调，整个舆论生态环境不断恶化，有价值、有意义的信息难以得到有效的传递。如果说，过去我们评价一个新闻事件的影响力，看中的是它是否推动了制度变革，那么现在的评价标准或许就变成造就了几篇“10万+”。尤其是社交媒体中的机器人，运用算法，通过点赞、分享和搜索信息，将未经过筛选的假新闻传播力进行数量级扩大，导致受众缺乏社会责任感，难以认知自己所处的大环境，封闭于自我的想象中，使得极化现象在种族、宗教分裂原本就十分剧烈的发展中国家显得更加突出。尤其是对那些基础机构薄弱的国家来说，虚拟世界的愤怒激发的是现实世界中的暴力。而在经济结构稳定的国家，新闻生产的低门槛和低成本也使得假新闻泛滥，选民的自由意志被操纵，政治站位被重新定义。这一切都是技术缺陷在流量驱动商业模式下所带来的结果。
2.社会资本的推动加剧了算法歧视和社会偏见
技术和社会之间的关系是双向互动的。一种技术如何被使用、产生了怎样的效果，固然和技术本身的特性有关，但也会受到政治经济社会整体环境的影响。萨菲娅•诺布尔提到，Google搜索引擎的返回结果及其排序主要受到PageRank算法的影响，它会根据一个页面的超链接被其他页面引用的数量来决定搜索结果的排序。其背后的逻辑可以称为“引用多的即是好的或重要的”，这是一种价值判断，也是一种利益交换，遵循和延续了社会上的主流看法，但如果主流看法本身是带有偏见的，那么算法将延续这种偏见。这说明了算法并不是中立客观的，歧视就在眼前，但是披着中立的外衣，对社会上的边缘群体产生系统性的压迫。算法既可能复制主流社会对边缘群体的偏见，也可能受到商业资本的影响，将信息和知识商品化，从而加剧社会的不平等。
3.人工智能扩大对数据的使用和隐私的侵犯
信息社会的发展使得各国对隐私权保护的重心再一次发生了转移，促成这种变化的原因在于政府和商业组织搜集了太多受众自己都不知道的信息。因此，人工智能时代，我们每个人都生活在数据与算法中，无时无刻不在被“记录”和“监控”着。就像福柯所说的“全景监狱”，受众就是其中的一个个“囚犯”，而作为“狱卒”的媒体集团投其所好地向受众推送新闻，受众在享受人工智能带来的便利服务的同时，也会对自我控制权的丧失、个人信息的使用以及隐私的侵犯感到深深的忧虑。2019年1月，腾讯对各年龄层用户特征进行画像分析的大数据报告被网友质疑：微信“监控”了聊天数据。这不是社交媒体第一次遇到类似的质疑。即使腾讯声称所有数据均已进行匿名及脱敏处理，不涉及具体用户的隐私内容，但并不能完全消除公众的疑虑。当忧虑隐私近乎成为生活的一种常态，我们不禁要思考这样一个问题：我们到底是如何被技术力量裹挟着走到今天这一步的？又是在何时，我们开始认为体验了就要记录，记录了就要上传，上传了就要分享的这种行为模式再正常不过？
三、新闻生产伦理在人工智能视域下的发展策略
（一）从个人层面规范新闻生产伦理
智能手机的迅速普及使新闻制作的门槛和成本降低，传统的新闻传播模式被打破，我们已来到一个人人均可发声的“去中心化”时代。作为人工智能时代的信息传播者，我们不仅要提高自我的媒介工具使用素养，还应不断加强在海量信息中筛选出有用信息的鉴别能力，从源头上降低新闻受失真、虚假信息误导的可能性。同时，在传受角色功能定位不断消弭的今天，提高传播者的媒介素养，使其拥有多元化的信息获取渠道、独立自主的思想意识和道德水平，给冰冷的算法和数据注入“温度”和人文关怀，不仅可以抵御经济快速发展带来的社会问题，也是净化舆论生态环境的需要。只有这样，人工智能时代的传媒业才能走得更远。此外，在智能信息时代，科学家、工程师不仅人数众多，而且参与社会重大决策和治理，他们的行为会对他人、社会带来比其他人更大的影响。他们在参与新闻生产的过程中通过合理的结构代码决定什么被看见，什么被隐藏，直接影响着新闻生产伦理。利用技术能做好事，也能做坏事，关键是被谁使用，如何使用。那么，要研究媒体技术在新闻生产伦理中的应用就不能忽视对开发应用这一技术的科技工作者的伦理道德规范。
（二）从组织层面规范新闻生产伦理
与其他完全市场化的商品不同，媒体机构的公信力一方面承担着自身的发展前景，另一方面也关乎着国家社会的安全稳定。在人工智能背景下，新时代的媒体机构具有大众性和多元性等特征，覆盖的内容更加广泛，大多是靠广告获取收入，部分是通过付费订阅，且不同媒体机构间的竞争愈发激烈。但受众情愿买单的背后是对媒介机构的信任，一旦媒介机构肆无忌惮地利用受众的信任去欺骗受众，不遵守基本的媒介伦理，终会遭到受众的抛弃。因此，媒体机构要保证新闻的真实性、客观性，不断强化媒体机构履行社会责任的方式，推动社会的进步。在本质上，企业的社会责任和商业利益是一致的。当企业成长得足够强大时，“外部性”就会被内化。一个假新闻和低俗信息泛滥、全民娱乐至上、戾气十足的社会，不会为互联网的健康发展提供适合的土壤，所以要追究新闻平台的主体责任。平台在享受着杠杆规模效应的同时，更应该用高于法律和行业的标准来要求自己。另一方面，对于技术导致的部分问题，平台也可以通过技术的发展来解决。目前，“区块链+媒体”肩负着媒体人的夙愿，虽然这种模式对现有媒体生态的改变十分有限。但从“效率”转向“价值”，单一的技术思维转向立体的社会思维、公共思维来看，这是平台型产品发展壮大过程中的必经之路，也是以后互联网产业的重要动向。
（三）从社会层面规范新闻生产伦理
在技术迭展的情况下，与新出现的人工智能相关的法律制定，在缺乏有价值的参照系下，很多方面的实施往往落后于新技术、新实践的发展。因此，我国于2017年开始实行的《网络安全法》对网络运营者在搜集用户信息、个人信息方面做出了规定，并对不当运用用户信息的行为给出了明确的处罚条例。人工智能媒体时代条件下，我们必须本着维护和发展的原则来实现人工智能的法律体系，慎重处理人工智能技术给社会带来的贡献，客观地看待它的价值和潜在的风险，尽快完善法律法规，适应新的媒体环境，特别是在人工智能技术无所不能的情况下，更要强调其价值理性，规范其行为，慎用公众数据，保护公众隐私，营造一个良好的新闻生态环境。
四、结语
人工智能与新闻传媒业的融合越来越成为行业人讨论的焦点。人工智能技术在改变着新闻信息生产、传播方式的同时，也要求着原有的新闻生产伦理做出调整，以适应科技的发展。除此之外，人工智能导致的在新闻生产领域产生的伦理问题，不是技术的失败，而是科学发展与我们对自身及他人在新闻生产过程中产生的伦理之间的深层联系。因此，探究人工智能在新闻生产伦理领域的发展及其带来的问题，不仅能够拓展新闻生产伦理与技术的研究视野，更有助于指导人工智能在未来不断变革的新闻实践。
参考文献：
1.张志强.新闻算法推送对“信息茧房”的构建探究[J］.新媒体研究,2018(14):24-25.
2.赵瑜.人工智能时代的新闻伦理：行动与治理[J].学术前沿,2018(24):6-15.
3.许向东.关于人工智能时代新闻伦理与法规的思考[J].学术前沿,2018(12):60-66.
人工智能论文范文4
关键词：人工智能；伦理；医疗器械
人工智能（ArtificialIntelligence，缩写为AI）一词，在1956年的达特茅斯会议上被首次提出。人工智能作为新一轮产业变革的核心驱动力，已发展上升为国家战略，在自动驾驶、医疗、工业机器人以及教育、金融、互联网服务等领域得到越来越多的应用。在医疗领域的应用主要包括辅助诊断、辅助手术、临床辅助决策、患者信息管理等，对应的人工智能医疗器械产品主要包括独立的医疗软件、AI赋能医疗设备、医疗信息化系统（云医疗）几大类。随着以深度学习为代表的人工智能技术不断发展，我们在积极拥抱人工智能的同时，需要思考人工智能医疗器械在发展与使用过程中面临的伦理问题，充分认识人工智能医疗器械在数据获取、隐私保护等方面带来的影响。人工智能本身是技术而不是产品，医疗工作者使用的是被医疗人工智能赋能后的设备或者信息化系统，而不是使用人工智能技术本身。由人工智能发展所带来的伦理问题，在一定程度上可由设计开发者通过遵循一定的原则而规避，因此，在我国推动人工智能发展的关键时期，探讨人工智能发展应遵循的伦理准则，对人工智能的发展有着极为重要的意义。
1人工智能伦理准则及现状
1.1现阶段人工智能伦理共识
随着人工智能伦理的发展，目前国内外主要达成了两个影响较为广泛的人工智能伦理共识，一个是“阿西洛马人工智能原则”（AsilomarAIPrinciples），一个是国际电气电子工程师学会（IEEE）组织倡议的人工智能设计的伦理准则[1]。“阿西洛马人工智能原则”于2017年1月初在美国加利福尼亚州阿西洛马举行的BeneficialAI会议上被提出，阿西洛马人工智能原则是著名的阿西莫夫机器人学三定律的扩展版本。阿西洛马人工智能原则目前共23项，分为三大类，分别为科研问题（ResearchIssues）、伦理和价值（EthicsandValues）、更长期的问题（Longer-termIssues）[2]。其中涉及伦理方面的共13项，主要为1）安全性；2）故障透明性；3）司法透明性；4）责任；5）价值归属；6）人类价值观；7）个人隐私；8）自由和隐私；9）分享利益；10）共同繁荣；11）人类控制；12）非颠覆；13）人工智能军备竞赛。“阿西洛马人工智能原则”可以理解为人工智能不能单纯地为了利益而创造，而应该为了在确保人类不被替代的情况下通过自动化实现人类繁荣。保持一个尊重隐私但开放、合作的人工智能研究文化也是一个优先考虑的问题，以确保研究人员和政策制定者在彼此交换信息的同时，不会用危害人类的手段与对手竞争。国际电气电子工程师学会（IEEE）最早于2016年提出了“关于自主/智能系统伦理的全球倡议”，并于2016年12月和2017年12月在全球范围内先后了第一版和第二版的“人工智能设计的伦理准则”白皮书（"EthicallyAlignedDesign"）。该白皮书来自于IEEE自主与智能系统伦理全球倡议项目，在当前版本的《人工智能设计的伦理准则》（第2版）中，白皮书提出了一些相关的议题和建议，希望能够促进符合这些原则的国家政策和全球政策的制定。该伦理准则提出了5个核心应遵循原则[3]：1）人权：确保它们不侵犯国际公认的人权；2）福祉：在它们的设计和使用中优先考虑人类福祉的指标；3）问责：确保它们的设计者和操作者负责任且可问责；4）透明：确保它们以透明的方式运行；5）慎用：将滥用的风险降到最低。该人工智能伦理准则的旨在为IEEE正在推动的11个与人工智能伦理相关的标准制定提供建议。上述两项接受较为广泛的伦理共识，由来自人工智能/机器人研究领域的专家学者以及专业技术学会的研究人员讨论制定而成。同时，由于人工智能在产业发展中的战略性地位和应对人工智能伦理风险的迫切需要，许多国家政府机构、社会团体、产业界等也在制定适用于自身国情的人工智能伦理准则或指南，为人工智能相关企业提供风险把控、评估和应对的系统性指引。
1.2国外人工智能伦理发展现状
为了有效应对AI带来的新机遇，欧盟委员会于2019年4月8日以“建立对以人为本AI的信任”为题，了欧洲版的AI伦理准则。该伦理准则提出了“可信任AI”应当满足的7项关键要点[4]，具体包括1）人的自主和监督；2）可靠性和安全性；3）隐私和数据治理；4）透明度；5）多样性、非歧视性和公平性；6）社会和环境福祉；7）可追责性。欧盟委员会在人工智能方面布局已久，早在2018年12月欧盟委员会人工智能高级专家组就了《关于可信赖人工智能的伦理准则（草案）》（EthicsGuidelinesforTrustworthyAI），该草案为人工智能伦理提出了一个框架，给后续的欧洲版AI伦理准则奠定了基础[5]。国际计算机协会（ACM）下属美国公共政策委员会于2017年《算法透明性和可问责性声明》，提出了7项基本原则[6]：1）意识；2）获取和救济；3）责任制；4）可解释；5）数据来源保护；6）可审查性；7）验证和测试。该声明的重要部分要求开发人工智能的机构能够对算法的过程和特定的决策结果给予一定的解释，即人工智能算法的哪些输入特性会引起某个特定输出结果变化的可解释性。
1.3我国人工智能伦理发展现状
我国也已将人工智能上升为国家战略，在法律法规和政策体系进行了深入布局。国务院于2017年7月20日印发了《新一代人工智能发展规划》，在战略目标中对法律政策体系建设提出了三步走要求：到2020年，部分领域的人工智能伦理规范和政策法规初步建立；到2025年，初步建立人工智能法律法规、伦理规范和政策体系，形成人工智能安全评估和管控能力；到2030年，建成更加完善的人工智能法律法规、伦理规范和政策体系。规划要求围绕自动驾驶、服务机器人等应用基础较好的细分领域加快立法研究，重点解决人工智能下的民事与刑事责任确认、隐私和产权保护、信息安全利用、问责和追溯机制、潜在危险与评估等方面的法律问题[7]。2018年1月，国家人工智能标准化总体组成立，会上了《人工智能标准化白皮书（2018版）》，提出要依托于社会团体和公众对人工智能伦理进行深入思考和研究，并遵循一些共识原则：一是人类利益原则，即人工智能应以实现人类利益为终极目标；二是责任原则，在责任原则下，在技术开发方面应遵循透明度原则，在技术应用方面则应当遵循权责一致原则[1]。2019年4月，国家人工智能标准化总体组《人工智能伦理风险分析报告》，进一步明确了人类根本利益原则要从对社会的影响、人工智能算法、数据使用三个方面来考虑[8]。
2人工智能在医疗器械领域的伦理风险
从整体来看，现阶段人工智能在医疗器械领域的应用主要是医学图像AI技术和AI技术赋能硬件，例如目前大量涌现的“智能读片”类AI医疗软件，利用深度学习在具有代表性的医学影像数据库中进行模型训练（多层神经网络）[9]，利用这些模型来解析图像、文本、声音，从而实现对医学图像病症的早期筛查；目前的AI技术赋能硬件，通常内嵌于各类医学影像设备，在设备前期拍摄及后期图像处理过程中实现图像分割、目标检测、图像分类、图像映射、图像配准等功能[10-12]。上述人工智能还是实现特定功能的专用智能，并不能像人类智能那样拥有真正实现推理、思考和解决问题的能力，因此被叫做弱人工智能。与此对应的强人工智能则是达到类人水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能[13]。强人工智能在哲学上存在巨大的争议（主要涉及思维与意识等根本问题的讨论），在技术上存在着极大的挑战，当前鲜有进展与应用，因此，考虑医疗领域人工智能的伦理风险，主要是以数据驱动类AI医疗器械产品为主，从社会影响、个人数据保护、人工智能算法和医学伦理四个方面来考虑其风险影响。
2.1对社会的影响
从现有伦理准则与共识来看，医疗人工智能伦理的标准化工作仍处于起步阶段，行业内对医疗人工智能的内涵、应用模式还未达成准确共识，由此带来的行业内竞争可能会造成人工智能技术在医疗领域的滥用，例如不考虑医学实际情况，在医学成像、病灶识别、手术规划等临床领域盲目使用人工智能技术。造成的结果：一是资源的浪费，目前绝大多数人工智能辅助诊疗结果仍需医生确认操作，这种AI产品是否具有临床意义仍有待商榷；二是增加了医生对先进人工智能产品的依赖性，随着科技的发展，传统诊疗方法将逐步向高科技辅助诊疗转变，而这类辅助诊疗产品往往集中在科技发达、财富集中的国家或地区，这将造成各地区的医疗资源、医疗水平不平衡，如何让每个地区的人都从人工智能创造的福祉中收益，这是需要思考的问题。
2.2个人数据保护风险
以深度学习+大数据为框架的医学人工智能系统需要大量的数据来训练学习算法。深度学习分为两个阶段：训练阶段和应用阶段。训练阶段的最大特点是数据驱动，一是需要大量的训练样本；二是所有样本需要明确的标注（金标准）；这就需要提高样本数据采集的效率和质量。目前，大多数人工智能产品的训练样本主要来自医院患者的各类医学影像数据，少部分来自于人类行为信息的数字化记录等。医学影像及患者行为信息涉及患者数据隐私的伦理问题，使用者在获取患者数据时必须要抹去个人敏感信息，只保留相关医学信息。关于敏感信息的定义、识别与处理，国内现在还没有明确的标准，主要依赖于企业的自觉，可供企业参考的数据隐私保护准则主要是欧盟在2018年5月生效的《欧洲通用数据保护条例》（GDPR）和美国国会于1996年的《健康保险可携带性与责任法案》（HIPAA）[14]。GDPR条例对个人数据、医学健康相关数据给出了明确定义，并对如何在保护数据主体权益的情况下开展工作做了详细说明[15]。HIPAA法案则既保护个人受保护的健康信息，又确保研究人员可以持续获得必要的医疗信息来进行研究，为达到这两点的平衡，HIPAA有3点重要规定[16]：1）对于不具备身份识别功能的健康信息，可以使用和披露给研究机构；2）在获得病人书面授权的情况下，可以因为研究目的而使用或披露病人受保护的健康信息；3）在某些特殊情况下，HIPAA也允许无须同意授权的信息共享，包括审查委员会或保密委员会批准的情况。
2.3算法方面的风险
在深度学习算法的应用阶段，也面临着诸多风险。一是安全性，算法存在泄漏、参数被非预期修改的情况，且现阶段的深度学习算法是一个典型的“黑箱”算法，当算法被修改时，算法性能的降低或错误的发生将很难被察觉到，医疗领域与人身安全息息相关，这样的风险造成的后果将直接侵害人身权益。二是算法偏见风险，算法的复杂性和专业性，在现阶段很难解释清楚人工智能算法输入的某些特性是如何引起某个特定输出结果发生的[17]，算法的偏见可能是程序员主观认知的偏差，也有可能是输入数据的分布本身不具有整体代表性，同时如果算法在临床应用中通过本地数据进行无监督学习，也有加重这些偏见的风险。
2.4医学伦理风险
对于医学人工智能产品的伦理思考，还应该纳入医学伦理范畴，考虑在医学伦理上如何进行患者隐私、数据保护等，这也是医疗类AI产品与一般AI产品在伦理方面的最大区别。在我国，获取医学临床数据、进行临床试验还必须获得医学伦理审批，医学方面的伦理监管主要依赖于伦理审查制度，而负责伦理审查的组织——伦理委员会则肩负着医学研究伦理审查、受试者权益保护、人的尊严维护等方面的重要职责[18]。原卫生部在1988年了《药品临床试验管理规范》[19]，于1995年出台了《卫生部临床药理基地管理指导原则》。随着生物医学科学技术与研究的飞速发展，在临床实践中遇到的伦理难题更为多样化，上述规范性文件已不能满足伦理审查的需求。原国家卫生和计划生育委员会在2016年了《涉及人的生物医学研究伦理审查办法》，该办法以涉及人的生物医学研究项目的伦理审查为重点，明确了医疗卫生伦理委员会的职责和任务，强化了对伦理委员会的监管[20]。2017年10月，中共中央办公厅、国务院办公厅印发了《关于深化审评审批制度改革鼓励药品医疗器械创新的意见》，提出要完善伦理委员会机制，提高伦理审查效率，其中重要一条是提出了区域伦理委员会职能，指导临床试验机构伦理审查工作。区域伦理委员会将肩负起解决多中心临床研究的伦理审查标准不一致、重复审查的问题，解决不具备伦理审查条件的机构直接发起的项目审查问题。当前医疗人工智能产品在样本数据采集与临床试验阶段都有可能面临医学伦理审查，就需要相关企业熟悉医学伦理规范文件，在产品开发与应用阶段遵守基本医学伦理原则[21]：1）知情同意原则；2）控制风险原则；3）免费补偿原则；4）保护隐私原则；5）依法赔偿原则；6）特殊保护原则。
3人工智能医疗器械应遵循的伦理发展方向
3.1推动医学人工智能伦理标准化
为了促进行业的发展，开放、共享的高质量医学数据集是未来的发展趋势，但是数据获取的来源（前瞻式采集与回顾式采集交叉混合）[22]、数据清洗个人信息的准则/尺度[23]、数据标注的规范格式[24]等现在并无统一的定论，这会使得高质量的数据集难以在各个AI产品开发者间互通。只有相应的规则确定后，人工智能医疗器械产业才能高速发展。
3.2数据完整性与医学伦理的平衡
在满足医学伦理要求保护隐私和个人数据的同时，医疗类AI产品为了获得高质量的数据集，还应尽可能地保留更多的信息（例如既往病史）用于分析处理，避免数据收集纳入偏见的、非典型的，甚至是错误的信息。与此同时，医疗类AI产品在数据收集、数据标注的过程中必须保证其数据的完整性，使得AI产品是可解释的、可信任的。如何最大程度地保留信息，同时避免通过信息追溯到个人，这是医疗类AI产品应遵循的伦理方向。
4结语
人工智能论文范文5
1.1依托当地企业做好调研工作
高校培养人才的目的是为社会输送人才，尤其是为当地社会输送人才，服务于当地经济的建设，因此做好调研工作，必须依托于当地企业。调研工作不能流于表面，要发动整个教学团队的力量。首先，从专业层面应该有整体规划，确定调研的时间段、调研哪些企业，到具体实施阶段，老师下去调研的时候不能仅仅是盖个章回来就了事，应该提供现场调研的图片、个人小结等资料，另外为了调动老师的积极性，专业层面可以发放调研津贴。材料收集好之后，要依据材料进行细致的分析、总结工作，提炼出对制订人才培养方案有用的信息，尤其是企业需要什么样的综合人才、岗位能力分析、职业资格证书的获取情况等。
1.2充分发挥校企合作委员会的作用
每个专业都有自己的专业指导委员会或是校企合作委员会，要充分发挥其作用。首先在人选是一定要经过筛选，务必选择一个对整个专业发展能够提供指导性意见的人，这就需要他有在这个行业多年的工作经验，另外需要热爱教育事业，不能只是来挂个名，开个会，还需要在平时的各项工作中直到作用。
2.做好课程体系建设
2.1根据专业情况重新整合课程体系
每个专业发展的沿革不一样，所以制订课程体系时绝不能照抄照搬别人的。尤其是楼宇智能化工程技术专业，很多课程的开设是需要硬件支撑的，因此有些课程其他学校能开，本校可能开不了。另外，要充分考虑到师资情况，校内教师上不了的课程，要请企业老师来上课，如果连企业老师也找不到合适的，就得考虑这门课程是否能开设。
2.2注重实践课程的教学设计
高职高专的学生，人才培养的目标并不是研究型人才，而是技术型人才，因此要充分做好实践课程体系的建设。首先，理实一体课程要采用一体化的教学模式。教学决不能只在黑板上写写划划了，现如今90后的学生，接受信息的渠道很多，老师一定要充分备课。师生双方应该在实验实训室边教、边学、边做、边评定，把理论与实践教学紧密地联系在一起。其次，做好学期实训课程的教学设计。每个学期的实训内容可以是基于某门课程的也可以是基于多门课程的，以楼宇智能化工程技术专业来说，可以基于电工电子技术进行维修电工的实训，也可以综合楼宇智能化工程技术、安防技术、消防技术等进行智能管理系统综合实训。这种生产性的实训课程要尽量聘请资深的企业人员参加，这样对于教师和学生提高专业技能都有帮助。另外，做好顶岗实习和毕业项目设计。教师在给学生顶岗实习成绩评定时要有充分的依据，不能依照个人的喜好，这就需要专业层面制订合理的规章制度。最后，做好职业认证工作。要为学生制订弹性的证书获取机制，每个学期的实训课程尽量为学生提供考证的机会，告诉学生哪个证是必考的，哪些证书是选考的。这样学生可以根据自己的需求选考合适的证书。
2.3改革创新考核方式和评价模式
考核的目的是对学生的知识和技能掌握程度的评价，也是对教学效果的一种评估。在改革创新考核形式上，可以根据课程性质的不同采用多种多样的考核形式，可以积极推进过程考核，让学生付出的每一份努力都能够得到回报。总之，真实、客观的评价对于促进学生的学习是非常有帮助的，不仅能提升学生学习的动力，还能让其明白处于集体中的责任。
2.4注重综合素质的培养
人才培养方案制订过程中要充分注重对于学生综合素质的培养。尤其是楼宇智能化工程技术这种偏理工科的专业，要让学生明白一个人以后想在社会上立足并且过得幸福，这跟人的综合素质是分不开的，并不完全依赖于个人的技能。因此在开设课程时要充分考虑到上述能力的培养，可以开设大学生就业创业、法律法规常识、大学生心理健康教育等公共基础课，也可以开设电影艺术欣赏、围棋、书法等素质拓展课。另外，可以在以专业为单位积极鼓励学生创办或参加社团，这对于学生综合能力的培养非常有帮助，让他们提前了解和融入社会。
3.建立动态评价、调整机制
人工智能论文范文6
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7
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8
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。
