陸偉，馬永強(qiáng)，劉家偉，楊金慶，程齊凱

（1. 武漢大學(xué)信息管理學(xué)院，武漢 430072；2. 武漢大學(xué)信息檢索與知識挖掘研究所，武漢 430072；3. 華中師范大學(xué)信息管理學(xué)院，武漢 430079）

0 引 言

2022年年末，OpenAI發(fā)布的ChatGPT[1]在人機(jī)對話、文本生成等方面展現(xiàn)出令人驚艷的性能，讓人們看到了人工智能大模型在賦能科研創(chuàng)新方面的巨大潛力[2-4]。以大數(shù)據(jù)、人工智能為代表的數(shù)智技術(shù)作為一種新的生產(chǎn)力正被廣泛地應(yīng)用于科學(xué)和工程等領(lǐng)域[5-6]。2023年3月27日，科技部啟動了“人工智能驅(qū)動的科學(xué)研究”（AI for Science）專項部署工作[7]。以大模型為主要特征的數(shù)智技術(shù)對資源獲取、組織開發(fā)、傳遞利用、存儲檢索等信息資源管理學(xué)科核心任務(wù)[8]和文獻(xiàn)情報工作[9]都具有重要的影響。

ChatGPT系列模型的升級過程，正是面向大規(guī)模數(shù)據(jù)的知識獲取能力不斷提升的過程。科研創(chuàng)新是一項知識密集型的活動，高質(zhì)量、高密度的知識輸入是科研創(chuàng)新得以開展的基礎(chǔ)，并且貫穿了科研創(chuàng)新的全過程。從供給側(cè)來看，雖然科技信息資源管理與知識服務(wù)能夠為科研創(chuàng)新提供較為準(zhǔn)確的信息以及常規(guī)知識聚合服務(wù)，但是仍未能與科研創(chuàng)新活動形成深度嵌入。從需求側(cè)來看，為了獲得支撐科研活動開展的信息和知識，在科研創(chuàng)新過程中的各個環(huán)節(jié)，科研人員面臨著信息處理能力和認(rèn)知能力有限等挑戰(zhàn)。然而，如何為科研人員提供個性化、細(xì)粒度、場景化的知識仍未得到有效解決。為此，現(xiàn)有科技信息資源管理理論方法、技術(shù)手段和服務(wù)模式亟須推進(jìn)“供給側(cè)改革”。本文認(rèn)為，以嵌入科研創(chuàng)新活動的形式，使用數(shù)智技術(shù)為科研人員提供創(chuàng)新輔助服務(wù)，面向文獻(xiàn)閱讀與梳理、科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建、實驗設(shè)計與驗證和論文撰寫等主要環(huán)節(jié)，為科研人員提供個性化、細(xì)粒度、場景化的知識，實現(xiàn)對科研創(chuàng)新活動的賦能。

當(dāng)前，已有研究人員試圖將大數(shù)據(jù)與人工智能技術(shù)應(yīng)用于科研創(chuàng)新場景，以解決科學(xué)研究中的現(xiàn)實問題。例如，基于大數(shù)據(jù)和自然語言處理技術(shù)對科技信息資源進(jìn)行全面評價[10-11]、細(xì)粒度理解[12-14]和提供知識服務(wù)[15-16]。其中，面向科研活動的人工智能模型開發(fā)通常是基于分治的思想，即模型僅僅面向特定的任務(wù)，如論文摘要自動生成[12]、引用意圖識別[14]、論文版式識別[17]等；面向單個學(xué)科，如面向生物醫(yī)學(xué)和計算機(jī)科學(xué)領(lǐng)域的SciBERT[18]、面向化學(xué)領(lǐng)域的ChemBERT[19]和面向生物學(xué)領(lǐng)域BioGPT[20]。然而，創(chuàng)新活動實際上包含一系列的過程，是一項系統(tǒng)性的工作。單靠某一個人工智能模型并不能有效解決科研人員創(chuàng)新活動中遇到的復(fù)雜問題。因此，本文基于數(shù)智時代科研活動的新特點(diǎn)，總結(jié)了數(shù)智時代科研人員面臨的信息處理能力不足、認(rèn)知能力有限等挑戰(zhàn)，針對數(shù)智時代科研活動的新特點(diǎn)和科研人員面臨的新挑戰(zhàn)，提出了基于數(shù)智技術(shù)的創(chuàng)新輔助框架，并進(jìn)一步闡述了其功能定位、服務(wù)模式和在科研創(chuàng)新全過程中的關(guān)鍵賦能路徑。

1 數(shù)智時代的科研活動的新特點(diǎn)

科研人員是科研創(chuàng)新活動的主體?？蒲腥藛T先通過閱讀科學(xué)文獻(xiàn)獲取相關(guān)的觀點(diǎn)和事實等信息，以從中獲得需要的知識；然后，通過相關(guān)儀器設(shè)備發(fā)現(xiàn)新的事實，從而得到新規(guī)律、新發(fā)現(xiàn)；最后，科研人員對新規(guī)律、新發(fā)現(xiàn)進(jìn)行分析和綜合，形成科學(xué)成果，以學(xué)術(shù)論文、專利的形式進(jìn)行發(fā)表。通過上述過程的不斷循環(huán)，新知識得以源源不斷地產(chǎn)生，具體過程如圖1所示。知識生產(chǎn)的循環(huán)過程中伴隨著新的科技信息資源的生成，這些資源可以作為數(shù)智時代人工智能大模型的知識源泉，實現(xiàn)對人工智能大模型的增強(qiáng)。

圖1 數(shù)智時代科技信息資源管理和科研創(chuàng)新變革

1.1 數(shù)智時代科技信息資源管理理論、技術(shù)與服務(wù)模式變革

在大數(shù)據(jù)背景下，科學(xué)交流系統(tǒng)也發(fā)生了新的變化。其中，科學(xué)知識的載體形式更加多樣，交流渠道也更趨多元。借助社交媒體等工具，科學(xué)交流系統(tǒng)中的科研人員之間的信息流動速度更快[21]。依托互聯(lián)網(wǎng)平臺（如社交媒體、預(yù)印本網(wǎng)站、問答社區(qū)等）、在線會議工具（如Zoom、騰訊會議等），科研人員可以更加高效、快捷地獲取領(lǐng)域前沿的信息。同時，科學(xué)需要解決的問題也更加復(fù)雜，學(xué)科間交流合作更加頻繁。人工智能技術(shù)作為一種新的生產(chǎn)力工具，也越來越多地參與到科研創(chuàng)新活動中，例如，使用scite.ai、LitMaps進(jìn)行文獻(xiàn)發(fā)現(xiàn)，使用AlphaFold進(jìn)行蛋白質(zhì)3D結(jié)構(gòu)預(yù)測等?？蒲腥藛T在獲得便利的同時，也面臨著信息處理能力不足和認(rèn)知能力有限等問題。

面對數(shù)智時代科研活動發(fā)生的新變化和科研人員面臨的新挑戰(zhàn)，現(xiàn)有科技信息資源管理理論方法、技術(shù)手段和服務(wù)模式同樣面臨變革。在理論方法方面，傳統(tǒng)的“數(shù)據(jù)-信息-知識-情報”信息鏈轉(zhuǎn)變?yōu)閯?chuàng)新嵌入的信息鏈。借助于大數(shù)據(jù)、人工智能等數(shù)智技術(shù)，數(shù)據(jù)與知識、數(shù)據(jù)與情報、信息與情報之間的跨越式轉(zhuǎn)換成為可能。在技術(shù)手段方面，現(xiàn)有的大型預(yù)訓(xùn)練語言模型（如對話語言模型ChatGPT）展現(xiàn)了強(qiáng)大的信息加工、薈萃、整合和生成能力。對話式人工智能大模型可以為用戶提供比傳統(tǒng)的搜索引擎、推薦系統(tǒng)更加自然的交互方式，實現(xiàn)由“檢索+推薦”到“感知+檢索+推薦+生成”的技術(shù)范式轉(zhuǎn)變[22]。在服務(wù)模式方面，現(xiàn)有的以信息為中心的服務(wù)模式轉(zhuǎn)變?yōu)槊嫦騽?chuàng)新過程的創(chuàng)新服務(wù)，包括創(chuàng)新感知、創(chuàng)新嵌入和創(chuàng)新輔助等。

1.2 數(shù)智時代知識生產(chǎn)的新變化

科學(xué)創(chuàng)新活動可以視為一種知識生產(chǎn)活動[23-24]。作為一種創(chuàng)造性的思維活動，科學(xué)知識生產(chǎn)的最初動力源于社會發(fā)展中人們所提出的各種各樣的問題，當(dāng)前科研創(chuàng)新越來越多地與問題情境緊密結(jié)合，數(shù)智技術(shù)也越來越多地與其他學(xué)科進(jìn)行深度嵌入。此外，為了解決復(fù)雜問題，各學(xué)科之間從各自獨(dú)立發(fā)展走向跨學(xué)科合作。

1.2.1 知識生產(chǎn)與問題情境緊密結(jié)合

問題情境是科研創(chuàng)新的切入點(diǎn)。隨著科學(xué)的進(jìn)步和所需解決問題復(fù)雜性的不斷增加，以知識生產(chǎn)為目的的科研創(chuàng)新活動與一連串的問題情境之間的互動也越來越密切[25]。為了更好地解決問題，科研人員首先需要深入了解和刻畫所面對的問題情境，然后才能更好地確定研究方向，發(fā)現(xiàn)解決問題的途徑。在問題情境的驅(qū)動下，科研人員需要探索和開發(fā)新的途徑和方法來解決問題。以分子合成問題為例，傳統(tǒng)“試錯式”的研究模式存在周期長、成本高的問題。為此，研究人員嘗試使用人工智能技術(shù)實現(xiàn)化學(xué)合成路線自動化設(shè)計[26]，以提升分子合成路線設(shè)計的效率。

1.2.2 數(shù)智技術(shù)與科研創(chuàng)新活動深度嵌入

數(shù)智技術(shù)作為一種新的生產(chǎn)力，越來越多地與科研創(chuàng)新活動進(jìn)行深度結(jié)合與嵌入。一方面，數(shù)智技術(shù)越來越多地被用于解決具體的科學(xué)問題。例如，基于主動學(xué)習(xí)的量子實驗設(shè)計[27]、蛋白質(zhì)結(jié)構(gòu)預(yù)測模型AlphaFold[28]、基于AI（Artificial Intelli‐gence）的天氣和氣候基礎(chǔ)模型ClimaX[29]。另一方面，數(shù)智技術(shù)作為一種新的科研創(chuàng)新輔助工具，越來越多地被嵌入科研創(chuàng)新全過程的某些任務(wù)場景中。例如，Auer等[30]構(gòu)建了開放研究知識圖譜，用于對解決特定研究任務(wù)的最新技術(shù)進(jìn)行簡要概述；Pankratius等[31]和Pyzer-Knapp等[32]相繼對計算機(jī)輔助自動科學(xué)發(fā)現(xiàn)和人工智能輔助新材料發(fā)現(xiàn)進(jìn)行了探索。

1.2.3 智能技術(shù)推動多學(xué)科合作走向深入

在產(chǎn)業(yè)界，企業(yè)之間通過專業(yè)化協(xié)作來共同完成產(chǎn)品的生產(chǎn)。作為一種知識生產(chǎn)活動，科研創(chuàng)新活動中學(xué)科之間的合作也廣泛存在，例如，化學(xué)學(xué)科的科研成果已經(jīng)逐漸滲透到生物學(xué)，形成了化學(xué)生物學(xué)。打破了學(xué)科藩籬，促進(jìn)了學(xué)科交叉，實現(xiàn)不同學(xué)科間科研人員的深度合作成為加快科技創(chuàng)新的關(guān)鍵。以解決科學(xué)問題、社會問題為中心的多學(xué)科合作，成為推動基礎(chǔ)研究、應(yīng)用研究等各個領(lǐng)域發(fā)展的主要動力。2020年，國際純粹與應(yīng)用化學(xué)聯(lián)合會（International Union of Pure and Applied Chemis‐try，IUPAC）將人工智能納入了“2020年化學(xué)領(lǐng)域十大新興技術(shù)”（Top Ten Emerging Technologies in Chemistry）[33]，人工智能技術(shù)和化學(xué)研究的跨學(xué)科合作變得越來越緊密。

1.3 數(shù)智時代科研人員面臨的挑戰(zhàn)

以問題解決為導(dǎo)向的科研活動可以視為一種認(rèn)知的過程。為了解決設(shè)定的問題，需要問題解決者（即科研人員）運(yùn)用并重組已有的信息、知識，朝著問題的目標(biāo)狀態(tài)進(jìn)行認(rèn)知操作和運(yùn)行。然而，在處理科研創(chuàng)新過程中的復(fù)雜任務(wù)時，科研人員自身能力也存在著諸多不足，主要表現(xiàn)在記憶能力、信息編碼能力和信息存儲能力等方面。上述諸多不足可以分為兩大方面：一是信息加工處理能力不足，無法有效應(yīng)對任務(wù)環(huán)境中快速增加的信息；二是認(rèn)知能力受限，無法以并行的方式解決復(fù)雜的科學(xué)問題。

1.3.1 信息加工處理能力不足

隨著數(shù)字基礎(chǔ)設(shè)施的發(fā)展，科學(xué)交流系統(tǒng)中的信息和知識載體已經(jīng)從單一的紙質(zhì)形式，擴(kuò)展到了紙質(zhì)和數(shù)字形式。科技信息檢索工具，如谷歌學(xué)術(shù)，可以幫助科研人員找到相關(guān)的文獻(xiàn)，但是檢索到的文獻(xiàn)并不能直接向科研人員提供其所需的知識。因此，科研人員需要花費(fèi)時間來人工閱讀文獻(xiàn)，以獲取需要的知識。單就學(xué)術(shù)論文而言，其年發(fā)文量增長速率正在逐年上升，同時預(yù)印本網(wǎng)站上的論文數(shù)量也呈指數(shù)增長。面對不斷增加的文獻(xiàn)，科研人員只能通過逐篇閱讀的方式從大量的學(xué)術(shù)文獻(xiàn)中獲取所需的信息和知識。然而，有研究表明，科研人員每年閱讀的論文數(shù)量趨于平穩(wěn)，平均每年只有250篇左右[34-35]。本文認(rèn)為，“急劇增長的科技信息資源規(guī)模與科研人員有限的信息加工處理能力的矛盾”是阻礙科研效率提升的關(guān)鍵因素之一。

1.3.2 認(rèn)知能力受限

認(rèn)知是指人們獲得知識或應(yīng)用知識的過程，包含感覺、知覺、記憶、思維、想象和語言等。在科研創(chuàng)新活動中，科研人員通過自身的認(rèn)知能力來發(fā)現(xiàn)、理解和解決問題，這些活動包括文獻(xiàn)閱讀與梳理、科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建、實驗設(shè)計與驗證和論文撰寫等。傳統(tǒng)的科學(xué)研究主要是基于“假設(shè)構(gòu)建-實驗驗證”的模式，其本質(zhì)上是一種不斷試錯的方法。這種方法不僅依賴于科研人員的個人經(jīng)驗，而且需要花費(fèi)大量的時間進(jìn)行驗證?？茖W(xué)研究是一個在科學(xué)知識空間中進(jìn)行搜索的過程[31,36]，其中科學(xué)知識空間包括了理論空間、概念空間、實驗空間和設(shè)備空間等。即使在狹窄的領(lǐng)域內(nèi)，也有巨大的潛在方向可供探索。受限于人類大腦有限的認(rèn)知能力[5]，科研人員只能處理科學(xué)知識空間中的小部分。此外，科研人員在科學(xué)知識空間中進(jìn)行搜索的過程，也會受到自身認(rèn)知偏見的影響[37]。

2 基于人工智能大模型的創(chuàng)新輔助框架構(gòu)建

當(dāng)前，面向科研創(chuàng)新的應(yīng)用和服務(wù)通常是面向創(chuàng)新全過程中的單個任務(wù)，應(yīng)用服務(wù)之間缺乏聯(lián)動協(xié)調(diào)，形成了一個個數(shù)據(jù)孤島。這阻礙了科研活動中知識的有效循環(huán)和流動。為此，基于人工智能大模型，本文構(gòu)建了一個面向科研創(chuàng)新活動的創(chuàng)新輔助框架（圖2）。該框架可以推動科技信息資源管理與知識服務(wù)向智能化轉(zhuǎn)型。針對當(dāng)前科研人員所面臨的信息加工處理能力不足和認(rèn)知能力受限的問題，本節(jié)首先闡述了創(chuàng)新輔助框架在科研創(chuàng)新中的定位，即作為智能知識轉(zhuǎn)換器、智能科研助理和智能服務(wù)平臺；其次，基于數(shù)智時代科技信息資源管理理論、技術(shù)與服務(wù)模式變革，提出了對話式的信息服務(wù)模式和基于API（application programming in‐terface）接口的插件式的智能服務(wù)模式，用于提升科研人員的信息加工處理能力和認(rèn)知能力，從而更好地輔助科研人員開展科研活動；最后，針對科研創(chuàng)新活動的主要環(huán)節(jié)——文獻(xiàn)閱讀與梳理、科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建、實驗設(shè)計與驗證和論文撰寫，闡釋了數(shù)智時代創(chuàng)新輔助框架的賦能路徑。

圖2 基于人工智能大模型的創(chuàng)新輔助框架示意圖

2.1 數(shù)智時代創(chuàng)新輔助框架的定位

Krenn等[38]指出，人工智能在科學(xué)研究中發(fā)揮作用的三個維度：①作為工具的人工智能；②作為靈感和概念來源的人工智能；③作為理解代理人的人工智能。本文提出的創(chuàng)新輔助框架在科研創(chuàng)新中的主要定位是：作為智能知識轉(zhuǎn)換器、作為智能科研助理和作為智能服務(wù)平臺。

2.1.1 作為智能知識轉(zhuǎn)換器

借助人工智能和大數(shù)據(jù)技術(shù)可以實現(xiàn)對大規(guī)?？萍夹畔①Y源的高效利用，因而，數(shù)智技術(shù)具有提升科研活動中知識的流動速度的功能。傳統(tǒng)的科學(xué)研究范式中，科研人員需要花費(fèi)大量的時間和精力來分析數(shù)據(jù)、閱讀和梳理文獻(xiàn)?；诖笠?guī)?？萍夹畔①Y源、高性能計算和人工智能算法，構(gòu)建面向科研創(chuàng)新活動的人工智能大模型成為可能。數(shù)智時代創(chuàng)新輔助服務(wù)可以基于學(xué)術(shù)文檔理解大模型和科學(xué)數(shù)據(jù)分析大模型等工具，實現(xiàn)數(shù)據(jù)與知識之間的快速轉(zhuǎn)換，從而彌補(bǔ)科研人員在信息加工處理能力和認(rèn)知能力上的不足。

2.1.2 作為智能科研助理

數(shù)據(jù)-技術(shù)-人等之間的關(guān)系正在被重新定義[39]，通過機(jī)器智能和人類智慧的深度結(jié)合，可以形成高效的人智協(xié)作（human-AI cooperation，HAIC）[40-41]科研創(chuàng)新模式，以實現(xiàn)對科研人員認(rèn)知能力的增強(qiáng)。在科學(xué)數(shù)據(jù)的理解方面，人工智能如同一個“智能顯微鏡”，可以讓科研人員更好地理解復(fù)雜數(shù)據(jù)中隱含的關(guān)聯(lián)和模式。在研究結(jié)論的構(gòu)建方面，依托人工智能算法對數(shù)據(jù)強(qiáng)大的分析和生成能力，基于數(shù)智技術(shù)的創(chuàng)新輔助服務(wù)，可以為科研人員提供對科學(xué)數(shù)據(jù)精確的分析和預(yù)測結(jié)果。在智能科研助理的輔助下，科研人員可以從依賴自身的先驗知識的研究模式，轉(zhuǎn)換到依托人工智能大模型進(jìn)行研究的新模式，集中更多精力在機(jī)理機(jī)制的發(fā)現(xiàn)和分析上。

2.1.3 作為智能服務(wù)平臺

一方面，人工智能本身具有跨學(xué)科屬性[42]，這使得人工智能的相關(guān)技術(shù)可以對其他學(xué)科產(chǎn)生影響，如物理、化學(xué)、材料和生物等領(lǐng)域。因此，基于人工智能技術(shù)的創(chuàng)新輔助服務(wù)天然地具有促進(jìn)跨學(xué)科研究的功能。另一方面，當(dāng)前大型語言模型可以出色地理解人類語言和完成人類指令[43-44]。因此，基于領(lǐng)域知識設(shè)計相應(yīng)的指令，可以直接讓大模型生成指令對應(yīng)的結(jié)果。這種以自然語言為信息交互媒介的使用方式極大地降低了大模型的使用門檻，使得不具有人工智能背景知識的用戶也可以快速掌握使用方法。因此，基于數(shù)智技術(shù)的創(chuàng)新輔助服務(wù)可以發(fā)揮智能技術(shù)服務(wù)平臺的作用，推動其他學(xué)科對智能技術(shù)的使用。

2.2 數(shù)智時代創(chuàng)新輔助框架的服務(wù)模式

2.2.1 基于生成模型的對話式信息服務(wù)模式

在數(shù)智時代背景下，與微軟推出的新型檢索工具New Bing[45]思路類似，本文所構(gòu)建的面向科研創(chuàng)新活動的創(chuàng)新輔助框架，突破了現(xiàn)有的“檢索+推薦”服務(wù)模式，轉(zhuǎn)換為“感知+檢索+推薦+生成”的模式[46]?；跀?shù)智技術(shù)的創(chuàng)新輔助框架能夠以更加自然的人機(jī)對話形式，為用戶提供其需要的知識。如圖3所示，智能助手針對用戶的問題，首先，自動調(diào)度和請求相關(guān)API接口，從互聯(lián)網(wǎng)資源和機(jī)構(gòu)內(nèi)資源中獲取相關(guān)文獻(xiàn)；其次，對獲取的文獻(xiàn)進(jìn)行語義理解，得到用戶問題相關(guān)的資料片段；最后，借助人工智能大模型的信息整合和文本生成能力，為用戶提供其需要的答案。基于科研人員提出的問題，智能助手就能夠從輸入的問題描述中理解真實的意圖，為科研人員提供其需要的知識。

圖3 數(shù)智時代創(chuàng)新輔助服務(wù)的服務(wù)模式示意圖

2.2.2 基于API接口的插件式智能服務(wù)模式

為了賦予大模型解決復(fù)雜任務(wù)的能力，OpenAI通過API接口將ChatGPT與外部應(yīng)用（如Wolfram）進(jìn)行連接[47]。類似地，本文所構(gòu)建的面向科研創(chuàng)新活動的創(chuàng)新輔助框架，通過向科研人員和情報服務(wù)機(jī)構(gòu)提供面向科技信息資源的大模型API，可以讓用戶便捷地調(diào)用相關(guān)服務(wù)。一方面，基于數(shù)智技術(shù)的創(chuàng)新輔助框架，能夠以插件的形式集成到其他的科技信息資源應(yīng)用中，也可以與創(chuàng)新活動的具體環(huán)節(jié)進(jìn)行嵌入，實現(xiàn)對創(chuàng)新全過程的賦能；另一方面，基于數(shù)智技術(shù)的創(chuàng)新輔助框架，作為一個智能中樞系統(tǒng)可以將復(fù)雜任務(wù)分解為簡單的子任務(wù)，其他垂直領(lǐng)域的應(yīng)用和API接口可以作為子任務(wù)解決者，從而實現(xiàn)科研創(chuàng)新全過程中多樣化任務(wù)的解決。

2.3 數(shù)智時代創(chuàng)新輔助框架的賦能路徑

從形式上看，科研創(chuàng)新活動主要分為兩種基本類型：①觀察和實驗；②思維[48]。這兩類活動都是對象性的。其中，科學(xué)家通過觀察具體的事物和現(xiàn)象，獲得相關(guān)的經(jīng)驗和事實；通過思維活動構(gòu)建相關(guān)理論和規(guī)律，形成科學(xué)知識；最終以學(xué)術(shù)論文的形式進(jìn)行發(fā)表。從流程上看，科研創(chuàng)新活動則包括文獻(xiàn)閱讀與梳理、科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建、實驗設(shè)計與驗證和學(xué)術(shù)論文撰寫等主要環(huán)節(jié)。

2.3.1 文獻(xiàn)閱讀與梳理

閱讀文獻(xiàn)是科研人員獲取領(lǐng)域最新知識的關(guān)鍵途徑?？蒲腥藛T的文獻(xiàn)閱讀過程是單線程的，因此，面對海量的學(xué)術(shù)文獻(xiàn)，科研人員面臨巨大的信息加工處理的負(fù)擔(dān)?；谌斯ぶ悄苣Ｐ偷膭?chuàng)新輔助框架需要具備對海量學(xué)術(shù)文獻(xiàn)進(jìn)行批量化、并行化、細(xì)粒度的信息抽取、分析、歸納和總結(jié)能力。借助問答式檢索技術(shù)[15]，數(shù)智時代創(chuàng)新輔助框架作為一個智能科研助手，能夠為科研人員提供獲取科技信息與知識的新途徑。通過創(chuàng)新輔助框架中的對話式信息服務(wù)模式，科研人員可以為自己的文獻(xiàn)閱讀需求添加上下文并與系統(tǒng)響應(yīng)交互。在人機(jī)對話的過程中，智能科研助手可以為科研人員提供精細(xì)化、個性化的內(nèi)容，幫助科研人員厘清自身的信息和知識需求。

2.3.2 科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建

科研選題包括研究問題的確定和假設(shè)的構(gòu)建，是創(chuàng)新活動的關(guān)鍵環(huán)節(jié)?？蒲羞x題對科研活動的成功與失敗具有決定性的影響。傳統(tǒng)的科研選題過程中，科研人員主要是基于自身的先驗知識和有限的領(lǐng)域知識，認(rèn)知能力面臨巨大的負(fù)擔(dān)。本文提出的基于數(shù)智技術(shù)的創(chuàng)新輔助框架，通過構(gòu)建面向?qū)W術(shù)文獻(xiàn)語義理解的大模型，能夠?qū)Ａ靠萍夹畔①Y源進(jìn)行分析，從而輔助科研人員更全面地了解本學(xué)科的研究空白和痛點(diǎn)、熱點(diǎn)；通過對科研人員研究經(jīng)歷和個人愛好的建模，可以更好地感知科研人員的創(chuàng)新需求，為其推薦未完全解決的問題或者尚待解決的問題。此外，當(dāng)前大模型自身仍存在局限性，如生成內(nèi)容存在知識性錯誤的問題；因此，當(dāng)前大模型所生成的研究問題和研究假設(shè)仍只能作為科研人員開展研究的參考。

2.3.3 實驗設(shè)計與分析

傳統(tǒng)的科學(xué)研究主要是基于“假設(shè)構(gòu)建-實驗驗證”模式，其實質(zhì)上是一種不斷試錯的方法[49]，這需要研究人員花費(fèi)大量的時間和精力?？萍夹畔①Y源中包含大量的實驗相關(guān)信息，如實驗手冊和學(xué)術(shù)論文中的實驗過程以及實驗結(jié)果等。基于數(shù)智技術(shù)的創(chuàng)新輔助框架可以在對實驗相關(guān)信息資源的大數(shù)據(jù)分析和綜合的基礎(chǔ)上，提供面向特定研究問題的實驗方案，同時對實驗結(jié)果進(jìn)行預(yù)判，為科研人員提供全面的參考。通過創(chuàng)新輔助框架中的基于API接口的插件式智能服務(wù)模式，可以把科研人員的實驗設(shè)計方案轉(zhuǎn)換為操作指令，然后通過外部接口與智能實驗機(jī)器人，如IBM RoboRXN進(jìn)行交互，實現(xiàn)自動設(shè)置反應(yīng)條件、自動記錄實驗結(jié)果。

2.3.4 學(xué)術(shù)論文寫作

學(xué)術(shù)論文是科研人員科研創(chuàng)新活動的結(jié)晶，其中包含科研人員發(fā)現(xiàn)的科學(xué)機(jī)理。當(dāng)前，學(xué)術(shù)論文的寫作主要是由科研人員來完成。學(xué)術(shù)論文包含引言、相關(guān)研究、研究方法、實驗結(jié)果與分析和結(jié)論等章節(jié)，總篇幅通常達(dá)十?dāng)?shù)頁。在前述的文獻(xiàn)閱讀與梳理、科研問題發(fā)現(xiàn)和假設(shè)構(gòu)建、實驗設(shè)計與分析等環(huán)節(jié)中，已經(jīng)產(chǎn)生了大量與研究相關(guān)的內(nèi)容。有研究表明，以ChatGPT為代表的大型語言模型可以生成媲美人類水平的文字內(nèi)容[50]。因此，依托大型語言模型在文本生成方面的能力，基于數(shù)智技術(shù)的創(chuàng)新輔助框架可以為科研人員生成論文相關(guān)的文本內(nèi)容。此外，通過對畫圖工具、統(tǒng)計分析工具API接口的調(diào)用，還可以基于科研人員的指令和相關(guān)實驗數(shù)據(jù)繪制出論文中需要的圖表。

3 結(jié) 論

AlphaFold預(yù)示著基于人工智能技術(shù)的科學(xué)智能所具有的廣闊前景和應(yīng)用價值。2022年年末發(fā)布的ChatGPT讓人們看到了通用人工智能的曙光。當(dāng)前，人類社會已經(jīng)到了新一輪科技革命——智能革命的前夜?？蒲袆?chuàng)新活動是一項知識密集型的工作，為了從大規(guī)?？萍夹畔①Y源中獲得需要的知識，僅僅依靠科研人員個人的信息處理能力和認(rèn)知能力將會越來越難以應(yīng)對。人工智能技術(shù)作為一種高效的“知識轉(zhuǎn)換器”和“智能助理”，可以快速、并行化地處理海量的科技信息資源，從中萃取出有價值的知識，增強(qiáng)科研人員的信息處理能力和認(rèn)知能力。在系統(tǒng)思維的指導(dǎo)下，本文對數(shù)智時代的創(chuàng)新輔助框架進(jìn)行了探討，并提出了基于數(shù)智技術(shù)的創(chuàng)新輔助框架，以嵌入科研人員創(chuàng)新全過程中關(guān)鍵場景和任務(wù)的形式，可以實現(xiàn)對科研人員創(chuàng)新活動的賦能。

當(dāng)前，大模型在生成內(nèi)容的真實性和可靠性上仍存在不足，相信隨著數(shù)智技術(shù)的不斷成熟和進(jìn)步，數(shù)智技術(shù)在科研創(chuàng)新中的應(yīng)用會變得像數(shù)值模擬或微積分在物理學(xué)的應(yīng)用一樣普遍，從而更好地賦能科技信息資源管理與知識服務(wù)。大數(shù)據(jù)、人工智能具有推動各個科學(xué)領(lǐng)域和各個經(jīng)濟(jì)部門的創(chuàng)新和經(jīng)濟(jì)增長的潛力，正逐漸成為國家科研創(chuàng)新生態(tài)系統(tǒng)的關(guān)鍵驅(qū)動力，數(shù)智賦能的科技信息資源管理與知識服務(wù)則可以更好地服務(wù)于國家重大科技發(fā)展戰(zhàn)略和科技創(chuàng)新。