摘" " 要：在黨中央“科技自立自強(qiáng)”發(fā)展戰(zhàn)略的號(hào)召下，中國(guó)石油集團(tuán)積極推進(jìn)各業(yè)務(wù)領(lǐng)域的科研工作，激發(fā)了各單位的創(chuàng)新活力，同時(shí)帶來(lái)了科研項(xiàng)目立項(xiàng)評(píng)審管理成本的激增問(wèn)題。傳統(tǒng)的人工審查科研項(xiàng)目立項(xiàng)方式存在工作量大、效率低、主觀性強(qiáng)的缺點(diǎn)。依托人工智能技術(shù)發(fā)展現(xiàn)狀，結(jié)合石油工程科研項(xiàng)目立項(xiàng)創(chuàng)新性評(píng)審業(yè)務(wù)特點(diǎn)，設(shè)計(jì)科研立項(xiàng)智能審查應(yīng)用場(chǎng)景，包括立項(xiàng)材料自動(dòng)審閱、文獻(xiàn)資料自動(dòng)搜索、評(píng)價(jià)指標(biāo)自動(dòng)打分、審查結(jié)論自動(dòng)生成等，同時(shí)分析了技術(shù)實(shí)現(xiàn)路徑及面臨的挑戰(zhàn)。

關(guān)鍵詞：人工智能評(píng)審；石油工程；科研立項(xiàng)；創(chuàng)新性

Scenario design and technical path for artificial intelligence review in petroleum engineering research project

LIU Sha1， YANG Chao2， WANG Xuanzhan1， YANG Zhiguo1

1.Kunlun Digital Technology Corporation Limited， Beijing 100040， China

2.China Petroleum Technical Service Corporation Limited， Beijing 100007， China

Abstract：Under the guidance of the concept of “independence and self-reliance in science and technology” proposed by the CPC， CNPC has been promoting scientific research in all business areas. It has stimulated the innovation vitality of all units but also has brought about a sharp increase in the management cost of scientific research project approval review. The traditional manual review method gives a heavy workload and has low efficiency and strong subjectivity. Based on the development status of artificial intelligence and the review characteristics of the innovation of scientific research projects on petroleum engineering， this paper designs an application scenario for intelligent review of scientific research projects， including automatic review of project approval materials， automatic search of literature， automatic scoring of evaluation indicators， and automatic generation of review conclusions， etc. At the same time， it analyzes the technical implementation path and challenges faced in this method.

Keywords：artificial intelligence review; petroleum engineering; scientific research project approval; innovation

DOI：10.3969/j.issn.1001-2206.2024.05.016

2021年5月28日，習(xí)近平總書(shū)記發(fā)表了《加快建設(shè)科技強(qiáng)國(guó)，實(shí)現(xiàn)高水平科技自立自強(qiáng)》的重要講話[1]，中國(guó)石油天然氣集團(tuán)有限公司（簡(jiǎn)稱中國(guó)石油）積極響應(yīng)這一號(hào)召，加大了科技創(chuàng)新力度和投入，近年來(lái)，各級(jí)單位科研課題立項(xiàng)申報(bào)積極踴躍，激增的立項(xiàng)評(píng)審工作量與有限的評(píng)審專家資源之間的矛盾凸顯。傳統(tǒng)的人工審查方式存在耗時(shí)長(zhǎng)、效率低、主觀性強(qiáng)等問(wèn)題，已難以滿足科技管理工作降本增效、高質(zhì)量發(fā)展的迫切需求。近年來(lái)，人工智能技術(shù)（AI，Artificial Intelligence）的發(fā)展，特別是自然語(yǔ)言處理、機(jī)器學(xué)習(xí)等技術(shù)的歷史性突破，使得人工智能技術(shù)在科研課題立項(xiàng)評(píng)審領(lǐng)域的應(yīng)用成為可能。

1" " 現(xiàn)狀及問(wèn)題

在當(dāng)今國(guó)際競(jìng)爭(zhēng)愈發(fā)激烈、科技快速發(fā)展的背景下，準(zhǔn)確把控科研方向?qū)τ跍p少科研經(jīng)費(fèi)浪費(fèi)、提高科研成果收益率至關(guān)重要?？蒲辛㈨?xiàng)創(chuàng)新性和先進(jìn)性指標(biāo)審查是把控科研方向的核心環(huán)節(jié)[2]，然而傳統(tǒng)的課題立項(xiàng)評(píng)審方式存在難以解決的問(wèn)題，主要體現(xiàn)在以下三個(gè)方面。

1）人工檢索查重耗時(shí)長(zhǎng)，審查效率低。在與課題相關(guān)的國(guó)內(nèi)外研究現(xiàn)狀對(duì)比分析過(guò)程中，評(píng)審專家需要在各大國(guó)內(nèi)外文獻(xiàn)數(shù)據(jù)庫(kù)開(kāi)展多輪文獻(xiàn)檢索，人工篩選出相關(guān)度較高的文獻(xiàn)及專利并逐一瀏覽分析，再對(duì)比全文內(nèi)容后得出相關(guān)度結(jié)論，這些工作耗費(fèi)大量時(shí)間和精力。近年來(lái)，專家資源的增長(zhǎng)速度遠(yuǎn)低于新增科研課題增長(zhǎng)速度，導(dǎo)致評(píng)審專家人均工作強(qiáng)度逐年增大。以中國(guó)石油下屬分公司中國(guó)石油集團(tuán)油田技術(shù)服務(wù)有限公司（簡(jiǎn)稱中油技服）為例，2022年共受理科研立項(xiàng)申請(qǐng)100余項(xiàng)，立項(xiàng)項(xiàng)目形式內(nèi)部審查專家僅有3人，人均年審查項(xiàng)目數(shù)量約33項(xiàng)，按照每人每天5～6項(xiàng)課題的審核速率，需要大約一個(gè)星期才能完成，在立項(xiàng)評(píng)審階段通常有時(shí)效性要求，評(píng)審專家需要在短時(shí)間內(nèi)審閱和分析大量資料，這給科研管理人員提出了極大挑戰(zhàn)，同時(shí)高工作強(qiáng)度易造成工作疲勞，進(jìn)而影響評(píng)審質(zhì)量[3]。

2）評(píng)審質(zhì)量受制于評(píng)審專家能力水平。課題的創(chuàng)新性和先進(jìn)性評(píng)審對(duì)專家專業(yè)素質(zhì)的要求極高，評(píng)審專家需要對(duì)相關(guān)技術(shù)領(lǐng)域的國(guó)內(nèi)外最新研究保持高敏感度，具備豐富的理論及實(shí)踐經(jīng)驗(yàn)。在科技快速發(fā)展的今天，科技前沿技術(shù)不斷迭代更新，對(duì)評(píng)審專家的知識(shí)更新速度也提出了更高要求。然而，當(dāng)某一技術(shù)領(lǐng)域存在專家資源不足甚至空白的情況下，科研課題研究方向的創(chuàng)新性評(píng)審結(jié)果的準(zhǔn)確性也將受到影響，可能導(dǎo)致并不具備創(chuàng)新性的課題卻被準(zhǔn)予立項(xiàng)[4]。

3）當(dāng)前的科研管理系統(tǒng)中自動(dòng)化立項(xiàng)審查方式存在一些局限性。中國(guó)石油一直在不斷探索和推進(jìn)科技管理信息化、數(shù)字化、智能化發(fā)展，自建科技管理平臺(tái)經(jīng)過(guò)三代發(fā)展，在數(shù)據(jù)收集、資源共享、信息統(tǒng)計(jì)方面取得了顯著成果，但在數(shù)據(jù)智能處理方面仍有很大提升空間。新版科技管理平臺(tái)已實(shí)現(xiàn)對(duì)申請(qǐng)立項(xiàng)的科研項(xiàng)目名稱進(jìn)行自動(dòng)查重，與數(shù)據(jù)庫(kù)中已有文獻(xiàn)標(biāo)題進(jìn)行相似度對(duì)比，并列出相似論文標(biāo)題、論文類型、作者、來(lái)源、發(fā)表時(shí)間等信息。然而，該系統(tǒng)仍無(wú)法對(duì)文獻(xiàn)資料全文進(jìn)行檢索，也無(wú)法提取關(guān)鍵信息進(jìn)行對(duì)比展示，全文內(nèi)容對(duì)比分析仍需要人工方式干預(yù)。對(duì)于課題創(chuàng)新性水平評(píng)估，真正有參考價(jià)值的信息主要體現(xiàn)在課題材料，以及對(duì)標(biāo)文獻(xiàn)的研究目標(biāo)、技術(shù)路線和預(yù)期成果等詳情描述中，因此，僅憑標(biāo)題相似度的評(píng)估結(jié)果無(wú)法客觀反映課題的創(chuàng)新性水平，也不能作為課題創(chuàng)新性指標(biāo)評(píng)審的權(quán)威依據(jù)。綜上所述，科研課題立項(xiàng)創(chuàng)新性評(píng)審工作面臨著工作量大、效率低、質(zhì)量難以保證等難題和痛點(diǎn)，亟需進(jìn)一步探索實(shí)現(xiàn)基于大數(shù)據(jù)的人工智能評(píng)審技術(shù)，以實(shí)現(xiàn)創(chuàng)新性智能審查的新突破。

2" " 科研項(xiàng)目立項(xiàng)創(chuàng)新性評(píng)審工作流程

為實(shí)現(xiàn)科研立項(xiàng)創(chuàng)新性智能審查，首先需要了解傳統(tǒng)人工進(jìn)行科研立項(xiàng)創(chuàng)新性審查工作的流程和關(guān)鍵控制點(diǎn)，然后逐項(xiàng)研究各個(gè)環(huán)節(jié)和控制點(diǎn)的人工智能技術(shù)方案。

傳統(tǒng)的科研立項(xiàng)創(chuàng)新性人工審查工作主要包括以下3個(gè)步驟。

1）立項(xiàng)材料分析及預(yù)期成果關(guān)鍵詞提取。評(píng)審專家需對(duì)立項(xiàng)申報(bào)材料進(jìn)行全面、細(xì)致地審閱，準(zhǔn)確識(shí)別和理解項(xiàng)目涉及的專業(yè)領(lǐng)域、研究方向、相關(guān)技術(shù)參數(shù)和預(yù)期成果等關(guān)鍵信息，不斷提取、凝練主要關(guān)鍵詞，形成關(guān)鍵詞組合，為文獻(xiàn)檢索做好前期準(zhǔn)備。

2）在科研成果數(shù)據(jù)庫(kù)查驗(yàn)是否已存在相關(guān)技術(shù)成果。評(píng)審專家結(jié)合自己在此技術(shù)領(lǐng)域的知識(shí)及經(jīng)驗(yàn)，通過(guò)企業(yè)內(nèi)部科研成果數(shù)據(jù)庫(kù)及國(guó)內(nèi)外知名數(shù)據(jù)庫(kù)，如中國(guó)知網(wǎng)學(xué)術(shù)期刊網(wǎng)、萬(wàn)方數(shù)據(jù)庫(kù)、維普數(shù)據(jù)庫(kù)、中國(guó)知識(shí)產(chǎn)權(quán)局專利檢索數(shù)據(jù)庫(kù)、Springer、Engineering Village、Web of science等進(jìn)行關(guān)鍵詞組合檢索，人工識(shí)別匹配度較高的文獻(xiàn)資料進(jìn)行全文閱讀及分析，了解國(guó)內(nèi)外相關(guān)技術(shù)的最新研究成果。

3）立項(xiàng)課題技術(shù)成果與數(shù)據(jù)庫(kù)查驗(yàn)結(jié)果進(jìn)行指標(biāo)對(duì)比。評(píng)審專家將申報(bào)材料中的技術(shù)目標(biāo)和研究?jī)?nèi)容與國(guó)內(nèi)外技術(shù)現(xiàn)狀進(jìn)行對(duì)比，完成相似度及差異性分析，評(píng)判材料的創(chuàng)新性程度，并結(jié)合具體的評(píng)價(jià)標(biāo)準(zhǔn)對(duì)立項(xiàng)材料進(jìn)行評(píng)分。具體的創(chuàng)新性、先進(jìn)性評(píng)價(jià)指標(biāo)可參考圖1、圖2。

3" " 人工智能評(píng)審場(chǎng)景設(shè)計(jì)及技術(shù)路徑

根據(jù)前述科研立項(xiàng)創(chuàng)新性審查流程，結(jié)合當(dāng)前人工智能技術(shù)的發(fā)展現(xiàn)狀，設(shè)計(jì)科研項(xiàng)目立項(xiàng)創(chuàng)新性人工智能評(píng)審的應(yīng)用場(chǎng)景及技術(shù)路徑。

3.1" " 系統(tǒng)自動(dòng)讀取立項(xiàng)材料關(guān)鍵信息

傳統(tǒng)的信息檢索功能已經(jīng)能夠?qū)崿F(xiàn)對(duì)單一或組合關(guān)鍵詞進(jìn)行精確或模糊匹配檢索，并列出涵蓋關(guān)鍵詞的相關(guān)結(jié)果數(shù)據(jù)。但結(jié)果的準(zhǔn)確性高度依賴于人工輸入關(guān)鍵詞的準(zhǔn)確性，因此需要人工干預(yù)以確保關(guān)鍵詞質(zhì)量。例如，在中國(guó)知網(wǎng)總庫(kù)搜索“抗高溫鉆井液”關(guān)鍵詞，會(huì)檢索到667條結(jié)果，如果要進(jìn)一步判斷抗高溫具體溫度限值，則需要更為精準(zhǔn)的關(guān)鍵詞輸入，審核專家必須反復(fù)篩選、調(diào)整更為聚焦、貼切的關(guān)鍵詞，進(jìn)行多輪檢索查詢，這無(wú)疑將耗費(fèi)大量的時(shí)間和精力。而借助人工智能技術(shù)，可替代人工識(shí)別關(guān)鍵詞的環(huán)節(jié)，實(shí)現(xiàn)系統(tǒng)自動(dòng)識(shí)別關(guān)鍵信息。

通過(guò)優(yōu)化設(shè)計(jì)立項(xiàng)申報(bào)功能數(shù)據(jù)模型，將業(yè)務(wù)數(shù)據(jù)盡可能結(jié)構(gòu)化、標(biāo)準(zhǔn)化錄入，形成核心數(shù)據(jù)模型（見(jiàn)圖3）。同時(shí)，將可標(biāo)準(zhǔn)化填報(bào)的數(shù)據(jù)項(xiàng)以數(shù)據(jù)編碼形式內(nèi)置到系統(tǒng)中，如課題專業(yè)領(lǐng)域標(biāo)準(zhǔn)化分類（見(jiàn)圖4）、預(yù)期成果類型等數(shù)據(jù)，填報(bào)人可通過(guò)選項(xiàng)方式錄入，系統(tǒng)直接將其識(shí)別為關(guān)鍵詞；而對(duì)于暫不能標(biāo)準(zhǔn)化錄入的數(shù)據(jù)，如項(xiàng)目名稱、課題名稱、任務(wù)名稱、預(yù)期成果名稱、成果簡(jiǎn)述及技術(shù)增量等文本數(shù)據(jù)，則需借助自然語(yǔ)言處理技術(shù)實(shí)現(xiàn)關(guān)鍵詞自動(dòng)提取。自然語(yǔ)言處理技術(shù)使計(jì)算機(jī)可以理解人類語(yǔ)言并能夠進(jìn)行閱讀和書(shū)寫(xiě)，其實(shí)現(xiàn)主要得益于深度學(xué)習(xí)算法和機(jī)器學(xué)習(xí)算法，使得計(jì)算機(jī)可以對(duì)文本數(shù)據(jù)進(jìn)行系統(tǒng)分析，提取關(guān)鍵信息以幫助用戶處理大量數(shù)據(jù)[5]。通過(guò)以上技術(shù)，計(jì)算機(jī)可以理解立項(xiàng)材料文本數(shù)據(jù)的語(yǔ)義，提取關(guān)鍵詞并建立關(guān)鍵詞組合。

為了實(shí)現(xiàn)自動(dòng)提取文本數(shù)據(jù)關(guān)鍵詞的目標(biāo)，必須首先建立石油工程技術(shù)專業(yè)大模型。根據(jù)《華爾街見(jiàn)聞》2023年5月24日的報(bào)道，一些擁有用戶數(shù)據(jù)積累的中小型企業(yè)，在醫(yī)療、金融、教育、繪畫(huà)等領(lǐng)域已開(kāi)始利用國(guó)內(nèi)外大模型作為“底座”，訓(xùn)練適合自身需求的垂類模型[3]。舉例來(lái)說(shuō)，百度的文心千帆作為一個(gè)“AI大模型底座”，目前正與各行業(yè)中信息化和技術(shù)普及程度較高的企業(yè)進(jìn)行共同測(cè)試和研發(fā)，如金融、能源、泛互聯(lián)網(wǎng)等行業(yè)[6]。

成功訓(xùn)練大模型的先決條件包括高質(zhì)量的數(shù)據(jù)積累、充足的硬件及強(qiáng)大的算力支撐，以及對(duì)自身行業(yè)模型訓(xùn)練和微調(diào)的能力。

在數(shù)據(jù)方面，石油工程技術(shù)科研立項(xiàng)創(chuàng)新性評(píng)價(jià)所需的數(shù)據(jù)來(lái)源主要有三個(gè)方面：中油技服科技管理系統(tǒng)數(shù)據(jù)庫(kù)、互聯(lián)網(wǎng)主流國(guó)際和國(guó)內(nèi)期刊文獻(xiàn)服務(wù)平臺(tái)，以及國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索及分析系統(tǒng)。中油技服科技管理系統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)化存儲(chǔ)了生產(chǎn)需求、項(xiàng)目名稱、研究?jī)?nèi)容、技術(shù)增量（創(chuàng)新點(diǎn)）及預(yù)期成果等數(shù)據(jù)，逐步構(gòu)建科研項(xiàng)目數(shù)據(jù)庫(kù)；互聯(lián)網(wǎng)主流期刊文獻(xiàn)數(shù)據(jù)庫(kù)及國(guó)家知識(shí)產(chǎn)權(quán)專利數(shù)據(jù)庫(kù)通過(guò)購(gòu)買數(shù)據(jù)或獲取數(shù)據(jù)庫(kù)訪問(wèn)權(quán)限等方式，獲得高質(zhì)量的原始數(shù)據(jù)。

在硬件及算力方面，中油技服科技管理系統(tǒng)建設(shè)依托中國(guó)石油自建的數(shù)據(jù)中心，具備支撐行業(yè)模型訓(xùn)練的基礎(chǔ)設(shè)施條件，且小模型訓(xùn)練對(duì)于算力需求較低，而大模型訓(xùn)練則需要大量算力支持。根據(jù)趨動(dòng)科技聯(lián)合創(chuàng)始人兼CTO" 陳飛博士于2023年11月在數(shù)據(jù)中心標(biāo)準(zhǔn)大會(huì)上的主題演講《從小模型到大模型——AI時(shí)代下的數(shù)據(jù)中心建設(shè)》，大模型訓(xùn)練需要搭載2 000多個(gè)英偉達(dá)A100高端顯卡，訓(xùn)練時(shí)間從一個(gè)月到幾個(gè)月不等，其算力消耗較大。然而，基于開(kāi)源大模型微調(diào)要求的資源消耗較少，可通過(guò)量化、剪枝等技術(shù)手段將大模型裁剪，從而顯著降低算力需求，甚至可以使用單卡完成微調(diào)[7]。

在石油工程技術(shù)行業(yè)模型訓(xùn)練方面，中國(guó)石油信息化承建單位昆侖數(shù)智有限責(zé)任公司已經(jīng)開(kāi)展相關(guān)研發(fā)工作。其通過(guò)本地化部署Llama、Baichuan、ChatGLM等開(kāi)源大模型，并調(diào)用百度文心一言、訊飛星火等商用大模型相關(guān)服務(wù)接口，結(jié)合工程技術(shù)專業(yè)數(shù)據(jù)模型，構(gòu)建適用于石油工程技術(shù)科研立項(xiàng)評(píng)審應(yīng)用場(chǎng)景的專屬模型。

3.2" " 系統(tǒng)自動(dòng)生成查新報(bào)告

在自動(dòng)提取立項(xiàng)材料的關(guān)鍵信息后，系統(tǒng)采用關(guān)鍵詞組合模型算法模擬人工查詢方式，對(duì)本地科研項(xiàng)目數(shù)據(jù)庫(kù)、中國(guó)知網(wǎng)、維普網(wǎng)、專利網(wǎng)等平臺(tái)數(shù)據(jù)進(jìn)行自動(dòng)篩選和分級(jí)分類，篩選結(jié)果中的數(shù)據(jù)借助光學(xué)字符識(shí)別技術(shù)（OCR，Optical Character Recognition）進(jìn)行全文掃描和文本提取，并通過(guò)語(yǔ)義對(duì)比技術(shù)和自然語(yǔ)言處理技術(shù)，根據(jù)其對(duì)語(yǔ)義的理解，尋找全文或部分相似的內(nèi)容，以及主要含義相同但文字發(fā)生變動(dòng)的文本[8]，系統(tǒng)針對(duì)立項(xiàng)材料中的生產(chǎn)需求、研究目標(biāo)、研究?jī)?nèi)容、技術(shù)增量（創(chuàng)新點(diǎn)）以及預(yù)期成果描述等進(jìn)行相似度計(jì)算，生成客觀準(zhǔn)確的查新報(bào)告，供評(píng)審專家進(jìn)一步快速對(duì)比分析。系統(tǒng)可以代替專業(yè)查新機(jī)構(gòu)和人工方式進(jìn)行查新的工作，并能自動(dòng)生成查新報(bào)告，提高查新效率，縮短立項(xiàng)評(píng)審周期。

3.3" " 系統(tǒng)自動(dòng)量化打分

若要實(shí)現(xiàn)系統(tǒng)自動(dòng)量化打分，需要將創(chuàng)新性、先進(jìn)性指標(biāo)評(píng)分標(biāo)準(zhǔn)進(jìn)行量化，拆分為可識(shí)別和可度量的數(shù)據(jù)項(xiàng)。當(dāng)前，中油技服立項(xiàng)評(píng)審指標(biāo)設(shè)置現(xiàn)狀如圖1、圖2所示，由于立項(xiàng)課題類型和研究?jī)?nèi)容千差萬(wàn)別，尚無(wú)針對(duì)不同細(xì)分專業(yè)領(lǐng)域的創(chuàng)新性和先進(jìn)性評(píng)價(jià)標(biāo)準(zhǔn)量化指標(biāo)，僅有粗略分值段設(shè)置，人工通過(guò)定性分析方法在評(píng)分區(qū)間內(nèi)給出相應(yīng)得分。建議結(jié)合查新報(bào)告中相似度計(jì)算結(jié)果，設(shè)定“相似度”閾值，相似度數(shù)值越低，對(duì)應(yīng)的創(chuàng)新性和先進(jìn)性得分越高。

4" " 人工智能技術(shù)應(yīng)用面臨的挑戰(zhàn)

4.1" " 模型訓(xùn)練需要大量成本投入

1）數(shù)據(jù)采購(gòu)成本。以中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)采購(gòu)報(bào)價(jià)為例，合作方式為將知網(wǎng)數(shù)據(jù)庫(kù)復(fù)制到企業(yè)本地?cái)?shù)據(jù)庫(kù)，費(fèi)用包括首次購(gòu)買費(fèi)及年度更新費(fèi)，根據(jù)需求的不同，費(fèi)用范圍從幾十萬(wàn)到幾百萬(wàn)不等。

2）人工成本。AI領(lǐng)域的人才包括AI算法工程師、開(kāi)發(fā)工程師、數(shù)據(jù)分析師、AI產(chǎn)品經(jīng)理、測(cè)試工程師等。由于AI人才緊缺且供不應(yīng)求，其薪資也水漲船高。根據(jù)獵聘網(wǎng)2024年2月最新數(shù)據(jù)查詢，全國(guó)AI工程師月均薪資為27 095元，其中北京、上海、深圳、杭州等一線城市AI工程師月平均薪資均達(dá)到3萬(wàn)元以上[9]。

4.2" " 數(shù)據(jù)質(zhì)量風(fēng)險(xiǎn)

人工智能的深度應(yīng)用需要防范一系列潛在風(fēng)險(xiǎn)隱患，例如訓(xùn)練模型的語(yǔ)料庫(kù)和數(shù)據(jù)庫(kù)本身質(zhì)量欠佳，以及缺乏高質(zhì)量的開(kāi)源文獻(xiàn)資料，這可能導(dǎo)致模型訓(xùn)練進(jìn)展緩慢，訓(xùn)練結(jié)果差強(qiáng)人意甚至存在歪曲誤導(dǎo)的可能。根據(jù)《IT之家》2023年8月8日的報(bào)道，美國(guó)普渡大學(xué)的研究發(fā)現(xiàn)，美國(guó)人工智能研究公司OpenAI開(kāi)發(fā)的人工智能聊天機(jī)器人ChatGPT在回答軟件編程問(wèn)題時(shí)，錯(cuò)誤率超過(guò)50%。其研究報(bào)告的結(jié)論稱：盡管ChatGPT的回答語(yǔ)言風(fēng)格流暢，但其中52%的回答是錯(cuò)誤的，77%的回答過(guò)于冗長(zhǎng)。只有當(dāng)回答中的錯(cuò)誤很明顯時(shí)，參與者才能識(shí)別出來(lái)，否則他們?nèi)菀妆籆hatGPT的友好、權(quán)威和細(xì)致的語(yǔ)言風(fēng)格所誤導(dǎo)[10]。因此，需要采取必要措施保證數(shù)據(jù)質(zhì)量，如加強(qiáng)本地內(nèi)部數(shù)據(jù)的治理和清洗工作，并積極與優(yōu)質(zhì)文獻(xiàn)供應(yīng)商尋求合作來(lái)獲取高質(zhì)量數(shù)據(jù)。

4.3" " 信息安全風(fēng)險(xiǎn)

近年來(lái)，國(guó)際社會(huì)的信息戰(zhàn)愈演愈烈，這對(duì)各國(guó)有企事業(yè)單位的信息安全工作提出了更高的要求。在實(shí)現(xiàn)AI智能模型訓(xùn)練過(guò)程中，不可避免地需要與互聯(lián)網(wǎng)優(yōu)質(zhì)數(shù)據(jù)資源進(jìn)行互動(dòng)，這就要求企業(yè)局域網(wǎng)進(jìn)一步提升信息安全保護(hù)級(jí)別，以確保局域網(wǎng)與互聯(lián)網(wǎng)之間的數(shù)據(jù)交互安全，防止可能存在的攻擊、滲透，避免造成商業(yè)機(jī)密、個(gè)人隱私數(shù)據(jù)泄漏甚至遭黑客勒索的風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)給企業(yè)信息安全保障工作帶來(lái)了更多挑戰(zhàn)。

5" " 結(jié)束語(yǔ)

綜上所述，在可預(yù)見(jiàn)的人工智能應(yīng)用場(chǎng)景中，利用人工智能技術(shù)實(shí)現(xiàn)立項(xiàng)信息自動(dòng)讀取、對(duì)標(biāo)數(shù)據(jù)庫(kù)進(jìn)行自動(dòng)檢索關(guān)聯(lián)數(shù)據(jù)并進(jìn)行相似度計(jì)算、自動(dòng)生成查新報(bào)告，以及自動(dòng)進(jìn)行創(chuàng)新性和先進(jìn)性指標(biāo)量化評(píng)分等。但也必須認(rèn)識(shí)到這些場(chǎng)景實(shí)現(xiàn)過(guò)程中可能面臨的挑戰(zhàn)，在有效控制成本和風(fēng)險(xiǎn)的前提下，充分利用人工智能產(chǎn)品高效的數(shù)據(jù)處理能力開(kāi)展智能產(chǎn)品的研發(fā)，使其更好地勝任評(píng)審專家智能助手的角色，幫助評(píng)審專家分擔(dān)海量材料瀏覽、信息提取、資料查詢及對(duì)比分析工作，可為評(píng)審專家進(jìn)一步開(kāi)展立項(xiàng)研判提供參考依據(jù)。

參考文獻(xiàn)

[1]" 習(xí)近平. 加快建設(shè)科技強(qiáng)國(guó)，實(shí)現(xiàn)高水平科技自立自強(qiáng)[J]. 求知，2022（5）：4-9.

[2]" 劉泓葦，劉江華，陳忠平. 科研課題的立題與信息檢索[J]. 醫(yī)學(xué)信息，2009，22（9）：1 758-1 760.

[3]" 樊俊. 中法科研項(xiàng)目立項(xiàng)評(píng)審機(jī)制比較研究——以法國(guó)國(guó)家科研署項(xiàng)目和國(guó)家重點(diǎn)研發(fā)計(jì)劃為例[J]. 科學(xué)管理研究，2019，37（1）：106-109.

[4]" 寧輝東. 工業(yè)制造企業(yè)的科研項(xiàng)目立項(xiàng)管理研究[J]. 財(cái)經(jīng)界，2020（4）：55-56.

[5]" 付晨. 基于人工智能技術(shù)的項(xiàng)目文檔規(guī)范性審核技術(shù)研究[J]. 電子技術(shù)與軟件工程，2019（14）：250.

[6]" 于惠如. 國(guó)內(nèi)大模型迎來(lái)中場(chǎng)戰(zhàn)事[Z]. 全天候科技，2023-05-24.

[7]" 星林科技. 從小模型到大模型——AI時(shí)代下的數(shù)據(jù)中心建設(shè)[EB/OL]. 脈脈. （2024-01-03）[2024-03-05].

[8]" 馬曉華. 基于自然語(yǔ)言處理技術(shù)的IT治理審計(jì)方法研究[J]. 財(cái)會(huì)通訊，2021（1）：144-148.

[9]" 獵聘網(wǎng). AI工程師薪資待遇[EB/OL].[2024-03-05]. https：//www.liepin.com/zpaigongchengshi/xinzi/

[10] IT之家. 研究發(fā)現(xiàn)：ChatGPT回答編程問(wèn)題的錯(cuò)誤率超過(guò)50%[EB/OL].（2023-08-08）[2024-03-05].https：//tech.ifeng.com/c/8S50jukVn0Y.

作者簡(jiǎn)介：

劉" " 沙（1985—），女，河北涿州人，工程師，2008年畢業(yè)于燕山大學(xué)里仁學(xué)院法學(xué)專業(yè)，現(xiàn)從事石油工程信息系統(tǒng)方案設(shè)計(jì)、項(xiàng)目管理方面的工作。Email：liusha@cnpc.com.cn

收稿日期：2024-06-18