《PubMed Central的未来:面向公共可及性和数字公平的愿景》

  • 来源专题:数智化图书情报
  • 编译者: 程冰
  • 发布时间:2024-10-30
  • 在推动科学研究开放获取方面,美国联邦资助的研究成果和公众可访问性至关重要。美国国立医学图书馆(National Library of Medicine,简称NLM)长期以来致力于支持这一目标,并创造工具和服务,以确保研究成果的公开。然而,仅仅将研究成果公开并不能保证所有人都能获取这些信息。因此,在2024年国际开放获取周(10月21日至27日)期间,NLM计划通过在PubMed Central(简称PMC)中为残障用户提升科学出版物的数字可访问性,来促进公平的开放获取,服务于公共利益。


    PMC是NLM的全文数字档案,收录超过1000万篇生物医学和生命科学文章,服务于每天数百万用户。这些文献对推动研究、创新和新发现至关重要,同时为改善个人及社区健康提供信息,并创造学习机会。确保所有社区都能公平访问PMC内容,不仅对NLM作为全球最大的生物医学研究图书馆至关重要,也对推动美国国立卫生研究院(National Institutes of Health,简称NIH)促进公平健康的使命至关重要。


    为此,PMC采取了一系列措施。首先,PMC中存档的文章以可机读格式存储,并以结构化HTML显示,兼容辅助技术(如屏幕阅读器)。此外,PMC工作人员在开发过程中进行了自动化和手动的可访问性测试,并扩大了无障碍富互联网应用(Accessible Rich Internet Applications,简称ARIA)地标和属性的使用,以提供更丰富的信息。


    尽管进行了这些更新,NLM意识到仍有许多工作需要完成。经过9月份白宫科学和技术政策办公室关于推动科学技术出版物数字可访问性的网络研讨会后,NLM正在研究新策略,使PMC文献更具可感知性、可操作性、易理解性和稳健性。此外,实现数字可访问性和公平获取科学文献的目标还依赖于文章信息的完整性,包括文本、图表和公式。


    实现PMC及科学文献的全面数字可访问性需要开放性的参与和积极的合作。NLM致力于将可访问性作为未来工作的核心。正如NIH主任Monica Bertagnolli所言:“我们的工作并不是在交付科学发现时结束,而是在所有人都能过上长寿健康的生活时才结束。”确保学术出版物的访问和数字可访问性是实现这一目标的关键。

  • 原文来源:https://mp.weixin.qq.com/s/9fEwswHtCLJMph_RWtMtTw
相关报告
  • 《面向2035新能源汽车产业规划或年内出台》

    • 来源专题:中国科学院文献情报先进能源知识资源中心 |领域情报网
    • 编译者:guokm
    • 发布时间:2019-08-16
    • 对于我国新能源汽车产业来说,2020年底将是一个关键节点。再过16个月,国家的新能源汽车财政补贴将完全退出,新修订的“双积分”政策也将正式实施。同时,作为我国新能源汽车产业重要纲领性文件的《节能与新能源汽车产业发展规划(2012~2020)》(简称《规划(2012~2020)》,到时也将迎来成果的验收。 为立足当前、谋划长远、系统布局产业的未来发展,面向下一个发展阶段的《新能源汽车产业发展规划(2021~2035年)》(以下简称《规划(2021~2035)》),研究编制工作正稳步推进,根据近日召开的《规划(2021~2035)》咨询委员会会议,规划大致框架基本成形,有望在年底前形成初稿。工信部部长、规划起草组组长苗圩表示,我国汽车产业正处于提质增效、转型升级的攻关期,通过制定新的规划,深入研究重大问题,明确发展方向,才能抓住战略机遇、破解发展难题,在未来世界产业格局中占据一席之地。 “从小规模示范运行,到产销量接近中国汽车市场的5%,我国新能源汽车产业可以说已经走过了最初的培育期。”中国汽车工业咨询委员会特聘专家、国家电动乘用车技术创新联盟专家委员会主任王秉刚在接受《中国汽车报》记者采访时表示,现阶段要清醒地认识到,我国新能源汽车产业发展的基础还不牢固,动力电池综合性能仍需提升,从资源开发到回收利用等全产业链的发展还不够均衡,安全问题也不容忽视。逆水行舟,不进则退。王秉刚强调,当前及今后一段时期仍是我国新能源汽车产业爬坡过坎的关键阶段,作为现阶段规划的延续,《规划(2021~ 2035)》将为我国新能源汽车产业的下一步发展指引方向,助力汽车强国建设。 政策作用突出 实施成果斐然 据中国汽车工业协会统计,2012年我国新能源汽车产销仅逾万辆,分别为12552辆和12791辆;而到了2018年,产销分别完成127万辆和125.6万辆,接近2012年的100倍之多。新能源汽车市场规模在6年之内,之所以扩张如此之快,2012年国务院发布的《规划(2012~2020)》以及后续出台配套的一系列政策发挥了重要作用。中国汽车技术研究中心有限公司(简称“中汽中心”)进行的一项研究显示,在过去10年,在新能源汽车产业发展中,政策因素的影响作用占比高达54%,在美国一家机构所做的研究中,这一数字也达到了42%。可以说,政策是过去10年新能源汽车发展最大的影响因素。 全国政协副主席、中国科协主席万钢在接受本报采访时表示,《规划(2012~2020)》针对战略取向、发展目标、研发布局、技术路线、产品定义等当时产业急需解决的重大问题作出了明确指示和全局部署。在规划的战略指引、政府的积极作为、科技的支撑引领、巨大的市场规模和创新的商业模式共同作用下,我国新能源汽车产业在研发、产业、市场、政策创新和基础设施建设方面奠定了明显的综合优势。“我国新能源汽车在全球产业体系中有举足轻重的地位,引领和加速全球汽车电动化进程,可以说规划实施成果斐然。”万钢如是评价。 在接受《中国汽车报》记者采访时,中汽中心首席专家、情报所副总工程师吴松泉也对以现阶段产业规划为核心的一系列产业支持政策予以了高度评价:我国新能源汽车从“十城千辆”起步,发展至今,实现了重要突破,中央以及地方的各类鼓励和支持政策起到了重要作用,基本建立起与新能源汽车普及推广和产业发展相适应的政策体系和管理体系,让越来越多的消费者接纳新能源汽车,为产业的下一步发展奠定了坚实的技术基础、产业基础和市场基础。 王秉刚详细阐释了《规划(2012~ 2020)》实施以来,我国新能源汽车产业获得的成绩:在政策层面,近年来我国相关主管部门先后出台支持新能源汽车产业发展政策措施多达40余项,覆盖从研发到生产、从推广到监管的各个环节,初步建立了全球范围内较为完备的新能源汽车发展支持体系;在产销规模方面,2018年我国新能源汽车的销量已经占国内汽车总销量的4.5%,约占全球新能源汽车总销量的60%,走在了全球产业发展的前列;在技术水平方面,我国乘用车的主流车型续驶里程已达到300公里以上,领先企业的动力电池单体能量密度达到250瓦时/公斤,价格为1.2元/瓦时,较2012年能量密度提高了2倍,价格降低了70%;在企业实力方面,新能源整车、动力电池骨干企业的研发投入占比达8%以上,高于行业国际平均水平。数据显示,2018年,比亚迪、吉利、北汽、上汽等企业进入全球新能源乘用车销量前十,此外,以蔚来、小鹏为代表的新势力造车企业也逐步进入量产阶段,并参与市场竞争。 值得一提的是,在配套环境方面,根据中国充电联盟发布的数据,截至2019年6月,我国充电桩保有量已超过100万根,同比增长69.3%。其中国内各企业建设的公共充电桩超过41万根,私人充电桩保有量超过59万根,车桩比达到3.5:1,我国基础设施建设基本可以满足电动汽车推广的需要。 综上所述,在王秉刚看来,我国新能源汽车产业与推广工作取得良好进展,基本有望完成《规划(2012~ 2020)》中提出的整体目标。“在看到成绩的同时,我们也应认识到,新能源汽车产业正面临补贴大幅退坡、市场淘汰升级、产品存在安全隐患、核心技术有待提升等问题,产业的下一步发展需要新的顶层指引,编制《规划(2021~2035)》的目的正是在于进一步明确新能源汽车发展路径和政策支撑,激发企业自主创新动力和活力,更好地实现新能源汽车技术创新推广应用与环境、资源、社会之间良好循环和可持续发展。 政策驱动转向市场驱动 市场结构进一步调整 “《规划(2021~2035)》并不是重新开始,也不是推倒从来,它是现阶段产业政策的延续,也是推进新能源汽车产业发展工作的延续。”但王秉刚强调,《规划(2021~2035)》身处的产业背景与过去发生了很大不同,在编制过程中,需要认清当前形势、明确发展趋势、准确作出预判,做到更好地为产业发展架桥铺路。 吴松泉认为,在下一个15年里,新能源汽车无论是面临的发展环境还是市场本身,和过去相比都发生了巨大变化,新能源汽车产业将从由政策驱动为主转变为由市场驱动为主,从产品结构、企业格局,到产业融合、政策环境等,产业各方面面临巨大挑战,全新的产业生态将形成。 据统计,今年1~6月,我国新能源汽车产销分别完成61.4万辆和61.7万辆,其中,纯电动汽车产销分别完成49.3万辆和49.0万辆,比上年同期分别增长57.3%和56.6%;插电式混合动力汽车产销分别完成11.9万辆和12.6万辆,比上年同期分别增长19.7%和26.4%;燃料电池汽车产销分别完成1170辆和1102辆,比上年同期分别增长7.2倍和7.8倍。由此可以看出,当前我国新能源汽车产品仍以纯电动汽车为主,吴松泉判断,在新能源汽车实现大规模商业化的新时期,市场结构将进一步调整,插电式混合动力汽车的比例有望提高,氢燃料电池汽车也将逐步实现产业化。 正如付于武所言,电动化转型已经成为全球汽车产业发展的大趋势,当下跨国公司布局新能源汽车产品的速度和力度远超以往,尤其是在中国汽车市场范围内。毫无疑问,这将重构下一阶段国内新能源汽车市场的格局。吴松泉表示,当前国内自主品牌占据90%以上的新能源汽车市场份额,随着跨国车企的积极参与,外资车企和合资车企的市场份额有望进一步提升,车企间的竞争将日趋激烈。由此产生的直接后果就是,国内企业将逐渐由分散到集中,竞争力强的企业发展向好,而竞争力相对较弱的或将被淘汰,企业的数量将会大幅减少。 技术路线多元化 产业融合是机遇 中国汽车工程学会名誉理事长付于武认为,技术路线的多元化发展或将有望在《规划(2021~2035)》中得到进一步体现,持续推进纯电动汽车、插电式混合动力汽车以及燃料电池汽车并行发展。尤其是当前市场规模较小的氢燃料电池汽车,将率先在商用车领域落地,成为我国新能源汽车市场的新生力量。“此外,作为《规划(2021~2035)》六大研究专题之一的国际化发展问题,付于武反复强调了推进这一方面工作的重要性。过去,我国的新能源汽车产业发展更多立足国内,但在汽车企业不断走出去,努力走上国际舞台的当下,提升企业国际化经营能力的问题已经刻不容缓。“国际化发展永远在路上,怎么强调国际化发展的问题都不为过,汽车企业一定要为走出去做好充分的准备,做足功课。”付于武如是说。 此外,王秉刚还提及了新能源汽车与传统能源汽车协同发展的问题。“《世界新能源汽车大会博鳌共识》的目标是,到2035年全球新能源汽车的市场份额达到50%。”但王秉刚坦言,按照这一目标,到2035年,全球仍将有一半的汽车属于传统能源汽车的范畴,如何推动新能源汽车和传统能源汽车的协同发展,也将成为《规划(2021~2035)》中重点关注的内容之一。 近年来,随着智能化、网联化和共享化的快速发展,产业边界和外延不断伸展,这也给新能源汽车发展带来了新机遇。吴松泉指出,不同产业间加速融合也是下一阶段新能源汽车发展的重要特征之一,如何加快汽车产业“新四化”的前进脚步将成为新能源汽车产业的重要课题。 在政策环境方面,我国汽车市场将越来越开放这一发展理念已经明确,吴松泉提出,下一个15年,我国新能源汽车产业将面临更加开放、公平的竞争环境,有关部门将在完善事前监管的同时加强事中事后监管。事实上,以《汽车产业投资管理规定》等政策的实施为代表,行业管理的“放管服”工作正在稳步推进过程中。 据了解,基于上述环境的变化,《规划(2021~2035)》将以新能源汽车高质量发展为主线,从推动技术进步、降低资源消耗、改善生态环境等方面确定战略导向,拟提出到2035年,新能源汽车产业实现高质量发展,新型产业生态构建完成,国际化发展水平显著提升,产业支撑体系完备有效,新能源汽车成为国民经济的支柱产业,实现汽车强国梦。 聚焦汽车社会 注重协同发展 在前不久召开的2019世界新能源汽车大会上,工信部副部长辛国斌谈到了《规划(2021~2035)》目前编制工作的进展情况,提出新规划的总体思路包括三方面:首先,以改善生态环境为核心,兼容多种技术路线;第二,激发企业的自主创新能力;第三,处理好当前和长远、国内和国外的关系,走出一条更高质量、更可持续的发展道路。除了总体思路、战略目标、重点任务和规划实施等内容以外,规划的制定还将从技术创新、产业融合、与传统车协同发展、国际化、新模式和新生态、政策保障六个方面开展专题研究,不断探索未来产业发展的新模式、新生态。辛国斌表示,下一步的重点工作分为三部分:首先,深化思想认识,研究探索新机制、新举措、新政策;其次,加强专题研究,不断探索未来产业发展的新模式、新生态;第三,加快工作进度,启动《规划2021~2035)》文稿编制工作,力争年底前形成初稿。 “《规划(2021~2035)》不仅是一个新能源汽车规划,更涉及几大产业间融合发展,需要各相关部门之间深度协同,做好顶层设计,确保政策无缝衔接。在编制过程中,要加强调研,坚持问题导向,奔着问题去,跟着问题走,开门做规划,要做详细方案,突出重点难点,谋远略、接地气、有实招、出实效。”苗圩提出,希望按照要求加大人员投入,做好工作保障,按照工作计划扎实做好规划的调研、起草、咨询和征求意见等工作,按时高质量完成任务。 在谈到《规划(2021~2035)》的具体内容时,一位不愿具名的业内人士表示,新规划应从过去只聚焦汽车产业转变为关注汽车社会的整体发展。在新一轮科技革命的助推下,汽车电动化、智能化和共享化发展大势十分明朗,汽车与交通、信息、能源、城市等产业空前紧密结合。新能源汽车作为科技创新的标志性产品,作为跨产业融合的关键节点,正进入一个全新发展时代,《规划(2021~ 2035)》的制定也应该扩大视野,不为产业本身所局限,更加注重从维护社会公共利益和安全的角度,对汽车产业和产品进行管理。 在万钢看来,面向2035年的产业战略规划要坚持问题导向,迎难而上,精准解决产业面临的全新且重大问题,用电动化应对能源环保的挑战、智能化保障安全高效的交通、共享化适应通畅便捷的需求,积极探索汽车与能源、交通、信息、人工智能等跨产业、多领域融合发展的政策衔接机制,做好前瞻布局和协同创新。“总体来看,面向2035年的产业规划更具复杂性和系统性,也更为长期前瞻,必将有效推动产业持续健康发展,引领产业变革、支撑转型升级。”万钢如是说。
  • 《情报智能体——面向“十五五”的科技情报工作新范式》

    • 来源专题:数智化图书情报
    • 编译者:程冰
    • 发布时间:2025-06-28
    • 0引言 未来发展选择可以从过去的历史中找寻演变逻辑与灵感。纵观情报学发展历程和变革驱动因素可知,其格局的变化通常是由新信息技术的采纳和旧信息技术的淘汰所驱动的。2024年以来,GPT-4o、LLaMA等大模型(Large Language Models,LLMs)以远超人类能力进化的速度和规模分析处理大量数据,具备了达到与人类相当水平的推理和规划能力的潜力。人工智能(Artificial Intelligence,AI)即将成为“执行科学发现的自主研究人员”。 作为当前最先进的AI技术之一,大模型和Agent一直以来被认为是实现通用人工智能(Artificial General Intelligence,AGI)的关键技术,融合了大模型的智能体更是呈现出自主性、具身性和互联性等关键特征,能够承担许多由人类执行的分析、创造和决策职责,提高了广泛情境中的复杂交互和认知决策。将融合大模型的Agent应用于解决科学问题,即科学智能体,正在以革命性的方式改变和颠覆几乎所有科学领域的知识发现模式。对时代的认识不能犯错误,错过时代转变机遇将遭受历史性的降维打击,文献情报工作亟待采纳智能体。 未来的发展路线都是建立在已有知识的基础之上,不同时代背景下的发展理念和技术生产力水平,塑造出文献情报工作鲜明的阶段特征。正确判断并合理选择文献情报工作未来的发展道路,需要全局掌握其来时路、清醒认知脚下路。本文通过梳理总结中国及中国科学院文献情报工作的阶段特征、剖析变革驱动要素,揭示科技情报工作发展转型的核心驱动力量。以AI为立足点,认知其赋能科技情报工作的方式,理解当前AI带来的科技情报工作范式变革,结合前期大量的思考认知积累,分析判断文献情报机构未来的工作模式选择。 1中国科技情报工作的特征和变革驱动要素 1.1 中国科技情报工作发展历程 学者们从情报学研究对象、情报技术、情报服务、情报工作等多个不同视角对中国科技情报工作的发展阶段进行研究划分。从情报工作视角开展的研究,尽管阶段划分之间存在差异,但都认为中国科技情报事业的开端是1956年,即中国科学院科学情报研究所(中国第一个综合性科技情报机构)成立。近70年历程,中国科技情报事业所面临的需求和技术能力都在变迁,科技情报工作的目标定位和发展特点也在逐步变化。中国科技情报工作可以划分为4个阶段:第一阶段是1956至1978年,逐渐建立国家、省、市级的体系化的科技情报机构,主要工作目标是获取国外的科技资料,来支撑中国科技战略规划的制定;第二阶段是1979至1991年,面对科技情报工作现代化问题,发展计算机情报检索技术和系统;第三阶段是1992至2014年,致力于建设电子图书馆、网络图书馆、数字图书馆,使得科技文献和知识广泛流动,以知识服务支撑科技决策,增强政府决策的科学性和战略性;第四阶段是2015年后,科技情报机构开始明确将拓展智库功能作为发展目标(表1)。 表1 中国科技情报工作的发展历程 1.2 中国科学院文献情报工作的发展 中国科学院文献情报系统由院级文献情报中心和研究所所级图书馆组成,采用全院协同的工作模式。中国科学院文献情报工作的开端始于1950年设立的院图书管理处、1956年设立的科学情报研究所、1956年设立的中国科学情报大学,1958年科学情报研究所划转科技部、中国科学情报大学并入中国科学技术大学。1977年中国科学院决定科技情报工作由图书馆承担,不另设科技情报所。中国科学院文献情报中心的发展可以划分为4个阶段:1950—1978年,文献保障服务为主的阶段;1979—2005年,发展信息服务、情报服务的创新阶段;2006—2015年,发展数字服务和知识服务的转型阶段;2016年至今,拓展智能和智库服务的变革阶段(图1)。 图1 中国科学院文献情报工作发展历程 (1)文献保障服务阶段。科技文献服务、图书馆咨询服务(1950—1978年)。从1950年到1978年,中国科学院文献情报中心经历了从无到有的建设,发展成拥有完善服务体系的自然科学图书馆。图书馆服务的主要特征是文献保障,核心能力体现在印本馆藏的建设和参考咨询服务上,建立了一个全面覆盖多学科、多类型、多语言的馆藏体系,编制专题目录、联合目录和文献索引等,构建了较为完整的全国性检索刊物体系,围绕科研和管理需求,开展专题文献、文摘、参考咨询等工作。 (2)信息化发展创新阶段。科技信息与科技情报服务(1979—2005年)。1978年12月,中国科学院文献情报中心确立图书情报一体化体制,率先在图书馆启动计算机应用研发,设立国际联机检索服务终端。2001年组织建设国家科学数字图书馆(CSDL)。数字图书馆主要特征是信息化文献服务和科技信息服务,服务的核心能力,既包含传统的印本馆藏、书目数据库和全文数据库建设,也包括信息服务系统建设,提供个性化的系统门户、虚拟阅览室和网络资源导航,并通过科学计量分析等方式为用户提供服务。 (3)数字化知识服务转型阶段。数字化信息服务与知识服务(2006—2015年)。2006年,中国科学院文献情报系统,按照数字化发展逻辑,提升整体科技情报服务能力,面向一线科研人员开展科技情报研究、信息专报、信息平台与工具建设等工作,文献情报服务从传统图书馆服务向知识服务转化。2006—2015年间中国科学院文献情报工作实施知识服务转型,围绕用科研工作流建设和提供数字化文献情报服务。科技情工作的核心能力是采集数字化文献和网络信息,构建集成检索平台、文献数据库和学科服务网络,提供学科服务、情报服务和集成系统服务,包括情报分析报告、专利分析报告、研发信息平台或工具等。 (4)智能化和智库服务拓展阶段。智能化服务与智库研究(2016年至今)。2015年,国家发布《关于加强中国特色新型智库建设的意见》,中国科技情报机构开始向智库化转型。“十四五”期间,中国科学院文献情报中心建立科技信息大数据体系,发展科技创新知识服务,聚焦科技情报大数据平台,开展数据型文献情报服务。将智能化作为其核心特征,以数据要素、技术要素为重要驱动力,融合文献数据库、学术信息内容、科研信息等多种资源,建立信息集成能力、计量评价工具和情报研究能力,满足用户对于知识服务、态势分析、学术评价等的核心需求。 1.3 驱动中国科技情报工作变革的要素——情报需求与信息技术 中国科技情报工作是伴随适应把握国外科技动态的需求和科技决策服务需求而生,致力于满足不断变化的科技和社会需求,同时,技术发展也不断引领着科技情报工作的变革与突破。纵观中国科技情报工作的发展历程和特征,信息技术发展和应用是主要的演进脉络与驱动要素,智能技术采纳一直是科技情报行业从业人员长期追求的期望,如自动信息采集、机器翻译、多源信息融汇、结构化情报分析等。在需求和技术的双力驱动下(图2),科技情报工作从“对内服务”到“向外服务”,从“现场服务”到“远程服务”,从“文献提供服务”到“情报分析服务”,从“情报分析服务”到“决策情报支撑服务”,从“情报服务”到“智库研究”等,其服务模式和服务内容均已发生巨大变化。中国科学院科技情报工作的长期发展中,采纳信息技术逐步叠加,形成了以信息技术为核心的科技情报布局,满足多层次、多目标的科技情报服务需求。 图2 中国科学院文献情报工作的需求拉动与技术驱动 1.3.1 需求拉动,形成了“文献保障-信息检索-知识服务-智库研究”的多元叠加型情报需求 从情报工作生命周期的视角看,学者一致认为“情报流程始于需求分解、终于情报需求满足,既受决策驱动,又以支持决策为目标”,情报工作的起点是情报需求,基于情报需求的服务场景,情报工作人员以提供政策性的、可选的建议或解决方案为产出目标。情报需求的来源和层次十分多样,可以来自国家战略层面、组织发展层面和个人发展层面等,也可以来源于政府、企业、高校等不同类型的社会主体。20世纪50年代中期,由于中国对国外科技动态和成果的把握不力,直接影响到中国科技和经济的发展。国家对科技情报工作的需求,直接导致了1956年建立综合性的科技情报机构,开始搜集、研究和报道国内外的科技状况和成就,为全国的科学工作服务。随后50年建立了覆盖全国、省、市各个级别的科技情报研究所以及各个行业的情报研究所,基本上形成多层次的科技情报工作系统,保证了科技情报事业发展过程中,为科研创新服务、为经济建设服务、为管理决策服务等需求和目标的落实。1978年,面对国内检索刊物体系受到破坏,急需恢复和进一步发展以支撑科技决策的需求,根据科学技术发展规划,制定了《关于建立健全我国科技文献情报检索刊物体系的方案(草案)》和《1979—1985年全国科技文献检索刊物编译出版规划》,支持中国开始有计划,有组织,有领导地统一建立中国的检索刊物体系。至此,中国科技检索刊物向体系化方向跨出了一大步,开始走向系统建设阶段。2006年,中共中央、国务院召开全国科学技术大会,制定《国家中长期科学和技术发展规划纲要(2006—2020年)》,明确提出了用15年时间把中国建设成为创新型国家的战略目标,并提出发展国家科技创新体系的战略决策。面对国家科研创新的需求,科技情报工作向知识服务的方向演化,建设检索平台和服务网络,为科研一线服务。2015年,在中国特色新型智库建设政策的指示下,中国科技工作进入新发展阶段,也为科技情报工作的发展带来了新的契机。面对管理决策和科研创新需求,中国的科技情报工作发展在延续传统信息服务工作的基础上,拓展以知识组织、知识挖掘为主的智能服务,进一步向人与智能相结合的、以智能计算、智力开发为主的智能服务升华。当前,随着社会对知识和智能服务需求的增加,图书馆和情报机构的工作对象从传统的图书、文献扩展到了数据、信息、知识、情报、思想的全链条,驱动着文献情报工作向更深层次、更广范围、更加智能的方向发展。可以说,科技情报工作应国家科技战略发展的需要而诞生,随着国家科技战略发展和社会经济发展的需要而调整和变革。 1.3.2 技术驱动,形成了“信息检索-大数据集成-数据挖掘分析-情报推断与生成”的替代型模式 科技情报事业的发展受到信息技术和情报技术这两大关键技术动力的推动。科技情报领域始终位于信息技术应用的前沿,情报服务模式的形成和优化在很大程度上会受到信息技术和情报技术发展的影响。信息技术的广泛使用、文献工作的持续标准化、情报存储和分析技术的开发,情报传播平台的建设、信息组织和管理技术的发展,不断推动着情报内容和情报方法的革新,促进服务模式的转变。在信息技术革命的冲击下,科技情报工作经历几大变革,努力创建新型科技情报工作范式。在中国科技情报工作开创初期,科技情报工作以文献为基础,基于科技文献的外部和内部特征,向用户提供检索和利用服务。改革开放后,计算机技术开始出现和应用,中国开始建立论文数据库、专利数据库,打开了联机检索时代的序幕。1994年,中国接入互联网络,网络技术的应用,全面应用数字化技术,形成了以检索技术为核心的情报信息获取,主动推送满足用户需求的“经过加工、提炼与处理之后的情报”。21世纪,云计算、大数据、AI等新一代信息技术快速发展,促使情报工作开始向智能服务转型,情报工作者以智能化手段加工信息、激活知识、运用情报。在互联网新技术和大数据时代的推动下,获取不同来源、不同形式、多个维度的全量数据成为可能,情报研究工作积极探索整合数据分析、智能算法与决策支持等技术,以构建全面利用数据资源并实现智能化的情报服务环境。当前,技术发展带来的影响体现在情报需求分析、数据采集、加工处理和分析挖掘等的方方面面,基于AI的理念,智能化检索等技术为情报用户精准提供情报资源,可视化技术和智能推送技术使情报推送和发布更为便捷。新一代信息技术应用形成了众多的工具、方法、平台等,而新工具与方法应用必然推动图情领域理论范式的演化。2022年11月,美国OpenAI公司发布了生成式AI聊天工具ChatGPT,以人类反馈指导的强化学习算法框架为基础,具有出色的自然语言处理、数据分析、推理推断等能力。以ChatGPT模型为代表的生成式大语言模型技术的出现对各个领域产生了根本性的影响,智能体(AI Agent)已成为AI赋能专业流程的基础形式。以数据驱动为基础的科技情报领域迎来了重要变革,情报智能体将直接影响科技情报领域中的信息组织管理、信息检索查询、情报研究分析、科技监测评估等核心职能和主体业务。 2“十五五”期间中国科技情报工作的战略选择——智能体赋能 生成式AI技术深刻影响几乎所有领域科学研究,正在改变科学研究的过程与模式,科学研究智能体已经展现了巨大的发展潜力。中国科技情报工作已经走过了手工检索工具、计算机检索系统、数字图书馆服务系统、知识集成和知识分析平台等阶段,正朝着知识与情报生成方向迈进。信息技术已经从替代信息采集、信息组织、信息检索,走向替代情报分析、情报生成的情报研究智能化阶段。面向“十五五”时期,中国科技情报工作亟待充分利用大模型等生成式AI技术,搭建情报智能体生态,优化重组已有科技情报工作流程,将智能体与信息采集、信息组织、信息存储、信息检索、信息分析等工作深度融合,以智能体赋能科技情报工作,形成科技情报智能体生态,提升科技情报工作的效率。 2.1 AI赋能科学研究已经改变当代科学研究范式 科学研究的两个中心目标是科学理解和科学发现,形成科学见解和理论的基础是收集、转换和理解数据。近些年来,大数据、AI、高性能计算、混合云等信息技术迅猛发展,为加速数据密集型科学范式下的知识发现创造了条件。尤其是AlphaFold2成功解决了长达50年的蛋白质折叠难题,强有力地证明了AI在解决极具挑战性的科学问题方面拥有巨大潜能。毋庸置疑,AI是数智时代科学研究的利器,充分理解其赋能科学研究的驱动方式不仅必要、而且必需。 理解AI赋能科学研究的驱动方式,首先应该清楚AI的能力特征。根据智能程度和计算特征,业界一般将AI的发展分为4个阶段:计算智能、感知智能、认知智能、自主意识。其中,①计算智能,强调海量数据的存储和高效精准处理,这一阶段为后续发展奠定庞大的数据资源和强劲的计算资源;②感知智能,让机器拥有类人的视觉、听觉和触觉等感官能力,能够识别和理解输入的图像、声音、文字等信息,初步具备与外界交互的能力;③认知智能,这是AI发展的较高阶段,大模型等技术正在加速这一目标的实现速度。让机器具备类人的思考能力,即理解复杂概念、推理分析预测、自主决策行动等能力;④自主意识,则是AI的终极目标,机器真正具有自主意识并产生智慧,目前尚且遥远。 理解AI技术赋能科学研究的驱动方式,还应该清楚现阶段AI能够解决的科学问题边界。科学发现的假设空间是巨大和复杂的,图灵挑战发起人北野宏明将科学探索认知空间表示为图3左侧形式。其中,红色区域表示当前人类已知的科学知识。黄色区域表示基于当前已经积累的知识生成的假设空间,能够根据已有知识对其进行一致性测试和实验验证的人类可发现知识。伴随着假设的复杂性和实验验证的自动化水平,不断扩展假设空间的边界,这就构成了以人为中心的人机协同探索知识区域(蓝色)。当假设空间的范围不断变大,直至超出人类的理解认知能力和现有的知识发现模型,则需要依托借助更智能的工具或发展形成新的科学研究范式(绿色区域,边界无限且不可定义)。为了探索和发现这3个区域的知识,需要使用与之匹配的科学研究模式。 理解AI赋能科学研究的驱动方式,还应该清楚现阶段的科学研究模式。基于本文作者先前的研究结果,数智环境下的科学研究主要遵循3种研究模式:数据驱动知识发现、模型驱动知识发现以及数据与模型协同驱动知识发现,如图3右侧所示。其中,模型驱动知识发现主要是指面对基本科学原理已知的科学问题,变量或维数的增加造成计算复杂度呈指数级增长,AI通过高效解决高维数据计算发现知识。数据驱动知识发现主要是指通过对数据的分析寻找科学规律并解决实际问题,主要用于在缺乏明确原理的场景中解决具体问题。数据与模型协同驱动知识发现则适用于原理模型已有部分探索,但尚有部分并不十分清晰时,可通过原理产生模拟仿真数据,基于数据挖掘出经验性原理,相互协同促进研究发现。 综合以上分析,AI赋能科学研究呈现3种驱动方式:高维数据计算、数据增强和数据理解。高维数据计算在此不作赘述。关于数据增强,当前的AI能够有效解决特征提取、添加语义信息增强数据的多样性和稳健性、合成新数据解决数据系数或保密等问题,核心解决科学研究中的基础数据问题,有效扩展科学研究的边界,提升科学研究的质量。关于数据理解,尤其是GPT-4o、LLaMA等大模型(Large Language Models,LLMs)技术不仅能以远超人类能力的速度和规模处理和分析大量数据,而且呈现出接近人类水平的数据理解、推理和分析能力已日益展现出对自然语言理解的迹象,在达到与人类专家相当水平的推理和规划能力方面展示了显著潜力,未来大模型将在众多认知任务上与人类并驾齐驱,甚至超越人类能力。 图3 AI赋能科学研究的3种驱动方式 2.2 AI赋能科技情报工作的方式 理解情报内涵是认知AI赋能科技情报工作驱动方式的基础前提。情报是激活了、活化了的知识,具有及时性、准确性和针对性特征,是基于客观事实的主观预测。情报是在客观知识的基础上产生的,由于受当事人的认知背景和所处的时代环境等条件约束,情报带有不可否认的主观色彩。情报是通过特定活动产生的知识,具体包括3种知识类型:基本描述类、动态报告类和预测评估类。情报产生的基础不仅有知识,还有信息和数据。基于数据、信息、知识、情报间的逻辑关系学者们构建了Data-Information-Knowledge-Intelligence-Wisdom(DIKIW)模型及Data-Information-Knowledge-Intelligence(DIKI)标准模型。AI不仅能将各种复杂的数据类型(包括人类语言)转换为可互操作的量化语言,而且为复杂高维数据计算提供解决方案,促使情报不仅可以从知识中产生,还可以从海量无序的数据和规范有序的信息中直接产生。数据和智能技术的普及发展,促使DIKI链上各节点间已经从单纯的线性传递关系,扩展至循环迭代关系。科技情报工作需要在充分理解用户需求的基础上,尽可能提升数据、信息和知识等情报基础的客观性。基于AI赋能科学研究的3种方式,结合情报内涵,本文认为AI赋能科技情报工作的驱动方式有两个方面:情报基础建设,即数据生产、信息组织、知识表示,和情报生产,即情报计算,如图4所示。围绕AI赋能情报基础建设,确立了中国科学院文献情报中心“十四五”发展战略目标之一,即构建科技情报智慧数据,倾心打造的数据“收、存、治、管、用”一体化科情数据平台,实现数据生产、信息组织和知识表示等工作流程自动化。受AI认知智能水平限制,之前围绕AI赋能情报计算的过程主要以人为主、AI技术为辅的模式,处于AI赋能科学自动化中的L2层级,仅解决某一环节的自动化。未来,AI赋能科技情报工作将通过情报智能体(Documentation and Information Service Agent,DIS Agent)方式实现,将情报基础建设与情报生成深度融合,有力推动科技情报工作迈向更高水平的自动化与智能化。 图4 DIKI理论与情报类型 3基于情报智能体的科技情报工作新范式 为了进一步认识构建情报智能体的路径,需要厘清情报智能体驱动的科技情报工作新范式、新生态以及构建情报智能体的关键任务与方向。 3.1 人与情报智能体协同的科技情报工作新范式 基于科学自动化和科学智能体的层级划分体系,当前已出现的科学智能体多处于L3层级,即科学家提供问题和初始信息,科学智能体自主调用资源工具完成指定的任务;少部分呈现L4层级水平,即科学家仅提供初始信息,科学智能体自动提出科学假设并探索发现科学规律。结合情报的内涵特征,当前阶段构建的情报智能体主要以L3层级为主,因此在情报智能体赋能科技情报工作过程中,还需要与人类智能合作,如图5所示。其中人类智能,即情报专家,主要负责情报情景感知与解析、情报问题输入和情报监控输出功能。情报智能体主要负责情报情景感知与解析、情报问题理解和计算、情报结果输出和反馈优化功能。当前AI在大量认知任务上尚未完全达成与人类智能同等水平,因此对于情报情境的感知解析能力以及生成情报能力方面还需情报专家的广泛参与,提升情报质量以契合用户需求。相较于传统以人为中心的科技情报工作范式下,情报专家需要花费大量的时间在数据生产、清洗和组织工作中,相关研究表明这些工作占据科学家大约80%的时间,仅有20%的时间用于认知解析等核心活动,人与情报智能体协同的科技情报工作范式下,情报专家可能仅需花费20%的时间评估选择合适的智能体用于数据处理工作,80%的时间专注于高价值情报的生成与决策支持活动。 图5 科技情报工作的范式转型 3.2 基于情报智能体的科技情报工作新生态 基于情报内涵以及情报智能体驱动的科技情报工作新范式,结合单智能体和多智能体框架,本文构建了基于情报智能体的科技情报工作新生态,如图6所示。该生态系统通过智能体的协同工作,集成了数据生产、信息组织、知识表示和情报计算四大核心功能模块,显著提升了科技情报工作的智能化水平和整体效率。以下将从整体架构、智能体构成、技术支撑、基础设施及应用流程5个方面详细阐述该生态的结构和优势。情报智能体驱动的科技情报工作新生态基于多层架构设计,主要包括4个部分:智能体集群、软件工具、基础数据和基础设施。内外协同运行:对内,通过集成调度工具、基础数据和基础设施资源,实现数据生产、信息组织、知识表示和情报计算四大核心功能的高度自动化;对外,通过智能体与情报专家及具体情报场景的交互,形成“人与智能体协同”的工作新范式。软件工具和基础设施为构建情报智能体提供了强有力的技术支撑,确保了智能体在各个工作环节中的稳定运行和高效协同。基础数据则涵盖了科技论文、专利以及社会经济等情报数据,为情报分析提供了丰富的数据源。通过各模块的协同工作,新生态实现了科技情报工作的闭环流程,为情报专家提供了系统化、自动化和智能化的支持。基于情报DIKI理论阐释,在新生态系统中,智能体集群包括4类情报智能体,分别承担数据生产、信息组织、知识表示和情报计算任务。通过这4类情报智能体的协同工作,推动科技情报工作朝向全面自动化和智能化方向发展。4类智能体的功能及作用体现如下。(1)数据生产类智能体,负责采集和生成情报数据。这类智能体可以自动从多种来源获取数据,包括学术文献、专利信息、网络资源等,为情报工作提供丰富的数据支持。通过自动化的数据采集和预处理,数据生产类智能体能够显著提高数据获取效率,并减少人工参与的需求。(2)信息组织类智能体,负责将数据进行分类、整理,形成结构化的信息。信息组织类智能体通过语义分析和分类技术,将原始数据加工为符合情报需求的结构化信息,从而便于后续的知识表示和情报分析。这类智能体可以实现自动的知识图谱构建和主题分类,为情报工作的知识构建打下基础。(3)知识表示类智能体:通过知识图谱、语义网络等方式,将信息转化为可解读的知识。知识表示类智能体在对信息进行进一步抽象和关联的基础上,构建出知识图谱,将数据和信息转化为可视化和结构化的知识体系,为情报计算和分析提供了深度支持。(4)情报计算类智能体:负责运用大模型和其他AI技术,对知识进行计算分析,生成高价值的情报结果。这类智能体可以通过趋势分析、社会网络分析等方法,从数据中挖掘出潜在的情报价值,揭示隐含的关联关系,从而为决策者提供深度的情报支持。 图6 基于情报智能体的科技情报工作新生态 3.3 构建情报智能体的关键任务方向 为了使情报智能体更好地适应未来科技情报工作需求,其构建不仅需要解决当前技术应用的适用性问题,还需前瞻性地考虑后续应用中的安全风险防控,下面具体论述两方面应重点关注的任务方向。就情报智能体的构建方面,需要解决数据和工具技术方面的关键问题,建立一个多模态规范对齐的可靠知识库和全面的工具技术库。由于情报数据来源多样,格式、质量和结构各异,必须开发先进的数据融合和语义对齐技术,确保智能体能够从多源数据中提取有效信息。通过提升特征提取、噪声处理、数据审核和语义对齐技术,构建一个高质量的知识库,支撑智能体在情报分析中的可靠性和适用性。同时,针对情报分析流程中的各类情景需求,需建立开放的工具技术库,包括情报计算工具、AI模型和通用分析工具,规范接口和使用标准,以便智能体在实际应用中可以灵活调用。加强这些关键工具和资源的建设,为智能体在复杂情报任务中的应用奠定技术基础。在情报智能体的应用过程中,安全治理和使用监管至关重要。智能体的高自主性和复杂的推理能力带来了内容生成的不可控风险,因此需要构建强大的验证系统,确保输出内容的准确性和可追溯性。监管任务还需关注智能体在情报分析中的行为合规性,通过严格的同行评议、版本控制、动态更新日志等手段,保持智能体应用的透明度。此外,为避免人类对智能体的过度依赖,需制定清晰的交互指导方案,加强人类用户的意识培训和能力提升,确保“人在环路”的协同机制得以实现。通过对安全、伦理和监管体系的不断完善,推动情报智能体在确保可信和合规的前提下,安全应用于情报分析工作中。 4结  语 科技情报工作每一次变革与发展都围绕着先进信息技术的应用展开,情报技术在科技情报工作范式变革中发挥着核心驱动作用。在大模型与Agent融合技术的推动下,构建与应用情报智能体已成为科技情报工作的必然选择。本文深入剖析了AI赋能科学研究的驱动方式,提出AI技术赋能科技情报工作的主要方式包括情报基础建设(即数据生产、信息组织和知识表示)和情报生成的计算过程,情报智能体能够实现这两种赋能方式的深度融合。在基于情报智能体的科技情报工作新生态中,智能体集群是核心模块,实现数据生产、信息组织、知识表示和情报计算四大核心功能的自动化。未来在情报机构在规划建设未来情报智能体时,为确保情报智能体稳定运行,应重点关注技术适配性以及潜在安全风险的识别与防控,确保系统的高效性、鲁棒性和可持续发展。