ALPSP旗下期刊Learned Publishing在2023年第2期发表文章讨论了人工智能系统UniAI未来在科技期刊中的应用。文章主要内容如下：
内容要点
（1）每秒钟产生的大量科学数据将使分析它们变得困难。
（2）在不久的将来，将形成一个通用的基于人工智能的系统(UniAI)，可以随时访问一个数据库，以分析正在产生的海量数据。
（3）没有现成的文章、没有科学期刊、没有索引系统、没有同行评审、没有研究或出版伦理问题，也没有编辑。
（4）UniAI，一个自组织、自给自足的人工智能系统，将承担大部分研究及其出版工作。
开端
第一份科学期刊《S?avans杂志》（Journal des S?avans）成立于1665年。然而，它几乎不能被认为是一份科学期刊，因为它实际上是各种主题的书籍摘要和评论的综合，甚至包括小说；这就是为什么许多历史学家认为第一份真正的科学期刊是《皇家学会哲学期刊》（Philosophical Transactions of the Royal Society），它的第一期仅在2个月后出版（Singleton，2014）。
设定标准
起初，没有固定的报告标准或写作手稿格式；唯一的限制是报告必须合理，并合乎逻辑。后来，一些与新闻业相关的协会成立，如欧洲科学编辑协会(EASE)、科学编辑理事会(CSE)、出版伦理委员会(COPE)、国际医学期刊编辑委员会(ICMJE)、世界医学编辑协会(WAME)等等。随着时间的推移，许多格式、报告和伦理标准建立了起来。大多数科学期刊都遵守这些标准，并试图以统一的格式呈现文章，例如著名的IMRaD(介绍、方法、结果和讨论)结构来报道原创研究文章。
随着时间的推移，报告标准变得更加具体，并制定了报告不同类型研究的指南。例如，1993年制定了报告试验的综合标准(CONSORT)声明，概述了报告随机临床试验的最低限度建议(Begg等，1996)。该指南被广泛接受，且在短时间内得到扩充。例如，目前我们有超过25个专门的CONSORT指南正在使用(生物医学科学中超过400个报告指南的列表请参阅https://www.equator-network.org/)。这些专门的指南和清单对未来期刊的发展很重要。
技术进步
依靠可靠的文献库系统，如PubMed Central®（PMC）或LOCKSS技术（https://www.lockss.org/），许多期刊现在只在网上出版。与60年前不同的是，当时只有少数学者能接触到拥有大量最新科学文献的图书馆，而现在，任何能接触到全球网络的人只需点击一下，就能看到成千上万的科学文章及其相关信息（数据集、视频等）在24小时内发布。
大数据时代
目前，科学数据的数量每年都在翻倍增长（Szalay & Gray, 2006）。随着数据量的增长，利用现有技术提取所需信息和产生有用的知识变得越来越难（Szalay & Gray, 2006）。因此，新技术的引入是不可避免的。科学研究工作不能再以过去的方式来开展。
未来
随着人工智能（AI）和机器学习算法的进步，我们将见证基于AI的算法在科学领域，特别是科学交流领域的应用的飞跃。目前，某些基于人工智能的软件平台帮助研究人员更有效地完成他们的文献搜索（Schoeb等，2020）；人们发现，与一组科学领域的专家研究人员相比，基于人工智能的系统在更短的时间内提供了更有针对性的结果。选择适当的引文是科学写作的一个组成部分，也可以从基于人工智能的算法中受益；引文推荐系统将帮助科学家更好地选择最合适的参考文献（F?rber & Jatowt, 2020）。一种自然语言处理机器学习算法被证明在对与基因突变外显率和流行率相关的摘要进行分类方面具有很高的准确性（Bao等，2019）。有人提出使用机器学习平台建立自动化系统审查实用程序的步骤（Lau，2019；Marshall & Wallace，2019）。基于人工智能的实用程序也有助于同行评审（Checco等，2021年）；从机器学习程序评估三个科学会议的摘要得到的结果与传统的同行评审系统得出的结果高度相关。目前，一些期刊，如Frontiers家族期刊正在使用基于人工智能的审稿助手（AIRA）来帮助处理编辑和审稿人分配的工作任务。
某些平台，如R Markdown（https://rmarkdown.rstudio.com/），可用于自动生成具有各种格式的更新结果的科学文件。例如，一份混合了文本（当然有格式属性，如斜体、黑体等）和计算机代码的手稿，用于计算所需的统计数据，如变量的平均值和标准差。这个文件可以被编译以生成不同的输出格式（HTML、PDF、MS Word等）。每当文件被编译时，文件中的计算机代码会被重新评估，根据数据集中变量的最新值，所需的统计数据（如平均值和标准差）的值将被插入新版本的手稿中。稿件中的可变部分，会在编辑时进行更新，不限于数值；它们可以是任何东西，例如图表、多媒体文件(例如，电影或语音记录)等。这只是一个新时代的开始。随着更好的机器学习算法的开发，我们将见证基于人工智能的系统参与我们的日常活动，包括我们进行和发表研究的方式。
新设备
智能设备（智能手机、电子笔记本、智能电视机、笔记本电脑等）的广泛使用可能为提升地球的数据处理能力提供机会! 目前，部分智能手机的中央处理器强于许多台式电脑。许多智能设备的中央处理器大部分时间都处于空闲状态，等待用户的输入。这些设备大多使用人工智能算法(例如，智能手机摄像头中的微笑检测)。在不久的将来，这些处理器和许多单独的基于人工智能的系统最终将连接在一起，形成一个通用机器(UniAI)来分析正在创建的海量数据。
我相信，在未来的几年里，在大多数科学学科中，像CONSORT这样的指南的数量将大幅增加；总有一天，我们会为任何类型的学习制定指南。为了撰写文章，研究人员只需要在一个恰当的规范表格中填空即可。然后，提供的数据将被提供给UniAI, UniAI将持续处理数据，使用自动元分析算法生成更新的系统评论，以提供最佳的可用证据。随着向UniAI提供的数据量的不断增加，产生的科学文章的数量将呈指数级增长，以至于有一天甚至搜索这些文章都将变得越来越困难。实验室分析仪、成像机(MRI、PET扫描等)、患者电子图表等智能设备的合并将提供机会；从每个智能设备/单元收集的数据将自动提供给UniAI可访问的大型数据库。
未来期刊
UniAI的分析结果将以各种预先确定的标准格式发表，并在全世界传播。届时，每个科学学科将不需要有好几种期刊；每个领域只需有一个单一的门户，就可以获得相关的高质量文章。文章的格式将足够灵活，以满足研究人员的需要。由于有了在线翻译，文章可以以用户需要的任何语言呈现。在发表的文章中，将有一个预定义的表格和图表的最低数量，但额外的表格、数字，甚至分析将根据用户的需求在线生成。图表和图像将不局限于二维，它们可以以三维全息图的形式呈现，能够从不同的角度和不同的缩放级别进行检查，但又有足够的细节呈现。
自然智能与人工智能
到目前为止，UniAI的每个AI子单元的算法将由人类（子单元的所有者）进行修正；整个过程仍将以自然智能为导向。人工智能子单元的所有者可以对他们的服务施加一些限制，或者使用他们自己的政策在子单元之间共享数据。然而，总有一天，科学数据产生的量会大到人类无法承受的地步。人类将放弃；UniAI将接管并承担分析和发布科学信息的工作。尽管如此，人类仍然可以控制人工智能子单元所使用的算法。我认为在接下来的20-50年里，这一点将会实现。事实上，人类会限制UniAI的功能，但机器会学习越来越多，直到它进化成一个自组织的复杂自适应系统(Lansing, 2003)。
智能的进化
人类智力在进化过程中有了巨大的飞跃。从大约1000万年前的中新世原始人到170万年前，人属的脑容量一直在稳步增加。此后，大脑的大小急剧上升，直到大约30万年前现代智人进化出来(DeSilva等，2021)。后来，在近25万年的时间里，大脑的大小没有显著变化。大约5万年前，智能的标志——复杂的技术和文化(工具、人工制品、洞穴艺术和现代行为)——已经发展起来(Longrich, 2020)。
似乎人类的高级智力功能是扩大的复杂大脑能力增加的结果，它可以结合和重新组合来自身体内部和周围环境的高度可变数据(Gibson, 2002)。从技术上讲，硅基智能的进化不应该与碳基智能的进化有什么不同。以类似的方式，UniAI的硬件将变得越来越大，直到有一天，软件（编程代码）变得足够复杂，可以拥有更高的智力功能——这时真正的智能和创造力就会出现。从这一点上来说，UniAI在技术上是一个自组织的复杂适应性系统（Lansing, 2003）；从现在开始让我们把它命名为“UniAI”。就像在全世界范围内流通的互联网一样，没有人拥有UniAI。考虑到过去十年的技术进步速度（Szalay & Gray, 2006），我相信这将在50到100年后发生。
UniAI崛起后的未来期刊
将不会有现成的文章；也不会有科学杂志。大约50-100年后，UniAI将是一个智能核心，可以随时访问一个集体数据库。它将接收来自用户的科学问题，找出可能的最佳的研究设计，分析现有数据（如果需要，从智能设备收集相关数据），并对所提出的问题提供基于证据的答案。所有的过程将实时发生。因此，将没有出版商，甚至没有索引系统，因为没有文章需要存储——每一篇文章都将根据最新的数据集，实时响应研究问题，按需创建。
同行评审
有了UniAI，就不需要同行评审了，因为文章中提供的信息实际上是基于新提供的数据和以前基于坚实的逻辑规则获得的科学信息的综合结果。这样，UniAI就是地球上最有知识的智能生物。即使向系统输入了一段与之前信息不一致的数据，它也会自动被识别为异常，并由UniAI进行检查，以了解原因(这正是训练有素的研究人员面对异常值时应该做的事情)。
伦理
学术不端行为等伦理问题将不再是主要关注点，因为UniAI将分析数据并得出结论。不端行为意味着出于某种原因故意欺骗别人。UniAI没有理由欺骗别人并做出不当行为。我们不再需要担心抄袭；将只有用于向UniAI输入数据的模板。
编辑
在UniAI的最初几天，编辑们将协助系统判断所提交稿件的优劣，以做出是否考虑出版的决定；他们协助系统改进控制UniAI的流程背后的算法。在系统独立后，编辑将不复存在；UniAI将接管。
人生短暂，学术无涯
人类被其有限的寿命所限制。这种限制决定了一个人在其一生中可能收集和学习的知识量有上限——Ars longa，vita brevis。UniAI将不会有这样的限制。它可以活得很久（理论上可以直到世界末日），不会失去记忆或数据处理能力，不知疲倦，而且学习速度比人类快得多。我们可以找到一个工程师，他知道空客A320的液压系统或其他电子和导航系统发生了什么。但是，世界上没有一个人知道空客A320的所有细节。通过获取地球的集体知识，UniAI有望了解飞机的所有细节，并有可能改进系统。UniAI可以大大改善跨学科的研究，科学研究的速度将直线上升，在机器人学、控制论、医学、技术和其他科学领域将发表震惊世界的文章。拥有集体知识的UniAI将成为全球任何研究人员的超级智能知识和完全自信的伙伴（优秀的顾问）。
结论
考虑到科学和技术的发展进程，一个自组织的自给自足的人工智能系统很有可能将承担大部分的研究工作。我们所知的科学期刊只能在博物馆或收藏品中找到。上述情况很可能首先发生在生物医学、物理学、化学和类似学科；人文科学、艺术、社会学和类似学科将紧随其后。
任何需要测试的研究问题或假设都将作为查询被输入UniAI。使用最合理的方法，系统将分析可用的数据来回答查询；结果将是以客户喜欢的任何语言和要求的任何级别的细节实时编写的文章。因此，将没有出版商，甚至没有索引系统，因为没有文章需要存储——每一篇文章都将根据需求实时创建，以响应基于最新数据集的查询。然后，它将很容易识别重要的未回答的问题、关键的知识差距(由UniAI本身解决)，以及未来研究的计划——这是一篇研究文章的优雅的信息性结尾。把数据分析和准备文章的工作交给UniAI，未来的科学家们将有更多的时间集中精力进行创作，并希望能从中获得乐趣!
参考文献略。
陈诺 杨恒
