人工智能 (AI) 为学术期刊和出版商开辟了新的前景。2023年9月25日，impact science对 Cactus Communications 首席技术官 (Chief Technology Officer, CTO) Nishchay Shah 进行了访谈。Nishchay 分享了有关人工智能工具如何彻底改变稿件评审的见解。还探讨了人工智能如何增强同行评审流程、简化编辑工作流程，并最终塑造学术出版的未来。
1. 目前用于补充稿件评估流程的人工智能工具有多受欢迎，采用这些工具的主要动机是什么？
回应：人工智能驱动的稿件审阅工具正处于早期到中期阶段，但在提交前（面向作者）和提交后（面向出版商）的阶段中都获得了快速关注。主要动力是通过节省时间和成本为出版商带来效率效益。不同期刊和出版商的采用水平各不相同，许多期刊和出版商都在出版前看到了有意义的影响。
2. 人工智能如何补充人类评审员的专业知识，以及如何在自动评估和人类判断之间取得适当的平衡？
回应：通过提供初步筛选和建议，人工智能可以减少人类审阅者花费的时间和精力。人工智能和人类判断的正确、平衡取决于期刊的具体需求和资源——人工智能可以过滤掉质量明显较差或“有风险”的手稿，但在模糊情况下的最终接受/拒绝决定将需要人类对细微差别和上下文的判断。
3. 期刊或出版商在将人工智能融入稿件评估系统时可能会遇到哪些典型挑战，以及如何解决这些挑战？
回应：将先进的人工智能工具集成到稿件评估系统中，有望简化编辑流程并提高出版作品的质量、周转时间和速度。尽管许多出版商已经将这些工具集成到他们的工作流程中，但要采用人工智能成为整个行业的基础辅助层，还有很长的路要走。
出版商面临的一些典型挑战是：
数据质量和对行业的深刻理解：人工智能系统需要高质量、公正的训练数据来进行准确的评估。任何人工智能系统的完整性和有效性在很大程度上取决于训练中使用的数据的质量。“垃圾进，垃圾出”这句格言对于机器学习模型尤其适用。低于标准或有偏差的训练数据可能会导致模型不准确，或者产生偏差。在稿件评估的背景下，数据质量成为一个更加敏感的问题，因为出版决策对学术生涯和知识进步具有深远的影响。
对人工智能的期望：出版商通常希望有一个近乎完美的系统，误报率最小到零。重要的是要了解人工智能工具是辅助性的，它们可以在一定程度上发挥作用，虽然期望工具的速度和效率很重要，但期望人工智能完全接管所有出版流程还为时过早。
系统兼容性：像Editorial Manager和ScholarOne这样的稿件提交系统通常不属于出版商所有，因此集成人工智能成为一项涉及多个利益相关者的复杂任务。
解决上述所有挑战的一种解决方案是使用专为行业构建且经过多次迭代并已完善的工具。Paperpal Preflight 就是由 CACTUS 开发的一款此类工具，CACTUS 已在学术界工作超过 21 年，是人工智能和机器学习驱动产品的领跑者。
4. 可以采取哪些措施来保护稿件评审过程的完整性，确保人工智能不会引入任何偏见或扭曲评审结果？
回应： 减少偏见的措施包括使用多样化的培训数据、审计技术和定期的人员质量评估，这些都有助于保持流程的完整性。尽管在人工智能高置信度的情况下，一些简单的决策可以自动化，但需要细微差别和背景的关键决策应该由人类来处理。
5. 您认为人工智能在未来同行评审领域扮演什么角色？您预计人工智能将如何发展以应对学术出版中新出现的挑战？
回应：人工智能在科学文章的同行评审过程中具有很大的帮助作用，但这并非一帆风顺。一个大问题是人工智能可能会传播虚假或不正确的信息。由于我们依靠良好的科学来建立新的发现，因此确保人工智能的正确性至关重要。人们普遍对在这一领域信任人工智能持怀疑态度，特别是如果它犯了错误。
随着人工智能变得更好，它将做更多的事情，比如对提交的文章进行初步检查、粗略地标记提交内容、建议外审专家以及发现人类编辑可能忽视的错误。然而，人工智能越好，它在创建虚假或欺诈性文章方面也就越擅长。所以这就像一场猫捉老鼠的游戏，人工智能必须不断改进才能发现这些问题。
展望未来，人工智能工具需要不断变得更好、更智能，才能应对新的挑战。即使拥有所有这些技术，人类对于在出版内容中做出公平和道德的选择仍然至关重要。最好的方法是让人工智能做它擅长的事情，但始终让人类参与做出最终决策并捕捉机器错过的任何东西。这意味着要乐于尝试新事物，但要小心、负责。
