查看原文
其他

人工智能赋能学术期刊高质量发展:优势、风险与防范策略

王佳 郝儒杰 王锋 新闻爱好者杂志 2023-03-28

近来,ChatGPT横空出世,在学界引起轩然大波。王佳,郝儒杰,王锋发表在《新闻爱好者》2022年第10期的论文《人工智能赋能学术期刊高质量发展:优势、风险与防范策略》中对人工智能赋能论文写作做出了探讨,作者认为,人工智能的目的并不是替代人类的论文写作,而是辅助写作,帮助科研工作者加快成果生成进程,筛选适合论文投稿方向的学术期刊。目前,对于是否应当将人工智能生成内容作为著作权法上的作品予以保护,仍然是学界争论的问题。主流的观点认为,当前全球人工智能技术仍处于“弱人工智能”状态,扮演“创作工具”的角色,著作权应该归属于人工智能使用者。但我们应该预见到,当未来发展至“强人工智能”时代后,人工智能具备了情感、认知能力,可以在完全独立的情况下创作出一篇论文时,这篇论文的著作权归属于进行试验的学者还是提供算法的软件公司?抑或是人工智能?这些风险都需要我们提前预知,并在《著作权法》中进行明确规定。               



【摘要】人工智能一方面可以提高选题策划的有效性、约稿组稿的可及性、查重审稿的便捷性、编辑校对的精准性、出版发行的协同性;另一方面,“编辑工具”(即人工智能)给编辑、学术生产和期刊带来的不确定性,也有来自“编辑方法”的不确定性。选题策划被流量所裹挟、算法的黑箱特性增加了意识形态风险、机器审稿过于保守、编辑校对难发现疏漏、信息茧房干扰编辑拓展知识等。为有效防范这些不确定性风险,学术期刊需要引入第三方机构监督算法、构建人机共存的协同工作模式、积极应对有可能产生的著作权纠纷。

【关键词】人工智能;学术期刊;选题策划;约稿组稿;同行评议;编辑出版

学术期刊是科学研究成果发表、宣传与传播的重要载体。习近平总书记指出:“高品质的学术期刊就是要坚守初心、引领创新,展示高水平研究成果,支持优秀学术人才成长,促进中外学术交流。”人工智能时代,编辑出版的智能化升级对学术期刊的高质量发展产生了重要影响,一方面,人工智能为学术期刊编辑出版等工作提供了辅助性作用;另一方面,人工智能也为学术期刊的作者、评价机构、转载机构、作者机构、读者以及编辑等学术生产主体之间的工作流程、交互机制以及协同模式,提供了全新的发展空间,也给学术期刊的学术生产共同体发展带来了不确定性风险。
当前,关于人工智能赋能出版的研究已引起高度关注,对人工智能赋能学术期刊的相关研究也蓬勃发展,但学界聚焦人工智能赋能学术期刊高质量发展的不确定性风险的讨论相对较少,笔者试做分析,并提出防范策略,以求教于方家。
一、人工智能赋能学术期刊高质量发展的优势
(一)选题策划算法化
算法推荐最初被用来提升计算机软件的运算效率,随着移动互联网的快速发展,算法推荐先后被引至传播领域,算法的重点对象也由“物”转向了“人”。算法推荐的广泛应用,引起了社会信息结构和传播秩序的深刻调整,改变了传统的信息传播业态,也形成了新的传播格局。人工智能在算法上具有独特优势,能够有效利用群体智能和协同创新方式分析当前的学术热点,为编辑策划选题提供有力支持,也能为后续约稿、组稿提供热点作者。
人工智能技术可以对网络的海量信息进行大数据分析,凝练研究热点、核心问题,并预测具有深入研究价值的方向,提高选题策划与期刊定位的契合度。目前,爱思唯尔和伦敦大学学院(UCL)共同构建了“UCL大数据研究所”,从海量信息中计算、抓取热点,为科研工作者选择研究方向提供一定的参考。此外,德国新型出版公司Inkitt将算法运用到选题策划环节中,利用算法分析读者在不同场景下的阅读行为,为选题策划提供依据。
(二)约稿组稿高效化
人工智能可以检索并标记相关的学术动态信息及其研究者,对他们的研究成果相关性及成果质量进行搜索、分析和排序,分析相关学者的学术水平和学术影响力。如CiteSpace软件等计量和网络分析工具能够深入挖掘文献数据并形成计量分析报告和关系网络图谱,帮助编辑对学科规律和发展作出正确的判断,获得选题灵感和选题依据,还可以搜索学术带头人的亲密合作者,更能够找出相关领域的热点学者,甚至进行精准画像,便于有针对性地自动化约稿。关系图谱可以根据每一次的约稿结果生成新的训练数据,辅助编辑筛选出更合适的作者进行约稿。学术出版巨擘爱思唯尔根据ScienceDirect数据库,通过分析最近学者关注的热点,根据该数据库搜索相关领域的研究者定向约稿,以出版学术专著。
(三)查重审稿智能化
学术期刊传统出版模式中,编辑审稿主要包含两个方面的内容:重复率查询和同行评议。在重复率查询方面,由于比对数据库、算法、功能等评价指标的不同,同一篇论文在不同检测系统中生成的检测结果不尽相同。同时,由于数据库不可能囊括所有信息,大量网络文献、外文文献(尤其是小语种)、内部资料形成了数据盲区。这些问题造成了检测结果难以做到真正的客观和全面。近年来,人工智能作为辅助工具在学术同行评议领域开始得到重视,编辑可以通过人工智能技术设定匹配算法,基于深度学习的多模态信息处理能够通过多模态信息建模进行语义度量、分析和识别,为检测系统识别图表与文字转换抄袭行为提供依据,并能基于智能图像处理算法,识别出被手动修改和重复使用的插图。人工智能可以根据研究领域、活跃程度和审稿记录等信息自动选择合适的审稿人。结合区块链去中心、不可篡改和透明特性,将作者投稿、专家评议、编辑操作变得实时化和透明化,为每一篇论文匹配研究方向相符、学术水平优良、学术态度端正的审稿专家,优化学术诚信体系。
(四)编辑校对精准化
传统出版中,编辑和校对工作占据了出版流程最多的环节。由于编辑和校对工作具有一定的规范性和客观性,因而更具有与人工智能结合的可能。人工智能可以智能生成编校系统,实现数字化校对和编辑校对的协同校对模式,大大减轻编辑工作量,提高工作效率,缩短出版时间。而排版、校对等重复性工作,更是可以通过人工智能来完成。所以,大数据、自然语言等可以有效提高编校的效率和质量,有效辅助学术期刊的出版工作。目前,国内已有企业探索将人工智能应用于编校工作中,如方正电子携手北京印刷学院成立“智能审校联合实验室”、哈尔滨工业大学讯飞联合实验室发布飞鹰智能文本校对系统1.0等。
(五)出版发行高效化
目前学术期刊数字传播路径主要有两种:第一,通过中国知网、维普、万方、超星等大型数据库进行付费下载;第二,通过期刊社(编辑部)自办的微信公众号、官方网站、微博、博客等平台进行免费开放获取。这些传播模式仅仅实现了数字化,但不能针对作者、读者、编者进行个性化的精准推送,一定程度上削弱了学术期刊内容生产与消费群体的匹配度,缺乏足够的互动渠道,在编辑、作者、读者群体的信息交互上形成了一个无法规避的鸿沟,生态系统并不健全。
人工智能以其强大的数据采集、分析和精准处理能力,嵌入到传统媒体的生态空间,实现信息传播从以往的“人找信息”转变为“信息找人”,构建信息传播的新技术、新路径、新业态。人工智能的算法推荐可以记录学者的阅读习惯和研究方向,定制和推送相关信息,做到个性化服务。实际上,每一个用户都是学术信息的消费者、传播者和生产者,大量阅读习惯及行为选择形成用户独有的数据库。如超星“域出版”借助智能算法分析用户偏好和态度趋向,按照阅读曲线进行内容用户数据的智能化匹配,实现学术信息的精准推送和碎片化传播,有效降低用户获取信息的成本,进一步优化推送的精准度,满足受众多元化、个性化的信息需求。对学术期刊而言,同样可以借助智能算法,从大量的历史数据中发现决定学术期刊影响力的关键因素,进行有效改进,这种隐含的非线性关系是人工手段难以发现的。
二、人工智能赋能学术期刊的不确定性风险
(一)选题策划被流量所裹挟
在不正确的学术评价机制下,算法极易产生负面效果,例如用来追求流量。已有研究表明,如果在学术领域“唯流量论”,将会严重损害公平、公正、透明的学术原则,甚至背离学术发展的基本规律。第一,学术热度不等于学术深度,单纯追求热度势必会降低研究深度。第二,一些小众学科、冷门绝学的研究成果,本来就在现行学术期刊评价中不占优势,如果再被算法排斥,将导致相关学科的论文更难发表。第三,对于学术期刊而言,如果只刊登热门选题、爆款论文,即使刊物会获得暂时的高频次被引用和眼前的高收益,但从长远来看,绝不会取得良好的学术美誉度,与学术期刊承担的社会责任更是难以匹配。第四,青年学者学术影响力弱,在人工智能构建的关系网络图谱中处于边缘位置,很难被学术期刊编辑所关注,完全依赖以流量最大化为目标函数的算法,将会严重低估那些有潜力的青年学者的价值。
(二)算法的黑箱特性增加了意识形态风险
克里斯托夫·库克里克在《微粒社会》一书中,将被数据操控的社会称为微粒社会,一切都被精确地记录和计算。人工智能把语料变成数据,借助深度神经网络的特征提取能力,发现规律并构建模型,使用模型进行预测和分类。算法是人工智能的主要表现形式,算法推荐不仅仅是一套客观的计算代码或程序,也体现着人的意志。本质上,算法是技术人员依据目标需求编制的一套运行规则,算法推荐的设计之初就渗透着设计者的主观动机,其对于待解决问题的理解、对变量的选择和权重的设定、对所需数据的选取以及对输出结果的解读等环节均受个人价值观的影响,因此,算法本身就存在风险,囿于学科领域的分界,大多数学术期刊编辑并不懂得如何编程,难以理解智能平台背后的算法。由于算法的透明度不高,在经济利益的驱动下,算法容易遭到经济或政治力量的操控。如果使用了非自主知识产权的算法模块,当这些有瑕疵、或者被潜在操控的算法应用到学术论文写作领域,尤其是哲学社会科学研究领域中,可能会造成不可估量的后果。当人工智能进一步发展,进入强人工智能时代,机器具备自我学习和创造能力甚至情感之后,其创造的成果是否与设计者和机器使用者的初衷一致,也是我们应该警惕的问题。
(三)机器审稿过于保守
人工智能在数据获取和更新上依赖于人的操作,无法及时更新学术动态相关数据(如学术会议和学科研讨等),其所抓取的数据往往只能回溯至过往。虽然目前在科技期刊领域,已有Aries Systems Corporation(白羊座系统公司)将元计量智能(Meta Bibliometric Intelligence)集成到学术刊物稿件和同行评审跟踪系统中,在估算一篇科技类稿件的未来引用次数和影响力方面,速度、准确性和一致性等方面都超过了人的能力,但是在社会科学领域仍然应用不足,对于一篇学术论文(尤其是社会学科论文),其语言、写作方式只是表现方式,内在所传达的学术思想、学术观点和学术思维才是高质量学术论文的关键要素,目前的自然语言处理工具只能理解单一句子或段落,并不能评估整篇论文内在的新颖性、前沿性、相关性和严谨性。鉴于人工智能还不能可靠地评估科学内容的质量,且透明性不足,有引入偏见的风险,目前大多数学者不赞同将人工智能应用于复杂的质量评估领域,人工智能只是执行较简单的任务,仍然有赖于编辑和审稿人的全面把握。
(四)编辑校对难以发现深层次问题
伴随着技术进步,各大公司不断完善算法、更新智能审校系统。例如黑马校对软件在汉语切分、汉语语法分析、汉语依存关系分析等技术方面有了很大进步,提高了查错准确率和校对效率。同时,我们应该清晰地认识到,人工智能仅仅是在校异同方面具有优势,能够通过海量数据,快速筛查出稿件中简单的语法、拼写错误、引文错误,但是对复杂语法和语义的识别仍然存在一定的难度,加之汉语表现形式复杂多样,现有的人工智能技术并没有达到如人脑一般的广度、深度以及系统思维水平,不能进行定性的价值判断,无法评判论文中的政治导向和价值取向。因此,面对那些需要对内容进行复杂、深度分析和解读的工作,人工智能的表现还不能完全令人满意。特别是在判断作品的思想价值导向、科研水平、政治意味,梳理复杂的逻辑关系以及深度解析深奥语义等方面,人工智能技术依然难以替代人类。
(五)信息茧房干扰编辑拓展知识领域
信息茧房(Information Cocoons)一词最先由美国学者凯斯·桑斯坦提出,他在《信息乌托邦》中用“茧”形象地描述了人们被网络同质信息包裹下的封闭状态。早在20世纪80年代,学者就提出了“编辑学者化”的观点。所谓“编辑学者化”,就是编辑结合自己负责的文章或者栏目,提升专业实力,成为相关领域的专家。算法推荐能够主动为每位学者提供个性化服务,但是智能推荐及从众等因素使得读者信息检索和处理的能力不断弱化、阅读信息面窄化,进而引发了移动阅读书目的同质化现象,逐渐形成信息窄化和群体极化的“回音室效应”,影响受众的价值判断。实际上,在现在的学术研究领域,交叉学科的研究已经蔚然成风。以2021年国家社科基金后期资助入选的新闻传播学项目为例,大部分的研究课题是新闻传播学与社会学、语言学、心理学、马克思主义研究等学科的交叉课题。可见,在科技和社会发展日新月异的情况下,编辑必须拓展自己的知识面,从不同学科汲取养分,填补自己的学科短板,大胆借鉴和试验新方法、新学科。而在人工智能环境下,编辑阅读某一领域文献越多,算法就将更集中地推荐相关研究成果,长此以往,必然会形成信息茧房,限制编辑的研究视域,妨碍编辑的创新思维。
三、人工智能赋能学术期刊高质量发展的防范策略
(一)完善人工智能赋能学术生产共同体的协同机制
学术期刊需要进一步优化人工智能的使用,加快人工智能产品的升级,加强学术期刊编辑培训,提升编辑工作效率。例如,在选题策划、论文写作、查重审稿、编辑校对等领域,必须以人为中心,机器作为辅助。由人工智能搜集核心数据,计算备选方案,学术期刊编辑作为把关人和决策者,在选题策划领域,应综合考虑期刊发展和社会责任各方面的因素,将热点和深度结合。在编辑校对领域,一些重复、繁琐的劳动可以由机器胜任,但责任编辑与责任校对制度不能缺失。在同行评议阶段,必须由实际同行进行,机器只是同行评议的支持和辅助。另外,编辑也应该拥抱新技术,提高自己的业务水平、知识深度与广度,将自己的学术积淀和学术敏感性注入到开放的智能平台中,通过必要的人为干预,防止信息茧房的形成,提高智能平台的灵活性,打造人机共存的协同工作模式。
(二)增强技术赋能,设置程序审查员
习近平总书记提出“探索将人工智能运用在新闻采集、生产、分发、接收、反馈中,用主流价值导向驾驭‘算法’,全面提高舆论引导能力”。“黑箱”是指那些既无法打开又不能从外部直接观察的区域。面对可能造成的意识形态风险,开放算法,让算法公开透明无疑更能够有效解决很多问题。开放算法具有两个方面的优势:第一,由专业机构评判算法是否公平、公正、合理,找到漏洞并解决。第二,由学术期刊编辑或者相关领域的专家参与到算法开发过程中,避免意识形态方面的错误。然而考虑到商业公司出于商业利益,完全开放算法可能只是一种想象。因此,可以由行业机构出台数据采集、算法设计和平台运行制度,设置程序审查员,完善程序审查制,在相关人员的参与下,定期组织专家学者,在保证商业隐私的情况下对算法进行审查,把风险消灭在萌芽状态。
(三)积极应对有可能产生的著作权纠纷
人工智能写作并不是由有形的机器人完成,而是运用算法自动生成。当前的人工智能写作主要应用于自媒体领域。毋庸置疑,人工智能也能运用到结构严谨、模式化强的论文写作方面。人工智能可以辅助科研工作者进行文献搜集,撰写摘要、关键词、参考文献,梳理结论并给出进一步的研究方向的建议。同时,我们也要看到,人工智能的目的并不是替代人类的论文写作,而是辅助写作,帮助科研工作者加快成果生成进程,筛选适合论文投稿方向的学术期刊。目前,对于是否应当将人工智能生成内容作为著作权法上的作品予以保护,仍然是学界争论的问题。主流的观点认为,当前全球人工智能技术仍处于“弱人工智能”状态,扮演“创作工具”的角色,著作权应该归属于人工智能使用者。但我们应该预见到,当未来发展至“强人工智能”时代后,人工智能具备了情感、认知能力,可以在完全独立的情况下创作出一篇论文时,这篇论文的著作权归属于进行试验的学者还是提供算法的软件公司?抑或是人工智能?这些风险都需要我们提前预知,并在《著作权法》中进行明确规定。
四、结语
人工智能技术的发展不可阻挡,或许是学术期刊高质量发展的重大转折点。只有坚持人工智能高质量赋能,学术期刊高质量发展才能行稳致远。学术期刊及其从业者必须科学认识和把握人工智能赋能学术期刊发展带来便利、为学术繁荣作出贡献的同时,也带来了一些不确定性风险,并探索和完善防范和化解这些不确定性风险的协同机制、方法及模式,推动作者、读者、评价机构、转载机构、作者机构以及编辑等学术生产共同体实现高效协同,以推动学术期刊高质量发展。因此,本文从选题策划、约稿组稿、同行评议、编辑加工、出版发行五个环节分析了人工智能赋能学术期刊的发展现状,在此基础上探究了其中存在的五大风险并提出应对策略。需要注意的是,目前的人工智能仅仅是处于弱人工智能时代,当技术进一步发展,人类进入强人工智能时代,也即是当可以独立思考问题并制定解决问题的最优方案、有自己的价值观和世界观体系的机器出现以后,学术期刊乃至出版产业将会迎来更多的机遇和挑战,这就需要学术期刊从业者冷静应对,以积极乐观的心态去迎接风险,直面挑战。
[基金项目:西安市哲学社会科学规划项目“西安红色革命文化遗产生态性传承的路径研究”(22LW157);中央高校基本科研业务费专项资金资助项目“红色文化遗产生态性传承和视觉重构的路径研究”(2021TS060);中央高校基本科研业务费专项资金资助项目“人工智能视域下学术期刊的发展与未来”(300102501624);全国高等学校文科学报研究会一般项目“新时代学术期刊适应智能化发展趋势研究”(YB2021033);全国理工农医院校社科学报联络中心重点项目“人工智能视域下学术期刊数字出版的流程再造”(LGNY20A4)]
[王佳为陕西师范大学马克思主义学院博士生,长安大学学术期刊管理中心副编审;郝儒杰为中共四川省委省直机关党校科研处副教授、编辑,高校思想政治工作队伍培训研修中心(电子科技大学)特约研究员;王锋为西京学院电子信息学院副教授]

※原文详见新闻爱好者杂志2022年第10期或中国知网、万方数据、龙源期刊网、重庆维普等,如转载、引用请注明来源于新闻爱好者。


图片来源于网络





长按关注我们吧

官网丨http://www.xwahz.com



您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存