人工智能论文全文(5篇)

前言：小编为你整理了5篇人工智能论文参考范文，供你参考和借鉴。希望能帮助你在写作上获得灵感，让你的文章更加丰富有深度。

第1篇：人工智能论文范文

第一，植物的规格要确定好，要结合植物所适应的地质条件来对各种规格的植物进行协调搭配。一般来说，中型及其以上规格的乔木作为园林的架构之一，会对整个园林所呈现出来的景观效果起着重要作用，应当先进行安放，然后才是小型规格的植物的安放，保证在园林景观的细节处做好处理；第二，要合理组合植物的品种类型，落叶植物和针叶常绿植物之间在园林中所占的比例应当保持一定的平衡关系，对于植物如花卉、叶丛的颜色要协调好，一般以夏东两季的植物色彩为主色调，其他色调为辅，以保证视觉上能起到互相补充的效果。

2园林设计中人工智能应用现状

2.1系统操作方面

由于园林设计既涉及艺术方法也涉及到技术手段，因此，对操作人员的综合能力要求就比较高，也就是说，操作人员应当对建筑理论、园林绿植知识和计算机基础三方面综合掌握，而事实上，很多参与园林设计的人员并没有很强的工程操作能力，要求太高，难以实现。

2.2园林可重复使用性方面

目前来说，园林的重复使用性还是太低，因为每个地方的气候条件和地理环境都不相同，所以，针对一个地方所制作的园林设计并不能简单地复制到另一个地方，如苏州园林的设计不能直接用在辽宁的园林设计，原因在于北方相对南方来说，园林供水相对困难，山石种类不同，绿植花卉种类也不如南方园林的丰富，而且南北审美观不同，北方园林设计多采用浑厚石材，绿植多为松、柏、杨、柳、榆、槐，加上三季更迭的花灌木，呈现刚健雄浑的特点，而南方则因为花木种类丰富，布局特别，注重山石与水的搭配，独具精致淡雅的特点，由此可见，园林的可重复使用性不高。

2.3计算机辅助设计方面

计算机辅助设计即常说的CAD。目前来说，CAD并不能完全对口符合园林设计的需求，因为CAD只能呈现出单一的图形画面，既不利于设计者进行设计，也不利于客户对设计者的设计的理解，导致客户与设计者之间难免信息不对称，造成一定的信息偏差，影响之后园林设计出来的成果。

3加强人工智能在园林设计中应用的办法

3.1园林子系统的设计

作为整个园林系统的组成部分，园林子系统的设定概要应通过计算机实施建模，来对项目实施进行基本设定，在获得项目系统的自动生成规则之后，在对所收集到的园林基本数进行存档，来作为全局的运行参数，在一定程度上影响了计算机的运行结果。一般来说，存档信息有园林的设计规模、投资情况、发展需求以及相关的环境因素等，存档后，可能会对建筑的规模大小、选址、风格特点以及植物的搭配等造成影响。

3.2地形子系统的设计

地形子系统的设计应当是通过计算机对采集到的地质数据进行推理而后才进行的。一般来说，会采用规则引擎最为计算机的推理机，是基于专家系统的模式下进行推理的，工作原理是由机器来仿造人类在对事件进行考虑的思维和方法，通过进行试探性的方法来进行推理，并不断地对推理所得出来的结果进行解释和验证。对地质情况进行实时实地勘查是保证园林设计图纸正常输出的要求，这是不能单纯地依靠计算机来实现的，因为地质勘查涉及到很多复杂地形的勘查，只能依靠人工的方式。地质勘查可以分为前期阶段和后期阶段。前期阶段主要是设定园林工程的初稿，因此，只要对地质情况进行系统的粗略勘察即可。后期阶段主要是完成图纸设计要求，因此，对数据准确性要求更高，并勘查人员对此进行较为细致的处理。这以后才是通过对计算机智能系统软件的使用来将前期阶段和后期阶段所获得的数据进行智能化处理，完成相关数据的细化以及修正，然后通过系统推理得到一个初步的园林模型。

3.3主干道路子系统的设计

对地形子系统进行地形数据的输出即可得到主干道路设计，因为我们首先完成了地形的设计，因此，在接下来对道路进行设计的过程中就可以有效地避免其他的建筑和设施的干扰，这之后的设计才能按部就班地开展。推理的总体规则为：首先，由园林的建设规模、投资情况等来对道路的类型和所需费用等进行计算，得到相关数据；然后，结合之前的输出地形图来生成推荐道路图，并检查道路的密度是否符合园林的设计规范，接着根据道路建设定额表来对工程造价进行计算，看是否符合预期投资情况；最后，对道路图进行人工的调整，并反复验算。

3.4图纸和图表输出子系统的设计

第2篇：人工智能论文范文

“人工智能”一词最早是在1956年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能其英文全称为ArtificialIntelligence，缩写为人所共知的AI，它主要是对用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等进行研究讨论。对于人工智能的定义义众说不一，一般有两种说法：一种是人工智能是关于知识的学科，即怎样对知识进行表示以及怎样获取知识并对知识进行使用的科学；另一种是人工智能研究的是如何实现让计算机做过去只有人才能够做的智能工作。但是不管是哪一种，它都是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能的定义可以分为两部分，即“人工”和“智能”。对于“人工”，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。诞生对于“智能”，则存在着很大的争议。因为这涉及到了诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人类唯一能够了解的智能就是人类本身的智能。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。人工智能的实现方式有2种方法。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineeringapproach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modelingapproach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。

2人工智能的发展

对于人工智能的研究一共可以分为五个阶段。第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP表处理语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入了低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：问题求解的方法过度重视，却忽视知识重要性。第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向高潮。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。同时国际人工智能联合会于1969年成立。第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学但是的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。第五个阶段是20世纪90年代后。网络技术的出现于发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向到基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅只对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。

3对人工智能的思考

3.1人工智能与人的智能

从哲学上的量变引起质变的角度来讲，人工智能在不断的发展过程中一定会产生质的飞跃。在最初，人工智能只具有简单的模拟功能，但是发展到现在已经具备了思考的能力（逻辑推理分析），这已经表明人工智能在不断量变的过程中已经发生了质变。有人认为有人会说人工智能不会超过人类的智能，理由是人工智能是人类创造出来的。但是现实中很多人类创造出来的东西已经在某一些方面超过了人类本身的能力，例如起重机的力气超过人类很多；汽车速度也远超过人类的速度。人类之所以会制造出各种各样的工具，其目的就是希望自身的能力能通过这些工具进行延伸和突破。人类研究人工智能就是希望人工智能帮助人类实现人类某些无法实现的东西。还有人认为人工智能是人类创造出来的，所以它一定存在着致命的弱点，也因此人的智能优于人工智能。但是殊不知人类与机器相比也有着十分明显的弱点，例如人类所需要的生存条件比机器更加的严格，人类思维会受到人的情绪所影响，而机器只是受到程序的影响，它们没有情绪的起伏。就目前的人工智能而言，它们在某一些领域比人类更强。但是目前我们必须正视人工智能的一些还没有办法改变的缺陷，那就是人工智能的学习能力与创新能力。人工智能的知识获取大部门都是人为的进行灌输，而无法像人类自身那样进行主动的学习。同时人工智能只能够利用已有的知识去解决一些问题，但是却还不能够创造性的提出一些新的东西。

3.2对机器人三大定律的困惑

美国最著名的科普作家艾萨克．阿西莫夫提出过比较著名的机器人三大定律：第一定律，机器人不得伤害人，或任人受到伤害而无所作为；第二定律，机器人应服从人的一切命令，但命令与第一定律相抵触时例外；第三定律，机器人必须保护自身的安全，但不得与第一、第二定律相抵触。虽然这只是科幻作家所提出的一家之言，但是也代表了人类对与人工智能发展的一种期望与担心。人们害怕自己所创造出来的人工智能会伤害人类自己。但是阿西莫夫所提出三大定律都是以人类为中心的，而忽视了人工智能本身。或许这是人类的一种天性，世间所有的事物都应该围绕人类自身来定义、发展。就好像人类自以为掌控了能够改变大自然的力量，最终却被大自然反噬一样。同时，随着科学技术的发展，人工智能已经不单单需要逻辑思维与模仿，同时还应该将情感赋予人工智能。因为随着科学家对人类大脑和精神系统的研究的深入，已经愈来愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人类的自我中心又是否会伤害到人类自己创造出来的人工智能。

3.3对人工智能未来的思考

人工智能有着十分巨大的发展潜力，对于人工智能的研究虽然经过了很多年，但是这也仅仅是刚刚开始而已，继续研究下去在很多方面都会有重大的突破。自动推理是人工智能最经典的一个研究分支，它的基本理论是人工智能其它分支的共同基础。一直以来人工智能最热门的研究内容里面就有自动推理，同时在该知识系统中的动态演化特征及可行性推理的研究是一个十分热门的研究内容，很有可能取得大的突破。机器学习一直在致力于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。在过去的很长的一段时间内都没有取得十分显著的成果。但是许多新的学习方法相继问世，并且已经有了实际的应用，这充分的说明在这方面的研究已经有了很大的进步。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。在经过人工智能研究人员的艰苦努力之后，在该领域中已取得了大量令人瞩目的理论与实际应用成果，许多产品已经进人了众多领域。智能信息检索技术在Internet技术的影响下，近年来发展势头十分迅猛，而且已经成为了人工智能的一个独立研究分支。

第3篇：人工智能论文范文

关键词：科技期刊；人工智能；数字化；同行评议

2021年，中共中央宣传部、教育部、科技部印发《关于推动学术期刊繁荣发展的意见》，指出学术期刊要加快融合发展，推动数字化转型，引导学术期刊适应移动化、智能化发展方向，推动融合发展平台建设。人工智能正推动社会从数字化、网络化向智能化转型，科技期刊是率先有效引入人工智能的领域，人工智能与科技期刊出版的融合是发展的必然趋势。人工智能技术正越来越多地被开发、应用来帮助作者和出版人员，如对海量文献进行检索和分析，提取有用的信息；协助组稿审稿、编辑加工、出版发行；检出学术不端、鉴别数据造假等。人工智能可提高期刊出版和学术交流的效率，保证客观公正性和质量控制，减少人为偏倚和编辑职业倦怠，未来甚至可以指导特定领域如何开展新的研究。科技期刊出版平台未来将不仅限于提供学术论文数据库服务，还可以提供更多的信息和服务，人工智能在科技期刊出版中的应用前景值得思考和探索。

一、人工智能在审稿中的应用

Dimensions数据显示，2019年有超过420万篇论文发表，与十年前相比翻了一番。辛巴信息（SimbaInformation）统计数据显示，每年有超过250万篇学术论文发表在28000余种英文科技期刊上，科技期刊同行评议的论文数量是这个数量的两倍以上。发表论文数量的增加意味着高质量同行评议审稿的需求增加，也带来了严格保持审稿高质量和高标准的挑战。数量如此庞大的学术论文交到数量相对较少的固定的学者间进行同行评议，势必造成审稿效率的低下和学术论文的延迟发表。同行评议过程还存在个人偏见，审稿人可能是稿件作者的竞争者或反对者，抑或是朋友、未来的合作者或资助者等，这些可能会影响审稿意见的客观性和公正性。在实际的期刊出版工作中，也缺乏对审稿人审稿质量，以及拖延审稿或无效审稿等不当行为的约束和监督。这种情况亟须人工智能等可用于决策支持的技术来保证海量论文得到严格、一贯且高效的审评。引入人工智能技术可以大大优化审稿流程、提高审稿效率、缩短审稿周期。人工智能可以从网络出版平台的专家数据库中快速匹配符合选题方向的审稿专家，帮助提高审稿的效率和成功率。人工智能可以在数据库中根据研究方向、审稿记录、审稿效率和其他预设条件等，自动筛选最合适的审稿专家，分析排序后生成审稿人列表；并根据审稿人信息自动完成审稿邀请邮件的发送，还可以实时监控审稿状态和审稿人反馈；一旦出现审稿超时，自动向列表中下一位审稿人发出审稿邀请；收到审稿人的审稿意见后，实时通过邮件、APP、短信等及时反馈给期刊编辑进行相应处理。人工智能还可以根据论文标题、摘要、关键词和正文内容等对来稿进行初审，对图文进行快速识别，对论文的真实性、合理性、逻辑性、科学性、创新性和规范性等做出判断，为编辑初审提供详尽精准的参考。人工智能可以对论文的学术价值进行初步判断，对其中的文字和插图等进行深度识别。人工智能可以整句或整段地阅读释义，能识别出传统软件识别不出的同义表达，如此可减少学术不端，保证期刊的学术价值和品质。人工智能或许可以一定程度上遏制掠夺性期刊和掠夺性出版的泛滥。人工智能通过帮助编辑寻找新的审稿人并进行自动审稿等，大大提高学术和科技出版机构编辑出版高质量学术论文的能力，增加学术和科技期刊的论文接纳能力，也就减少了掠夺性期刊侵占学术资源的机会。人工智能还能对已发表的论文进行自动浏览回顾，基于掠夺性期刊的一些特征和标准，帮助筛选出那些不坚持标准的掠夺性期刊和出版商。Elsevier用人工智能软件EVISE取代了其过时的编辑系统，支持其编辑流程，提高了学术论文处理效率。EVISE可将来稿链接学术不端检测软件，从数据库中筛选推荐合适的审稿专家，链接其他项目资源对稿件内容、科学性和审稿人利益冲突等进行检测，自动生成与个人或机构的往来邮件等。开放获取期刊出版商Frontiers推出人工智能软件AIRA，对Frontiers的10万名编辑、审稿人和作者开放，能帮助他们自动评估学术论文的质量。AIRA可以阅读每篇论文，并在几秒钟内给出20条建议，包括对文字质量、图表的完整性、学术不端检测以及可能的利益冲突等。AIRA经过了Frontiers的审稿经验培训和测试，已完全融入Frontiers的内部工作流程，自动筛选和识别潜在的审稿人，加快审稿进程的同时，保证质量控制和客观公正，缩短了发表时滞，提高了出版效率。AIRA通过给出建议及半自动化检查的方式提供决策支持，仍然由相关领域专业人士做出最终决策，这种用户反馈被AIRA捕捉并进行学习和自我完善，这种人机协作有助于保证高准确性和高效率。

二、人工智能在策划选题中的应用

传统的策划选题依靠编委和编辑的经验、知识积累对学科发展方向的判断和预见，这种方式受人为因素限制，容易忽略有价值的选题且费时费力。未来，我们可借助人工智能的帮助，对已发表的海量文献、资源数据库进行检索分析，获取有用的信息进行相应的操作。人工智能可以从网络出版平台的专家数据库中快速匹配符合选题方向的作者，帮助提高组稿的效率和成功率。数据思维就是利用数据来深度挖掘和了解需求，了解存在和需要解决的问题，通过量化的数据来解决问题。人工智能基于大数据可以辅助选题策划选题、收集专家学者信息和研究方向，通过读者阅读信息和反馈来分析其关注点和需求，提供个性化的文献检索和信息传递服务等。人工智能可以通过对大数据的深度挖掘和学习，通过云计算技术，敏锐捕捉专业领域的新热点、新技术、新理论等；基于读者的阅读习惯、倾向及频率等进行量化分析，获取读者的需求信息；对国家自然科学基金等基金组织申报和资助情况、科技奖获奖情况、国际学术会议研讨热点等进行整合分析，对文献数据库等潜在信息进行挖掘和分析，快速推测出哪些内容具有独创性、前瞻性和话题性，生成选题策划资源库，帮助期刊编辑更精准高效的策划选题。基于人工智能的新型搜索工具Iris.AI，可以帮助学者从海量文献中筛选研究论文或专利等，提取关键的数据和要查找的信息。学术搜索平台SemanticScholar也是基于人工智能自主学习的学术搜索引擎，可快速筛选相关有用内容，并在一定程度上理解这些内容，展示相关主题历年文章发表情况及相关推荐内容等，可辅助期刊策划选题。

三、人工智能在编校加工中的应用

传统期刊出版工作中，编辑需要在细致琐碎的编校加工工作中花费大量时间和精力，编辑主观因素影响编校质量和效率，编辑易产生职业倦怠，传统编校模式难以应对现代出版工作快节奏和大体量的挑战。人工智能可以自动对稿件进行编校加工，帮助提高科技期刊的编校效率和规范编校质量。人工智能不仅能对错别字、语法等进行更正处理，还能对专业词汇的表达、参考文献的格式、引用是否合适等进行识别，还能检查出是否遗漏重要的研究部分、统计学分析方法是否有问题、是否为了达到想要的结果而改动过数据，还能理解图像和说明文字的逻辑关系，自动为插图补充描述性文字、为文字配上插图、为文本格式的文字生成曲线图等，还能完成后续的排版和校对。将机械、重复、枯燥的编辑工作交给人工智能完成，这将大大减轻编辑的工作负担，并大大缩短稿件的处理周期。IBM公司的智能机器人“沃森”曾为名为TheDrum的市场营销公司独立编辑出版了一整期杂志，这期杂志大部分内容的编辑、加工、排版和校对等都由人工智能独自完成。科技期刊内容的编校涉及对稿件内容的理解，但人工智能依然能很好地完成内容和格式的编校加工和规范化处理。人工智能还可以帮助编辑高效处理信息、调取和整合分析数据资源，优化期刊出版流程和期刊编辑的工作内容。编辑有望从原来繁琐的工作中解放出来，转到对专业性和方向性的把控上。

四、人工智能在推广发行中的应用

人工智能可以高效完成学术成果的推广和传播。人工智能程序可实时将科技期刊论文向所有大型学术论文数据库上传发送，并能根据读者研究领域、浏览阅读习惯、科研和社交平台动态等大数据进行实时监测分析。基于读者的信息需求，实现向相关领域读者的精准信息推送，大大提高学术成果的传播效率和影响力。人工智能平台还可通过对读者的需求信息进行分析，获取相关领域关注点，反馈给期刊审稿系统，增加对相关学术内容的收录建议。国家新闻出版署武汉重点实验室打造的开放科学计划（OSID计划），体现了利用人工智能实现多元化精准推送的重要性，打破传统出版模式编辑到读者的单向内容服务模式，为读者和作者提供了多维度交流空间，丰富了学术论文的传播交流方式，扩大了学术传播的广度和深度。TrendMD公司的内容推荐引擎，可以将科技期刊的稿件推荐到上千个科研网站。期刊网站安装TrendMD插件后，经过筛选的内容链接便会自动出现在网页的指定位置，通过数据挖掘算法对稿件进行自动推荐，将相关内容推荐给感兴趣的潜在读者，实现科技期刊学术资源的精准传播和高效共享。通过精准推送，科技期刊的论文曝光率和点击率都会增加，一方面为学者开展学术研究提供了新的资源和参考，另一方面实现了科技期刊传播推广的效率和精准度。

五、人工智能在论文写作中的应用

人工智能也被尝试用于论文写作，人工智能软件不仅可以实现识别和记录功能，还能学习掌握不同专业的写作方式和技巧，能高效地协助作者完成论文写作，甚至还能进行内容创新。例如，ManuscriptWriter软件可以从SciNote的ELN和开放获取杂志的相关文献提取数据，通过机器学习和人工智能技术，帮助作者生成一个论文初稿，供作者进一步编辑利用。Trinka是首款专为学术、科技和商业写作设计的人工智能软件，能纠正上万种复杂书写错误，且能纠正其他工具不能检出的复杂语言错误，尤其是学术和科技写作中的专业术语及专用表述等，对论文给出详细建议。但人工智能软件撰写的假论文事件一度引起人们对科技期刊同行评议制度的质疑，SCIgen软件生成的假论文骗过了斯普林格等知名出版机构和期刊。可能在收集相关资料用于背景的撰写方面，人工智能有一定的优势，但撰写后面的讨论部分，就需要研究者的智慧了。讨论部分是最具创造性和创新性的部分，最能体现研究者个性风格、行文习惯和思维方式的部分，每位学者都会将自己的专长和学识等融入讨论部分，这不是人工智能可以轻易取代的。

第4篇：人工智能论文范文

《2018—2019中国数字出版产业年度报告》中指出，人工智能技术在出版领域的应用日趋深入［1］，最直接的表现在于人工智能技术将改变出版行业长久以来模式化、规律化的生产运营方式，提高出版效率，提升知识服务能力.研究人工智能技术与出版融合发展的落脚点和着力点在于人工智能在学术出版领域的应用.向飒［2］认为人工智能不仅可以加速学术传播，在选题策划、编辑出版、生产印刷、营销发行等方面再造学术出版流程，还可以显著提升学术出版的知识服务能力.刘银娣［3］认为人工智能可以应用在反剽窃和同行评审专家匹配、智能学术搜索以及智能文献计量等环节.刘平等［4］介绍了借助人工智能的智慧出版模式，包括从选题策划、内容生产到阅读体验及内容服务等过程.江雨莲等［5］指出人工智能在医学期刊编辑出版中的应用包括选题策划与组稿、论文初审与同行评议、编辑加工、排版与校对等方面.然而，现有研究［2－7］大多是概述人工智能在内容生产到内容推送全流程中的潜在应用，鲜有专门探讨人工智能应用于选题策划的研究.选题策划是出版物编辑过程的最初阶段，也是影响出版物发展前景的至关重要阶段［8］.探讨人工智能应用于选题策划是研究人工智能技术与学术出版融合发展的重要一环.本文将列举人工智能在科技期刊选题策划中的优势和可用于选题策划的人工智能产品，探讨人工智能选题策划面临的挑战及编辑的应对策略，以期为科技期刊应用人工智能进行选题策划提供参考.

1人工智能选题策划的优势及可用产品

科技期刊选题策划的方式方法与图书等出版物相比存在一些差异，它主要是根据当前学科热点及焦点问题，结合读者需求，制定具有前瞻性、引导性、实用性的选题方向、选题形式及内容，然后进行多途径组稿约稿，策划专题专栏、专刊甚至特刊来实现选题优化，强化期刊品牌特色，推进学科发展.

1.1人工智能在科技期刊选题策划中的优势

1.1.1提高选题策划的效率和准确性传统的选题策划主要依靠编委和编辑的知识积累、经验以及对学科方向的预见和主观判断来寻找有价值的选题，这种方式耗时费力，并且容易忽略非常有价值的选题.利用人工智能获取选题离不开人工智能学术搜索工具.2020年5月，清华大学人工智能研究院等单位联合了报告《人工智能之学术搜索》［9］，该报告中指出，与以往的学术搜索引擎(例如开放式互联网学术搜索引擎)相比，人工智能学术搜索引擎不再局限于单纯地为用户提供文献检索的简单功能(例如关键词搜索、模型化计量等)来逐层过滤相关度不高的论文，而是将大数据、深度学习技术应用到信息筛选过程中，基于大数据、深度学习的检索系统能从海量数据中快速提取有效信息并进行科学统计分析，同时理解查询者的需求和文献的意思.人工智能可深度挖掘读者需求，通过读者行为(阅读、评论、下载、转发等)捕捉读者研究背景和研究兴趣;还可以根据学科领域内的热门事件和热点、前沿问题进行智能分析比对，快速推测出哪些内容更具前瞻性和话题性，有效提高选题策划的效率.人工智能选题策划是在开放的互联网上进行的，搜索范围更广、内容更丰富，获得的选题方向更全面、准确.由《纽时时报》数字部门的科学团队研发的机器人Blossomblot，是基于协作工具Slack软件上的一个虚拟智能机器人，它可以对社交网络的海量文章进行大数据分析，预测哪些内容更有话题性，帮助编辑挑选出适合推送的素材.据《纽时时报》的统计数据，经Blossomblot筛选后推荐的文章点击量是普通文章的38倍［10］.

1.1.2提升约稿对象的匹配度随着科学技术的发展，学科间的交叉融合越来越多，学者进行跨学科研究的现象非常普遍;青年学者的学术影响力较弱.这些因素都可能导致编委或编辑不能准确、及时地获取潜在约稿专家的信息及他们的科研动态.人工智能可协助期刊编委及编辑寻找潜在的约稿专家.与传统的约稿方式(如在编辑部已有专家库中选择、其他专家推荐等)相比，借助大数据技术、知识图谱技术、图像识别技术甚至声纹识别技术等，人工智能可在海量信息中检索并标记可能相关的学术动态信息及其研究者，具有元数据结构的机器可“读取”、描述这些科学人物，并对他们的研究成果相关性及研究质量进行搜索、分析和排序，估算这些研究者的学术影响力.比如，人工智能可以快速搜索相关领域重要学术会议的特邀专家、重大科研项目的第一责任人、省部级科技奖项获得者等，分析这些研究者及所在课题组的科研轨迹和当前的研究方向，分析他们的科研产出，估算他们的科研活跃度;同时，通过学者关系网络图谱智能搜索与这些科学家合作密切的其他研究者.此外，人工智能还可根据当次约稿结果生成新的训练数据，为下一次选题策划、组稿约稿提供参考.人工智能赋能的学术搜索工具AMiner可采用知识图谱技术结合人工智能技术自动生成全球人工智能领域最有影响力的学者榜单、全球计算机领域高校排名、全球学术会议综合指数及排名等学术榜单，帮助编委和编辑在交叉领域和新兴热点领域寻找全球范围内合适的约稿对象［9］.

1.2可用于选题策划的人工智能产品表1列举了6个目前国内外主要的基于人工智能技术开发的学术搜索工具(按年份排序)，这些人工智能产品可应用于科技期刊选题策划的不同环节中.AMiner具有研究者语义信息抽取、面向话题的专家搜索、权威机构搜索、话题发现和趋势分析、基于话题的社会影响力分析、研究者社会网络关系识别等功能［9］.Meta可以根据用户的搜索历史，找出与其研究项目相关的最新论文，而非只是同行评审分数最高、引用最多的论文，并创建可以展示所有已论文之间关系的知识图谱［3］，甚至可以预测科研人员研究领域未来的动向.Yewno能够帮助研究者建立跨领域概念之间的相互联系，并发掘知识内在的深层次联系;还可通过语义分析等技术将出版物分解为独立的内容，形成细颗粒度的知识结构;同时支持学术机构和专业出版机构建立自己的知识图谱［11］.SemanticScholar可自动筛选论文关键词、关键段，辅助研究者快速理解论文内容;通过评估论文内容的相关度来实现搜索结果的快速排序［2］;还可以搜索指定主题的相关论文并判断论文的价值［9］.与利用关键词搜索的方式不同，Iris.ai通过对用户输入的字段或论文摘要中的关键词进行机器学习，结合该字段或关键词在段落中的具体含义，通过算法将这些带有语境的概念分类集群，最终为研究者筛选出更为相关的文献资料［12］.Sparrho利用人工智能结合人类智慧，能分析理解用户需求，通过动态馈送和专家管理公告栏，帮助研究者了解各学科领域的最新出版物［13］.

2人工智能选题策划面临的挑战

人工智能为科技期刊选题策划带来便利的同时，在实际应用中也面临着诸多挑战，主要集中在以下几个方面.(1)选题的同质性.传统的选题策划主要依靠编委、编辑的智力劳动来完成，他们通过深度的思考和缜密的逻辑分析深入研究选题，甚至在对立的观点之间寻求创意，由此找到极具价值的选题，这一过程充分发挥了人的主观能动性.而基于人工智能的选题策划更依赖于机器智慧对已有知识进行学习和积累，然后通过既定的量化指标进行信息筛选、分析和判断.在信息筛选过程中，相同或相近学科的期刊编辑若盲目依赖人工智能追求研究热点、前沿问题，会使各刊研究内容重复，最终导致选题方向及选题内容同质化.这不仅背离了人工智能将编辑从繁琐的信息搜索工作中解放出来的初衷，造成了人力、物力、财力资源的浪费，还导致科技期刊办刊特色不鲜明、缺乏学术创新.而具有差异化、创新性和前瞻性的科技期刊才能突显办刊特色，引领科技创新和行业发展.(2)算法的公平性.算法是人工智能的核心，算法越精准，人工智能的自主决策能力越强，其结果才越具有指导性意义.人工智能选题策划的每一步决策都是经过算法设定好的，这些算法繁多且逻辑复杂，但并非完全客观.现有的机器学习模型需要对具体应用中产生的海量数据进行训练，生成训练模型，然后将训练模型应用于后续的数据筛选和预测.那些最先用于训练的海量数据的采集和标记都经过算法设计者、开发者的挑选和“标签化”，这就引入了不同程度的“人类偏见”.目前我国人工智能算法很多采用国外的深度学习框架，算法中可能已经嵌入了设计者和开发者的思维和意见，将其应用到出版选题策划中，结果可能存在偏颇.例如在智能推荐约稿专家的过程中，人工智能受算法设计者对科研工作者性别、年龄、学历、职称甚至国籍等设定条件的影响，可能会给出有失公允的推荐结果.(3)学习样本和训练模型的科学性.实现人工智能选题策划首先要训练海量数据生成训练模型，这就要求人工智能设计者必须选取全面、科学的元数据，才能最大限度地提高人工智能选题策划的可靠性.①在学习样本的数量方面，目前现有的人工智能训练模型大多只基于部分数据库(其中部分数据库需要付费使用)，得到的数据较为片面;另外，训练数据时可能不会针对每一种可能都有足够的样本，导致人工智能无法充分学习，其结果可靠性将受影响.②在学习样本的科学性方面，某些科技期刊刊载文章中存在实验设计不科学、不周密或误用统计方法的现象.例如，文献［14］对医学论文中样本选择的科学性展开讨论，发现如果采用“选择”而非随机抽样的方式进行实验分组，将会造成结果偏性，若将这类文献作为学习样本进行训练，可能导致错误的认知，影响选题策划过程中人工智能对文献质量和价值的判断.③在训练模型的科学性方面，训练模型很难量化训练数据中的某些特征，比如文献的创新程度、重要性及潜在影响力等.

举个有趣的例子，使用人工智能为美国研究生入学考试(GraduateRecordExamination，GRE)的答卷评分时，人工智能无法准确评价一篇作文的结构、清晰度、创造力等，而是更关注作文的长短句、词汇量、语法等，但后者并不是一篇好作文的最重要衡量指标，只是基本指标.由此可见，利用人工智能量化所有评价指标的难度非常大.另外，训练模型中每一个量化指标的科学性也有待继续探讨.在选题策划过程中，利用人工智能建立训练模型来训练数据时，势必会更注重一些便于量化的评价指标，例如被引频次、影响因子、h指数等.单就影响因子而言，它的计算方法与论文学术水平并没有直接关系［15］，如果仅以此作为量化指标生成训练模型，势必会过滤掉一些对研究者很有价值的文献，这就需要科学地设置各个重要量化指标的权重.(4)对青年学者的公正性.青年学者是科研攻坚的新生力量，他们知识结构更新快、精力充沛，对期刊编辑部的组稿约稿工作响应程度高且执行力强，产出的论文质量较高.但他们的科研工作刚刚起步，相对于资深学者，学术影响力较弱、h指数相对较低.在利用人工智能进行搜索和构建学者关系网络图谱时，发现:由于青年学者的学术影响力较弱，他们的名字被用户搜索到的概率相对较低，研究成果被读者阅读、下载、转发的次数相对较少;同时，他们在人工智能构建的资深专家关系网络图谱中可能处于边缘位置，被关注度较低.上述情况都有可能导致人工智能对青年学者产出论文在推荐优先级别上的误判.此外，相对于人为选择约稿专家，利用人工智能筛选、推荐约稿专家时，若算法单纯地关注诸如h指数等指标，并用于评估青年学者的学术产出数量与学术水平时，会导致青年学者被人工智能推荐为约稿专家的概率降低，这对青年学者来说都有失公正.(5)对编辑信息素养的要求.信息素养主要包括信息意识、信息知识、信息技能以及信息伦理道德4个方面.传统选题策划注重编辑的信息观念与意识，而人工智能选题策划则对编辑的信息素养提出了更全面的要求.虽然人工智能还存在算法设计缺陷，科学性还有待提升，目前还不能完全代替编辑独立完成选题策划，但是人工智能通过互联网大数据筛选信息，所得结果也具有一定的统计学意义，这就要求编辑对人工智能的工作原理有一定的了解，并对给出的信息有更为敏锐的思辨能力和判断能力，最终决定是否采用人工智能选题策划的结果.大数据时代的信息更新非常快，编辑还应掌握信息处理技能，这些技能包括信息整合、存储、交换、传递、应用等.同时，还要特别注意在信息处理过程中所表现出来的道德品质，比如如何在信息存储、交换、传递过程中保护人工智能筛选出的文献作者信息、读者行为信息、约稿专家信息等，避免出现由人工智能带来的出版伦理道德问题.

3编辑的应对策略

3.1立足自身优势，发挥主导作用

科技期刊编辑应认识到人类的思辨能力、联想能力、创新能力以及情感交互能力等是人工智能无法比拟的.在人工智能选题策划环节，面对热点、前沿问题时，编辑首先应保持理性思维，坚守意识形态阵地，结合自身学科知识背景和对出版伦理道德标准的把握，发挥价值判断优势，辩证分析选题的可行性，引导优秀学术内容的传播;其次，编辑应强化创新意识，打破固定思维的束缚，放宽眼界，拓展知识面，完善知识结构，同时依托读者市场，积极探寻新的选题生长点，推陈出新;最后，人工智能无法就选题计划与约稿专家进行情感交流，编辑还应善于维系与约稿专家之间的情感，给予他们人文关怀和情感反馈，促进选题策划过程良性发展与循环.人工智能是由人类智慧创造出来的，其计算能力和深度归纳分析能力远超人类.德国波恩大学教授马库斯•加布里尔认为:“人工智能问题的讨论需要正本清源，人工智能一直并且只能是人类思维的一种模型，而非思维.”因此在选题策划过程中，编辑应发挥主导作用，充分利用人工智能的优势为科技期刊选题策划服务.编辑与人工智能二者互补所长，协同工作，才能最大化地消除由人工智能选题策划带来的负面影响.

3.2全面提升信息素养

人工智能技术的快速发展将促使编辑提升其在选题策划环节中的信息素养.在互联网时代，学科知识更新迭代速度飞快，且这些知识的媒体也非常多，科技期刊编辑不应局限于通过网络检索学术动态、关注重大专项和成果以及参加重要学术会议等常规形式获取选题，而是要时刻保持敏锐的洞察力，善于发现新兴事物与所在期刊学术知识的内在联系，寻找选题的灵感.同时，编辑应拓宽知识维度，提升自身的学术水平、逻辑思维能力和判断力，还要对人工智能的基本原理和思考过程有一定的了解，才能甄别人工智能选题策划中存在的疏漏并及时反向查找纠正.另外，编辑要掌握多种信息处理技术，比如多媒体技术、数字技术等，以适应未来智慧出版对媒体融合型编辑的要求;还要熟悉人工智能选题策划全流程，熟练使用人工智能学术搜索工具，避免出现人工智能技术和编辑应用能力的不匹配.此外，编辑应高度重视在信息处理过程中自身行为可能导致的出版伦理道德问题，同时制定相应的应急预案，确保在人工智能选题策划环节中的信息隐私.

3.3积极参与人工智能的优化设计

人工智能算法存在设计缺陷，可能导致选题策划结果与编辑长久以来的思维方式、观念认知等存在矛盾或偏差.编辑的实际使用感受对人工智能选题策划发展进程起着重要作用，因此科技期刊编辑应积极参与到算法优化设计中.编辑作为人工智能的使用者，应了解人工智能选题策划用于计算所有指标的数据和方法，理解算法设计者的设计思路和目的，而不是单纯地要求公开算法.算法公开并不能完全消除算法歧视，这是因为算法是由一系列的程序和代码组成的，具有极强的专业性和技术性，且算法是不断升级优化的，最初公开的算法很可能不是当前使用的算法.编辑应在实践中不断应用，发现并及时反馈算法设计的不合理性.此外，应用人工智能选题策划的不同出版单位应加强交流，互通有无，形成合力，变被动应用为主动出击，共同督促人工智能算法设计者不断优化升级，最大化地减少算法歧视.

4结语

第5篇：人工智能论文范文

关键词:科技期刊;媒体融合;知识服务;精准传播

近年来，随着计算机技术的进步，科技期刊出版正在经历着前所未有的巨大变革。目前，信息技术已呈现出“人-机-物”三元融合的态势，数据分析工具和基于云计算的数据资源成为期刊出版的重要特征［1］，期刊出版的数字化和集群化发展成为当下期刊发展的主流趋势，人工智能也将在学术期刊的出版、存取、质量评价等多个环节上得到广泛应用，并推动科技期刊出版方式的变革［2］。目前，在科技期刊界，学者们就如何促进科技期刊媒体融合发展开展了大量的研究，既包括理论层面的探讨，又包括从实践和案例的角度开展的应用研究［3-6］。与此同时，我们注意到，全球的科学产出以极快的速度增长，从第二次世界大战结束以来，全球的科学产出相当于每9年就会翻1番［7］，读者也更容易被无用的信息轰炸，难以在期刊论文的海洋中高效准确地找到自己需要的内容，科技期刊要想扩大自身的影响力也愈来愈难。信息爆炸时代，科技期刊关注读者“需要什么”比“提供了什么”更重要。在智能技术变革的时展潮流中，科技期刊应如何顺应时展趋势，利用智能技术整合资源，更好地满足读者的需求，扩大期刊的影响力，创造科技期刊人、出版商、作者、读者的共赢局面?本文从以上问题切入，尝试从扩展学术搜索的路径、构建个性化的精准推送平台和多元化的传播模式、向用户提供有针对性的服务方面探索在媒体融合形势下如何提升科技期刊的精准传播能力，以期为我国科技期刊媒体融合建设增瓦添砖。

1借助人工智能，扩展学术搜索的路径

互联网时代改变了人们获取信息的方式，搜索引擎在促进科技期刊的传播、提高影响力等方面的功能逐渐凸显。虽然现有的一些搜索门户网站诸如Webofscience、PubMed、谷歌学术、各图书馆网站、中国知网、万方数据知识服务平台等搜索引擎可以帮助读者检索科技论文，但是仍不能满足用户多样化的检索需求。Tancheva等［8］针对康奈尔大学图书馆开展的一项调查研究发现受访者“往往既对搜索方法的效率感到满意，同时又对搜索的棘手和费力感到不满……当研究人员无法完成一个特定的搜索任务，他们很可能放弃现有的方法(或工具或技术)，而不是找出如何使它工作”。为了解决这一问题，需要开发新的模式解决学术出版的过量负载，利用智能技术优化搜索引擎的现有功能。目前很多科技公司都在探索开发基于人工智能的学术搜索引擎和知识服务。例如Springer网络平台不断对其功能进行集成，并提供个性化服务功能;Elsevier等出版商为用户等提供搜索引擎培训课程;微软学术(MicrosoftAcademic)通过在实体之间建立有意义的关联，自动生成可视化的知识图谱，引导学者阅读［2］;2014年，Wiley线上图书馆为用户提供了增强型HTML文章服务(AnywhereArticle)，它将可读性、交互性和可移植性设为用户体验的核心，使读者能够在页面中快速找到最重要的信息［9］。一些关于科学出版的新模式和平台被相继开发，如Chorus［10］通过集成服务和开放APIs，优化了科技论文被搜索的路径，并为政府机构、出版商、研究人员、图书馆员和作者提供可持续的解决方案。目前我国已经形成一些专业的期刊集群，一部分学术期刊数据库平台也开始进行语义出版形式的探索，对科技期刊内容进行深度加工和挖掘。不同的科技期刊具有不同的特点，在学术期刊的数据库平台建设过程中需要平台开发团队与期刊编辑充分交流［11］，发挥编辑的优势和主导作用，凸显本学科的学科特色。

2利用智能算法，构建个性化的精准推送平台

技术是科技期刊创新发展的重要推手，技术应用能力也成为科技期刊发展的竞争资源，充分利用技术强化科技期刊的知识服务和加工能力，创新出版和传播模式，满足数字化时代的读者需求，对于科技期刊的精准传播和融合发展非常重要。在人工智能背景下，可以借助于算法实现科技期刊出版的智能化。算法的设计程序与设计者的思维密不可分，设计者选择数据样本、赋予数据意义、设计模型与算法，拥有数据并设定算法的智能化平台具有很强的主导性［12］，因此设计者需要尽可能考虑并消除算法偏见和利益冲突对精准传播带来的负面影响。日前，腾讯研究院和腾讯AILab联合的人工智能伦理报告指出“人工智能等新技术需要价值引导，做到可用、可靠、可知、可控”［13］。目前“智能算法+学术期刊”已成为创新趋势，学术期刊可构建信息数据基础环境，进一步完成动态精准信息推荐，最后以传受关系交互实现长期有效的黏性连接［14］。一方面可以通过算法整合资源，实现大量科技期刊的数字资源的聚合;另一方面可以通过算法分析用户的阅读兴趣、研究领域，基于用户的需求建立相关用户数据信息，从而进一步将数字资源和用户数据相匹配，实现科技期刊的智能化精准传播。如中国知网推出的“CNKI全球学术快报”整合全球文献和超星集团推出的“域出版”超星学习通学术平台［15］，用户不仅可以在其App上进行文献检索、分版阅读、专题阅读等，还可以与作者进行互动交流。此外，还可以利用智能算法设计追踪用户的信息反馈，通过学术平台进一步增加用户的体验感，提升科技期刊的精准传播能力。

3创新知识加工，构建多元化的传播模式

在人工智能和融媒体时代，除了运用智能技术构建个性化的知识服务平台，科技期刊也需要充分发挥社交媒体的作用，通过加强期刊网站建设、建立App客户端、微信、微博等新媒体传播平台，可以根据各自领域的特点，对科技论文进行多次加工和编辑，构建个性化的传播方式。如论文编辑平台Kudos为作者提供了一种利用社交媒体使他们的论文更易下载和传播的工具，通过为作者已发表的文章创建介绍并添加简短的标题、易懂的摘要和补充内容，可以使他们的文章对读者更具吸引力［16］，学术出版平台也可以通过建立二维码，为读者提供开放增值服务，使读者进一步了解论文的数据、图片等资料，实现与用户的精准对接。如中国煤炭行业知识服务平台为该平台上的每篇论文制作了二维码，用户阅读纸刊论文时，通过扫描其中的二维码可以免费下载PDF、HTML文件，此外读者还可以通过扫描二维码向作者提问或向责任编辑反馈意见［17］。目前，邮件推送也正在成为科技期刊提升精准传播能力的一个重要手段，国内一些期刊在这方面做了大胆的尝试。例如:《计算机工程》基于语义分析和智能分词等技术，设计了一套期刊内容精准推送系统，将读者—文章—标准关键词进行匹配，通过邮件为潜在读者推送与其研究方向相关的最新研究论文［18］;《应用生态学报》通过运用大数据和数理统计方法，构建了科技期刊论文单篇推送客体指标体系，通过邮件对读者进行单篇精准推送，取得了较好的传播效果［19］。此外，利用音频、视频、科学可视化等多媒体技术可以在短时间内表达丰富的科学信息，增加科技论文的广泛传播。如虚拟现实/增强现实(VR/AR)为读者提供沉浸式的阅读环境，提升读者的体验感，从而吸引了更多读者的关注。中国科学技术大学王国燕博士及其团队开展的前沿科学可视化研究和设计，使科技论文通过图像的形式向读者展现，提高了科技论文的交流和传播，她通过对顶级科技期刊《Nature》《Science》《Cell》的一项实证研究发现，科技期刊封面故事和封面图像的使用可以提高论文的引用率［20］。《上海大学学报(自然科学版)》借助第三方AR展示平台实现了学术期刊的多模式AR融合出版，取得了很好的效果［21］。

4满足用户需求，提供有针对性的服务

用户是技术发展的关键。在市场竞争日益激烈和智能技术日益成熟的形势下，满足用户个性化需求，提高精准传播的能力成为当前出版界的核心竞争力。科技期刊的传播模式需要从传统的受众泛化模式向受众细分、个性精准推送的传播模式转变。为了更好地实现科技期刊的精准传播，需要从用户的需求出发，在细分人群的基础上锁定受众需求，重视用户体验，对期刊论文进行二次加工和深度挖掘，使内容出版与读者的需求相适应。通过依托大数据、云计算等技术手段，采集和挖掘读者需求数据，可以满足读者对科技论文的个性化需求。《计算机研究与发展》结合本期刊发展特点，构建了一种贯穿稿件生命周期的多渠道精准传播体系，共建立了细分邮件列表4000多个，如把每期的目录针对性地发给学科涉猎较广的大导师，将新思想和新技术的文章发给科研一线的科学大牛，将综述文章发给处在学习阶段的研究生的导师［22］，这种分法满足了不同层次的读者需求，将内容呈现给具有不同阅读需求的读者，充分利用了技术增强科技期刊传播的长尾效应，值得广大科技期刊借鉴学习。科技论文从出版到传播需要得到作者、出版商、赞助者、编辑、读者等多个行动主体的沟通和合作。互联网思维不仅需要实现人和物的联结，同时也需要人与人之间更加有效的互动与合作。精准传播不仅仅要靠技术，而应该成为一种文化。Sommer强调应重视人的因素，他认为可以通过一种整体创新的文化来实现科技期刊的精准传播能力，为了达到这一目的，作者、合作者、出版商、机构、社会和赞助者需要发挥各自的作用并共同承担责任［23］。不同的行动者需要积极发挥好各自的作用，对资源进行整合和优化配置，协同进行知识加工、知识服务和知识传播［24］，这不仅是精准传播需要努力的方向，也是科技期刊深度融合发展的下一步走向。

5参考文献

［1］初景利，盛怡瑾．科技期刊发展的十大主要态势［J］．中国科技期刊研究，2018，29(6):535

［2］刘银娣．学术出版领域的人工智能应用:现状、挑战与应对［J］．科技与出版，2019(1):64

［3］朱琳，张晓宇，刘静，等．中国科学院科技期刊融合出版现状调研与分析［J］．中国科技期刊研究，2019，30(6):606

［4］陈勇，郭伟．媒体融合背景下科技期刊学术传播方阵的构建与探索［J］．编辑学报，2019，31(2):138

［5］刘静，翟亚丽，朱琳，等．我国科技期刊融合出版研究现状:基于CiteSpace的知识图谱分析［J］．中国科技期刊研究，2019，30(5):487

［6］李小燕，侯春梅，郑军卫，等．我国科技期刊媒体融合制约因素及突破路径探析［J］．中国科技期刊研究，2019，30(4):381

［11］王晓峰，邓迎，徐雁龙，等．新时期科技学术期刊英文出版平台建设［J］．编辑学报，2019，31(2):202

［12］段伟文．控制的危机与人工智能的未来情境［J］．探索与争鸣，2017(10):7