从知识管理到智慧服务—2023 知识管理与知识服务学术研讨会在我校成功召开
繁花似锦，绿荫如海，生机盎然的五月，由《图书情报工作》杂志社、《知识管理论坛》编辑部、华中师范大学信息管理学院联合主办，大连理工大学图书馆承办的“从知识管理到智慧服务——2023知识管理与知识服务学术研讨会”在我校成功召开。中国科学院文献情报中心主任刘细文、北京大学图书馆馆长陈建龙、中国科学院大学信息资源管理系主任初景利、华中师范大学信息管理学院院长李玉海，以及国内外从事知识管理与知识服务相关研究和实践的专家学者等150余位学界同仁齐聚一堂，共同为深入挖掘知识服务的模式及智慧服务平台的架构体系展开研讨，并分享知识管理和智慧服务的实践进展与学术成果。
5月5日上午，会议开幕式由大连理工大学图书馆馆长贾明主持，并代大连理工大学校长助理陆安慧教授致开幕词，他在开幕词中向与会代表表示了热烈欢迎，对多年来图书馆在自我变革的演变过程中不断求取探索表示肯定，并对未来提供更好的、创新的、增值的知识服务表示殷切希望。而后华中师范大学信息管理学院院长李玉海教授和中国科学院文献情报中心主任刘细文教授分别为大会致辞。他们指出，本次会议在知识管理领域具有重要意义，如何使知识服务更加高效智能，将迎来在座各位智能时代图情专家的重点关注。
开幕式致辞嘉宾
为期两天的会议中，在中国科学院大学信息资源管理系主任初景利教授、中国科学院上海生命科学信息中心主任于建荣、沈阳师范大学图书馆党总支书记王宇、中师范大学信息管理学院教授王忠义四位主持人的主持下，来自全国各地、不同学术领域和机构的业界专家共为大会带来了十四场精彩纷呈的主题报告，从多个维度深入阐释并探讨大会议题，有高屋建瓴的理论指导，也有优秀案例的实践经验，大家在交流中碰撞思想，在沟通中凝聚共识，为推动知识管理服务的结构化变革共商共建共享。
报告环节主持人
中国科学院文献情报中心主任刘细文以《数据驱动的文献情报服务》为题，指出数据驱动下的研究图书馆应该广泛集成数据、文本和富媒体内容、认识学术图书馆的数据驱动功能跃迁、实现数据驱动的知识发现并让数据驱动融入科研过程，文献情报领域应全面拓展知识服务、稳步推进数据驱动型文献情报服务。
北京大学图书馆馆长陈建龙以《高校图书馆的知识服务策略创新》为题，列举北京大学阅读文化节的生动案例，对知识服务的服务对象、服务策略、服务内容与服务者等方面进行了阐释。
华中师范大学信息管理学院教授段尧清、南京大学信息管理学院教授杨海平分别以《数据要素化下的知识管理需求驱动到价值驱动转型——项目咨询实践》、《基于DTM模型与空间映射的南海舆情演化特征研究》为题作报告。分别围绕着现阶段存在的问题阐述了价值驱动下的知识管理设计蓝图以及知识体系设计和采用DTM主题动态模型的创新研究方法与代表们进行交流分享。
安徽大学图书馆馆长储节旺和大连理工大学图书馆副馆长王红则从高校图书馆的角度模拟了知识服务未来发展趋势，王红指出高校图书馆作为高校科研和学术交流的重要场所，不仅是学生学习、教师教学、科研人员研究发现的资源中心，也是知识服务的主要提供者，应提供多元化、系统化的知识服务来满足教学科研需要，并分享了面向碳中和研究院建设的知识服务实践案例。
蓝凌软件研究院副院长黄德毅、中国人民大学信息资源管理学院教授周晓英、西北大学公共管理学院公共信息资源管理系主任王铮、中科软股教育科技股份有限公司总监倪苗苗、中国科学院上海生命科学信息中心主任于建荣、中国科学院文献情报中心博士后刘敬仪、北京万方数据股份有限公司知识产品开发部副总经理董玉玉、博看数据库人工智能研发部副总经理付乔等也分别为大会作出精彩报告。会议最后，李玉海院长、初景利教授作总结发言，共同感谢了大连理工大学图书馆为承办此次会议作出的努力，并对与会的各位专家表达感谢。
本次“知识管理与知识服务学术研讨会”凝聚了业界各位专家同仁的智慧和共识，为数智时代下知识服务面临的新常态打开新思路，开辟新途径，注入新活力。也为高校图书馆如何进一步帮助读者快速建立起有效的知识成果，使知识服务更加高效智能提供了策略和支持，相信在大家的共同努力下，知识管理与服务研究领域定能在新征程中展现新作为，在图情信息事业发展中彰显新担当。
AI研习丨慧科研：基于科技大数据计算的智能知识服务平台
文/钱力，谢靖，胡吉颖
摘要
本文首先对智能知识服务生态体系的建设背景和整体架构进行了总体介绍；然后重点对智能知识服务体系中的智能随身科研助理服务和机构知识资产管理与分析服务进行了详细的功能介绍；最后总结了智慧知识服务平台取得的成效，并指出了人工智能技术面向大数据治理、细粒度知识识别、精准服务提供等方面，仍然需要在数据、技术及服务模式上进一步提升。
关键字
慧科研；人工智能；开放科学；科技大数据；智能知识服务；大数据计算
0引言
大数据与人工智能（AI）时代，利用文本深度学习、结构化分析、知识对象挖掘与结构聚类，发现科学研究中的关于具体方法、过程、参数和结果等的研究设计指纹，支持对解决方案的挖掘和对比分析，情报分析走向智能计算的趋势越来越明显，文献情报知识服务正面临重大发展机遇。同时，随着互联网与数据技术的快速发展，科学研究已经迈进数据共享、共同研究的群体智慧时代。开放科学为各层面开辟了科学的流程和产品，促进人员合作、知识共享和科学组织，通过促进更多透明度、开放性、网络和协作来增强科学。新冠疫情爆发进一步体现出开放科学的紧迫性与重要性。
在上述发展背景下，本文设计了智能化、精准化的智慧知识服务生态体系架构，并研发了基于科技大数据计算的智能知识服务平台——慧科研，打造智慧型开放学术生态特征的智慧知识服务产品，突破从传统被动服务到主动服务、从封闭科研到开放科研的学术服务模式。
1慧科研——智能知识服务生态体系设计
1.1科技大数据资源体系建设
面向建设支撑科技创新的国家级“科创知识库”的目标，并支持转型升级到以知识计算型为核心的数据服务，科技大数据资源体系建设覆盖了科技文献基础数据库与知识大数据库（科创领域知识库与科创知识图谱）。
（1）构建覆盖全面、权威及时的科技文献基础数据库——科创基础数据库。从科研主体（专家学者、科研机构、学术期刊、科研团队、出版平台、科技企业、资助机构）、科研活动（科研项目、学术会议、培训交流、科技大赛、数据分享、新闻资讯、社交活动、科技政策）、科研成果（论文、专利、报告、获奖、专著、标准、软件、产品、数据）、科研装置（大科学装置、仪器设备、耗材制剂、研究方法等）及科学数据（研究数据等）五大维度构建“科创基础知识库”，实现汇聚融合，并从学科分类、产业分类、主题分类、科技知识组织体系（STKOS）范畴分类进行深度标引，对于知识分类计算提供了基础高质量数据。
（2）基于内容挖掘识别细粒度知识智能构建科创领域知识库——基于科创基础数据库。利用BERT预训练模型新型NLP技术方法，在人工智能与化学键能两个领域，分别示范构建领域知识图谱。其中，人工智能领域的知识库包括研究问题、研究方法、研究数据及实现指标4类细粒度知识；化学键能领域的知识库包括化合物、溶液、方法、PKA、PKA-VALUE、Bond与反应7类细粒度知识。
（3）基于知识关联计算智能构建科创知识图谱。利用大数据与AI技术，对多源异构科技资源进行治理融合、关联计算，联通了各个创新主体与创新资源实体（论文、期刊、学者、机构、项目、主题等），已经建成了知识关系种类有21种、知识关系总量100亿+的科创知识图谱。
1.2智能知识服务生态架构设计
将大数据和AI技术作为智慧知识服务生态体系建设的新引擎与新动力，以数据驱动的思路创建支撑科技创新与发展的“科创知识库”，充分利用AI技术搭建智能情报系统，让科技情报工作成为灵活运转的以智能情报系统为核心的“数据清洗厂”“信息加工厂”“知识生成厂”与“决策制定厂”，这一过程使科技情报工作能够快速洞悉变化、凝练问题、聚焦目标、形成解决方案，极大地弥补人类智能上的不足，增强人们应对复杂问题与任务的能力。
基于上述设计思路与研究方法，本文设计了以“科情大脑”为指挥中心的智慧知识服务生态体系的总体框架，如图1所示，即打造了覆盖从科技管理与科技决策、中国科学院科技创新、科技创新系统其他单元，以及社会学术信息环境的全生命周期的数据流、知识流的开放型生态体系。该体系围绕“科情大脑”，构建智慧数据（即科技文献与科技知识大数据中心）、智慧中台（即知识计算平台与工具体系）与智慧服务（即面向不同应用场景的并基于微服务的智慧知识服务平台）三大智慧知识服务平台，基于智慧中台，灵活面向全生态体系的多需求场景及多用户问题的服务需求，提供多样化与个性化的服务功能。
图1智能知识服务生态架构1.3智能知识服务功能介绍
以数据与服务场景驱动的智慧服务设计理念，打造智慧知识服务，具体主要面向四类用户角色，提供四大应用场景。
（1）面向知识管理的AI数据服务，即面向科研机构对象，实现知识成果的主动精准分发、精准机构画像、实时机构情报分析，提供机构画像、成果管理、项目管理、人才管理、项目智能评审、基金智能选题、机构科研动态分析等。
（2）面向知识发现的AI集成服务，即面向公共用户的知识智能检索发现服务，提供知识检索、精准推送、全文获取、AI咨询、学术名片、数据共享、学术交流社区、智能工具（科研差旅、智能选题、项目评估、科技查新等）等。
（3）面向情报分析的AI分析服务，即面向情报分析人员的数据管理与情报智能分析服务，提供主题态势情报分析、颠覆性技术识别服务、竞争态势分析服务、机构分析、引才分析、学科分析、产业分析等。
（4）面向科技决策的领导驾驶舱，即面向决策人员提供全球科研成果动态扫描与感知分析服务，提供全球成果分布、人才分布、机构科技能力对比分析等。
下面重点介绍面向知识发现的AI集成服务打造的智能随身科研助理服务平台，以及面向知识管理的AI数据服务打造的机构知识资产管理与分析服务平台。
2慧科研——智能随身科研助理服务平台
利用用户学术画像与AI技术，面向全球科研用户，研发了慧科研——智能随身科研助理服务平台，提供主动、精准与及时的科技大数据知识服务：自动管理科研成果、精准打造属于个人的学术名片；智能识别用户兴趣，主动推送高价值科技知识；提供科学数据共享与开放同行评议，促进学术思想交流，创建开放型学术交流生态圈。平台首页如图2所示。
图2慧科研——智能随身科研助理服务平台2.1知识检索
基于科技大数据中心数十亿级的科研学术数据构建的学术知识图谱，提供论文、专利、标准、项目、期刊、会议、学者、资讯、报告、机构10类科研实体的检索发现。打破了基于关键词的文献获取单一模式，转型升级到“从文献+互联网+专业数据集+科研实体”的多维度立体检索发现服务模式。通过揭示深层数据关联，打破数据信息孤岛，有效支撑知识探索与价值挖掘。同时利用自然语言处理与深度学习技术，实现科技大数据的主题标注与相关知识的智能聚合，深度探索主题的发展趋势、相关主题、热门期刊、研究学者、研究机构和研究论文。
2.2学术名片
利用用户画像与AI技术，在机构名称智能规范、科研成果智能精准分发、人名智能规范等关键技术环节突破的基础上，实现学者与成果的精准匹配。提供了自动创建学者学术名片、个人学术成果校验与管理功能，解决了研究人员重复填表、科研时间被事务性工作严重压缩的问题。
（1）提供了实时学术画像功能，从科研学者的学术成果统计（包括成果数、被引次数、H指数、G指数等）、成果增长趋势、研究主题、合作学者、学术关系网络、发表期刊、荣誉获奖信息、研究方向变化等维度进行实时的全景画像。
（2）个人学术成果校验与管理。通过支持学者对自动汇聚的学术成果（包括论文、专利、报告、专著、获奖、科研项目、学术会议等）进行添加/认领、编辑和删除等管理操作和个人的教育经历、工作经历等基本信息进行完善，使得用户的学术名片更加完整和精准。
（3）科研团队。对学者所在的科研团队进行介绍，包括团队带头人、团队成员及团队研究内容进行详细介绍与展示。
2.3精准推荐
基于学者科研成果与行为交互大数据，智能分析用户多方位兴趣维度，并支持画像标签灵活订制。利用热度推荐、协同过滤推荐、基于内容推荐等多种算法进行混合计算，得出最优的计算指标，并根据用户应用需求，面向不同的推荐资源进行不同的加权算法，智能计算出不同类型资源推荐的Rank值，从而将满足用户需要的推荐信息排在前列。为用户推荐资讯、文章、项目、专利、期刊、报告、标准等高价值知识；智慧感知用户场景，智能推送关注人的学术圈动态、会议动态，以及用户主导参与的项目动态，按时间、位置等信息智能提醒学术活动。
2.4数据共享
打造科学共享平台，以激励合作机制打破科研保护壁垒，鼓励科研学者进行学术成果开放共享，扩大学者个人影响力。用户可以主动订阅已有的感兴趣专题进行学术成果的共享发布，也可以自主创建新专题，并可对他人共享发布的成果进行浏览、评论、收藏、分享和下载等，最大程度提高研究数据利用效率，实现权威科技思想碰撞传播。
2.5创新社区
科技创新问答社区，旨在开展基于“大数据+AI+群体智能”的开放式创新服务，基于区块链技术，创建一个开放的智慧与思想火花碰撞的智汇平台，让专家参与问题求解，群策群力，为解决卡脖子及前沿问题贡献智慧。
用户可以主动订阅已有的感兴趣专题参与探讨，也可以自主创建新的专题。用户可以发布个人学术观点，系统自动邀请专家回答；提问者也可以主动邀请学者回答，进行精准求助。通过AI技术，打造智能机器人“科技小慧”，可以向学者提供自动进行问题综述和推送高价值知识。
2.6智能工具
面向科研学者提供了基于中国科技云认证联盟ID认证的文献漫游获取、支持基金项目指南发布的智能立项选题、申报项目的智能评估、面向科技文献大数据的语义挖掘工具、科研差旅、税号查询、科技查新等助力科研的智能工具，全场景服务科研学者。下面重点介绍智能选题、项目智能评估和语义挖掘工具。
（1）智能选题。旨在基于科技大数据自动识别与研判某一研究方向的先进性，通过自动计算主题的研究热度、前沿性分析、项目与人员投入、论文与专利产出、国家和机构的投入与产出分布等，帮助用户快速找到高价值选题方向。
（2）项目智能评估。旨在通过挖掘特定领域的国内外顶级期刊、会议、项目、专利、专著等文献大数据，利用人工智能、自然语言处理与数据挖掘技术，从申报人自身学术能力与申报内容先进性两大维度进行智能评估，并支持本地范围、中国与国际3个层面进行评估，为领域专家进行项目评审提供定量化的分析报告，增强项目评审的客观真实性、科学合理性及可解释性。
（3）语义挖掘。基于海量科技文献大数据，使用语言预训练模型BERT深度学习算法，研发的智能算法模型，提供了下面四类智能分析工具，支持语义挖掘研究和探索发现。①自动学科分类。输入一篇中英文知识内容，按照中图学科一级分类进行自动分类。②中医药实体识别。输入一篇文本内容，自动识别文本中包含的各类型语义实体。③关键词自动标注。输入一篇中英文知识内容，自动标注该篇内容语义最相关的关键词。④知识元智能识别。输入一篇中英文研究知识内容，从句子级别上，自动识别问题句、方法句、结果句、结论句。
3慧科研——机构知识资产管理与分析服务平台
利用大数据与AI技术，在机构名称智能规范、科研成果智能精准分发、人名智能规范等关键技术环节突破的基础上，以数据驱动的理念，研发了面向知识管理的机构数字资产管理与分析平台，对机构进行全方位、多视角的分析评估，辅助机构管理者管理机构知识资产。同时，该平台还为本机构科研成果认定、人员身份信息审核等方面提供了客观数据支撑。
3.1机构画像
提供实时机构全景画像功能，从机构的科研成果产出趋势、合作机构网络、高产出论文学者、专利发明人、项目负责人，以及论文收录数据统计、年度研究热点主题等维度进行实时的全景画像。此外，以时间为主线，对机构名称改变、成立、撤销或合并时间、隶属关系、大事件、领导人员变动等沿革情况进行了可视化呈现，对机构管理人员全面掌握机构的发展历程具有重大意义。
3.2科研队伍
提供科研队伍管理，从职称、年龄、性别、部门团队、研究方向、专家团队等方面实时分析，并提供在线数据化管理功能，同时与慧科研——智能随身科研助理服务平台实现无缝对接，自动勾画每个科研人员的学术画像。
3.3项目管理
提供科研项目全流程管理功能，从项目申报、审批、开题、中期、结题全流程的数据化管理服务，支撑机构管理人员实时掌握本机构的项目布局及进度管理。
3.4科研成果
科研成果按照机构维度进行智能精准分发功能，自动构建了机构科研知识资源数据库，突破传统由人工逐条数据上传的数据管理方法。实时感知与分析机构的科研成果类型分布、产出趋势、研究主题分布、SCI及其他收录实时数据统计，并提供对论文、专利、项目、报告、获奖、专著、软件著作和科学数据等科研成果的智能检索和个性化导出。
3.5数据管理
为机构科技管理团队提供在线的数据资产管理功能，并支持单条与批量的数据管理模式，方便数据提交，安全稳定地保存本机构的知识资产。目前实现了学者、项目、论文、专利、报告、标准、科学数据、软著和获奖等多种科研实体的数据化管理，可提供在线的检索、新增、编辑和删除等功能。
4结束语
大数据与AI技术为行业经济带来了重大发展机遇，同时也为科技知识服务模式提升带来了变革升级的机会与挑战，群智汇聚型的开放学术生态环境建设将是未来趋势。本文在上述背景下，结合文献情报领域的发展时机，提出了构建AI+智慧知识服务的生态体系架构，研发了基于科技大数据计算的智能知识服务平台。面向中国科学院、全国省级科学院及部分研究机构进行了实际应用，得到用户的普遍好评。下一步将继续围绕AI+智慧知识服务生态体系架构，进一步提升大数据治理能力、细粒度知识识别和服务的精准度，继续完善与提升智慧知识服务能力及水平。
（参考文献略）
选自《中国人工智能学会通讯》
2021年第11卷第4期
科技大数据理论和技术专辑
数字人文视角下的知识管理与知识服务——2023知识管理与知识服务学术研讨会在线举办
为探究大数据、云计算、人工智能等技术对知识管理与知识服务的影响，积极推动新文科建设、数字人文领域背景下知识管理与服务的快速发展，由《图书情报工作》杂志社、《知识管理论坛》编辑部与华中师范大学信息管理学院联合主办，行者互联科技（北京）有限公司、国家新闻出版署智慧出版与知识服务重点实验室、广州奥凯信息咨询有限公司协办的“2022知识管理与知识服务学术研讨会”于2022年5月13日在线召开。从事数字人文及知识管理与知识服务相关研究和实践的专家学者，共同分享了数字人文及知识管理与服务的实践进展与最新学术成果。在线人数达1500余人。
会议开幕式由《图书情报工作》杂志社社长、主编，中国科学院大学图书情报与档案管理系主任初景利教授主持，中国科学院文献情报中心主任、《图书情报工作》编委会主任刘细文研究员，华中师范大学信息管理学院院长、《知识管理论坛》共同主编李玉海教授先后致辞。刘细文主任指出，图情档学科具有从形式到内容的延伸、信息规模急剧增加以及从专用性到通用性等发展特点，提出数字人文的思想在图情档领域应得到较好的利用，把信息向智慧和智能延伸，以改造和提升图情档学科的发展。李玉海院长引用习主席对哲学社会科学工作者的期盼，要做到方向明、主义真、学问高、德行正，自觉以回答中国之问、世界之问、人民之问、时代之问为学术己任。刘细文主任致辞
李玉海院长致辞
上午的专家报告由华中师范大学信息管理学院教授、《知识管理论坛》副主编易明主持。中国人民大学冯惠玲教授做“图情档学科的数字人文之路”报告，在解答图情档领域是否发展、为什么发展、如何发展数字人文的问题之后，介绍图情档领域数字人文教育的发展现状，明确信息学要在数字人文教育中发挥重要作用，数字人文也应当反哺图情档学科，促进文献信息的资源化、知识化以及管理的科学化进阶。行者互联创始人兼CEO、《知识管理论坛》副主编吴庆海博士的“开放式知识创新平台的理念及实践”，强调建立中国特色的创新生态闭环的重要性，分享开放式创新平台实践，结合实例阐述科技创新的特征及其发展规律。南京大学信息管理学院教授、南京大学出版研究院副院长杨海平做“面向地图的多粒度知识组织框架研究——以南海为例”报告，通过实例演示南海地图知识发现平台中的黄岩岛，以说明研究背景中地图的重要性以及相关政策要求，最终目标是形成地图资源结构化的语义知识单元，实现地图资源的检索、利用与共享，以及地图的多粒度知识组织框架。中国科学院文献情报中心《图书情报工作》杂志社社长、主编，中国科学院大学图书情报与档案管理系主任初景利教授做“预印本与知识管理”报告，详细介绍了预印本的概念、发展历程，预印本平台开放获取、知识管理、学术交流等特性，对科研人员和读者的益处，中国预印本建设情况以及图情档预印本建设情况，阐释了预印本作为知识管理系统的重要性。冯惠玲教授做专家报告
吴庆海博士做专家报告
杨海平教授做专家报告
初景利教授做专家报告
下午专家报告第一部分由中国科学院大学经济与管理学院党委书记、图书情报与档案管理系副主任、《知识管理论坛》副主编张玲玲教授主持，第二部分由《图书情报工作》《知识管理论坛》两刊编辑部主任杜杏叶主持。武汉大学信息管理学院副院长王晓光教授做“文化遗产领域知识纲要”报告，分享了文化遗产智能计算教育部哲学社会科学实验室以及社科基金重大项目最新的研究工作，提出智慧数据的概念和针对文化遗产智慧数据规范问题的文化遗产领域知识纲要，以支撑领域本体的开发和建设，促进文化遗产领域资源关联与知识融通。广州奥凯信息咨询有限公司创始人王峻岭董事长做了“中国创新与知识产权保护2.0构想与实践”报告，从其20余年的从业经验出发，系统地分析知识产权国际国内的环境、我国自主创新与知识产权的关系，并从知识产权的内涵、主要手段、安全治理体系构建以及存在问题等方面系统地剖析了中国知识产权现状。南京农业大学社会科学处处长黄水清教授从“‘两创‘方针下的计算人文研究”的视角，梳理了对“创造性转化和创新性发展”的理解及其发展历程，基于团队研究的成果全面分析“两创”方针下计算人文的使命以及存在的问题，提出未来可以通过构建古籍知识库、开发古籍知识平台来全面提升古籍利用效能。华中师范大学信息管理学院院长李玉海教授做“智慧图书馆建设的人文思考”报告，指出智慧图书馆是图书馆发展的高级阶段，图书馆既是技术敏感型公共部门，同时也是肩负着知识传播与文化传承使命的场所，着重总结了智慧图书馆的形象文化、藏书文化与服务文化等人文要素。行者互联资深顾问秦丽做了“从2021中国知识管理数据调查报告看知识管理现状和挑战”的报告，评估组织知识体系的整体现状，详细介绍了组织已有的知识管理良好实践以及知识管理给组织带来的价值认可等方面，对未来发展进行了展望。王晓光教授做专家报告
王峻岭做专家报告
黄水清教授做专家报告
李玉海教授做专家报告
秦丽做专家报告
随后，《图书情报工作》副主编易飞公布本次会议征文及获奖情况。《图书情报工作》杂志社社长、主编初景利教授作会议总结。初景利教授对此次会议的报告与现场交流给予非常高的评价，预报了今年计划的会议和培训计划，真诚表达对主办及协办单位、各位报告专家、主持人以及各位会与人员的感谢，并期待下次线下相聚。华中师范大学信息管理学院
2022年5月18日
《数据智能》（英文）
《数据智能》（DataIntelligence，简称DI，CN：10-1626/G2，E-ISSN:2641-435X），是中国科学院主管、中国科学院文献情报中心主办、美国麻省理工学院出版社出版的英文学术期刊。
《数据智能》刊载数据智能相关研究新成果、新方法、新技术、促进学术交流，推动数据融合及数据与数据处理平台的有效共享，助力知识实时构建，提高我国在该领域的研究应用水平和国际影响力。主要的文章类型包括：1）观点类论文：领域专家就与期刊相关的主题发表观点及综述类论文。2）数据类论文：包括科学数据、社交媒体数据、文本挖掘数据、产业数据、政务数据以及商业和经济数据等在内的数据和元数据论文。3）研究和应用类论文：数据驱动的知识发现的案例研究、各类机构、组织、项目等数据管理实践及经验；建立在数据基础上的关联技术、扩展技术和特色应用。
网址：www.data-intelligence.org https://www.mitpressjournals.org/toc/dint/
编辑部地址：北京市海淀区北四环西路33号
邮箱：data@mail.las.ac.cn
联系电话：010-65237554
人工智能与知识产权
原标题：人工智能与知识产权编者按
为第一时间向读者介绍全球知识产权发展趋势、最新实践和研究成果，分享各国最佳案例，在世界知识产权组织（WIPO）中国办事处的大力支持下，本报即日起同WIPO官方杂志WIPOMagazine开展合作，不定期推出相关文章，并同步刊登重要文章。本期摘编WIPO总干事弗朗西斯・高锐（FrancisGurry）博士关于人工智能与知识产权的专访文章，以飨读者。
问：您如何描述人工智能的影响？
答：人工智能作为新的数字疆界，将对世界产生深远的影响。它将带来巨大的科技、经济和社会变化，改变人们生产和分配商品及服务的模式，也将改变人们的工作和生活方式。
问：人工智能技术将对创新创造产生什么影响？
答：现在得出结论还为时过早，但很明显人工智能将影响到传统的知识产权概念。商业化的人工智能创作音乐或人工智能创造发明并不遥远，这将颠覆“作曲家”“作者”和“发明家”等概念――尽管怎样颠覆尚不明朗。
知识产权制度的基本目标是鼓励新技术和创造性工作，并为发明创造提供可持续的经济基础。从纯经济角度来看，如果不考虑精神权利，我们没有理由不运用知识产权来奖励人工智能产生的发明或创造。但这还需要更多的考量，答案尚未可知。
人工智能技术的广泛使用也将改变专利、外观设计、文学和艺术作品等固有的知识产权概念。这种改变已经悄然而至，但这不仅仅是人工智能带来的结果，也是数字经济的结果。例如，生命科学产生了海量的数据，这些数据具有重要价值但却不是传统意义上的发明。因此，我们需要弄明白与之相关的权利和义务。
社会上已经对此形成强烈的观点。例如，科学、数据和出版界的“开放”运动倾向于认为，不应当对数据施加所有权的类别。这种观点认为，由于数据是人工智能的基础，应供免费使用，推动开发人工智能和其他应用程序。
但是，与当前经济背景同等重要的是，我们已经建立了无形资产的知识产权制度，以便为新知识的创造提供激励并确保公平竞争。
这两种方法需要相互妥协，并在两方面的需求之间划清界限：一方面要保证数据通道开放，数据可以流动；另一方面要关闭数据通道，确保针对创造新知识的激励措施能够到位。
数据和算法引发了许多与知识产权相关的基本问题。例如，如何针对不断演进的算法创设知识产权，由于算法不断演进，以至于对某一算法提交专利申请后仅一年，这一算法已不再是最新颖的发明，这是必须解决的新挑战。
问：这是否意味着现有的知识产权制度变得无关紧要？
答：统计数据显示，知识产权需求在世界各地仍然高于经济增长率。在我们看来，知识产权制度当然不会过时。对它的使用比以往任何时候都要多。但是新的挑战正在出现，其结果可能是让知识产权制度更加完善，而不是颠覆现有制度。
问：众所周知，创作者在数字环境中很难捕捉到自己作品的价值。新的数字化浪潮会加剧这个问题吗？
答：人工智能可能确实让创作者难以捕捉他们作品的价值。但是，如果你以人工智能产生的音乐为例，在这个过程中的某个节点，作曲家――无论是莫扎特、贝多芬还是现代音乐家――所创音乐的数字化表达都将被输入到人工智能算法中。问题是，我们在什么阶段将价值归因于数据的人类来源？迄今还没有这个问题的答案。（下转第2版）（上接第1版）
数据和人工智能方面的政策层出不穷，涉及对数据安全和完整，数据和人工智能对市场、国家安全、劳动力和所有权的影响等。毫无疑问，新的研究类别也将出现。
问：为什么人工智能受到WIPO和全球知识产权界的高度关注？
答：在知识产权制度中推动人工智能的使用主要有3个因素。首先是数量因素。截至2016年的数据显示，当年全球共提交了约310万件专利申请，约700万件商标注册申请和96.3万件工业品外观设计申请。现有审查人力资源无法承载这一迅速增长的申请量。例如，在商标和外观设计领域，无论是知识产权局还是法院，对商标的显著性和外观设计的创造性进行审查或判定，都要通过参考此前的商标和外观设计制度来作出决定。每年全球都会收到数百万件商标和外观设计专利申请，很难通过人工筛选以确定某个商标或外观设计专利是否可以获权。
这就是WIPO开发人工智能商标图形检索工具的原因。该工具已嵌入WIPO全球品牌数据库，可以迅速地提供准确的结果。
在知识产权管理中使用人工智能的主要因素是知识产权数量庞大。当然，质量和成本这两个因素也同样重要。随着全球对知识产权的需求不断增加，人工智能工具使我们能够提升检索质量并降低管理成本。
问：您对使用人工智能改善知识产权管理有何看法？
答：人工智能系统将在未来的知识产权管理中发挥越来越重要的作用。考虑到人工智能系统运行需要搜集整理大量的数据作为支撑，我们需要鼓励资源共享。我希望，在部署未来人工智能系统时，国际知识产权界能够共同努力，以更经济的方式实现高水平互动。
截至目前，WIPO的方法是利用成员国和其他合作伙伴提供的培训数据来开发人工智能应用程序。作为回报，我们与这些合作伙伴共享基于这些数据新开发的人工智能应用程序。例如，WIPO开发了一种由人工智能驱动的神经机器翻译工具，它被称为WIPOTranslate。目前，我们与世界各地的14个政府间组织和多个专利局共享此工具。由于该系统依赖于数据的可得性和可用性，因此，所有合作方都可以从中受益，并可以提供数据来改进该系统。
问：可以说，WIPO是开发知识产权领域人工智能应用程序的领导者。贵组织是否正在探索在其他领域使用人工智能应用程序？
答：WIPO正在继续开发和完善WIPOTranslate和商标图形检索工具，这是该领域的主要发展方向。对专利以及商标申请中的商品和服务进行自动分类，是人工智能应用的另一大领域。今年5月，WIPO与日内瓦大学的人工智能专家合作，利用神经网络技术为国际专利分类（IPC）体系启动了一种专利自动分类工具。这种被称为IPCCAT-neural的新工具将通过每年更新的专利信息进行再分类，将帮助专利审查员更轻松地检索现有技术。
我们还在不断探索人工智能的应用范围，尤其是为WIPO客户的服务活动部署智能机器应答服务。随着时间的推移，这些工具将成为客户服务中不可或缺的一部分，并能帮助我们更好地应对不断增加的查询需求。当然，除此以外，还有其他领域可以通过人工智能应用程序来提高知识产权管理的效率和稳定性。
问：区块链技术在知识产权管理中是否可以发挥作用？
答：尽管区块链技术令人感到振奋，但我认为它不会取代国家或公共机构授予知识产权的基本职能。与有形产权不同的是，知识产权必须由政府机构授权。我认为区块链技术无法取代专利局确定某件专利是否可以授权的基本职能。当然，在登记与现有知识产权相关的交易方面，例如，区块链在知识产权的使用和交易等方面存在可观的应用前景。
问：您如何看待全球知识产权界对人工智能的运用？
答：人工智能在知识产权领域的运用现在还属于早期阶段。尽管如此，世界大多数国家的知识产权局对人工智能给予了积极的评价，认为这是有效提高知识产权审查效率、提升质量和控制成本的一个契机，并将成为未来几个月甚至几年知识产权业界关注的焦点。
问：各国知识产权局在广泛部署人工智能系统时面临哪些障碍？
答：人工智能的应用是各国知识产权局面临的主要挑战。虽然人工智能已经存在了一段时间，但直到最近它才成为一种有效的技术解决方案。由于具备所需专业素养的人员数量非常有限，因此，在系统内发展人工智能面临挑战，尤其要面对来自私营企业的竞争。
规模较小的知识产权局也面临一些挑战。人工智能系统依赖于知识产权数量的积累，而规模较小的知识产权局显然获取的数量也较少。这意味着，数量因素迫使有实力的知识产权局开发和部署人工智能应用程序，而实力较弱的知识产权局则没有这种迫切性，尽管如此，知识产权数量在知识产权界是被普遍接受的准则。
问：在知识产权管理体系中人工智能，具体政策层面有哪些挑战？WIPO如何解决这些挑战？
答：今年，WIPO启动了关于知识产权问题的国际讨论，特别是围绕人工智能在知识产权管理中的应用问题。
知识产权是一种全球现象；技术也具有全球性的特点，与之相关的专利数据也是如此。由于专利很少涉及单一的司法管辖区，这就是我们需要全球解决方案来确保功能互通的原因。
问：在人工智能的世界中，多边主义是否能发挥作用？
答：可以。首先，实现全球知识产权制度的功能互通需要多边合作。其次，知识产权制度的职能之一是确保公平竞争。制定多边准则是确保这一目标实现的有效方式。而且，由于知识产权今后将成为竞争的核心要素，因此，强有力的多边合作至关重要。第三个原因是技术不断发展，并且发展速度越来越快。在这一方面，多边主义是支持能力建设和各方共享的重要的机制，可以确保各方存在的技术差距不会加剧。
问：WIPO在人工智能领域的后续计划是什么？
答：我们将继续推进合作，在知识产权管理中开发和部署人工智能应用程序。我们还将继续探索，就人工智能时代如何优化知识产权法律和政策开展国际范围的讨论。
（本文摘自世界知识产权组织官方杂志《WIPOMagazine》中文翻译：本报记者李铎）
(责编：龚霏菲、王珩)分享让更多人看到