基于內(nèi)容、平臺、范式的科技信息高端交流平臺思考

陳煦 徐宏宇 楊榮斌

（上海圖書館（上?？茖W(xué)技術(shù)情報研究所），上海 200031）

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》在“強化國家戰(zhàn)略科技力量”中，提出構(gòu)建國家科研論文和科技信息高端交流平臺（以下簡稱“高端交流平臺”）的具體要求。高端交流平臺的提出與60多年前我國科技情報體系的構(gòu)建有著相似之處。1956年，科技情報被《1956—1967年科學(xué)技術(shù)發(fā)展遠(yuǎn)景規(guī)劃》列為第57個重大科技任務(wù)，這是科技情報首次被寫入國家規(guī)劃。2020年，高端交流平臺建設(shè)被提出，可以看作對現(xiàn)有科技情報工作的深化和拓展。高端交流平臺的內(nèi)涵尚待深化、細(xì)化，本文從“高端”“交流”“平臺”的字面切入，提出對建設(shè)高端交流平臺的一些思考。

1 高端交流平臺的“高端”需要多樣化內(nèi)容支撐

高端交流平臺的內(nèi)容主要來自高水平科技期刊、高質(zhì)量的科學(xué)數(shù)據(jù)等科技信息[1]。過去，Elsevier、Springer、Wiley、IEEE、SAGE五大出版商控制了全球約50%的科學(xué)出版。21世紀(jì)，大數(shù)據(jù)、深度學(xué)習(xí)技術(shù)取得突破性進展，以期刊論文、會議論文、科技報告、專利為主的傳統(tǒng)科技信息資源已經(jīng)無法完全滿足科學(xué)研究的需求，科技信息資源逐漸擴大到數(shù)據(jù)、數(shù)據(jù)集、代碼、圖片和視頻等。這給我國建設(shè)高端交流平臺帶來了前所未有的機遇。一方面是數(shù)據(jù)資源的興起，人工智能技術(shù)的快速發(fā)展為科技情報服務(wù)提供了新方法和新工具，科學(xué)研究歷經(jīng)演變逐漸走向數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)的第四范式，數(shù)據(jù)類資源的重要性相較于傳統(tǒng)的文本信息不斷增大；另一方面是數(shù)據(jù)資源跨越語言的流通性，傳統(tǒng)文本信息的收集、加工和傳播對英語國家有著得天獨厚的優(yōu)勢，而數(shù)據(jù)科技信息則恰巧弱化了此類優(yōu)勢。

美國的科技信息平臺建設(shè)一直走在國際前沿，很早就開始在科學(xué)數(shù)據(jù)領(lǐng)域布局。2009年，美國總統(tǒng)奧巴馬一就任就簽署了《透明與開放政府》（Transparency and Open Government）備忘錄。同年5月，當(dāng)時剛上任的美國聯(lián)邦首席信息官（CIO）維維克·昆德拉（Vivek Kundra）宣布建立Data.gov網(wǎng)站。該網(wǎng)站由美國總務(wù)管理局下屬技術(shù)轉(zhuǎn)化服務(wù)部（U.S. General Services Administration，Technology Transformation Service）管理和托管，是聯(lián)邦、州、地方和部落政府信息的存儲庫，向公眾開放，旨在改善公眾對聯(lián)邦政府行政部門生成的高價值機器可讀數(shù)據(jù)集的訪問。2016年，美國政府又進一步發(fā)布政府開放代碼平臺Code.gov，開放定制開發(fā)的聯(lián)邦源代碼以供公眾重用。據(jù)美國能源部科技信息辦公室（OSTI）主任布萊恩·希森（Brian A.HITSON）在2019競爭情報上海論壇上的演講可知，美國聯(lián)邦政府每年大約投入1 500億美元用于支持研發(fā)，產(chǎn)出的約20萬篇期刊論文、7 000份專利、艾字節(jié)級別的數(shù)據(jù)、6 500個開源軟件項目都可以在Science.gov（收錄所有美國政府機構(gòu)的科技信息）、Data.gov、Code.gov上檢索到，至此，美國聯(lián)邦政府形成文獻、數(shù)據(jù)、代碼三足鼎立的開放科學(xué)格局。

除了美國聯(lián)邦政府層面，在部際層面的科技資源建設(shè)近年來也將建設(shè)重點放在了數(shù)據(jù)和代碼上。以成立于1947年的美國能源部科技信息辦公室為例，雖然與美國國會圖書館、美國國家醫(yī)學(xué)圖書館等老牌圖情機構(gòu)相比成立時間不長，但它在收集、保存、傳播能源部開展的研發(fā)、示范和商業(yè)應(yīng)用活動所產(chǎn)生的科技信息方面的業(yè)績是被業(yè)界認(rèn)可的[2]，美國四大科技報告之一的能源系統(tǒng)DOE報告就由其發(fā)布。據(jù)希森介紹，能源部每年投入約120億美元，在全美17家國家實驗室產(chǎn)出超過5萬項的科技信息成果，這些成果統(tǒng)一由OSTI對其進行建設(shè)維護。OSTI為了更好地利用這些數(shù)據(jù)集、圖片、視頻、可視化成果、軟件代碼等各類資源，給每一種特定資源都定制了特殊的檢索工具庫，如期刊文章/收錄手稿（www.osti.gov/pages）、數(shù)據(jù)集（www.osti.gov/dataexplorer）、軟件（代碼）（www.osti.gov/doecode）、專利（www.osti.gov/doepatents）、視頻（www.osti.gov/sciencecinema）。除了各類資源，OSTI在這些成果的索引關(guān)聯(lián)上也動足腦筋，每項成果既有獨立唯一的DOI，也能在頁面上一鍵外鏈到與其相關(guān)的文獻、代碼或數(shù)據(jù)，實現(xiàn)資源的跨庫關(guān)聯(lián)。同時，所有的特定資源也可以在總數(shù)據(jù)庫（www.osti.gov）中找到。

伴隨著數(shù)據(jù)時代帶來的科研范式轉(zhuǎn)變，數(shù)據(jù)、軟件、視頻、編程代碼成為科技信息的重要組成部分，將這些信息收集、整合、存儲并關(guān)聯(lián)對資源的使用影響深遠(yuǎn)、意義重大。從近年來美國政府建設(shè)科技信息平臺的經(jīng)驗做法來看，不難發(fā)現(xiàn)科技資源，尤其是包括數(shù)據(jù)、代碼等新興科技信息的多樣化科技資源，是新時代下強化國家戰(zhàn)略科技力量必不可少的基礎(chǔ)設(shè)施。我國的高端交流平臺建設(shè)在補足高水平科技期刊短板的同時，也要抓住科技數(shù)據(jù)發(fā)展的機遇，將數(shù)據(jù)、代碼無縫納入科技信息的大圖景中，重視科技數(shù)據(jù)、代碼的收集、保存和共享。

2 高端交流平臺的“平臺”需要多主體參與建設(shè)

從上述美國科技信息平臺的建設(shè)經(jīng)驗可以看出，數(shù)據(jù)、代碼等科技數(shù)據(jù)是科學(xué)研究未來的發(fā)展趨勢，也是關(guān)鍵的科研基礎(chǔ)設(shè)施。筆者聚焦科學(xué)數(shù)據(jù)平臺進行了初步檢索，匯總整理了中國科技信息平臺（見表1），主要包括科學(xué)數(shù)據(jù)銀行（Science Data Bank）、數(shù)據(jù)出版學(xué)術(shù)期刊《中國科學(xué)數(shù)據(jù)》、中國科技云、中國科學(xué)院數(shù)據(jù)云、20家國家科學(xué)數(shù)據(jù)中心和31家國家資源庫。其中科學(xué)數(shù)據(jù)銀行、《中國科技數(shù)據(jù)》、中國科技云、中國科學(xué)院數(shù)據(jù)云都由中國科學(xué)院計算機網(wǎng)絡(luò)信息中心建設(shè)，前三者都是中英雙語界面，面向國內(nèi)外科研人員。尤其是科學(xué)數(shù)據(jù)銀行，是國內(nèi)唯一一家被施普林格·自然列為推薦的7家通用型數(shù)據(jù)存儲庫之一。中國科技資源共享網(wǎng)由國家科技基礎(chǔ)條件平臺中心建設(shè)，匯集了20個國家科學(xué)數(shù)據(jù)中心和31個國家資源庫的科技資源。與國外相比，我國科技數(shù)據(jù)的平臺初具規(guī)模，但幾乎都是國家建設(shè)的科技信息平臺，很少有企業(yè)或民間團體建設(shè)的成型的科技數(shù)據(jù)平臺。以國內(nèi)對標(biāo)谷歌的百度為例，雖然擁有“百度數(shù)據(jù)開放平臺”，但是頁面并無檢索功能，提供的也是一些天氣預(yù)報、列車航班、休閑娛樂等信息，很難說可以為科學(xué)研究提供數(shù)據(jù)支撐。軟件代碼方面，國內(nèi)較為知名的大型科技公司，阿里巴巴、騰訊和華為雖有各自的平臺（阿里云-天池、騰訊云、華為云），但騰訊云和華為云與真正意義上的科學(xué)數(shù)據(jù)平臺相差甚遠(yuǎn)。阿里云-天池呈現(xiàn)出部分?jǐn)?shù)據(jù)平臺的雛形，如提供數(shù)據(jù)集檢索下載，與其他企業(yè)、科研機構(gòu)、大學(xué)合作舉辦算法代碼競賽等，但還遠(yuǎn)未達到能夠服務(wù)于國內(nèi)外科學(xué)研究的水準(zhǔn)。

表1 中國科技信息平臺

在美國科技數(shù)據(jù)平臺的生態(tài)中，除了聯(lián)邦政府和機構(gòu)官方搭建的科技信息平臺，企業(yè)也是平臺建設(shè)的重要主體之一，而且在數(shù)據(jù)集和代碼兩大領(lǐng)域均有布局。數(shù)據(jù)集方面，谷歌公司開發(fā)的谷歌數(shù)據(jù)集搜索引擎（Google Dataset Search），可以檢索各個來源的數(shù)據(jù)集并下載，平臺與包括OSTI在內(nèi)的多個政府機構(gòu)數(shù)據(jù)庫通過DOI相關(guān)聯(lián)，數(shù)據(jù)集和索引來源都會標(biāo)注清楚，每一個數(shù)據(jù)源都會有簡介、更新日期、作者、版權(quán)、內(nèi)

容說明、下載鏈接等。深度學(xué)習(xí)視覺領(lǐng)域常用的開源數(shù)據(jù)集MNIST、Imagenet、COCO、CIFAR等也能在谷歌平臺上[3]找到。在處理數(shù)據(jù)集的代碼方面，軟件源代碼托管服務(wù)平臺GitHub在2018年被美國科技公司微軟收購。GitHub是一個典型的協(xié)作平臺，通常用于科學(xué)項目的協(xié)作管理和代碼數(shù)據(jù)的共享，其中GitHub的Jira用于總體項目管理、研究問題的提出，而OmniPlan則用于創(chuàng)建研究的時間表和跟蹤時間[4]。另一家創(chuàng)立于2010年的數(shù)據(jù)建模和數(shù)據(jù)分析競賽平臺Kaggle在2017年被谷歌公司收購，是一家為開發(fā)商和數(shù)據(jù)科學(xué)家提供舉辦機器學(xué)習(xí)競賽、托管數(shù)據(jù)庫、編寫和分享代碼的平臺，吸引了眾多科學(xué)家和開發(fā)者。

除了各自建設(shè)、并購數(shù)據(jù)平臺，企業(yè)和政府機構(gòu)也會合作建設(shè)數(shù)據(jù)平臺。2020年3月16日，艾倫人工智能研究所（AI2）與白宮科技政策辦公室（OSTP）、美國國家醫(yī)學(xué)圖書館（NLM）、陳扎克伯格倡議（CZI）、微軟研究院、數(shù)據(jù)科學(xué)家代碼分享平臺Kaggle，在喬治城大學(xué)安全與新興技術(shù)中心（CSET）的協(xié)調(diào)下，發(fā)布了新冠病毒公開數(shù)據(jù)集（COVID-19 Open Research Dataset，CORD-19）[5]的第一個版本。該數(shù)據(jù)集的資源來自WHO、PMC、bioRxiv等數(shù)據(jù)庫，由艾倫人工智能研究所的語義學(xué)者團隊篩選，組成COVID-19和此前發(fā)現(xiàn)的冠狀病毒（如SARS和MERS）的出版物和預(yù)印本集合，數(shù)據(jù)經(jīng)過清洗和規(guī)范，統(tǒng)一整理為易于自然語言處理的JSON數(shù)據(jù)格式共享，數(shù)據(jù)集每幾天更新一次。CORD-19旨在將機器學(xué)習(xí)社區(qū)與生物醫(yī)學(xué)領(lǐng)域?qū)＜液驼咧贫ㄕ呗?lián)系起來，以期為COVID-19確定有效的治療方法和管理政策。數(shù)據(jù)集在跨界的用戶團體和社區(qū)獲得了積極反饋，CORD-19數(shù)據(jù)集在發(fā)布的第一個月內(nèi)被查看超過150萬次，下載超過7.5萬次。多家團體使用數(shù)據(jù)集構(gòu)建了搜索和提取工具。圍繞數(shù)據(jù)集涌現(xiàn)了一個蓬勃發(fā)展的用戶社區(qū)，共同討論和共享信息、注釋、項目以及反饋。Kaggle和白宮科技政策辦公室、艾倫人工智能研究所還共同主辦了CORD-19 Research Challenge開放式文本挖掘競賽，參與者的任務(wù)是從CORD-19的論文中提取有關(guān)COVID-19關(guān)鍵科學(xué)問題的答案。另外，還有由艾倫人工智能研究所、美國國家標(biāo)準(zhǔn)與技術(shù)研究所（NIST）、美國國家醫(yī)學(xué)圖書館、俄勒岡健康與科學(xué)大學(xué)（OHSU）和德克薩斯大學(xué)健康科學(xué)中心（UTHealth）共同組織的TREC-COVID信息檢索共享任務(wù)。這項任務(wù)可以評估檢索系統(tǒng)根據(jù)查詢主題，對CORD-19數(shù)據(jù)集中的論文進行相關(guān)性排名的能力。兩項任務(wù)都由生物醫(yī)學(xué)領(lǐng)域的專家來評估數(shù)據(jù)科學(xué)家提交的代碼，評選出的最優(yōu)代碼會被置頂供大家使用和分享。

我國的科技信息平臺建設(shè)起步較早，與國外的基礎(chǔ)設(shè)施平臺相比，差距不像科技期刊那么懸殊，隨著我國在科技信息、人工智能、大數(shù)據(jù)中心建設(shè)等方面不斷發(fā)力，也為日后建設(shè)科技數(shù)據(jù)的高端交流平臺打下了堅實的基礎(chǔ)。同時，也要看到，我國的“國家隊”雖然在科技數(shù)據(jù)的基礎(chǔ)設(shè)施建設(shè)上初見成效，但國內(nèi)企業(yè)在這一領(lǐng)域有所缺席。從美國科技數(shù)據(jù)、代碼平臺的情況可以看到，企業(yè)的科技信息交流平臺和政府創(chuàng)建的科技信息基礎(chǔ)設(shè)施各自面向不同的用戶，在服務(wù)科學(xué)家的科學(xué)發(fā)現(xiàn)、科學(xué)研究的產(chǎn)業(yè)鏈中各司其職，填補不同的空缺。此外，如何在短時間內(nèi)圍繞某一主題集結(jié)各利益相關(guān)方（跨領(lǐng)域的企業(yè)、政府機構(gòu)、公益組織等）構(gòu)建科技信息平臺，如何打通政府、企業(yè)、非營利組織的跨界合作，以及如何跨越不同學(xué)科建立聯(lián)系，將科技信息利用起來轉(zhuǎn)化為對社會有益的成果，CORD-19數(shù)據(jù)集的案例為我們提供了一張路線圖。我國應(yīng)當(dāng)同時加強企業(yè)建設(shè)的高端交流平臺，只有讓更多主體參與到高端交流平臺的建設(shè)中來，才能更好打通企業(yè)和各層級政府的檢索渠道，進一步擴大科技信息的觸及范圍，造福科學(xué)家，助力科學(xué)發(fā)現(xiàn)，強化我國戰(zhàn)略科技情報力量。

3 高端交流平臺的“交流”需要擁抱全新科研范式

科技信息平臺最終是為了實現(xiàn)科學(xué)家之間快速、有效的交流——獲得信息，同時傳播自己的研究成果。對于科技信息資源的利用和信息獲取，過去科學(xué)家主要通過閱讀文獻來了解最新科研進展并進行創(chuàng)新，科學(xué)研究的主體依然是科學(xué)家。人工智能的快速發(fā)展，加上新冠疫情給科學(xué)研究帶來的緊迫性，使得當(dāng)前科學(xué)研究呈現(xiàn)出了某種范式上的轉(zhuǎn)變——科學(xué)家需要更快速地開展工作，而全球新冠疫情期間產(chǎn)生的科學(xué)研究和論文數(shù)量驚人，大大超出了任何人吸收消化信息的能力[6]。于是，快速從文獻和數(shù)據(jù)中獲取信息的研究變得非常重要，換言之，科學(xué)研究不再只是科學(xué)家的事，定制化的數(shù)據(jù)分析處理工具和科技情報人員，尤其是擅長人工智能、機器學(xué)習(xí)、自然語義處理等技術(shù)的情報人員，將在科學(xué)研究中扮演更重要的角色，甚至成為科學(xué)研究不可或缺的環(huán)節(jié)。

這一趨勢早有端倪，美國化學(xué)文摘社的SciFinder，斯普林格-自然出版集團的SpringerMaterials、AdisInsight，愛思唯爾的Reaxys、Knovel、ClinicalKey等，這些學(xué)術(shù)出版機構(gòu)的產(chǎn)品經(jīng)過專業(yè)人員的整編后不再是簡單的數(shù)據(jù)庫，而是實現(xiàn)了相關(guān)知識內(nèi)容的集成匯聚，成為化學(xué)物質(zhì)、化學(xué)反應(yīng)、材料研究、藥物研發(fā)等研究領(lǐng)域有用的專業(yè)知識工具。有些工具已經(jīng)經(jīng)過實踐驗證，CAS利用自身已有的大規(guī)模、高質(zhì)量的化學(xué)反應(yīng)數(shù)據(jù)支持Bayer公司對相關(guān)化合物合成方案可行性的預(yù)測，結(jié)果顯示預(yù)測的準(zhǔn)確率提高了32個百分點[7]。

新冠疫情加速了這一趨勢。首先是科學(xué)家的需求，新冠疫情時期海量文獻和爭分奪秒的研發(fā)進度讓科學(xué)家不得不借助情報手段。此外，新冠病毒的大流行吸引了全球各行各業(yè)的廣泛關(guān)注，來自生物、醫(yī)藥、臨床、人工智能、大數(shù)據(jù)等不同領(lǐng)域的科學(xué)家都從自己的專業(yè)角度貢獻力量，這種凝聚力從某種程度上構(gòu)建了一個跨界合作創(chuàng)新的理想環(huán)境。兩者的共同作用催化了科研范式的大轉(zhuǎn)變。前文提到的CORD-19數(shù)據(jù)集就是以公開數(shù)據(jù)集作為平臺，吸引人工智能、數(shù)據(jù)挖掘領(lǐng)域科學(xué)家根據(jù)需求定制工具方案，“外包”平臺檢索、索引、挖掘、分析的功能，再通過用戶（學(xué)科專業(yè)人士）反饋選出最優(yōu)工具的路線，實現(xiàn)科學(xué)家、數(shù)據(jù)學(xué)家、人工智能專家之間有效的信息交流。哈佛大學(xué)醫(yī)學(xué)院INDRA實驗室研發(fā)EMMMA（Ecosystem of Machine-maintained models with Automated Analysis），該系統(tǒng)對海量的生物醫(yī)學(xué)文獻進行機器自動化閱讀并提取250萬種知識點之間的關(guān)系，與生物數(shù)據(jù)庫（Pathway Commons，SIGNOR和BEL Large Corpus）構(gòu)成的先驗知識網(wǎng)絡(luò)進行融合，自動化構(gòu)建了COVID-19病毒生物學(xué)的因果機制，用于新藥物的研發(fā)等[4]。微軟在2021年3月推出生物醫(yī)藥搜索引擎，能夠讓研究人員用自然語言而不是關(guān)鍵詞/術(shù)語來檢索獲取專業(yè)文獻。平臺還把預(yù)測未來可能會變得重要的文獻提到前面展示，平衡舊文獻因為被引率高而占優(yōu)勢的弊端[8]。這樣的科研范式被證明是成功的，在各界的努力下，從新冠病毒的基因序列在2020年1月發(fā)布，到疫苗在多個國家/地區(qū)獲批緊急使用，前后只有短短不到1年的時間，而通常情況下疫苗的研發(fā)需要5~10年。

新冠疫情影響下，另一個科學(xué)研究交流范式的轉(zhuǎn)變是預(yù)印本平臺的加速發(fā)展，本文也將其籠統(tǒng)地歸納為科研范式的一種。疫情初期，為了加速科研成果的分享，科學(xué)家紛紛選擇在預(yù)印本平臺上公開自己的研究成果，科學(xué)家和公眾也通過預(yù)印本得以更快地獲得新冠疫苗、新冠藥物全球研發(fā)的進展。各大預(yù)印本平臺中，康奈爾大學(xué)的arXiv和愛思唯爾的SSRN都建立于20世紀(jì)90年代，威利的Authorea建立于2012年。2016—2019年曾出現(xiàn)預(yù)印本平臺的建設(shè)高峰，非營利性研究和教育機構(gòu)冷泉港實驗室的bioRXiv、medRXiv，施普林格·自然的Research Square，中國科學(xué)院的ChinaXiv，美國化學(xué)學(xué)會的ChemRxiv，瑞士多學(xué)科數(shù)字出版機構(gòu)（MDPI）的Preprints在這一時期相繼建立。還有許多跡象顯示預(yù)印本平臺對于科研越來越重要，全球65家預(yù)印本服務(wù)器（preprint server）大約有一半在過去5年內(nèi)成立，世界排名前十的學(xué)術(shù)出版商大多建立或收購了一個預(yù)印本服務(wù)器，科研基金會如比爾及梅琳達·蓋茨基金會、英國惠康基金會積極資助預(yù)印本平臺，一些權(quán)威學(xué)術(shù)文獻檢索平臺如Scopus、Europe PMC、SCIE開始將預(yù)印本的內(nèi)容納入其索引范圍[9]。

數(shù)據(jù)與人工智能驅(qū)動的科學(xué)研究也好，預(yù)印本也好，都是被討論和關(guān)注較多的科研范式趨勢，這些趨勢是否真的對科學(xué)研究具有變革性的影響仍然存在爭議[10]，但最終都是為了更好更快的科學(xué)交流與分享。我國高端交流平臺的建設(shè)需要在對全球科研范式、交流模式進行深入研究的基礎(chǔ)上，把握并擁抱全球科研范式的轉(zhuǎn)變。

4 結(jié)語

本文從高端交流平臺的“高端”內(nèi)容、“平臺”主體、“交流”范式3個方面，結(jié)合國際科技情報和科學(xué)研究的大趨勢，列舉了一些國外最新的實踐案例，對我國高端交流平臺發(fā)展與建設(shè)提出了思考。筆者認(rèn)為，高端交流平臺的“高端”需要多樣化內(nèi)容支撐，需要擴大科技數(shù)據(jù)范圍，尤其重視數(shù)據(jù)、代碼等新型科學(xué)信息；高端交流平臺的“平臺”需要多主體參與建設(shè)，要鼓勵個人、中小企業(yè)和其他大型企業(yè)參與數(shù)據(jù)科學(xué)的平臺建設(shè)與共享；高端交流平臺的“交流”模式需要擁抱全新科研范式，要抓住科研范式的變化趨勢，調(diào)整平臺以滿足科學(xué)家對于知識獲取、知識交流傳播的需求，提高科研人員研發(fā)的效率和預(yù)測的準(zhǔn)確性。要從內(nèi)容建設(shè)、平臺建設(shè)、交流范式等各方突破，才能打造具有科技強國戰(zhàn)略視角的“高端交流平臺”，這也是我國“強化國家戰(zhàn)略科技力量”的必要保障。

囿于字?jǐn)?shù)限制，本文對于國外案例只是介紹性分析，就現(xiàn)象論現(xiàn)象，沒有探究現(xiàn)象背后的深層邏輯和原因。對于高端交流平臺的思考也是一種設(shè)想，沒有落實到具體可執(zhí)行的建設(shè)路徑，希望在后續(xù)的研究中能有所加強。