人工智能賦能學(xué)術(shù)期刊高質(zhì)量發(fā)展：優(yōu)勢、風(fēng)險與防范策略

□王 佳 郝儒杰 王 鋒

學(xué)術(shù)期刊是科學(xué)研究成果發(fā)表、宣傳與傳播的重要載體。習(xí)近平總書記指出：“高品質(zhì)的學(xué)術(shù)期刊就是要堅守初心、引領(lǐng)創(chuàng)新，展示高水平研究成果，支持優(yōu)秀學(xué)術(shù)人才成長，促進中外學(xué)術(shù)交流?！保?］人工智能時代，編輯出版的智能化升級對學(xué)術(shù)期刊的高質(zhì)量發(fā)展產(chǎn)生了重要影響，一方面，人工智能為學(xué)術(shù)期刊編輯出版等工作提供了輔助性作用；另一方面，人工智能也為學(xué)術(shù)期刊的作者、評價機構(gòu)、轉(zhuǎn)載機構(gòu)、作者機構(gòu)、讀者以及編輯等學(xué)術(shù)生產(chǎn)主體之間的工作流程、交互機制以及協(xié)同模式，提供了全新的發(fā)展空間，也給學(xué)術(shù)期刊的學(xué)術(shù)生產(chǎn)共同體發(fā)展帶來了不確定性風(fēng)險。

當(dāng)前，關(guān)于人工智能賦能出版的研究已引起高度關(guān)注，對人工智能賦能學(xué)術(shù)期刊的相關(guān)研究也蓬勃發(fā)展，但學(xué)界聚焦人工智能賦能學(xué)術(shù)期刊高質(zhì)量發(fā)展的不確定性風(fēng)險的討論相對較少，筆者試做分析，并提出防范策略，以求教于方家。

一、人工智能賦能學(xué)術(shù)期刊高質(zhì)量發(fā)展的優(yōu)勢

（一）選題策劃算法化

算法推薦最初被用來提升計算機軟件的運算效率，隨著移動互聯(lián)網(wǎng)的快速發(fā)展，算法推薦先后被引至傳播領(lǐng)域，算法的重點對象也由“物”轉(zhuǎn)向了“人”［2］。算法推薦的廣泛應(yīng)用，引起了社會信息結(jié)構(gòu)和傳播秩序的深刻調(diào)整，改變了傳統(tǒng)的信息傳播業(yè)態(tài)，也形成了新的傳播格局。人工智能在算法上具有獨特優(yōu)勢，能夠有效利用群體智能和協(xié)同創(chuàng)新方式分析當(dāng)前的學(xué)術(shù)熱點，為編輯策劃選題提供有力支持，也能為后續(xù)約稿、組稿提供熱點作者。

人工智能技術(shù)可以對網(wǎng)絡(luò)的海量信息進行大數(shù)據(jù)分析，凝練研究熱點、核心問題，并預(yù)測具有深入研究價值的方向，提高選題策劃與期刊定位的契合度。目前，愛思唯爾和倫敦大學(xué)學(xué)院（UCL）共同構(gòu)建了“UCL大數(shù)據(jù)研究所”，從海量信息中計算、抓取熱點，為科研工作者選擇研究方向提供一定的參考。此外，德國新型出版公司Inkitt將算法運用到選題策劃環(huán)節(jié)中，利用算法分析讀者在不同場景下的閱讀行為，為選題策劃提供依據(jù)。

（二）約稿組稿高效化

人工智能可以檢索并標(biāo)記相關(guān)的學(xué)術(shù)動態(tài)信息及其研究者，對他們的研究成果相關(guān)性及成果質(zhì)量進行搜索、分析和排序，分析相關(guān)學(xué)者的學(xué)術(shù)水平和學(xué)術(shù)影響力。如CiteSpace軟件等計量和網(wǎng)絡(luò)分析工具能夠深入挖掘文獻數(shù)據(jù)并形成計量分析報告和關(guān)系網(wǎng)絡(luò)圖譜，幫助編輯對學(xué)科規(guī)律和發(fā)展作出正確的判斷，獲得選題靈感和選題依據(jù)，還可以搜索學(xué)術(shù)帶頭人的親密合作者，更能夠找出相關(guān)領(lǐng)域的熱點學(xué)者，甚至進行精準(zhǔn)畫像，便于有針對性地自動化約稿。關(guān)系圖譜可以根據(jù)每一次的約稿結(jié)果生成新的訓(xùn)練數(shù)據(jù)，輔助編輯篩選出更合適的作者進行約稿。學(xué)術(shù)出版巨擘愛思唯爾根據(jù)ScienceDirect數(shù)據(jù)庫，通過分析最近學(xué)者關(guān)注的熱點，根據(jù)該數(shù)據(jù)庫搜索相關(guān)領(lǐng)域的研究者定向約稿，以出版學(xué)術(shù)專著。

（三）查重審稿智能化

學(xué)術(shù)期刊傳統(tǒng)出版模式中，編輯審稿主要包含兩個方面的內(nèi)容：重復(fù)率查詢和同行評議。在重復(fù)率查詢方面，由于比對數(shù)據(jù)庫、算法、功能等評價指標(biāo)的不同，同一篇論文在不同檢測系統(tǒng)中生成的檢測結(jié)果不盡相同。同時，由于數(shù)據(jù)庫不可能囊括所有信息，大量網(wǎng)絡(luò)文獻、外文文獻（尤其是小語種）、內(nèi)部資料形成了數(shù)據(jù)盲區(qū)。這些問題造成了檢測結(jié)果難以做到真正的客觀和全面。近年來，人工智能作為輔助工具在學(xué)術(shù)同行評議領(lǐng)域開始得到重視，編輯可以通過人工智能技術(shù)設(shè)定匹配算法，基于深度學(xué)習(xí)的多模態(tài)信息處理能夠通過多模態(tài)信息建模進行語義度量、分析和識別，為檢測系統(tǒng)識別圖表與文字轉(zhuǎn)換抄襲行為提供依據(jù)，并能基于智能圖像處理算法，識別出被手動修改和重復(fù)使用的插圖。人工智能可以根據(jù)研究領(lǐng)域、活躍程度和審稿記錄等信息自動選擇合適的審稿人。結(jié)合區(qū)塊鏈去中心、不可篡改和透明特性，將作者投稿、專家評議、編輯操作變得實時化和透明化，為每一篇論文匹配研究方向相符、學(xué)術(shù)水平優(yōu)良、學(xué)術(shù)態(tài)度端正的審稿專家，優(yōu)化學(xué)術(shù)誠信體系。

（四）編輯校對精準(zhǔn)化

傳統(tǒng)出版中，編輯和校對工作占據(jù)了出版流程最多的環(huán)節(jié)。由于編輯和校對工作具有一定的規(guī)范性和客觀性，因而更具有與人工智能結(jié)合的可能。人工智能可以智能生成編校系統(tǒng)，實現(xiàn)數(shù)字化校對和編輯校對的協(xié)同校對模式，大大減輕編輯工作量，提高工作效率，縮短出版時間。而排版、校對等重復(fù)性工作，更是可以通過人工智能來完成。所以，大數(shù)據(jù)、自然語言等可以有效提高編校的效率和質(zhì)量，有效輔助學(xué)術(shù)期刊的出版工作。目前，國內(nèi)已有企業(yè)探索將人工智能應(yīng)用于編校工作中，如方正電子攜手北京印刷學(xué)院成立“智能審校聯(lián)合實驗室”、哈爾濱工業(yè)大學(xué)訊飛聯(lián)合實驗室發(fā)布飛鷹智能文本校對系統(tǒng)1.0等。

（五）出版發(fā)行高效化

目前學(xué)術(shù)期刊數(shù)字傳播路徑主要有兩種：第一，通過中國知網(wǎng)、維普、萬方、超星等大型數(shù)據(jù)庫進行付費下載；第二，通過期刊社（編輯部）自辦的微信公眾號、官方網(wǎng)站、微博、博客等平臺進行免費開放獲取。這些傳播模式僅僅實現(xiàn)了數(shù)字化，但不能針對作者、讀者、編者進行個性化的精準(zhǔn)推送，一定程度上削弱了學(xué)術(shù)期刊內(nèi)容生產(chǎn)與消費群體的匹配度，缺乏足夠的互動渠道，在編輯、作者、讀者群體的信息交互上形成了一個無法規(guī)避的鴻溝，生態(tài)系統(tǒng)并不健全。

人工智能以其強大的數(shù)據(jù)采集、分析和精準(zhǔn)處理能力，嵌入到傳統(tǒng)媒體的生態(tài)空間，實現(xiàn)信息傳播從以往的“人找信息”轉(zhuǎn)變?yōu)椤靶畔⒄胰恕?，?gòu)建信息傳播的新技術(shù)、新路徑、新業(yè)態(tài)。人工智能的算法推薦可以記錄學(xué)者的閱讀習(xí)慣和研究方向，定制和推送相關(guān)信息，做到個性化服務(wù)。實際上，每一個用戶都是學(xué)術(shù)信息的消費者、傳播者和生產(chǎn)者，大量閱讀習(xí)慣及行為選擇形成用戶獨有的數(shù)據(jù)庫。如超星“域出版”借助智能算法分析用戶偏好和態(tài)度趨向，按照閱讀曲線進行內(nèi)容用戶數(shù)據(jù)的智能化匹配，實現(xiàn)學(xué)術(shù)信息的精準(zhǔn)推送和碎片化傳播，有效降低用戶獲取信息的成本，進一步優(yōu)化推送的精準(zhǔn)度，滿足受眾多元化、個性化的信息需求。對學(xué)術(shù)期刊而言，同樣可以借助智能算法，從大量的歷史數(shù)據(jù)中發(fā)現(xiàn)決定學(xué)術(shù)期刊影響力的關(guān)鍵因素，進行有效改進，這種隱含的非線性關(guān)系是人工手段難以發(fā)現(xiàn)的。

二、人工智能賦能學(xué)術(shù)期刊的不確定性風(fēng)險

（一）選題策劃被流量所裹挾

在不正確的學(xué)術(shù)評價機制下，算法極易產(chǎn)生負(fù)面效果，例如用來追求流量。已有研究表明，如果在學(xué)術(shù)領(lǐng)域“唯流量論”，將會嚴(yán)重?fù)p害公平、公正、透明的學(xué)術(shù)原則，甚至背離學(xué)術(shù)發(fā)展的基本規(guī)律。第一，學(xué)術(shù)熱度不等于學(xué)術(shù)深度，單純追求熱度勢必會降低研究深度。第二，一些小眾學(xué)科、冷門絕學(xué)的研究成果，本來就在現(xiàn)行學(xué)術(shù)期刊評價中不占優(yōu)勢，如果再被算法排斥，將導(dǎo)致相關(guān)學(xué)科的論文更難發(fā)表。第三，對于學(xué)術(shù)期刊而言，如果只刊登熱門選題、爆款論文，即使刊物會獲得暫時的高頻次被引用和眼前的高收益，但從長遠(yuǎn)來看，絕不會取得良好的學(xué)術(shù)美譽度，與學(xué)術(shù)期刊承擔(dān)的社會責(zé)任更是難以匹配。第四，青年學(xué)者學(xué)術(shù)影響力弱，在人工智能構(gòu)建的關(guān)系網(wǎng)絡(luò)圖譜中處于邊緣位置，很難被學(xué)術(shù)期刊編輯所關(guān)注，完全依賴以流量最大化為目標(biāo)函數(shù)的算法，將會嚴(yán)重低估那些有潛力的青年學(xué)者的價值。

（二）算法的黑箱特性增加了意識形態(tài)風(fēng)險

克里斯托夫·庫克里克在《微粒社會》一書中，將被數(shù)據(jù)操控的社會稱為微粒社會，一切都被精確地記錄和計算。人工智能把語料變成數(shù)據(jù)，借助深度神經(jīng)網(wǎng)絡(luò)的特征提取能力，發(fā)現(xiàn)規(guī)律并構(gòu)建模型，使用模型進行預(yù)測和分類。算法是人工智能的主要表現(xiàn)形式，算法推薦不僅僅是一套客觀的計算代碼或程序，也體現(xiàn)著人的意志。本質(zhì)上，算法是技術(shù)人員依據(jù)目標(biāo)需求編制的一套運行規(guī)則，算法推薦的設(shè)計之初就滲透著設(shè)計者的主觀動機，其對于待解決問題的理解、對變量的選擇和權(quán)重的設(shè)定、對所需數(shù)據(jù)的選取以及對輸出結(jié)果的解讀等環(huán)節(jié)均受個人價值觀的影響［3］，因此，算法本身就存在風(fēng)險，囿于學(xué)科領(lǐng)域的分界，大多數(shù)學(xué)術(shù)期刊編輯并不懂得如何編程，難以理解智能平臺背后的算法。由于算法的透明度不高，在經(jīng)濟利益的驅(qū)動下，算法容易遭到經(jīng)濟或政治力量的操控。如果使用了非自主知識產(chǎn)權(quán)的算法模塊，當(dāng)這些有瑕疵、或者被潛在操控的算法應(yīng)用到學(xué)術(shù)論文寫作領(lǐng)域，尤其是哲學(xué)社會科學(xué)研究領(lǐng)域中，可能會造成不可估量的后果。當(dāng)人工智能進一步發(fā)展，進入強人工智能時代，機器具備自我學(xué)習(xí)和創(chuàng)造能力甚至情感之后，其創(chuàng)造的成果是否與設(shè)計者和機器使用者的初衷一致，也是我們應(yīng)該警惕的問題。

（三）機器審稿過于保守

人工智能在數(shù)據(jù)獲取和更新上依賴于人的操作，無法及時更新學(xué)術(shù)動態(tài)相關(guān)數(shù)據(jù)（如學(xué)術(shù)會議和學(xué)科研討等），其所抓取的數(shù)據(jù)往往只能回溯至過往。雖然目前在科技期刊領(lǐng)域，已有Aries Systems Corporation（白羊座系統(tǒng)公司）將元計量智能（Meta Bibliometric Intelligence）集成到學(xué)術(shù)刊物稿件和同行評審跟蹤系統(tǒng)中，在估算一篇科技類稿件的未來引用次數(shù)和影響力方面，速度、準(zhǔn)確性和一致性等方面都超過了人的能力，但是在社會科學(xué)領(lǐng)域仍然應(yīng)用不足，對于一篇學(xué)術(shù)論文（尤其是社會學(xué)科論文），其語言、寫作方式只是表現(xiàn)方式，內(nèi)在所傳達的學(xué)術(shù)思想、學(xué)術(shù)觀點和學(xué)術(shù)思維才是高質(zhì)量學(xué)術(shù)論文的關(guān)鍵要素，目前的自然語言處理工具只能理解單一句子或段落，并不能評估整篇論文內(nèi)在的新穎性、前沿性、相關(guān)性和嚴(yán)謹(jǐn)性。鑒于人工智能還不能可靠地評估科學(xué)內(nèi)容的質(zhì)量，且透明性不足，有引入偏見的風(fēng)險，目前大多數(shù)學(xué)者不贊同將人工智能應(yīng)用于復(fù)雜的質(zhì)量評估領(lǐng)域，人工智能只是執(zhí)行較簡單的任務(wù)［4］，仍然有賴于編輯和審稿人的全面把握。

（四）編輯校對難以發(fā)現(xiàn)深層次問題

伴隨著技術(shù)進步，各大公司不斷完善算法、更新智能審校系統(tǒng)。例如黑馬校對軟件在漢語切分、漢語語法分析、漢語依存關(guān)系分析等技術(shù)方面有了很大進步，提高了查錯準(zhǔn)確率和校對效率。同時，我們應(yīng)該清晰地認(rèn)識到，人工智能僅僅是在校異同方面具有優(yōu)勢，能夠通過海量數(shù)據(jù)，快速篩查出稿件中簡單的語法、拼寫錯誤、引文錯誤，但是對復(fù)雜語法和語義的識別仍然存在一定的難度，加之漢語表現(xiàn)形式復(fù)雜多樣，現(xiàn)有的人工智能技術(shù)并沒有達到如人腦一般的廣度、深度以及系統(tǒng)思維水平，不能進行定性的價值判斷，無法評判論文中的政治導(dǎo)向和價值取向。［5］因此，面對那些需要對內(nèi)容進行復(fù)雜、深度分析和解讀的工作，人工智能的表現(xiàn)還不能完全令人滿意。特別是在判斷作品的思想價值導(dǎo)向、科研水平、政治意味，梳理復(fù)雜的邏輯關(guān)系以及深度解析深奧語義等方面，人工智能技術(shù)依然難以替代人類。

（五）信息繭房干擾編輯拓展知識領(lǐng)域

信息繭房（Information Cocoons）一詞最先由美國學(xué)者凱斯·桑斯坦提出，他在《信息烏托邦》中用“繭”形象地描述了人們被網(wǎng)絡(luò)同質(zhì)信息包裹下的封閉狀態(tài)。早在20世紀(jì)80年代，學(xué)者就提出了“編輯學(xué)者化”的觀點。所謂“編輯學(xué)者化”，就是編輯結(jié)合自己負(fù)責(zé)的文章或者欄目，提升專業(yè)實力，成為相關(guān)領(lǐng)域的專家。算法推薦能夠主動為每位學(xué)者提供個性化服務(wù)，但是智能推薦及從眾等因素使得讀者信息檢索和處理的能力不斷弱化、閱讀信息面窄化，進而引發(fā)了移動閱讀書目的同質(zhì)化現(xiàn)象，逐漸形成信息窄化和群體極化的“回音室效應(yīng)”，影響受眾的價值判斷。實際上，在現(xiàn)在的學(xué)術(shù)研究領(lǐng)域，交叉學(xué)科的研究已經(jīng)蔚然成風(fēng)。以2021年國家社科基金后期資助入選的新聞傳播學(xué)項目為例，大部分的研究課題是新聞傳播學(xué)與社會學(xué)、語言學(xué)、心理學(xué)、馬克思主義研究等學(xué)科的交叉課題?？梢?，在科技和社會發(fā)展日新月異的情況下，編輯必須拓展自己的知識面，從不同學(xué)科汲取養(yǎng)分，填補自己的學(xué)科短板，大膽借鑒和試驗新方法、新學(xué)科。而在人工智能環(huán)境下，編輯閱讀某一領(lǐng)域文獻越多，算法就將更集中地推薦相關(guān)研究成果，長此以往，必然會形成信息繭房，限制編輯的研究視域，妨礙編輯的創(chuàng)新思維。

三、人工智能賦能學(xué)術(shù)期刊高質(zhì)量發(fā)展的防范策略

（一）完善人工智能賦能學(xué)術(shù)生產(chǎn)共同體的協(xié)同機制

學(xué)術(shù)期刊需要進一步優(yōu)化人工智能的使用，加快人工智能產(chǎn)品的升級，加強學(xué)術(shù)期刊編輯培訓(xùn)，提升編輯工作效率。例如，在選題策劃、論文寫作、查重審稿、編輯校對等領(lǐng)域，必須以人為中心，機器作為輔助。由人工智能搜集核心數(shù)據(jù)，計算備選方案，學(xué)術(shù)期刊編輯作為把關(guān)人和決策者，在選題策劃領(lǐng)域，應(yīng)綜合考慮期刊發(fā)展和社會責(zé)任各方面的因素，將熱點和深度結(jié)合。在編輯校對領(lǐng)域，一些重復(fù)、繁瑣的勞動可以由機器勝任，但責(zé)任編輯與責(zé)任校對制度不能缺失。在同行評議階段，必須由實際同行進行，機器只是同行評議的支持和輔助。［6］另外，編輯也應(yīng)該擁抱新技術(shù)，提高自己的業(yè)務(wù)水平、知識深度與廣度，將自己的學(xué)術(shù)積淀和學(xué)術(shù)敏感性注入到開放的智能平臺中，通過必要的人為干預(yù)，防止信息繭房的形成，提高智能平臺的靈活性，打造人機共存的協(xié)同工作模式。

（二）增強技術(shù)賦能，設(shè)置程序?qū)彶閱T

習(xí)近平總書記提出“探索將人工智能運用在新聞采集、生產(chǎn)、分發(fā)、接收、反饋中，用主流價值導(dǎo)向駕馭‘算法’，全面提高輿論引導(dǎo)能力”。“黑箱”是指那些既無法打開又不能從外部直接觀察的區(qū)域。面對可能造成的意識形態(tài)風(fēng)險，開放算法，讓算法公開透明無疑更能夠有效解決很多問題。開放算法具有兩個方面的優(yōu)勢：第一，由專業(yè)機構(gòu)評判算法是否公平、公正、合理，找到漏洞并解決。第二，由學(xué)術(shù)期刊編輯或者相關(guān)領(lǐng)域的專家參與到算法開發(fā)過程中，避免意識形態(tài)方面的錯誤。然而考慮到商業(yè)公司出于商業(yè)利益，完全開放算法可能只是一種想象。因此，可以由行業(yè)機構(gòu)出臺數(shù)據(jù)采集、算法設(shè)計和平臺運行制度，設(shè)置程序?qū)彶閱T，完善程序?qū)彶橹?，在相關(guān)人員的參與下，定期組織專家學(xué)者，在保證商業(yè)隱私的情況下對算法進行審查，把風(fēng)險消滅在萌芽狀態(tài)。

（三）積極應(yīng)對有可能產(chǎn)生的著作權(quán)糾紛

人工智能寫作并不是由有形的機器人完成，而是運用算法自動生成。當(dāng)前的人工智能寫作主要應(yīng)用于自媒體領(lǐng)域。毋庸置疑，人工智能也能運用到結(jié)構(gòu)嚴(yán)謹(jǐn)、模式化強的論文寫作方面。人工智能可以輔助科研工作者進行文獻搜集，撰寫摘要、關(guān)鍵詞、參考文獻，梳理結(jié)論并給出進一步的研究方向的建議。同時，我們也要看到，人工智能的目的并不是替代人類的論文寫作，而是輔助寫作，幫助科研工作者加快成果生成進程，篩選適合論文投稿方向的學(xué)術(shù)期刊。目前，對于是否應(yīng)當(dāng)將人工智能生成內(nèi)容作為著作權(quán)法上的作品予以保護，仍然是學(xué)界爭論的問題。主流的觀點認(rèn)為，當(dāng)前全球人工智能技術(shù)仍處于“弱人工智能”狀態(tài)，扮演“創(chuàng)作工具”的角色，著作權(quán)應(yīng)該歸屬于人工智能使用者。但我們應(yīng)該預(yù)見到，當(dāng)未來發(fā)展至“強人工智能”時代后，人工智能具備了情感、認(rèn)知能力，可以在完全獨立的情況下創(chuàng)作出一篇論文時，這篇論文的著作權(quán)歸屬于進行試驗的學(xué)者還是提供算法的軟件公司？抑或是人工智能？這些風(fēng)險都需要我們提前預(yù)知，并在《著作權(quán)法》中進行明確規(guī)定。

四、結(jié)語

人工智能技術(shù)的發(fā)展不可阻擋，或許是學(xué)術(shù)期刊高質(zhì)量發(fā)展的重大轉(zhuǎn)折點。只有堅持人工智能高質(zhì)量賦能，學(xué)術(shù)期刊高質(zhì)量發(fā)展才能行穩(wěn)致遠(yuǎn)。學(xué)術(shù)期刊及其從業(yè)者必須科學(xué)認(rèn)識和把握人工智能賦能學(xué)術(shù)期刊發(fā)展帶來便利、為學(xué)術(shù)繁榮作出貢獻的同時，也帶來了一些不確定性風(fēng)險，并探索和完善防范和化解這些不確定性風(fēng)險的協(xié)同機制、方法及模式，推動作者、讀者、評價機構(gòu)、轉(zhuǎn)載機構(gòu)、作者機構(gòu)以及編輯等學(xué)術(shù)生產(chǎn)共同體實現(xiàn)高效協(xié)同，以推動學(xué)術(shù)期刊高質(zhì)量發(fā)展。因此，本文從選題策劃、約稿組稿、同行評議、編輯加工、出版發(fā)行五個環(huán)節(jié)分析了人工智能賦能學(xué)術(shù)期刊的發(fā)展現(xiàn)狀，在此基礎(chǔ)上探究了其中存在的五大風(fēng)險并提出應(yīng)對策略。需要注意的是，目前的人工智能僅僅是處于弱人工智能時代，當(dāng)技術(shù)進一步發(fā)展，人類進入強人工智能時代，也即是當(dāng)可以獨立思考問題并制定解決問題的最優(yōu)方案、有自己的價值觀和世界觀體系的機器出現(xiàn)以后，學(xué)術(shù)期刊乃至出版產(chǎn)業(yè)將會迎來更多的機遇和挑戰(zhàn)，這就需要學(xué)術(shù)期刊從業(yè)者冷靜應(yīng)對，以積極樂觀的心態(tài)去迎接風(fēng)險，直面挑戰(zhàn)。