大語言模型在科技檔案管理中的應(yīng)用研究

摘 要：從剖析科技檔案管理的現(xiàn)狀及存在的問題出發(fā)，基于大語言模型在信息處理中的優(yōu)勢，分析大語言模型在科技檔案管理中的三個應(yīng)用場景，分別為聚焦服務(wù)知識應(yīng)用的場景1.0，支持知識生產(chǎn)的場景2.0，激發(fā)科技行業(yè)新生態(tài)的場景3.0；最后指出了大語言模型應(yīng)用帶來的挑戰(zhàn)，包括AI生成內(nèi)容的知識產(chǎn)權(quán)問題、信息安全風(fēng)險、內(nèi)容質(zhì)量控制及人員的人工智能素養(yǎng)要求等。為大語言模型賦能下的科技檔案管理智能化、高效化發(fā)展提供理論框架與實(shí)踐導(dǎo)向。

關(guān)鍵詞：大語言模型；科技檔案；檔案服務(wù)；人工智能；知識產(chǎn)權(quán)；個性化服務(wù)；知識生產(chǎn)；科技創(chuàng)新

科技檔案是國家機(jī)構(gòu)、社會組織及個人從事各項(xiàng)社會活動形成的對國家、社會、本單位和個人具有保存價值的應(yīng)當(dāng)歸檔保存的科技文件，[1]是國家重要的戰(zhàn)略科技資源，具有豐富的經(jīng)濟(jì)和智力價值，具有促進(jìn)生產(chǎn)力發(fā)展、提高經(jīng)濟(jì)效益的作用。2023年國家檔案局啟動了40年來《科技檔案工作條例》的首次修訂，科技檔案工作受到了前所未有的重視。[2]但是，目前我國科技檔案的管理和使用還存在很多問題。

隨著大語言模型（Large Language Model，LLM）等人工智能技術(shù)的快速發(fā)展，信息管理和知識服務(wù)的格局正發(fā)生深刻變革，也為科技檔案工作帶來了前所未有的機(jī)遇和挑戰(zhàn)。相關(guān)部門也紛紛出臺相應(yīng)的政策，要求加強(qiáng)科技檔案的管理，建立符合并體現(xiàn)新質(zhì)生產(chǎn)力發(fā)展要求的科技檔案資源體系。

本文將從剖析科技檔案管理的現(xiàn)狀及存在的問題出發(fā)，基于LLM在信息處理中的優(yōu)勢，探析LLM在科技檔案管理中的三個應(yīng)用場景，并指出應(yīng)用中所面臨的挑戰(zhàn)，以期能夠促進(jìn)LLM技術(shù)與科技檔案工作的深度融合，為推動科技檔案管理的現(xiàn)代化轉(zhuǎn)型提供理論依據(jù)和實(shí)踐參考。

1 科技檔案管理的現(xiàn)狀及問題

1.1 數(shù)據(jù)資源海量化，數(shù)據(jù)類型多樣化。在科學(xué)研究“第四范式”和知識經(jīng)濟(jì)時代背景下，隨著科學(xué)技術(shù)迅速發(fā)展和科技研究的多學(xué)科交叉不斷增多，科技檔案數(shù)據(jù)的產(chǎn)生源也急劇增加，無論是基礎(chǔ)科學(xué)研究、工程技術(shù)實(shí)踐還是日常辦公活動，都產(chǎn)生了前所未有的大量數(shù)據(jù)。

在基礎(chǔ)科學(xué)研究領(lǐng)域，隨著實(shí)驗(yàn)技術(shù)和儀器的不斷進(jìn)步，研究人員能夠收集到更加精確和詳細(xì)的數(shù)據(jù)；在工程技術(shù)實(shí)踐中，隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，各種監(jiān)測設(shè)備能夠?qū)崟r收集環(huán)境、設(shè)備狀態(tài)和操作過程的數(shù)據(jù)；在日常辦公活動中，隨著信息技術(shù)的普及，電子郵件、文檔、會議記錄等電子文件的數(shù)量急劇增加。[3-5]此外，科技檔案數(shù)據(jù)也不僅僅局限于科研報告、實(shí)驗(yàn)數(shù)據(jù)、專利文檔等可以被結(jié)構(gòu)化存儲和管理的文本信息，還包括大量的多媒體數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。例如，圖像、視頻、音頻、傳感器數(shù)據(jù)、社交媒體內(nèi)容等非結(jié)構(gòu)化數(shù)據(jù)急劇增加。

這些數(shù)據(jù)的積累不僅為科學(xué)研究提供了豐富的資源，也為科技檔案的管理、保存和利用帶來了新的挑戰(zhàn)。如何有效地管理和利用這些龐大的科技檔案數(shù)據(jù)，成為了當(dāng)前科學(xué)研究和知識管理領(lǐng)域亟待解決的問題。

1.2 開放共享程度低，數(shù)據(jù)孤島化現(xiàn)象較嚴(yán)重。當(dāng)前，我國科技檔案開放力度還比較小，共享程度還很低，究其原因，主要有以下三點(diǎn)：一是科技檔案往往涉及知識產(chǎn)權(quán)、商業(yè)秘密或國家安全，因此，在沒有明確的共享規(guī)范和保障機(jī)制下，很多單位傾向于保守秘密，不愿意開放共享。這種情況在科技領(lǐng)域尤為突出，因?yàn)榭蒲谐晒纳虡I(yè)價值和戰(zhàn)略意義往往與知識產(chǎn)權(quán)緊密相關(guān)，單位和個人對于科研成果的保護(hù)意識較強(qiáng)，擔(dān)心開放共享可能會帶來信息泄露的風(fēng)險。二是許多科研機(jī)構(gòu)、高校和企業(yè)內(nèi)部建立了各自的科技檔案管理系統(tǒng)，但這些系統(tǒng)之間缺乏高效、安全的共享平臺和技術(shù)支持，缺乏有效的互聯(lián)互通機(jī)制，導(dǎo)致存在較嚴(yán)重的數(shù)據(jù)孤島障礙?？萍紮n案的分類和管理需要遵循一定的標(biāo)準(zhǔn)和規(guī)范，但由于不同領(lǐng)域和機(jī)構(gòu)之間的標(biāo)準(zhǔn)差異，導(dǎo)致檔案的統(tǒng)一管理和共享利用難度增加。三是科技檔案涉及專業(yè)領(lǐng)域眾多，分類、編碼、描述等標(biāo)準(zhǔn)不一，導(dǎo)致開放審核面臨許多問題，在跨機(jī)構(gòu)共享時也存在兼容性問題，使得檔案的整合與交流變得困難。[6]

1.3 科技檔案開發(fā)深度有限，服務(wù)質(zhì)量有待提高。當(dāng)前，我國科技檔案管理仍以保管為主，檔案信息資源的開發(fā)停留在淺層，深加工成果較少，服務(wù)質(zhì)量有待進(jìn)一步提高，主要的表現(xiàn)有以下三點(diǎn)：一是科技檔案的知識更新速度滯后，不能及時反映最新的科研成果和動態(tài)，降低了服務(wù)的時效性和實(shí)用性，無法滿足用戶對高效、智能化知識服務(wù)的需求，尤其是在數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)日益普及的今天，科研人員需要能夠快速訪問到最新的科研數(shù)據(jù)和成果；二是科技檔案共享和開發(fā)程度低，影響了檔案的組織和檢索效率，使得檔案信息的價值未能充分挖掘，限制了其在科研創(chuàng)新和決策支持中的作用；三是對科技檔案價值的認(rèn)識和利用方法的普及不足，使得許多潛在用戶不了解如何有效利用這些資源，限制了知識服務(wù)效能的發(fā)揮，而且知識服務(wù)的提供往往缺乏與用戶的互動和反饋機(jī)制，難以精準(zhǔn)把握用戶需求，導(dǎo)致服務(wù)內(nèi)容和形式與實(shí)際需求脫節(jié)。

2 LLM在信息處理中的優(yōu)勢

LLM是利用大規(guī)模的語料數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練的語言模型，其核心目標(biāo)是使機(jī)器能夠像人類解釋語言一樣，準(zhǔn)確地學(xué)習(xí)和理解人類的語言，從而使機(jī)器解釋語言，這是自然語言處理的方式之一。LLM是人工智能（AI）領(lǐng)域的突破性發(fā)展，已成為一種強(qiáng)大的工具，主要用于智能客服、文本生成、情感分析、自動摘要、機(jī)器翻譯、文檔分類等任務(wù)。

目前在國外，主要有由 OpenAI 推出的 ChatGPT、Google 推出的 Gopher 和 LaMDA，以及 Meta 推出的Lama。國內(nèi)“文心一言”由百度首發(fā)，阿里推出了“通義千問”，商湯發(fā)布了“商量”等?；诖竽Ｐ偷膹?qiáng)大性能和相關(guān)技術(shù)的逐步成熟，國內(nèi)外諸多企業(yè)已將大模型應(yīng)用在法律、醫(yī)療、電力等實(shí)際場景中。同樣，在信息與知識服務(wù)中，LLM也表現(xiàn)出強(qiáng)大的優(yōu)勢。

2.1 自然語言理解與生成能力。強(qiáng)大的自然語言理解和生成能力是LLM的顯著特征之一。隨著人工智能技術(shù)的快速發(fā)展，尤其是深度學(xué)習(xí)的進(jìn)步，LLM已經(jīng)成為自然語言處理（NLP）領(lǐng)域的一個重要突破。這些模型通過訓(xùn)練大量的文本數(shù)據(jù)，學(xué)習(xí)語言的復(fù)雜結(jié)構(gòu)和模式，從而獲得了對自然語言的深刻理解。

隨著計(jì)算資源的不斷提升，大型神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練成為可能，這些模型包含數(shù)百萬或數(shù)十億個參數(shù)，這為語言生成和理解任務(wù)提供了強(qiáng)大的能力，使得它們能夠捕捉到語言中的細(xì)微差別，并生成流暢、連貫的文本。[7]同時，LLM建立了自然語言形式的統(tǒng)一任務(wù)解決模式，這意味著，無論是復(fù)雜的查詢、指令還是簡單的請求，都可以通過自然語言的形式輸入，模型能夠理解這些指令并生成相應(yīng)的輸出。

這種模式具備較好的人類指令遵循能力，能夠深度理解用戶的意圖，它允許用戶以最自然的方式與機(jī)器溝通，無需學(xué)習(xí)特定的命令或語法，這就為人機(jī)交互提供了一種自然的、通用的技術(shù)路徑，極大地簡化了人機(jī)交互的過程。而且，LLM在遵循人類指令方面的能力也在不斷地得到顯著提升，它們不僅能夠理解用戶的直接請求，還能夠處理更復(fù)雜的任務(wù)，如推理、規(guī)劃和創(chuàng)造性寫作。這種能力的背后是模型對語言的深層理解，包括語境、語義和語法等多個層面。

2.2 持續(xù)學(xué)習(xí)和優(yōu)化能力。隨著LLM在各個領(lǐng)域的應(yīng)用不斷擴(kuò)大，它們適應(yīng)數(shù)據(jù)、任務(wù)和用戶偏好的持續(xù)變化的能力變得至關(guān)重要。LLM通過自監(jiān)督學(xué)習(xí)（基于大規(guī)模的未標(biāo)注文本數(shù)據(jù)集進(jìn)行訓(xùn)練，來提高模型的性能）和遷移學(xué)習(xí)（根據(jù)用戶的新的查詢和反饋，通過對模型進(jìn)行微調(diào)，實(shí)現(xiàn)在不同任務(wù)之間的遷移學(xué)習(xí)）方式獲得了持續(xù)學(xué)習(xí)和優(yōu)化能力，這能夠使其在運(yùn)行生命周期內(nèi)持續(xù)學(xué)習(xí)和適應(yīng)、整合新知識，同時保留先前學(xué)習(xí)的信息，從而不斷提升在特定領(lǐng)域內(nèi)的理解與服務(wù)能力，應(yīng)對現(xiàn)實(shí)世界信息的動態(tài)特性。[8]

持續(xù)學(xué)習(xí)與優(yōu)化能力保證了LLM能夠?qū)I(yè)領(lǐng)域知識的理解更加豐富和準(zhǔn)確，從而適應(yīng)不斷變化的科技檔案服務(wù)需求。例如，通過External Augmentation，LLM可以從外部源檢索或調(diào)用領(lǐng)域特定信息來增強(qiáng)模型，無需微調(diào)模型參數(shù)。這種領(lǐng)域知識增強(qiáng)了特定領(lǐng)域內(nèi)的深度和準(zhǔn)確性，而領(lǐng)域工具增強(qiáng)則使模型能夠執(zhí)行超出其固有能力的任務(wù)。

2.3 多模態(tài)與跨語言處理能力。LLM可以同時處理文字、圖像、音頻和視頻等多種不同形式的信息，進(jìn)行跨模態(tài)的信息理解，比如通過與圖像識別模型的結(jié)合，進(jìn)行圖像的自然語言描述，進(jìn)行從文本到圖像或從圖像到文本的內(nèi)容生成等，完成圖像理解和自然語言生成的聯(lián)合任務(wù)，從而實(shí)現(xiàn)更加全面和智能的語言處理。[9]這種聯(lián)合任務(wù)的完成，使得圖像理解和自然語言生成的能力得到了加強(qiáng)。例如，通過上下文學(xué)習(xí)，LLM能夠在有圖像上下文輸入的情況下生成逼真的現(xiàn)實(shí)圖像，并且還能進(jìn)行圖像描述和視覺問答。

另外，LLM還能夠理解和生成多種語言的文本，這使得其能夠跨越語言障礙，實(shí)現(xiàn)不同語言的無縫對接，這在跨語言檢索、多語言客戶服務(wù)及提高翻譯的準(zhǔn)確性和自然度方面優(yōu)勢更加明顯。而且，LLM的跨語言思維提示（XLT）還能夠激發(fā)跨語言和邏輯推理技能，提高跨語言任務(wù)的性能，縮小不同語言下任務(wù)性能的差距。LLM的多模態(tài)與跨語言信息處理能力在實(shí)際應(yīng)用中展現(xiàn)出了巨大的潛力，為用戶提供了更加豐富和直觀的交互體驗(yàn)，同時也為多語言環(huán)境下的信息服務(wù)提供了強(qiáng)有力的支持。

3 LLM在科技檔案管理中的應(yīng)用場景

檔案管理工作的目標(biāo)與宗旨是進(jìn)行檔案資源的建設(shè)與開發(fā)利用，滿足經(jīng)濟(jì)社會發(fā)展的需要。[10]當(dāng)前，檔案服務(wù)工作正面臨著由傳統(tǒng)信息服務(wù)向高階知識服務(wù)的轉(zhuǎn)型，而人工智能及LLM為此提供了技術(shù)支點(diǎn)。[11]目前，問題驅(qū)動的創(chuàng)新與場景驅(qū)動的創(chuàng)新已成為國家重大發(fā)展戰(zhàn)略機(jī)制，[12]因此，本文基于當(dāng)前科技檔案管理中存在的問題，提出了LLM在科技檔案應(yīng)用中的三個場景，分別是服務(wù)知識應(yīng)用的場景1.0、支持知識生產(chǎn)的場景2.0和激發(fā)科技行業(yè)新生態(tài)的場景3.0。

3.1 服務(wù)知識應(yīng)用的場景1.0。科技檔案數(shù)據(jù)資源的開發(fā)是檔案工作的起點(diǎn)和基礎(chǔ)，對檔案數(shù)據(jù)進(jìn)行采集、存儲、檢索，從而方便用戶獲取和應(yīng)用知識是檔案管理的基礎(chǔ)工作。在場景1.0下，借助LLM技術(shù)，這些工作將更加自動化、智能化、人性化，真正滿足知識應(yīng)用服務(wù)的需要。在此場景下LLM的應(yīng)用主要體現(xiàn)在數(shù)字化、精細(xì)化、標(biāo)簽化、智能化、多模態(tài)和個性化等方面。

3.1.1 科技檔案的數(shù)字化、自動精細(xì)分類與主題標(biāo)簽化。在科技檔案數(shù)據(jù)的采集和存儲工作中，LLM的自然語言處理和光學(xué)字符識別等技術(shù)能夠快速而準(zhǔn)確地將紙質(zhì)檔案數(shù)字化；[13]LLM可以采用文本識別技術(shù)構(gòu)建基于機(jī)器學(xué)習(xí)的智能分類與標(biāo)簽系統(tǒng)，[14]如科技檔案中包含的技術(shù)標(biāo)準(zhǔn)和操作規(guī)范文檔，LLM能識別并標(biāo)注出關(guān)鍵條款、適用范圍、技術(shù)指標(biāo)等，有助于標(biāo)準(zhǔn)化管理和分類，確保技術(shù)文檔的準(zhǔn)確性和一致性；再如，科技檔案中包含大量專利文件，LLM能夠深入理解專利摘要、權(quán)利要求等內(nèi)容，自動分類并標(biāo)記專利類型（如發(fā)明、實(shí)用新型）、技術(shù)領(lǐng)域（如電子、生物技術(shù)）、關(guān)鍵詞等，從而優(yōu)化專利數(shù)據(jù)庫的構(gòu)建和檢索效率。

3.1.2 科技檔案的智能交互檢索。在傳統(tǒng)的檔案信息檢索中，用戶主要通過輸入檢索詞的方式進(jìn)行模糊檢索，這對于非專業(yè)利用者來說具有一定的難度。采用LLM，用戶通過自然語言與檢索系統(tǒng)進(jìn)行對話，表達(dá)并可以不斷調(diào)整檢索需求，系統(tǒng)則可以理解用戶的需求，產(chǎn)生連貫、有邏輯的檢索響應(yīng)，提供相應(yīng)的回答和檢索服務(wù)[15]，而基于深度學(xué)習(xí)的搜索引擎可以通過對用戶的行為分析，向用戶推薦相關(guān)檔案資料和研究資源，使得搜索結(jié)果更加精準(zhǔn)，實(shí)現(xiàn)從“模糊搜索”到“精準(zhǔn)推送”的轉(zhuǎn)變。

總之，采用LLM，可以實(shí)現(xiàn)科技檔案智能檢索交互的新轉(zhuǎn)變，實(shí)現(xiàn)AI答案、專家搜索和相關(guān)內(nèi)容推薦等功能，提高搜索的智能性和效率。

3.1.3 多模態(tài)與個性化服務(wù)?？萍紮n案信息在以往采用傳文本的形式進(jìn)行輸出，而采用LLM的AIGC（人工智能生成內(nèi)容）技術(shù)，可以實(shí)現(xiàn)文本信息與圖像視頻和音頻等其他模態(tài)信息的相互融合，使得檔案信息系統(tǒng)更加智能、生動、貼近用戶需求。例如在檢索服務(wù)中，用戶可以通過文本、語音和圖像等形式進(jìn)行檢索，而系統(tǒng)也可以根據(jù)用戶需求以多模態(tài)形式輸出執(zhí)行結(jié)果。又如在科普場景中，系統(tǒng)根據(jù)科技信息文本內(nèi)容生成配圖或視頻，以增強(qiáng)科普的內(nèi)容的可讀性和吸引力，體現(xiàn)知識應(yīng)用服務(wù)的便利性和對人文關(guān)懷性的重視。

另外，建立在LLM基礎(chǔ)上的智能問答系統(tǒng)，可以針對特定科技領(lǐng)域的問題提供精確答案，解釋技術(shù)術(shù)語、回顧技術(shù)發(fā)展歷程、推薦相關(guān)論文或?qū)＠?，為科研人員和工程師提供即時的技術(shù)支持和個性化服務(wù)。

3.2 支持知識生產(chǎn)的場景2.0?？萍紮n案在科技知識生產(chǎn)過程中發(fā)揮著至關(guān)重要的作用，通過對檔案數(shù)據(jù)的深層次挖掘，從而幫助用戶產(chǎn)生新知識，是科技檔案工作的又一重要任務(wù)。在場景2.0中，用戶不僅能夠獲取知識，還能夠借助數(shù)據(jù)分析、文本挖掘等LLM技術(shù)，通過對檔案數(shù)據(jù)進(jìn)行深層次的拓展，實(shí)現(xiàn)從文本梳理到知識鏈接、從信息檢索到知識發(fā)現(xiàn)的轉(zhuǎn)變，使得潛藏于海量科技檔案中的寶貴知識得以充分釋放與應(yīng)用，進(jìn)行知識的再生產(chǎn)。

3.2.1 科技檔案文本關(guān)鍵信息的提煉與自動摘要的生成。LLM可實(shí)現(xiàn)科技報告等文本信息的抽取、關(guān)鍵信息的提煉，自動摘要的生成，這對于快速瀏覽大量科技文件內(nèi)容、把握核心要點(diǎn)尤為關(guān)鍵，對于長篇幅的檔案資料，這可以提供快速瀏覽內(nèi)容概要的能力，便于管理和開放審核等。例如，一份冗長的科技項(xiàng)目報告或政策文件，模型可以自動生成簡短的摘要，保留核心要點(diǎn)，提高用戶的信息吸收效率。在科技研發(fā)過程中產(chǎn)生的實(shí)驗(yàn)報告、技術(shù)分析報告等文檔往往信息量大且專業(yè)性強(qiáng)，LLM能夠自動提煉報告的關(guān)鍵發(fā)現(xiàn)、實(shí)驗(yàn)結(jié)果、技術(shù)創(chuàng)新點(diǎn)等，生成易于理解的摘要，方便科研人員快速瀏覽和引用，同時也便于歸檔、后續(xù)檢索及審核。

3.2.2 語義知識圖譜的構(gòu)建及檔案數(shù)據(jù)的深度挖掘。傳統(tǒng)的信息組織是基于學(xué)科、主題、關(guān)鍵詞等所反映的少量特征信息，而LLM可將處于信息孤島的檔案數(shù)據(jù)組織成語義關(guān)聯(lián)的知識圖譜，從而更加高效地整合和利用科技檔案知識資源。

借助LLM的語義分析技術(shù)，通過對內(nèi)容的語義理解，利用共現(xiàn)分析、聚類分析、社會網(wǎng)絡(luò)分析、地理位置分析、時序分析、情感分析等方法，AI可以構(gòu)建起科技檔案中同一學(xué)科不同主題之間、不同學(xué)科之間的復(fù)雜關(guān)系網(wǎng)，形成知識網(wǎng)絡(luò)圖及知識圖譜等，對檔案資源進(jìn)行內(nèi)容層面的挖掘；此外，還可借助LLM構(gòu)建基于檔案知識的知識庫，開發(fā)基于智能問答的專家系統(tǒng)，模擬專家思維和決策過程，進(jìn)行問答結(jié)果的結(jié)構(gòu)化展示和語義關(guān)聯(lián)推薦，為研究人員和公眾提供專業(yè)的檔案咨詢和建議服務(wù)，形成豐富的檔案資源開發(fā)成果，從而推動檔案內(nèi)容信息的知識發(fā)現(xiàn)和價值洞察。

3.3 激發(fā)科技行業(yè)新生態(tài)的場景3.0。在場景3.0下，檔案機(jī)構(gòu)借助AI，通過與科研機(jī)構(gòu)、高校、公益機(jī)構(gòu)、文化創(chuàng)意行業(yè)等的合作，整合資源，共同開發(fā)檔案信息的應(yīng)用場景，拓展檔案資源的應(yīng)用范圍，為社會公眾提供更多公共教育及文創(chuàng)開發(fā)服務(wù)，提升檔案信息的社會價值，為新質(zhì)生產(chǎn)力良性生態(tài)體系的形成及全社會創(chuàng)新效率的提高提供支持。

3.3.1 促進(jìn)科技交流與創(chuàng)新。通過互聯(lián)網(wǎng)和云計(jì)算技術(shù)，可以建立開放的檔案資源平臺，這樣的平臺不僅推動了檔案信息的共享，也為科學(xué)研究、企業(yè)創(chuàng)新等提供了高效的數(shù)據(jù)支持服務(wù)，避免了重復(fù)研究，促進(jìn)了跨學(xué)科的知識整合。這種整合對于形成各種科研活動群體至關(guān)重要，它加快了各領(lǐng)域的科研進(jìn)程和知識生產(chǎn)，提升了科學(xué)研究的社會價值。

此外，還可以通過分析檔案資源的用戶的數(shù)量、網(wǎng)站訪問記錄、收藏和下載頻次、訪問時間等，來研究資源的使用狀況，預(yù)測和評估科學(xué)研究的社會效益和經(jīng)濟(jì)效益等。這種分析能力為檔案管理提供了新的視角，幫助相關(guān)部門優(yōu)化服務(wù)，提高效率。

3.3.2 創(chuàng)新科普教育方式。通過與教育行業(yè)的合作，采用AI技術(shù)，如可視化技術(shù)、虛擬現(xiàn)實(shí)技術(shù)、AIGC等，結(jié)合科技檔案資源，生成和豐富科技場景中的細(xì)節(jié)，如人物、對話、聲音等，增強(qiáng)沉浸感，將工程、生物、信息技術(shù)等領(lǐng)域的科技知識以生動有趣的方式進(jìn)行傳遞，增強(qiáng)教學(xué)的真實(shí)性和啟發(fā)性，激發(fā)青少年及公眾對科技探索的興趣和動力。例如，通過AIGC技術(shù)，可以自動生成復(fù)雜的虛擬環(huán)境和內(nèi)容、虛擬的角色和故事情節(jié)，使得用戶體驗(yàn)更加個性化；通過AIGC與VR的結(jié)合，使學(xué)生能夠探索火星，配合AIGC生成的講解，增強(qiáng)對太空科學(xué)的興趣。

3.3.3 豐富檔案開發(fā)方式。通過與科技創(chuàng)意產(chǎn)業(yè)等的合作，利用新媒體、社交網(wǎng)絡(luò)、VR（虛擬現(xiàn)實(shí)）和AR（增強(qiáng)現(xiàn)實(shí)）混合現(xiàn)實(shí)、空間音頻等前沿技術(shù)，開發(fā)基于科技檔案的文化產(chǎn)品，如影視作品、文創(chuàng)產(chǎn)品、互動式檔案游戲及科技成果虛擬重現(xiàn)展覽展示等，為實(shí)現(xiàn)仿真式、交互式沉浸體驗(yàn)創(chuàng)造條件，在挖掘內(nèi)容深度和強(qiáng)化知識屬性的同時，兼顧形式的多樣性、互動性和可體驗(yàn)性，推動科技傳播場景創(chuàng)新能力持續(xù)釋放，促進(jìn)科學(xué)普及跨媒介融合發(fā)展，提升科學(xué)研究的社會價值，為檔案數(shù)據(jù)的服務(wù)方式注入新活力，支持科技服務(wù)業(yè)態(tài)的升級，推動科技文化的傳承和創(chuàng)新。

4 面臨的挑戰(zhàn)

LLM能夠帶來檔案工作模式的革新，但也使檔案管理機(jī)構(gòu)在知識產(chǎn)權(quán)、信息安全、內(nèi)容質(zhì)量、工作人員等方面面臨新的挑戰(zhàn)。

4.1 AI生成內(nèi)容的知識產(chǎn)權(quán)還存在爭議。科技檔案中可能包含受版權(quán)保護(hù)的材料，LLM生成的內(nèi)容是在人類與AI系統(tǒng)的交互中產(chǎn)生的，其知識產(chǎn)權(quán)的歸屬問題目前仍是一個復(fù)雜且存在爭議的法律議題，主要的觀點(diǎn)有：歸屬于人類研發(fā)者或使用者、歸屬于機(jī)器、視為合作作品、按合同約定。當(dāng)前實(shí)踐中，用戶既享有輸出內(nèi)容的利益權(quán)利，也承擔(dān)著相應(yīng)的法律責(zé)任。[16]隨著技術(shù)進(jìn)步和法律實(shí)踐的發(fā)展，這一領(lǐng)域的規(guī)則和理解可能會繼續(xù)演變。

4.2 信息安全風(fēng)險加劇。LLM在訓(xùn)練過程中可能攝入大量敏感或?qū)Ｓ行畔?，包括科技檔案中的專利細(xì)節(jié)、研究成果、商業(yè)機(jī)密等，如果模型安全措施不足，模型可能在生成響應(yīng)時意外泄露這些敏感信息，或者被設(shè)計(jì)精巧的提示注入攻擊所利用，從而導(dǎo)致數(shù)據(jù)泄露。同時，AIGC技術(shù)的引入增加了檔案信息的復(fù)雜性與多樣性，AIGC能夠自動生成文本、圖像、音頻等多種格式的檔案資料，這既使得識別和管控潛在的安全威脅變得更加困難，也增加了數(shù)據(jù)泄露以及被攻擊或誤操作的風(fēng)險。

4.3 內(nèi)容質(zhì)量的評估有待加強(qiáng)。LLM生成的內(nèi)容是基于對歷史數(shù)據(jù)的學(xué)習(xí)，缺乏人類獨(dú)有的情感深度與創(chuàng)新思維，所以就有可能生成涉及版權(quán)侵權(quán)、敏感信息或誤導(dǎo)性的信息，[17]這對檔案管理的嚴(yán)謹(jǐn)性與合法性就會構(gòu)成挑戰(zhàn)。在科技檔案應(yīng)用場景中，這種不準(zhǔn)確性可能會對科研工作、技術(shù)傳承或決策制定造成負(fù)面影響。同時，在借助LLM對檔案數(shù)據(jù)挖掘開發(fā)時，還需要對數(shù)據(jù)開發(fā)的經(jīng)濟(jì)價值、社會價值、學(xué)術(shù)價值等進(jìn)行評估，以確保成果價值的最大化及導(dǎo)向的正確性，滿足社會的實(shí)際需求。

4.4 對人員的人工智能素養(yǎng)要求更高。當(dāng)前LLM的使用漸漸融入了各個工作流程，使用AI的能力即人工智能素養(yǎng)變得愈加重要，[18]科技檔案工作人員不僅要精通傳統(tǒng)檔案管理知識，更需要不斷提升自身的人工智能素養(yǎng)，理解AI的基本概念，并知曉AI的應(yīng)用范圍和潛力，具備與AI系統(tǒng)有效溝通和協(xié)作的能力、AI倫理意識等，充分發(fā)揮人類和機(jī)器各自的優(yōu)勢，以適應(yīng)數(shù)字化、智能化的科技檔案服務(wù)需求，實(shí)現(xiàn)更高效的任務(wù)執(zhí)行和問題解決。

5 結(jié)語

LLM通過模擬人類語言理解與生成機(jī)制，能夠在海量數(shù)據(jù)中進(jìn)行高效的信息提取、語義分析和知識組織，為科技檔案的智能檢索、內(nèi)容摘要、自動分類與標(biāo)簽生成等任務(wù)提供了強(qiáng)大支持，推動科技檔案數(shù)據(jù)挖掘的效率提升、深度凸顯，激活科技檔案數(shù)據(jù)的潛在價值，也為學(xué)術(shù)研究、公共教育乃至政策規(guī)劃開辟全新的視野。檔案管理相關(guān)部門要順應(yīng)數(shù)字化、智能化的發(fā)展趨勢，抓住LLM技術(shù)的機(jī)遇，不斷創(chuàng)新科技檔案工作的模式，積極應(yīng)對所面臨的挑戰(zhàn)，為推動檔案事業(yè)及全社會新質(zhì)生產(chǎn)力的發(fā)展提供有力支撐。

本文系國家社科基金一般項(xiàng)目“基于全文本計(jì)量分析的卓越學(xué)術(shù)論文早期識別研究”（項(xiàng)目編號：23BTQ057）階段性研究成果。

參考文獻(xiàn)：

[1]潘亞男.新時期科技檔案工作的新變化與新問題：基于中國科學(xué)院科技檔案實(shí)踐的思考[J].圖書情報工作，2022，66（01）：106-111.

[2]蔡盈芳.論新質(zhì)生產(chǎn)力與科技檔案工作[J].中國檔案，2024（04）：8-9.

[3]牛力，金持，黎安潤澤.大模型在檔案工作數(shù)智轉(zhuǎn)型中的應(yīng)用：新機(jī)遇、新模式和新轉(zhuǎn)變[J/OL].檔案學(xué)通訊：1-11.

[4]張丹.大語言模型與檔案資源開發(fā)：前景、挑戰(zhàn)與應(yīng)對[J].山西檔案，2023（05）：108-111.

[5]王蘇軍，陳清云，蓋峻梅.基于大數(shù)據(jù)背景的醫(yī)院檔案工作探析[J].檔案與建設(shè)，2019（07）：61-62+56.

[6]加小雙，張斌.歐美科技檔案管理的經(jīng)驗(yàn)借鑒[J].檔案學(xué)研究，2016（01）：25-31.

[7]韓旭，孫亞偉，趙璐.體系化人工智能與大語言模型在智能情報場景中的應(yīng)用[J/OL].北京郵電大學(xué)學(xué)報：1-9.

[8]劉學(xué)博，戶保田，陳科海，等.大模型關(guān)鍵技術(shù)與未來發(fā)展方向：從ChatGPT談起[J].中國科學(xué)基金，2023，37（05）：758-766.

[9]付永華，張文欣，司俊勇.ChatGPT影響下的人工智能檔案服務(wù)：突破與挑戰(zhàn)[J].檔案管理，2023（03）：58-61.

[10]孔媛媛，張舒，王愛.大數(shù)據(jù)背景下檔案信息服務(wù)體系構(gòu)建方法探析[J].檔案與建設(shè)，2021（05）：59-62.

[11]周林興，殷名.知識發(fā)現(xiàn)、復(fù)用與再生產(chǎn)：一種智慧檔案館的知識管理視角[J].檔案管理，2024（02）：42-47.

[12]張曉林.Library-Inside：AI賦能圖書館新質(zhì)生產(chǎn)力的一種基礎(chǔ)模型[J].中國圖書館學(xué)報，2024，50（03）：4-16.

[13]陳嘉鈺.智慧檔案館數(shù)據(jù)化管理功能的實(shí)現(xiàn)[J].檔案管理，2021（01）：57-58.

[14]伍薇.基于CNN卷積神經(jīng)網(wǎng)絡(luò)的企業(yè)電子檔案分類法研究[J].山西檔案，2018（05）：83-85.

[15]楊晶晶.生成式人工智能在檔案數(shù)字場景中的應(yīng)用研究[J].浙江檔案，2024（01）：45-47+54.

[16]王黎螢，趙春苗，王舉鐸，等.知識產(chǎn)權(quán)與標(biāo)準(zhǔn)協(xié)同推進(jìn)人工智能產(chǎn)業(yè)創(chuàng)新機(jī)制與路徑優(yōu)化[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2024，45（04）：52-67.

[17]陳艷紅，李健.新一代人工智能生成內(nèi)容檔案身份的認(rèn)定風(fēng)險及規(guī)制研究：基于對ChatGPT生成內(nèi)容的思考[J].檔案學(xué)研究，2023（05）：4-12..

[18]WONG G，MA X，DILLENBOURG P，et al.Broadeningartificial intelligence education in K-12：Where tostart？[J].ACM Inroads，2020，（01）：20-29.

（作者單位：商丘師范學(xué)院信息技術(shù)學(xué)院 王建品，博士，講師，電子商務(wù)系主任 來稿日期：2024-07-18）