基于供需理论的生成式人工智能赋能情报工作范式模型构建与应用研究

[目的/意义]当前生成式人工智能的发展对社会产生了强烈冲击。为响应国家创新发展的迫切需求,如何利用生成式人工智能更好地完成情报工作,以满足用户的情报需求,已成为当前情报学领域关注的热点问题。[方法/过程]基于供需理论提出从数据供给侧（Supply）、智慧情报分析中台（Analysis）、情报需求侧（Demand）三方构建生成式人工智能赋能情报工作范式模型——SAD范式模型,深入分析生成式人工智能赋能情报工作机理,并结合国际前沿项目案例探讨生成式人工智能与情报工作的前瞻性融合发展。[结果/结论]生成式人工智能赋能情报工作范式模型SAD,可以更好地促进生成式人工智能赋能情报工作的各个环节,提高情报工作效率,为情报工作范式研究提供了新思路。     

人工智能驱动的科学研究新范式：从AI4S到智能科学

近期,以ChatGPT为代表的大模型技术正开启人类社会智能化的新纪元。研究人工智能成功案例背后的技术原理,探索人工智能驱动的科学研究（AI for Science,AI4S）新范式,对促进我国科技进步、增强国家竞争力具有十分重要的意义。文章首先以数学、物理学、生物学、材料科学领域为例,简述AI4S的研究进展。其次,面向近年来最为成功的人工智能范例,分析AlphaFold和ChatGPT的基本原理和关键技术。最后,在以上分析的基础上,从算法、模型、数据、知识、人的因素等角度,总结大模型时代人工智能技术发展新趋势,探讨AI4S研究新范式。     

AI for Technology：技术智能在高技术领域的应用实践与未来展望

以智能化科研（AI for Science）为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能（AI）在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产品,以解决特定的领域问题。文章总结了AI在高技术领域的应用——“技术智能”（AI for Technology）的典型特征和科学问题,并以CPU芯片全自动设计为例介绍过往的成功案例。最后,文章指出技术智能的目标不仅是加速创新流程并减少人工投入,同时也希望其具备更强的创造能力,最终超过人类的水平。     

智能化科研（AI4R）：第五科研范式

文章将“智能化科研”（AI4R）称为第五科研范式,概括它的一系列特征包括：（1）人工智能（AI）全面融入科学、技术和工程研究,知识自动化,科研全过程的智能化;（2）人机智能融合,机器涌现的智能成为科研的组成部分;（3）有效应对计算复杂性非常高的组合爆炸问题;（4）面向非确定性问题,概率统计模型在科研中发挥更大的作用;（5）跨学科合作成为主流科研方式,实现前4种科研范式的融合;（6）科研更加依靠以大模型为特征的科研大平台等。文章指出科研的智能化是一场科技上的革命,它带来的机遇和挑战将深刻影响中国科技发展的前途,呼吁各行业的科学家本身实现智能化转型。     

AI时代的社会创新理论

人工智能（AI）技术不仅改变了人类的生产方式,也重塑了人类解决社会问题的方式。诞生于工业时代的传统社会创新理论在AI时代的解释力逐渐势微,学术界提出了重建AI时代社会创新理论的新任务。本文在比较传统社会创新与数字社会创新的基础上,提出AI社会创新的内涵,以此建构AI时代的社会创新理论。本文强调AI社会创新有助于智能识别漂浮的社会问题,推进解决方案的最优匹配,促进社会创新成果的扩散。围绕AI在社会问题与解决方案匹配过程中的作用,本文以社会问题的紧迫性和解决方案的新颖性为框架,首次提出AI自主搜索式、AI赋能生成式、AI自主修补式、AI赋能探索式四种AI社会创新模式。研究发现拓展了已有社会创新理论的内涵。     

数字科学家与平行科学：AI4S和S4AI的本源与目标

围绕人工智能（AI）大模型技术的最新进展，从AI4S （人工智能驱动的科学研究）到S4AI （面向人工智能的科学研究），讨论人工与自然平行的智能科技与数字人科学家的作用及其对科研范式和社会形态变革的可能冲击；认为范式与形态的变革刻不容缓，必须积极应对。     

大模型驱动、人机协同的机器化学家云设施

在当前由人工智能引发的科技浪潮中,化学科学研究面临着前所未有的机遇和挑战。为推动化学研究范式的变革,文章提出了机器化学家云设施的建设方案。该系统通过收集多通道数据构建数据库、发展化学知识增强的科学大模型、建设机器人设施集群及搭建智能管理决策系统,践行科研新范式,大幅度提升科研效率,解决终端应用的科学问题。这一基础设施有望推动科研范式变革,在化学领域取得重大科学突破。     

分布式自主科学：科学多样可持续性发展的新范式

人工智能驱动的科学（artificial intelligence for science, AI4S）的兴起,使得如何确保科学系统的公开性、公平性、公正性和多样可持续性变得尤为重要和迫切。这关系到各国在全球创新和产业革新中的话语权和领导地位,同时也影响人类命运共同体的安全、稳定与可持续发展。为了应对这些挑战,AI4S需要引入新的科学组织和运营方式。基于Web3和分布式自主组织与运营（DAOs）等智能技术之上的分布式自主科学（decentralized science,DeSci）与AI4S相辅相成,为AI4S提供强有力的支撑。DeSci可以有效解决现有科研体系中的信息孤岛、偏见、不公平分配和垄断等问题,进而促进多学科、跨学科和交叉学科合作。文章首先从理论层面对DeSci的基本概念、特征和框架进行界定,其次分析DeSci的研究现状与应用现状,最后探讨和总结DeSci对于科学系统进一步发展的启示与意义。     

人工智能驱动的生命科学研究新范式

生物技术和信息技术的迅速发展,使生命科学进入了数据爆发的新时代,传统生命科学研究范式难以在日益增长的生物大数据中揭示生命复杂系统的本质规律。随着人工智能（AI）在生命科学研究领域持续取得颠覆性突破,AI驱动的生命科学研究新范式呼之欲出。文章通过深入剖析AI驱动的生命科学研究的典型范例,提出了生命科学研究新范式的内涵和关键要素,阐述并讨论了新范式下的生命科学研究前沿和我国面临的挑战。     

AI助力打造科学研究新范式

科学研究的目的是发现基本原理和解决实际问题。尽管人类在发现基本原理和解决实际问题上已经取得了巨大成就,但有效工具和有效科研组织模式的缺乏仍然是制约科研效率的主要瓶颈。人工智能（AI）的迅速发展为改变这种状况提供了新的可能。近年来,深度学习方法在科学研究领域大放异彩,不仅助力解决了一些核心科学问题,扩展了科学方法,也开始带动科学研究从传统的“作坊模式”转向“平台模式”。目前,我国已在人工智能驱动的科学（AI for Science）领域打下良好基础,应把握机遇,争取引领科技创新,为人类的科技发展作出贡献。     

从ChatGPT看生成式AI对情报学研究与实践的影响

[目的/意义]ChatGPT的出现，引领生成式AI迅速渗透至各行各业，重塑产业形态。在此背景下，情报学也将不可避免地受到极大影响。探讨生成式AI驱动下的情报学研究与实践走向，旨在为情报学更好地迎接AI变革带来的机遇与挑战提供参考。[方法/过程]首先，从研究问题、数据源、研究范式3个角度讨论生成式AI对情报学研究的影响；其次，从综合性知识服务、学术信息服务、决策情报服务与社会信息服务4个层面，深入分析生成式AI将为情报实践工作带来的变化；最后，结合ChatGPT的局限性，讨论了情报学在融合生成式AI时应考量的问题，以及情报学可做的贡献。[结果/结论]生成式AI很可能会给情报学带来巨大的冲击，但如果应对得当，就能够促进情报学的提升，创新情报服务模式。情报学应积极拥抱新一代人工智能，探索与生成式AI交叉融合的路径，但与此同时需保持客观审慎的态度。     

数智背景下的信息交互与服务发展

[目的/意义]随着数字智能技术的应用拓展,面向用户的智能交互、多模态信息融合和数字空间活动的延伸,对数字信息资源组织、面向交互认知的描述和深层次服务的开展提出了新的要求。如何有效解决数字智能背景下信息交互与服务的深层次发展问题成为亟待探讨的议题。[方法/过程]文章在分析数字智能环境形成及其对信息交互与服务影响的基础上,研究面向用户的智能交互与体验设计,以及基于智能交互的生成式人工智能的发展与安全保障。[结果/结论]在面向用户的信息服务组织中,应立足于数字智能环境的形成及其影响,寻求与智能环境相适应的服务组织模式和数字智能驱动下的服务组织方式。数字服务中以用户为中心的智能交互,在于充分理解用户的意图,融合用户视觉、听觉等交互通道,为智能化服务开展提供支持。同时针对快速发展的生成式人工智能,既要应对其带来的安全威胁,也要正确合理地确保生成式人工智能安全落地,保障生成式人工智能系统的安全。     

大数据分析处理技术新体系的思考

近年来,大数据技术与系统在性能和效率方面已经取得了显著的提升,大数据应用到各个行业,赋能产业智能化发展,成为信息社会进入智能化阶段的关键要素。然而,大数据技术发展也面临着更深层次的挑战,如数据泛滥与高价值数据缺失并存、大数据分析研判复杂不确定、数据流通共享与数据可信安全使用难以兼顾等。这些挑战将推动大数据分析处理技术的创新变革,促进新技术体系的建立与发展。文章面向大数据分析处理面临的新架构、新模式、新范式和安全可信需求,提出构建新一代大数据分析处理系统栈,探索大数据价值利用新范式,并展望新技术体系下的牵引性需求与重大应用。     

掌控A I,人类能做到吗

<正>国际学术期刊《自然》杂志预计,位于美国旧金山的人工智能（AI）技术公司OpenAI将于2024年年底发布支撑聊天机器人的下一代AI模型GPT-5。与其前身GPT-4相比,GPT-5会拥有更多、更先进的功能。此外,GPT-4的竞争对手Gemini（另一个生成式AI工具,也是大语言模型）和其他AI工具也会推出新的版本。《自然》杂志还预测,美国谷歌公司旗下的深度思维（DeepMind）人工智能公司将在2024年发布AI工具阿尔法折叠（AlphaFold）的新版本。此前,阿尔法折叠已经预测了高精度的蛋白质三维模型。新版本的阿尔法折叠将以原子级精度模拟蛋白质、核酸和其他分子之间的相互作用,将为药物设计和发现开辟新的可能性。     

基础科学、技术科学及工程应用的“链合”演化研究———国家级协同创新中心纵向案例

协同创新中心汇聚了高校、企业和科研院所等多个主体的优势资源和创新能力,在政府的协同支持下,协作完成基础科学、技术科学及工程应用等创新活动。然而,技术科学如何反哺于基础科学,并如何带动工程应用活动的研究尚不充分。因此,本文通过辽宁省重大装备协同创新中心和智能型新能源汽车协同创新中心进行纵向案例研究,以创新活动的形成过程和特征为研究主线,构建了基础科学（Science）、技术科学（Engineering Science）及工程应用（Engineering）的SESE研究模型,分析了SESE在大规模协同创新活动中的互动行为和共演过程。研究发现：基础科学、技术科学与工程技术活动之间存在双向多重的互促关系,本文谓之为SESE循环模型;技术科学活动作为基础科学和工程应用活动的中间枢纽环节,是SESE模型高效循环的重要因素,双向推动并支撑基础科学的融合和工程技术的应用实践;SESE模型的双向多重循环关系构建需要依循渐进增强的规律,即由“顺向循环”优化为“接力式循环”,最终实现高效的“超循环”关系。     

智能商业中的非线性价值共创机理

探究智能技术对智能商业价值共创的作用机理。基于价值共创理论，采用多案例研究方法，以达闼科技（北京）有限公司和中国平安保险（集团）股份有限公司为研究对象，以多种来源的一手数据和二手数据相互验证，从动态、整体的视角研究智能商业背景下企业如何应用人工智能（AI）技术实现价值共创。研究发现AI技术的应用使企业突破了“价值识别－价值创造－价值实现”的传统线性范式，企业价值共创各环节活动呈现“交互－反馈－增强”的非线性价值共创模式。其中，交互是起点，提供用户信息及行为数据基础；反馈是关键，提高价值创造效率；而增强是独特价值，也是更高起点的价值共创的开始。     

数字技术赋能我国制造企业技术创新路径研究

   数字创新颠覆了传统创新管理理论,然而目前对数字技术赋能企业创新的复杂机理尚未开展深入研究。利用数字技术赋能技术创新,对实现制造企业的创新驱动发展具有重要意义。因此,本文采用案例研究法,运用程序化扎根理论的编码技术进行数据处理,对数字技术赋能企业技术创新活动的“黑箱”进行探究,以丰富数字创新理论。本文的主要结论有：（1）界定了数字技术对制造企业技术创新赋能的内涵,包含三个层面：对创新主体、过程以及结果赋能;（2）提出了数字技术赋能制造企业技术创新的模型;（3）提炼出三条路径及其选择机制,即以技术整合为中心的产业链协同创新路径、以产品智能化为中心的开放式创新路径和以消费者个性化需求为导向的两端创新路径,从而为数字技术赋能下制造企业的技术创新提供理论指导。     

制造企业如何形成大数据能力赋能产品创新绩效？——CEO威胁认知与数字化支持行为的视角

现有研究强调了企业大数据能力的作用，但缺乏探讨其如何形成以赋能产品创新绩效。依据“三参照点”与动态能力理论，遵循“CEO认知—CEO行为—企业能力—绩效结果”的分析思路，利用关键威胁与绩效衰退威胁认知分别代表“失败”与“损失”决策功能区，比较分析了两种不同程度的威胁认知通过CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效的机制差异。利用华南地区两时点调查的311家制造企业问卷数据，采用PLS-SEM工具进行实证检验，结论如下。关键威胁认知（失败）通过提升CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效的链式中介效应显著，而绩效衰退威胁认知（损失）的链式中介效应未得到支持，但能够提升关键威胁认知，进而促进CEO数字化支持行为形成制造企业大数据能力赋能产品创新绩效。跨群组比较分析表明，产业类型和企业规模会对以上发现产生不同影响。研究结论加深了威胁认知与战略行为关系存在异质性结果的认知，能够为制造企业形成大数据能力赋能产品创新绩效提供重要启示。     

数字时代生成式人工智能影响及治理政策导向

大数据时代下，以ChatGPT为代表的生成式人工智能的发展蕴含着技术革命的契机，也可能带来潜在的社会风险。通过对公众评论文本分析总结并超越文本进行理论推演，可以全面认识生成式人工智能，以提出相应的治理策略。本研究基于Reddit平台中以ChatGPT为主题的公众评论文本，结合LDA模型、情感分析、社会网络分析方法和建构的T-TOE分析模型，探讨以ChatGPT为代表的生成式人工智能技术所带来的影响和冲击。研究发现，公众对生成式人工智能关注广泛，涉及运行机制、运用领域等6个主题。不同主题下公众关注程度不同，最关注技术变革和人机互动两个主题。根据情感分析，公众总体对生成式人工智能保持乐观，特别是对其可能带来的技术变革。随后根据T-TOE分析模型，以ChatGPT为代表的生成式人工智能可以连接不同技术，但具有内生风险；能够提高组织效能，但会产生互动错位，能够实现智能交互，但会导致价值分裂。为此本研究根据研究结论从技术、组织和环境三个维度提出相应的治理策略。     

人工智能赋能对创新绩效的影响路径研究——基于模糊定性比较分析

以15家国家新一代人工智能开放创新平台依托企业为研究样本,利用多元化数据,采用模糊集定性比较分析方法探索人工智能赋能对创新绩效的影响路径.研究发现,人工智能赋能对创新绩效的影响是技术层面、数据层面和企业层面多因素作用的结果;人工智能赋能对创新绩效影响路径为技术支撑型、数据驱动型、组织变革型、服务生态型和营销整合型5种,并对每条路径的使用特征进行详细解析.从理论上丰富人工智能赋能和创新绩效影响路径的相关研究,同时为多数企业加快实现数字化和智能化转型,实现高质量发展提供有益启示.