人工智能賦能學術期刊高質量發展：優勢、風險與防范策略

□王 佳 郝儒杰 王 鋒

學術期刊是科學研究成果發表、宣傳與傳播的重要載體。習近平總書記指出：“高品質的學術期刊就是要堅守初心、引領創新，展示高水平研究成果，支持優秀學術人才成長，促進中外學術交流。”［1］人工智能時代，編輯出版的智能化升級對學術期刊的高質量發展產生了重要影響，一方面，人工智能為學術期刊編輯出版等工作提供了輔助性作用；另一方面，人工智能也為學術期刊的作者、評價機構、轉載機構、作者機構、讀者以及編輯等學術生產主體之間的工作流程、交互機制以及協同模式，提供了全新的發展空間，也給學術期刊的學術生產共同體發展帶來了不確定性風險。

當前，關于人工智能賦能出版的研究已引起高度關注，對人工智能賦能學術期刊的相關研究也蓬勃發展，但學界聚焦人工智能賦能學術期刊高質量發展的不確定性風險的討論相對較少，筆者試做分析，并提出防范策略，以求教于方家。

一、人工智能賦能學術期刊高質量發展的優勢

（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，隨著移動互聯網的快速發展，算法推薦先后被引至傳播領域，算法的重點對象也由“物”轉向了“人”［2］。算法推薦的廣泛應用，引起了社會信息結構和傳播秩序的深刻調整，改變了傳統的信息傳播業態，也形成了新的傳播格局。人工智能在算法上具有獨特優勢，能夠有效利用群體智能和協同創新方式分析當前的學術熱點，為編輯策劃選題提供有力支持，也能為后續約稿、組稿提供熱點作者。

人工智能技術可以對網絡的海量信息進行大數據分析，凝練研究熱點、核心問題，并預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學院（UCL）共同構建了“UCL大數據研究所”，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節中，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。

（二）約稿組稿高效化

人工智能可以檢索并標記相關的學術動態信息及其研究者，對他們的研究成果相關性及成果質量進行搜索、分析和排序，分析相關學者的學術水平和學術影響力。如CiteSpace軟件等計量和網絡分析工具能夠深入挖掘文獻數據并形成計量分析報告和關系網絡圖譜，幫助編輯對學科規律和發展作出正確的判斷，獲得選題靈感和選題依據，還可以搜索學術帶頭人的親密合作者，更能夠找出相關領域的熱點學者，甚至進行精準畫像，便于有針對性地自動化約稿。關系圖譜可以根據每一次的約稿結果生成新的訓練數據，輔助編輯篩選出更合適的作者進行約稿。學術出版巨擘愛思唯爾根據ScienceDirect數據庫，通過分析最近學者關注的熱點，根據該數據庫搜索相關領域的研究者定向約稿，以出版學術專著。

（三）查重審稿智能化

學術期刊傳統出版模式中，編輯審稿主要包含兩個方面的內容：重復率查詢和同行評議。在重復率查詢方面，由于比對數據庫、算法、功能等評價指標的不同，同一篇論文在不同檢測系統中生成的檢測結果不盡相同。同時，由于數據庫不可能囊括所有信息，大量網絡文獻、外文文獻（尤其是小語種）、內部資料形成了數據盲區。這些問題造成了檢測結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術同行評議領域開始得到重視，編輯可以通過人工智能技術設定匹配算法，基于深度學習的多模態信息處理能夠通過多模態信息建模進行語義度量、分析和識別，為檢測系統識別圖表與文字轉換抄襲行為提供依據，并能基于智能圖像處理算法，識別出被手動修改和重復使用的插圖。人工智能可以根據研究領域、活躍程度和審稿記錄等信息自動選擇合適的審稿人。結合區塊鏈去中心、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、學術水平優良、學術態度端正的審稿專家，優化學術誠信體系。

（四）編輯校對精準化

傳統出版中，編輯和校對工作占據了出版流程最多的環節。由于編輯和校對工作具有一定的規范性和客觀性，因而更具有與人工智能結合的可能。人工智能可以智能生成編校系統，實現數字化校對和編輯校對的協同校對模式，大大減輕編輯工作量，提高工作效率，縮短出版時間。而排版、校對等重復性工作，更是可以通過人工智能來完成。所以，大數據、自然語言等可以有效提高編校的效率和質量，有效輔助學術期刊的出版工作。目前，國內已有企業探索將人工智能應用于編校工作中，如方正電子攜手北京印刷學院成立“智能審校聯合實驗室”、哈爾濱工業大學訊飛聯合實驗室發布飛鷹智能文本校對系統1.0等。

（五）出版發行高效化

目前學術期刊數字傳播路徑主要有兩種：第一，通過中國知網、維普、萬方、超星等大型數據庫進行付費下載；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了數字化，但不能針對作者、讀者、編者進行個性化的精準推送，一定程度上削弱了學術期刊內容生產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避的鴻溝，生態系統并不健全。

人工智能以其強大的數據采集、分析和精準處理能力，嵌入到傳統媒體的生態空間，實現信息傳播從以往的“人找信息”轉變為“信息找人”，構建信息傳播的新技術、新路徑、新業態。人工智能的算法推薦可以記錄學者的閱讀習慣和研究方向，定制和推送相關信息，做到個性化服務。實際上，每一個用戶都是學術信息的消費者、傳播者和生產者，大量閱讀習慣及行為選擇形成用戶獨有的數據庫。如超星“域出版”借助智能算法分析用戶偏好和態度趨向，按照閱讀曲線進行內容用戶數據的智能化匹配，實現學術信息的精準推送和碎片化傳播，有效降低用戶獲取信息的成本，進一步優化推送的精準度，滿足受眾多元化、個性化的信息需求。對學術期刊而言，同樣可以借助智能算法，從大量的歷史數據中發現決定學術期刊影響力的關鍵因素，進行有效改進，這種隱含的非線性關系是人工手段難以發現的。

二、人工智能賦能學術期刊的不確定性風險

（一）選題策劃被流量所裹挾

在不正確的學術評價機制下，算法極易產生負面效果，例如用來追求流量。已有研究表明，如果在學術領域“唯流量論”，將會嚴重損害公平、公正、透明的學術原則，甚至背離學術發展的基本規律。第一，學術熱度不等于學術深度，單純追求熱度勢必會降低研究深度。第二，一些小眾學科、冷門絕學的研究成果，本來就在現行學術期刊評價中不占優勢，如果再被算法排斥，將導致相關學科的論文更難發表。第三，對于學術期刊而言，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，但從長遠來看，絕不會取得良好的學術美譽度，與學術期刊承擔的社會責任更是難以匹配。第四，青年學者學術影響力弱，在人工智能構建的關系網絡圖譜中處于邊緣位置，很難被學術期刊編輯所關注，完全依賴以流量最大化為目標函數的算法，將會嚴重低估那些有潛力的青年學者的價值。

（二）算法的黑箱特性增加了意識形態風險

克里斯托夫·庫克里克在《微粒社會》一書中，將被數據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據，借助深度神經網絡的特征提取能力，發現規律并構建模型，使用模型進行預測和分類。算法是人工智能的主要表現形式，算法推薦不僅僅是一套客觀的計算代碼或程序，也體現著人的意志。本質上，算法是技術人員依據目標需求編制的一套運行規則，算法推薦的設計之初就滲透著設計者的主觀動機，其對于待解決問題的理解、對變量的選擇和權重的設定、對所需數據的選取以及對輸出結果的解讀等環節均受個人價值觀的影響［3］，因此，算法本身就存在風險，囿于學科領域的分界，大多數學術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，在經濟利益的驅動下，算法容易遭到經濟或政治力量的操控。如果使用了非自主知識產權的算法模塊，當這些有瑕疵、或者被潛在操控的算法應用到學術論文寫作領域，尤其是哲學社會科學研究領域中，可能會造成不可估量的后果。當人工智能進一步發展，進入強人工智能時代，機器具備自我學習和創造能力甚至情感之后，其創造的成果是否與設計者和機器使用者的初衷一致，也是我們應該警惕的問題。

（三）機器審稿過于保守

人工智能在數據獲取和更新上依賴于人的操作，無法及時更新學術動態相關數據（如學術會議和學科研討等），其所抓取的數據往往只能回溯至過往。雖然目前在科技期刊領域，已有Aries Systems Corporation（白羊座系統公司）將元計量智能（Meta Bibliometric Intelligence）集成到學術刊物稿件和同行評審跟蹤系統中，在估算一篇科技類稿件的未來引用次數和影響力方面，速度、準確性和一致性等方面都超過了人的能力，但是在社會科學領域仍然應用不足，對于一篇學術論文（尤其是社會學科論文），其語言、寫作方式只是表現方式，內在所傳達的學術思想、學術觀點和學術思維才是高質量學術論文的關鍵要素，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在的新穎性、前沿性、相關性和嚴謹性。鑒于人工智能還不能可靠地評估科學內容的質量，且透明性不足，有引入偏見的風險，目前大多數學者不贊同將人工智能應用于復雜的質量評估領域，人工智能只是執行較簡單的任務［4］，仍然有賴于編輯和審稿人的全面把握。

（四）編輯校對難以發現深層次問題

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

（五）信息繭房干擾編輯拓展知識領域

信息繭房（Information Cocoons）一詞最先由美國學者凱斯·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絡同質信息包裹下的封閉狀態。早在20世紀80年代，學者就提出了“編輯學者化”的觀點。所謂“編輯學者化”，就是編輯結合自己負責的文章或者欄目，提升專業實力，成為相關領域的專家。算法推薦能夠主動為每位學者提供個性化服務，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，進而引發了移動閱讀書目的同質化現象，逐漸形成信息窄化和群體極化的“回音室效應”，影響受眾的價值判斷。實際上，在現在的學術研究領域，交叉學科的研究已經蔚然成風。以2021年國家社科基金后期資助入選的新聞傳播學項目為例，大部分的研究課題是新聞傳播學與社會學、語言學、心理學、馬克思主義研究等學科的交叉課題。可見，在科技和社會發展日新月異的情況下，編輯必須拓展自己的知識面，從不同學科汲取養分，填補自己的學科短板，大膽借鑒和試驗新方法、新學科。而在人工智能環境下，編輯閱讀某一領域文獻越多，算法就將更集中地推薦相關研究成果，長此以往，必然會形成信息繭房，限制編輯的研究視域，妨礙編輯的創新思維。

三、人工智能賦能學術期刊高質量發展的防范策略

（一）完善人工智能賦能學術生產共同體的協同機制

學術期刊需要進一步優化人工智能的使用，加快人工智能產品的升級，加強學術期刊編輯培訓，提升編輯工作效率。例如，在選題策劃、論文寫作、查重審稿、編輯校對等領域，必須以人為中心，機器作為輔助。由人工智能搜集核心數據，計算備選方案，學術期刊編輯作為把關人和決策者，在選題策劃領域，應綜合考慮期刊發展和社會責任各方面的因素，將熱點和深度結合。在編輯校對領域，一些重復、繁瑣的勞動可以由機器勝任，但責任編輯與責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，編輯也應該擁抱新技術，提高自己的業務水平、知識深度與廣度，將自己的學術積淀和學術敏感性注入到開放的智能平臺中，通過必要的人為干預，防止信息繭房的形成，提高智能平臺的靈活性，打造人機共存的協同工作模式。

（二）增強技術賦能，設置程序審查員

習近平總書記提出“探索將人工智能運用在新聞采集、生產、分發、接收、反饋中，用主流價值導向駕馭‘算法’，全面提高輿論引導能力”。“黑箱”是指那些既無法打開又不能從外部直接觀察的區域。面對可能造成的意識形態風險，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勢：第一，由專業機構評判算法是否公平、公正、合理，找到漏洞并解決。第二，由學術期刊編輯或者相關領域的專家參與到算法開發過程中，避免意識形態方面的錯誤。然而考慮到商業公司出于商業利益，完全開放算法可能只是一種想象。因此，可以由行業機構出臺數據采集、算法設計和平臺運行制度，設置程序審查員，完善程序審查制，在相關人員的參與下，定期組織專家學者，在保證商業隱私的情況下對算法進行審查，把風險消滅在萌芽狀態。

（三）積極應對有可能產生的著作權糾紛

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。當前的人工智能寫作主要應用于自媒體領域。毋庸置疑，人工智能也能運用到結構嚴謹、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、關鍵詞、參考文獻，梳理結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術期刊。目前，對于是否應當將人工智能生成內容作為著作權法上的作品予以保護，仍然是學界爭論的問題。主流的觀點認為，當前全球人工智能技術仍處于“弱人工智能”狀態，扮演“創作工具”的角色，著作權應該歸屬于人工智能使用者。但我們應該預見到，當未來發展至“強人工智能”時代后，人工智能具備了情感、認知能力，可以在完全獨立的情況下創作出一篇論文時，這篇論文的著作權歸屬于進行試驗的學者還是提供算法的軟件公司？抑或是人工智能？這些風險都需要我們提前預知，并在《著作權法》中進行明確規定。

四、結語

人工智能技術的發展不可阻擋，或許是學術期刊高質量發展的重大轉折點。只有堅持人工智能高質量賦能，學術期刊高質量發展才能行穩致遠。學術期刊及其從業者必須科學認識和把握人工智能賦能學術期刊發展帶來便利、為學術繁榮作出貢獻的同時，也帶來了一些不確定性風險，并探索和完善防范和化解這些不確定性風險的協同機制、方法及模式，推動作者、讀者、評價機構、轉載機構、作者機構以及編輯等學術生產共同體實現高效協同，以推動學術期刊高質量發展。因此，本文從選題策劃、約稿組稿、同行評議、編輯加工、出版發行五個環節分析了人工智能賦能學術期刊的發展現狀，在此基礎上探究了其中存在的五大風險并提出應對策略。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，當技術進一步發展，人類進入強人工智能時代，也即是當可以獨立思考問題并制定解決問題的最優方案、有自己的價值觀和世界觀體系的機器出現以后，學術期刊乃至出版產業將會迎來更多的機遇和挑戰，這就需要學術期刊從業者冷靜應對，以積極樂觀的心態去迎接風險，直面挑戰。