從數字出版到智能出版：知識封裝方式的演進

易 龍

（中南大學文學與新聞傳播學院，長沙，410012）

1 知識封裝的概念

在計算機科學領域，封裝指的是將對象的屬性和操作（或其他軟件成分）結合成一個獨立的系統單位，并盡可能隱蔽其內部細節[1]。在系統科學領域，復雜系統綜合集成涉及到知識封裝概念。楊一平、龐真提出運用知識封裝方法來設計一個知識型復雜系統的想法，即在一個算法模塊上加一層知識描述以負責實現知識環境與問題求解模塊之間的通訊。通過知識封裝，可以在知識系統這個統一框架下對復雜系統進行綜合集成[2]。圖書館學研究領域，劉健等通過引入生態學以及計算機科學的相關理論，建立起一套生態化的圖書館知識系統虛擬化封裝模型。它通過對知識生態系統的虛擬化封裝，把多個關系相對松散的系統要素整合，形成一個有機整體，利用虛擬化的強大功能更有效地管理知識生態資源，提供更高級別服務，并簡化信息系統管理使用流程[3]。 國際上有許多專做“圖書包”（packager）的出版商，被稱為“圖書打包商”（book packaging company）[4]。按照柯爾斯頓· D.桑德伯格（Kirsten D. Sandberg）等人的觀點，圖書封裝商專門幫助作者或出版商進行內容集成（assemble）[5]。

綜上所述，知識封裝是指基于用戶信息使用行為習慣，利用不同的媒介技術系統對知識內容進行產品化組織并為用戶提供知識服務的實現形式。以圖書為例，通過元數據標準及一系列制作規格將人類知識進行封裝，最終形成以書本介質為中心的知識傳播行業。知識封裝為知識產權保護提供了一種技術方案：通過封裝，原先易被復制的裸露知識可通過軟件技術很好地隱藏起來，在復用知識的過程中保護了知識創造者的利益。同時，經過封裝的知識也可以進行在線交易，使得知識創新價值得以體現。知識封裝是知識交付的必然形式，為用戶提供穩定的知識獲取方式；同時，它也是進行知識定價、實現知識交易的途徑。在媒介形態創新層出不窮的當下，知識封裝概念為統一數字出版內涵提供了嶄新的認識維度。可以認為，知識封裝是出版業實現知識產品化、開展知識服務等知識組織與傳遞活動的統一實現形式。

知識封裝觸及數字出版活動的本質。那么，出版的本質是什么？馮宏聲曾指出，出版業是文化產業與信息產業融合地帶的產業。出版是一種產生虛擬產品的過程， 而曾經的竹簡、龜甲獸骨， 現在的紙張、屏幕以及未來的其他媒介都是這些虛擬產品附著的其他行業的生產活動成果[6]。徐升國提到，幾千年文明史，就是信息傳播載體及信息封裝方式變革的歷史，從甲骨文到簡帛到紙書到電子書，從文字到圖像到音、視頻。通過沉浸式體驗獲取知識的模式，將使出版業不再以文字知識為主要知識封裝內容。隨之而來的，將是虛擬現實出版、增強現實出版、混合現實出版、擴展現實出版、數字孿生出版等全新的知識封裝形式[7]。這些觀點強調媒介載體及信息產品化的重要性；更進一步說，出版并不是普通信息產品的封裝和生產活動，而是將信息進行系統化重組和價值挖掘后封裝為可傳播和可利用的知識產品的活動。

將知識作為出版的核心要素，得到了學界較為廣泛的認可。從傳統出版到數字出版，媒介形式與信息內容的結合方式成為出版形態的研究重心。王勇安提到，作為人類重要的文化產業誕生成熟之后，出版實際上已經成為人類知識的存在方式[8]。王鵬濤認為，知識的生產、傳播、評價和利用，以及伴隨其中的為使上述活動順利完成而提供的服務，是我們考察出版和數字出版概念的一個重要視角[9]。范軍提到，出版的本質特征是“知識生產”，即生產知識產品的活動和過程。出版人從事的是“知識整合”工作，本質上是新的知識生產和價值創新[10]。由此可見，數字出版的本質與知識傳播也是分不開的。

回顧數字出版發展歷史，知識封裝的物理介質有電腦、手機、機器人等形式；內容組織形態有電子書、有聲讀物、知識服務等，而核心技術正是計算機技術。孫宇輝等提到，在移動互聯網環境下，知識服務常見的產品形態如App產品、微信公眾號產品和網頁版產品，全部可以通過無代碼開發技術實現快速產品化[11]。而這些產品類型恰恰也是出版機構通過產品化知識封裝技術提供知識服務的幾種常見模式。柯瑩瑩、陳丹認為，知識服務形式產生后， 被應用到各行各業進行知識創造， 進而實現服務產品化， 形成形形色色的知識服務產品[12]。產品化的過程，涉及采取不同的知識封裝形式提供知識服務。經過封裝的知識產品，具備良好的價值可評估性，便于進行知識付費。

隨著技術的不斷更新和進步，知識封裝形式也不斷變化，細化為不同類型的知識服務，促進了知識消費和知識利用，也為數字出版產業發展奠定了微觀基礎。因此，為滿足用戶知識獲取需求，利用計算機等技術對知識進行產品化封裝，進而實現知識內容的交付和傳播是數字出版的主要特征。無論出版形態如何演進，其對知識封裝方式的探索從未停歇。知識封裝概念引入數字出版領域，其重要意義在于為不斷演進的數字出版形態提供較為統一的、具有包容性和延展性的能指。通過知識封裝概念，為數字出版產業創新傳播方式打開思路。知識封裝概念進一步強化了出版業“內容為王”“知識本位”的思想；在紛繁復雜的環境中，為出版本質的探索找到了認同之“錨”。從而，出版活動可重新界定為利用各類媒介形式和手段開展創造性“知識封裝”活動，并將封裝后的“知識產品”分發給知識獲取者，或通過知識服務方式將知識生產與知識獲取合而為一。其中，知識產品交付以異步方式進行，知識生產與知識消費不同期；知識服務中的知識交付以同步方式實現，知識生產與消費同期進行，見圖1。

圖1 知識封裝流程示意圖

知識產品由于可以脫離知識生產者依附特定知識封裝媒介而存在，并且可以很容易地進行標準化制作，因此可以大規模批量化復制。知識服務由于需要即時提供知識，知識生產與知識獲取行為難以分離，因此小規模、個性化的知識供給方式出現了。人工智能（Artificial Intelligence，AI）技術首次展現了解決大規模、個性化知識供給問題的潛質，從而有可能為知識服務提供新方案。它的引入加速了產品與服務在知識封裝方面的分野，從而加速了產品和服務融合一體化的趨勢。借助智能封裝技術，出版業可以用智能化的知識產品實現個性化知識服務。

2 從信息傳遞到知識組織：數字出版概念演進

回顧數字出版概念的變遷，其中一個顯著的變化是，從過去聚焦于信息傳遞的功能到今天關注知識組織的功能。巧合的是，這一變化也暗合了人工智能時代的到來。早在2005年，徐麗芳指出，數字出版是指從編輯加工、制作生產到發行傳播過程中的所有信息都以二進制代碼形式存儲于光、磁、電等介質中， 必須借助計算機或類似設備來使用和傳遞信息的出版[13]。該定義基于當時數字出版業發展的最新狀況提出，聚焦于以二進制代碼形式為代表的計算機技術所形成的信息傳遞方式。后來，張大偉認為，數字出版是以標記語言為基礎，以全媒體為顯示形式，以強大的鏈接、搜索功能和個性化定制功能為主要特點的知識組織和生產方式[14]。該定義認為知識封裝的基礎技術從二進制代碼開始轉向標記語言，外觀形式是全媒體，知識產品對外應用接口則包含連接、搜索和個性化定制等功能。概念變遷標志著數字出版產業進一步向縱深發展。

不同于傳統出版內容借由數字化及信息重組技術實現簡單地信息存儲、編輯、發布與獲取，人工智能所要實現的重點目標是機器運用算法處理大數據產生新知識。出版的重要職能是知識挖掘與提煉，因此在這個意義上人工智能與數字出版的核心業務領域可發生深度融合。人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，最早于1956年由約翰·麥卡錫（John McCarthy）命名。美國斯坦福大學人工智能研究中心尼爾斯·約翰·尼爾森（Nils John Nilsson）曾對人工智能下了這樣一個定義：“人工智能是關于知識的學科—怎樣表示知識以及怎樣獲得知識并使用知識的科學。”[15]王曉光指出知識正是出版與人工智能發生橋接的關鍵概念[16]。羅學科等提到，出版人工智能是以知識作為生產要素，以基于人工智能的知識挖掘作為核心技術，帶來新知識的自主形成和規模化使用，并實現人工智能技術在出版領域應用的系統工程[17]。

因此，人工智能在出版領域的深度應用是以知識層級的挖掘與利用為標志，以智能化產品為主要知識封裝形式進行知識交付與傳播。出版業將為人工智能提供存量數據和舊有知識，人工智能則在存量知識學習和挖掘的基礎上使出版業和自身都得以進化，實現高效的知識生產與知識傳播。出版行業可將智能科技的應用作為知識傳播的核心策略，通過重新架構信息流程、創新業務模式、探索新的應用場景，在智能化競爭浪潮中使自身立于不敗之地。從信息傳遞到知識組織，數字出版完成了理論、實踐、技術等各方面條件的初步積累，開始邁向智能出版新時代。

3 從“+AI”到“AI+”：知識封裝方式“路徑依賴”的破局之道

人工智能技術推動出版實踐創新主要表現為對內推進業務流程再造以及對外提供智能化產品服務兩個方面，其在出版領域的應用將從根本上改變出版選題策劃、內容編輯、制作環節、生產分布和變現等一系列流程[18]。由于傳統業務場景和盈利模式等的慣性影響，當前數字出版與人工智能的結合更多是“+AI”方式。亦即，數字出版業以現有業務場景和業務邏輯為主，在出版流程的特定環節運用人工智能技術進行輔助，最常見的是專注于選題策劃、內容生產、審核校對及內容分發4個環節的某一方面，見表1，發揮人工智能優勢，改進特定環節效率。它進一步強化了原有業務流程和業務模式；但是，從知識封裝角度而言，并沒有改變原有知識。

表1 數字出版全流程中人工智能技術應用情況

在選題策劃環節，人工智能主要用來輔助甄別優秀選題，對選題前景進行大數據預測，最終節約出版成本創造效益。例如，人工智能輔助評議工具元文獻計量智能（meta bibliometric intelligence，MBI） 使 用 復 雜的機器學習算法， 挖掘全球數百萬篇學術文獻全文進行訓練，與業界合作開展大規模試驗，結果表明元文獻計量智能在出版前對新稿件影響級別的預測準確性是人工預測的2.5倍[19]；數據驅動的出版商英科特（Inkitt）則通過人工智能來演算趨勢數據、判斷用戶使用模式、收集讀者偏好、修改作品內容，然后利用網絡數字出版打造口碑，最后再進行實體出版[20]。

在內容生產環節，人工智能技術的應用目標是自動生成特定內容，并通過人工進行質量監測。倫斯勒理工學院、華盛頓大學等研究人員開發的論文生成軟件論文機器人（PaperRobot）生成的生物醫學論文，分別就其摘要、結論和未來工作部分而言，占比30%、24%和12%以內，人類專家認為論文機器人生成的比人類寫得更好。以色列創業公司文章（Articoolo）開發了一種算法，只需要用戶給出一個可以用2—5個單詞描述的主題，就可以自動“寫”出一篇文章來[21]。人工智能公司開放人工智能（Open AI）發布的生成式語言模型GPT-3因其龐大的數據量和強大的內容生成能力而引發關注，但該系統仍不具備基本的語義理解能力，因而還不夠智能。像人一樣進行原創性內容的自動生成是人工智能追求的目標；但是，實現該目標尚有很長的路要走，尤其是在知識自動生成領域，人工智能尚難勝任。

在內容審校環節，出版智能化相對容易實現，也是應用較廣的環節。實測研究發現，現有編校軟件基本都可以發現拼寫錯誤、錯別字等問題，但對于需要結合文本分析的問題，查找和糾錯能力仍需改進。因此，目前編校軟件的智能化程度尚處于初級階段；未來隨著人工智能技術的進步，有望實現更高層次的智能化目標[22]。審校工具方面，Statreviewer和Statcheck是人工智能技術在這方面進行應用的兩個代表，主要用來分析論文中的數理統計方法或結果是否正確。

在內容分發環節，智能推薦技術將為知識服務提供新的應用方式，智能搜索技術將為知識獲取提供新的用戶體驗。中國科學院文獻情報中心基于科技大數據中心研究設計了智能知識服務平臺， 實現了語義搜索、智能綜述、智能推薦、智能聚合、前沿分析等方面的功能，為科技情報分析提供知識挖掘與知識分析工具， 但其智能性與精準性還有待提升[23]。丹麥論文及專利搜索平臺UNSILO的分類（Classify）功能可為出版商和用戶提供精準的內容分類服務，最大限度地對期刊和圖書內容進行細分以實現精確的內容打包服務[24]。內容智能發行商“魔窗”，基于用戶畫像的流量優化對信息資訊內容進行分發[25]。Trend MD是一個面向學術出版商的內容推薦引擎，它為大量網絡站點提供個性化推薦服務。分發環節應用人工智能重點追求內容與讀者匹配的精準性和高效性。

現階段數字出版分環節應用人工智能的方式很大程度上沿襲原有編輯出版流程，是一種典型的“路徑依賴”。“路徑依賴”最早由美國斯坦福大學保羅· A.戴維（Paul A.David）于1975年提出，指人類社會中的技術演進或制度變遷均類似于物理學中的慣性，即一旦進入某一路徑（無論“好”“壞”）就可能對這種路徑產生依賴。在一種相對穩定的技術演進體系中，路徑依賴可以有效保持數字出版企業的競爭優勢；但是，在面對人工智能這樣的顛覆性技術時，數字出版業如果還沿用傳統出版流程進行小修小補的應用創新，將錯失數字出版業革命性發展的一次良機。

綜上，“+AI”方式是把傳統出版方式加上人工智能，雖然有利于局部提升出版效率，但難以使傳統出版順利轉型為智能出版。出版產業升級面臨的問題并不是內容業務萎縮造成的；它是原有業務被新的技術工具和傳播方式顛覆造成的。出版“+AI”是一種漸進式創新，優勢是易于被原有業務吸收和利用，劣勢是忽略了人工智能所具備的、重構完全不同于傳統數字出版業態的新業態的可能性。數字出版轉型為智能出版，應當基于人工智能技術所帶來的知識傳播方式變化及其新的可能性來重新架構出版業務流程，即用“AI+”方式徹底改進出版業運行方式。數字出版在延續傳統紙質媒介思維的過程中已經變得缺乏想象力，未來應依靠智能出版開創新的應用場景；而其關鍵在于以正確方式建立出版與人工智能之間的有效連接，依托人工智能在知識組織與知識傳播方面的能力，推進人類文化傳承與知識傳播效果。

4 從“以物理媒介為中心”到“以知識為中心”：知識封裝形態演進

傳統出版業乃至數字出版業是以物理媒介為中心組織起來的，對物理媒介的限定性有著嚴重依賴。無論是數字圖書還是數字期刊，都是在對原有紙媒的路徑依賴過程中發展起來的。現行的統一編輯、多格式發布的數字出版方式，依然是延續紙質媒介思維構建的。人工智能技術介入之后，雖說出版業可以通過智能推薦等方式輔助發現用戶并推薦內容，但都難以逃脫用物理媒介進行知識封裝的局限性。從數字出版到智能出版是信息組織和提煉并生成知識的傳統方式演變為通過人工智能技術進行知識挖掘形成智能化產品和服務的過程。“知識工程”概念的提出者、美國計算機科學家愛德華·費根鮑姆（Edward Feigenbaum）曾說：“知識就是力量，電子計算機則是這種力量的放大器，而能把人類知識予以放大的機器，也會把一切方面的力量予以放大。”[26]

知識工程與出版業的相通之處主要體現在兩者對知識的處理方式上，包括知識獲取、知識生產、知識挖掘、知識組織等方面。也是在這個意義和層面上，人工智能和出版業可以發生深度融合。出版業擁有存量知識，人工智能可作為知識處理的技術，兩者結合可以推進知識傳播效果。人工智能對數據、算法和算力3要素最為依賴；而知識則比數據更加系統化，且更具可解釋性，因此可以提升機器智能水平。數字出版轉型為智能出版，需重新架構出版流程，建立一個以知識為核心的新的知識服務模式。從具體應用層面而言，智能出版的重點是要創新知識封裝方式。

以知識傳播為中心組織起來的出版業包含兩種封裝形態，即知識產品和知識服務形態。實際上知識服務也是一種特殊的知識產品，本質上是一種無形的供應物，強調產品使用權，且生產和消費具有不可分割性，形態上則具有易逝性，不能被儲存、轉售或者退回。知識封裝是知識產品化的過程，是把知識打包成可用于消費的產品或服務的一種方式。根據具體封裝技術的不同，數字出版可以劃分為語義出版、出版機器人、增強出版、個性化出版、自適應教育、智能出版等形態，見表2。以知識圖譜為代表的人工智能技術對知識產品進行封裝，是數字出版進入智能出版新階段的鮮明標志。

表2 知識封裝的產品形態

語義出版（Semantic Publishing）最早于2009年由戴維·肖頓（David Shotton）等人提出。其認為語義出版是一種可以提高期刊文章語義，促進它們自動化獲取， 使其能夠鏈接至語義相關文章，并提供獲取文章內數據可行途徑，使論文之間的數據整合變得更加容易的出版形式[29]。語義出版將碎片化知識進行語義標注和重組，提供豐富的基于語義的知識共享和關聯獲取服務。語義出版首先在科學、技術與醫學（Science，Technology&Medicine，STM）出版領域得到應用，現已擴展至各類數字出版領域。推動數字出版從“文獻”層級進入細粒度解析的“知識”層級，促進知識生產與共享。語義出版體現了語義關聯技術應用于知識封裝帶來的出版形態創新。

出版機器人是借助智能體（Agent）技術，以類人方式自主提供智能知識服務，以全覺傳播交流為主要特征的知識機器人，包括自主傳播、人機交互、決策輔助等。智能體是一個運行于動態環境中具有較高自制能力的實體，其根本目標是接受另外一個實體的委托并為之提供幫助和服務，并能夠在該目標驅動下主動采取包括社交、學習等手段在內的各種必要行為以感知、適應并對動態環境變化進行適當反應；它與其服務主體之間具有較為松散和相對獨立的關系[30]。智能體作為具有一定能動性的獨立實體，對出版機器人的設計具有很強的指導意義。出版機器人公司通過與出版社合作獲得知識授權，構建智能機器人為用戶提供知識服務[31]。出版機器人以人工智能等技術為核心，以仿人界面作為交互方式來實現知識封裝和知識傳播，并以響應式和主動式知識服務為用戶提供外在一致的知識獲取體驗。未來理想的出版機器人應具備對人類知識處理中樞即大腦及其多感官交互能力的全息模擬的能力。

作為一種使用了多種數據源的混合性知識封裝方式，增強出版（Enhanced Publishing）不同于傳統學術出版物。它利用先進的數字出版技術，將各種異構的、可獨立使用的、相互關聯的網絡資源組成一個復合數字對象，為用戶提供更全面、高質量的信息服務。通常，這些網絡資源包括論文（或論文片段）、數據集、圖片、音頻、視頻、評論、數據庫信息等多種類型，重點在數據、語義及呈現3個方面增強知識[32]。增強出版的本質在于知識呈現方式的富數據（rich data）化，即采用富媒體（rich media）、混合數據、虛擬現實、全息影像、數據可視化等多樣化方式輔助知識傳播，重點在于提升知識獲取的體驗。在提供基本知識封裝能力的基礎上，增強出版進一步豐富了對知識封裝的表現形式，可提供更細膩的知識獲取體驗。經過關聯、裝飾、凸顯、美化的知識增強表達，知識封裝形式能以用戶接收體驗為中心實現邏輯和藝術層面的重構。

個性化出版（Customized Publishing）是利用智能推薦技術將數字內容與目標用戶進行精準匹配，實現為用戶量身定制內容的目標。個性化出版依賴于對用戶閱讀興趣偏好進行數據化和標簽化，然后利用特定的推薦算法，實現“千人千面”的定制化內容呈現，在出版營銷領域有著廣泛應用。未來基于認知的智能推薦技術，可以更好地適應場景化知識服務。有學者基于信息技術成熟度和經濟可行性的分析指出，出版活動正在由 “大規模復制” 朝著 “個性化定制”方向演進。不是只有復制品向公眾發行才在經濟上可行， 個性化內容已經可以低成本生產并向公眾提供。因此，“大規模復制” 已不再是必須的生產條件[33]。支撐個性化出版最核心的技術目前看來還是人工智能，后者兼具規模化生產與個性化分發的雙重優勢。個性化的知識封裝是智能出版的本質追求之一，目的是實現以個人知識獲取需求為中心的知識彈性化供給與組織。對作為閱讀者的個性挖掘與個性計算，成為個性化知識封裝與知識供給的關鍵環節；個性化知識傳播效果則成為下一輪迭代的基礎，進而形成動態演進的封裝方式。

自適應教育（Adaptive Education）表現為通過對學習者的數據收集、實時推斷和智能測評，為學習者提供個性化學習體驗。自適應教育的理論基礎可追溯至知識空間理論（Knowledge Space Theory）， 是 由 杜 瓦尼翁（Doignon）和法爾馬（Falmagne）等人于1985年提出的一種表示知識結構的理論。他認為學習者的知識狀態由他所能解答的問題的集合構成，通過跟蹤學習者學習路徑可以形成特定的知識空間，從而能準確判斷學習者目前的知識水平和學習狀態[34]。創建于2008年的美國在線教育公司牛頓公司（Knewton）為自適應教育方面的知名企業，起初主要針對SAT、GMAT等標準化在線考試提供自適應測評。2011年后，開始向學校等機構提供自適應學習的底層引擎。該策略的實施使產品得以廣泛應用。國內的自適應教育公司乂學教育推出的松鼠AI人工智能產品，會結合用戶狀態評估引擎和知識推薦引擎構建數據模型，精準高效地測出每個學生的知識漏洞，根據漏洞推薦相應學習內容。采取自適應教育學習系統對知識進行封裝并依據學生特點提供個性化知識傳授和服務，部分實現了智能教育的目標。

作為數字出版高級形態的智能出版，其實現的關鍵技術在于知識圖譜（Knowledge Graph）。它是結構化的語義知識庫， 用于以符號形式描述物理世界中的概念及其相互關系[35]。此概念于2012年由谷歌公司首先提出并應用于搜索引擎。人工智能一般可以分為計算智能、感知智能和認知智能3種形式；其中，認知智能被認為是人工智能發展的高級階段。機器認知智能的實現依賴于知識圖譜技術，其核心就是讓機器具備理解和解釋能力[36]。也有觀點認為知識圖譜面臨發展困境，進而轉向關注事理認知圖譜這種新的海量數據智能計算模式[37]。認知智能使得機器具備基本的知識理解、邏輯推理和自主學習能力，并能夠用人類易于理解的自然語言方式進行表達。認知智能應用于出版業將推動知識服務進入新階段，通過人機深層次溝通實現知識的有效傳遞。在可以預見的未來，腦接機口等技術的進步會進一步推動出版形態創新，以腦機直連再到腦腦直連的方式來進行信息與知識交流，將使得遠程知識傳播呈現全新的樣貌。在腦機接口帶來的新傳播革命方面，腦科學的發展程度將決定人工智能的發展高度。真正的智能出版應該具備怎樣的特征呢？按照《麻省理工學院認知科學百科全書》對智能的定義，智能是適應、影響（改變）和選擇環境的能力[38]。 要實現真正的智能，應當具備的基本特征應包括自學習、自動化、自組織和自適應的能力。因此，智能出版作為一種高級的知識封裝方式，其發展目標是構建具有智能基礎特征的知識復雜系統。

除了知識產品之外，服務是知識封裝的另一種形態，且是人工智能尚難扮演主角的領域，因此也有必要予以探討。與知識傳播相關的活動如會議（Conference）、講座（Lecture）、工作坊（Workshop）、研討會（Seminar）、策展（Curation）、咨詢服務（Consultancy ervice）、專家俱樂部（Expert Club）等都可以作為知識的封裝形式，人工智能可以在其中起輔助作用。服務形態的知識封裝需要將無形的、不穩定的知識傳播過程盡可能地標準化，以獲得用戶對服務品質的穩定認知和品牌形象的持續積累。出版機構利用其所掌握的專家和知識資源，可以順利地轉型為知識社群連接者和知識服務商的角色。

5 結 語

知識封裝概念的引入，一定程度上解決了數字出版產業由于技術不斷演進導致的傳統數字出版概念包容性不足的問題。知識封裝為數字出版形態研究提供了一個統一的概念入口，在一定程度上緩解了出版行業對于技術形態變革引發的路徑選擇焦慮，使得出版界能夠以不變應萬變地面對層出不窮、錯綜復雜的出版形態迭代更新。知識封裝把握了數字出版產業知識生產與服務的核心本質，同時又強調了出版形態的重要性，囊括了數字出版活動的基本要素且有著較為凝練的內涵。知識封裝的高級形態是智能出版。它是人工智能科技驅動的知識產品與服務創新，以自動化方式滿足個性化、多場景、即時性知識消費需求。知識需求程度越高的領域，作為需求解決方案的知識服務越有價值。人工智能技術的發展重構了數字出版產業的業務模式，催生了新的知識生產方式。特別是以知識圖譜為代表的人工智能技術處于產品化的關鍵時期，其未來潛能正蓄勢待發，其影響將波及以知識傳播為核心業務的整個數字出版業。以知識封裝的設計理念和思維方式著手規劃基于人工智能的知識產品及其服務，將在數字出版產業升級下贏得先機。

注 釋

[1]張效祥.計算機科學技術百科全書（第三版）[M].北京：清華大學出版社，2018：232

[2] 楊一平，龐真.知識封裝及知識型復雜系統[J].系統工程理論與實踐，1995（10）：25-31

[3] 劉健，張海濤，張連峰.圖書館知識生態系統的虛擬化封裝模型構建及技術方法研究[J].情報科學，2015，33（2）：121-125+131

[4]羅小衛，張兵一.國際合作出版方式及利弊分析[J].出版發行研究，2016（6）：86-89

[5]柯爾斯頓· D.桑德伯格，王清越.商業出版的再思考：科技與專業知識的平衡[J].出版科學，2011，19（3）：5-12

[6] 劉冬.基于第一性原理的信息內容產業發展研究[J].科技與出版，2018（6）：6-10

[7] 徐升國.元宇宙時代的閱讀與出版[J].科技與出版，2022（4）：5-10

[8] 王勇安.關于出版學核心范疇的思考：知識存在方式是出版學理論的邏輯起點[J].科技與出版，2022（1）：35-44

[9] 王鵬濤.知識服務視角下數字出版概念譜系的構建與拓展[J].現代出版，2022（2）：75-88

[10] 范軍.出版本質上是一種知識生產[J].出版科學，2022，30（3）：1+50

[11] 孫宇輝，陳柏，韓姍姍.出版社知識服務的創新構建[J].科技與出版，2021（7）：93-97

[12] 柯瑩瑩，陳丹.分享經濟環境下知識服務新業態分析[J].北京印刷學院學報，2018，26（11）：29-34

[13]徐麗芳.數字出版：概念與形態[J].出版發行研究，2005（7）：5-12

[14]張大偉.數字出版即全媒體出版論：對“數字出版”概念生成語境的一種分析[J].新聞大學，2010（1）：113-120

[15][16]王曉光.人工智能與出版的未來[J].科技與出版，2017（11）：4-6

[17] 羅學科，黃瑩.出版人工智能：概念內涵、價值指向與實踐路徑[J].中國出版，2021（2）：3-7

[18] 黃先蓉，常嘉玲.融合發展背景下出版領域知識服務研究新進展：現狀、模式、技術與路徑[J].出版科學，2020，28（1）：11-21

[19]劉銀娣.學術出版領域的人工智能應用：現狀、挑戰與應對[J].科技與出版，2019（1）：64-68

[20]王卉，張瑞靜.人工智能技術在數字出版中的應用現狀與發展趨勢[J].出版發行研究，2018（2）：45-49

[21]黃歷.人工智能在科技期刊出版領域中的應用現狀與發展趨勢[J].學報編輯論叢，2019（00）：361-365

[22]易龍，周濤.基于實測數據的中英文智能編校系統對比研究[J].出版科學，2020，28（4）：15-21

[23]錢力，謝靖，常志軍，等.基于科技大數據的智能知識服務體系研究設計[J].數據分析與知識發現，2019，3（1）：4-14

[24]董文杰，李苑.科技期刊智能出版工具：UNSILO平臺[J].中國科技期刊研究，2020，31（6）：702-709

[25]劉華東，馬維娜，張新新.“出版+人工智能”：智能出版流程再造[J].出版廣角，2018（1）：14-16

[26][美]計算機歷史博物館網站. 愛德華·費根鮑姆（Edward Feigenbaum）詞條[EB/OL].[2021-12-22].https：//computerhistory.org/pro fi le/edward-feigenbaum

[27]聞麗，張揚，謝榮秀，等.中文科技期刊語義出版態勢分析[J].傳播與版權，2019（12）：29-32+35

[28]李靜，亢小玉.科技期刊增強出版的融合模式分析與推進策略研究[J].編輯學報，2020，32（6）：615-618

[29]王曉光，陳孝禹.語義出版的概念與形式[J].出版發行研究，2011（11）：54-58

[30]趙龍文，侯義斌.智能軟件：由面向對象到面向Agent[J].計算機工程與應用，2001（5）：41-43+125

[31]楊曉新，楊海平.人工智能背景下的出版業知識服務模式研究[J].科技與出版，2019（11）：61-65

[32]劉錦宏，張亞敏，徐麗芳.增強型學術期刊出版模式研究[J].編輯學報，2016，28（1）：15-17

[33] 韋英平.個性化出版：未來的主流出版形態[J].出版發行研究，2014（1）：5-8

[34]劉欣怡，徐麗芳.數字教育出版自適應智能教學與評估系統研究：以麥格勞-希爾的ALEKS為例[J].出版參考，2020（6）：18-23+32

[35]劉嶠，李楊，段宏，等.知識圖譜構建技術綜述[J].計算機研究與發展，2016，53（3）：582-600

[36]肖仰華.知識圖譜與認知智能[J].張江科技評論，2019（4）：30-33

[37]王軍平，張文生，王勇飛，等.面向大數據領域的事理認知圖譜構建與推斷分析[J].中國科學：信息科學，2020，50（7）：988-1002

[38]楊學山.智能原理[M].北京：電子工業出版社，2018：129