劉逸倫　黃微　張曉君等

關(guān)鍵詞： 人工智能生成內(nèi)容； ＡＩＧＣ； 科技情報(bào)； 智能服務(wù)； 服務(wù)框架

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１２．００８

〔中圖分類號(hào)〕Ｇ２５０.２ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） １２－００８８－１２

在ＣｈａｔＧＰＴ 掀起的新一輪“ＡＩ 軍備競賽” 浪潮下， 人工智能生成內(nèi)容（ＡＩ－Ｇｅｎｅｒａｔｅｄ Ｃｏｎｔｅｎｔ，ＡＩＧＣ）作為人工智能技術(shù)應(yīng)用的前沿領(lǐng)域正迅速成為當(dāng)前研究熱點(diǎn)。我國于２０２３ 年４ 月公布了《生成式人工智能服務(wù)管理辦法（征求意見稿）》， 在政策上明確支持對相關(guān)技術(shù)的自主創(chuàng)新、合作研究與推廣應(yīng)用。在此背景之下， 科技情報(bào)服務(wù)應(yīng)充分發(fā)揮“耳目、尖兵、參謀” 的歷史使命［１］ ， 時(shí)刻關(guān)注前沿技術(shù)， 抓住人工智能技術(shù)大發(fā)展的歷史性機(jī)遇，充分利用技術(shù)紅利解決自身發(fā)展當(dāng)前面對的問題。

在科技情報(bào)服務(wù)相關(guān)研究中， 依據(jù)我國科技情報(bào)服務(wù)在不同發(fā)展階段的特征和特色， 我國科技情報(bào)服務(wù)已歷經(jīng)情報(bào)１.０ 和情報(bào)２.０時(shí)代， 現(xiàn)已進(jìn)入以“互聯(lián)網(wǎng)＋” 和智能服務(wù)為主旋律的情報(bào)３.０ 時(shí)代［２］ 。在此大背景下， 我國研究者開展了對新時(shí)代科技情報(bào)服務(wù)能力的相關(guān)研究， 文獻(xiàn)［３］提出了ＲＩ?ＡＣ 四層科技情報(bào)服務(wù)能力模型， 文獻(xiàn)［４］則在此基礎(chǔ)上構(gòu)建了情報(bào)３.０ 下的科技情報(bào)服務(wù)能力評價(jià)指標(biāo)體系。針對我國面對的新形勢和復(fù)雜環(huán)境， 相關(guān)文獻(xiàn)［５－７］對我國科技情報(bào)事業(yè)的發(fā)展指出了新的發(fā)展方向， 并對我國科技情報(bào)技術(shù)基礎(chǔ)建設(shè)和科技情報(bào)知識(shí)生態(tài)體系的構(gòu)建進(jìn)行了探究。隨著近年來人工智能相關(guān)技術(shù)的飛速發(fā)展， 有研究者對人工智能技術(shù)與我國情報(bào)工作的融合進(jìn)行了理論性研究。文獻(xiàn)［８］探索了情報(bào)、智能與智慧三者間的關(guān)聯(lián)， 同時(shí)指出自然語言處理是科技情報(bào)工作者在未來重點(diǎn)關(guān)注的技術(shù)領(lǐng)域。此外， 文獻(xiàn)［９］基于情報(bào)是人腦做出的有價(jià)值的判斷這一核心概念， 針對未來可能出現(xiàn)的基于人工智能技術(shù)的情報(bào)判讀系統(tǒng)，明確了人工智能技術(shù)在情報(bào)工作中的應(yīng)用依然是將“人的經(jīng)驗(yàn)納入情報(bào)工作”， 因而不會(huì)改變情報(bào)工作的本質(zhì)。文獻(xiàn)［１０］通過總結(jié)ＡＩＧＣ 技術(shù)的演進(jìn)，探討了ＧＰＴ 技術(shù)應(yīng)用對開源情報(bào)工作帶來的影響。然而， 在科技情報(bào)研究領(lǐng)域， 目前我國對ＡＩＧＣ 技術(shù)與科技情報(bào)服務(wù)的融合研究尚處于起步階段。

基于以上研究， 我國科技情報(bào)服務(wù)進(jìn)入“情報(bào)３.０” 時(shí)代， 既是網(wǎng)絡(luò)信息技術(shù)、大數(shù)據(jù)和人工智能技術(shù)發(fā)展到一定程度后的必然， 也是新技術(shù)與科技情報(bào)生產(chǎn)中各環(huán)節(jié)要素間相互作用、共同演進(jìn)發(fā)展的結(jié)果［１１］ 。一方面， 新的技術(shù)環(huán)境帶來了傳統(tǒng)科技情報(bào)業(yè)務(wù)流程上的變化； 另一方面， 新需求的出現(xiàn)推動(dòng)傳統(tǒng)科技情報(bào)機(jī)構(gòu)進(jìn)行服務(wù)功能拓展。具體表現(xiàn)在以下幾個(gè)方面： ①如何在復(fù)雜信息環(huán)境下保障信息獲取的全面性與數(shù)據(jù)的有效性［３，６，１１］ ；②如何高效地處理和分析海量多源異構(gòu)數(shù)據(jù)［３，３６，１２］ ；③如何感知用戶需求并提供個(gè)性化情報(bào)服務(wù)［３，８，３６］ 。據(jù)此， 本文通過探索ＡＩＧＣ 的技術(shù)特征， 明確其技術(shù)賦能場景， 進(jìn)而構(gòu)建ＡＩＧＣ 賦能的科技情報(bào)智能服務(wù)框架， 以新技術(shù)的應(yīng)用對以上問題的解決提供新思路， 推動(dòng)我國科技情報(bào)服務(wù)向智能化發(fā)展， 更好地為打破外部技術(shù)封鎖、同步世界科技水平前沿和開展原創(chuàng)性科技創(chuàng)新提供基礎(chǔ)性支撐和保障［５］ 。

１人工智能生成內(nèi)容（ＡＩＧＣ）的內(nèi)核與特征

１.１人工智能生成內(nèi)容（ＡＩＧＣ）

目前， 我國學(xué)術(shù)界對于人工智能生成內(nèi)容（ＡＩＧＣ）的概念的界定主要從“內(nèi)容生產(chǎn)者” 和“內(nèi)容產(chǎn)生方式” 兩個(gè)角度出發(fā)。其中， ＡＩＧＣ 既是指代由機(jī)器（人工智能）作為內(nèi)容生產(chǎn)者所產(chǎn)生的一類內(nèi)容， 又代指一種內(nèi)容生產(chǎn)的方式， 即智能內(nèi)容自動(dòng)生成相關(guān)技術(shù)的集合［１３］ 。從廣義上看，人工智能生成內(nèi)容， 一般認(rèn)為是相對于ＰＣＧ（專業(yè)生成內(nèi)容）、ＵＣＧ（用戶生成內(nèi)容）和ＡＩ－ＵＧＣ（ＡＩ輔助創(chuàng)作內(nèi)容）而提出的概念。在此基礎(chǔ)上， ＡＩＧＣ可以看作是像人類一樣具備創(chuàng)造能力的內(nèi)容生成式ＡＩ 技術(shù)， 即生成式ＡＩ。它可以通過數(shù)據(jù)訓(xùn)練和算法模型自主生成并創(chuàng)造文本、圖像、音樂、視頻、３Ｄ 交互內(nèi)容等各種形式的內(nèi)容和數(shù)據(jù)。對此， 國際上通常稱之為“人工智能合成媒體（ＡＩ－ｇｅｎｅｒａ?ｔｅｄ Ｍｅｄｉａ／ Ｓｙｎｔｈｅｔｉｃ Ｍｅｄｉａ）”， 其定義為： 通過人工智能算法對數(shù)據(jù)或媒體進(jìn)行生產(chǎn)、操控和修改的統(tǒng)稱。從技術(shù)組成上看， ＡＩＧＣ 由３ 個(gè)關(guān)鍵部分組成：數(shù)據(jù)、硬件和算法。

訓(xùn)練數(shù)據(jù)可直接影響生成式ＡＩ的能力， 訓(xùn)練數(shù)據(jù)越龐大、數(shù)據(jù)來源越豐富、數(shù)據(jù)形式越多樣，則生成式ＡＩ 所生成的內(nèi)容越具備智慧性、專業(yè)性和時(shí)效性。算力支持則直接決定了生成式ＡＩ 的學(xué)習(xí)效率與生成式ＡＩ 對數(shù)據(jù)處理的效率， 本地硬件提供的算力越強(qiáng)， 則生成式ＡＩ 在進(jìn)行大規(guī)模機(jī)器學(xué)習(xí)和深度學(xué)習(xí)時(shí)的效率越高。近年來， 隨著芯片技術(shù)與集成電路技術(shù)的飛速發(fā)展， 硬件運(yùn)算設(shè)備也隨之快速迭代， 大規(guī)模機(jī)器學(xué)習(xí)的效率不斷提高。目前， 英偉達(dá)與２０２２ 年推出的５ 納米工藝的Ｈ１００－８０Ｇ ＳＸＭ５ ＧＰＵ， 其圖形處理單元的時(shí)脈速度已經(jīng)達(dá)到１０６５ＭＨｚ， 相比于英偉達(dá)于２０１８ 年推出的Ｖ１００－１６Ｇ ＧＰＵ， 當(dāng)二者同時(shí)用于ＢＥＲＴ 的大型推理運(yùn)算時(shí)， Ｈ１００ 的運(yùn)算效率達(dá)到了Ｖ１００ 的十倍以上［１４］ 。此外， 云計(jì)算技術(shù)的發(fā)展也進(jìn)一步為機(jī)器學(xué)習(xí)提供了額外的算力保障， 通過云技術(shù)支持的ＧＰＵ 和ＴＰＵ 集群進(jìn)一步增強(qiáng)大型數(shù)據(jù)訓(xùn)練的效果。算法技術(shù)是ＡＩＧＣ 是否具備人類經(jīng)驗(yàn)與智慧的決定性因素。其中， Ｔｒａｎｓｆｏｒｍｅｒ 模型是許多先進(jìn)算法模型的基礎(chǔ)， 它不僅應(yīng)用于自然語言處理（ＮＬＰ）領(lǐng)域，也同時(shí)可被應(yīng)用于對圖像、音頻等多模態(tài)數(shù)據(jù)進(jìn)行的處理， 因此具備良好的多模態(tài)數(shù)據(jù)融合能力。作為一種神經(jīng)網(wǎng)絡(luò)， 其最初用于彌補(bǔ)循環(huán)神經(jīng)網(wǎng)絡(luò)（ＲＮＮ）在處理上下文關(guān)系感知上的不足導(dǎo)致的機(jī)器語言翻譯存在翻譯不準(zhǔn)確問題。Ｔｒａｎｓｆｏｒｍｅｒ 具有獨(dú)特的自我關(guān)注機(jī)制， 使之可以直接計(jì)算任意兩個(gè)詞之間的相關(guān)性， 不再需要通過隱藏層進(jìn)行傳遞，進(jìn)而充分挖掘序列各節(jié)點(diǎn)之間的深度信息， 因此可以輕松地捕捉全局信息［１５］ 。此外， 區(qū)別于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)， Ｔｒａｎｓｆｏｒｍｅｒ 模型中的自我注意力機(jī)制使之可以通過矩陣計(jì)算的并行化實(shí)現(xiàn)完全的并行計(jì)算，以便其進(jìn)行大規(guī)模數(shù)據(jù)計(jì)算時(shí)更充分地利用ＧＰＵ算力資源， 強(qiáng)化模型的訓(xùn)練和推理性能［１６］ 。此外，人類反饋強(qiáng)化學(xué)習(xí)（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ ｆｒｏｍ Ｈｕ?ｍａｎ Ｆｅｅｄｂａｃｋ－ＲＬＦＨ）也是保障生成式ＡＩ 能夠提供真實(shí)的、有效的反饋內(nèi)容的重要步驟。ＲＬＦＨ 作為一種機(jī)器學(xué)習(xí)的方法， 通過獨(dú)特的“獎(jiǎng)勵(lì)與懲罰”信號(hào)機(jī)制， 使ＡＩ 能夠在人為設(shè)定的獎(jiǎng)懲規(guī)則內(nèi)，自行探索學(xué)習(xí)最合適的行為策略［１７］ 。ＲＬＨＦ 同樣具備廣泛的適用性， 能夠用于多種不同類型的任務(wù)， 如： 自然語言處理、圖像處理等， 其目前已經(jīng)被應(yīng)用于ＯｐｅｎＡＩ 開發(fā)的ＣｈａｔＧＰＴ 系列聊天機(jī)器人中?？偨Y(jié)來說， 高性能硬件提供的充足算力、龐大的訓(xùn)練數(shù)據(jù)和先進(jìn)的算法模型是ＡＩＧＣ 技術(shù)進(jìn)一步發(fā)展的必要基礎(chǔ)前提。

ＡＩＧＣ 技術(shù)包括以ＧＰＴ 技術(shù)為代表的諸多種類的內(nèi)容生成式ＡＩ 技術(shù)。根據(jù)內(nèi)容分類， ＡＩＧＣ 的技術(shù)體系可以分為ＡＩ 生成的自然語言技術(shù)、ＡＩ 生成的視覺內(nèi)容技術(shù)和ＡＩ 生成的多模態(tài)內(nèi)容技術(shù)三大類， 如表１ 所示。

從數(shù)據(jù)模態(tài)上看， ＡＩＧＣ 可以被分成單模態(tài)生成式ＡＩ 與多模態(tài)（跨模態(tài)）生成式ＡＩ， 如圖１ 所示。其中， ＡＩ 生成文字內(nèi)容技術(shù)與ＡＩ 圖像處理技術(shù)可以被看作單模態(tài)內(nèi)容生成模型（Ｕｎｉｍｏｄａｌ Ｍｏｄｅｌｓ）。這一類模型在設(shè)計(jì)時(shí)， 主要用于接收所輸入的特定模態(tài)的原始數(shù)據(jù)（文本、圖像等）， 并通過預(yù)測后以同樣模態(tài)的數(shù)據(jù)輸出結(jié)果。與之相對的則是ＡＩ的多模態(tài)及跨模態(tài)內(nèi)容生成， 依托于多模態(tài)跨模態(tài)內(nèi)容生成模型［３０］ ， 其中包括視覺—語言生成（Ｖｉ?ｓｉｏｎ Ｌａｎｇｕａｇｅ Ｇｅｎｅｒａｔｉｏｎ）、文本—音頻生成（ＴｅｘｔＡｕｄｉｏ Ｇｅｎｅｒａｔｉｏｎ）、文本—圖像生成（ Ｔｅｘｔ ＧｒａｐｈＧｅｎｅｒａｔｉｏｎ） 和文本—代碼生成（Ｔｅｘｔ Ｃｏｄｅ Ｇｅｎｅｒａ?ｔｉｏｎ）等。

１.２ ＡＩＧＣ 的技術(shù)優(yōu)勢特征

綜合上文的分析和總結(jié)， ＡＩＧＣ 技術(shù)有著學(xué)習(xí)能力強(qiáng)、數(shù)據(jù)規(guī)模巨大、數(shù)據(jù)處理高效、人機(jī)智慧融合的顯著特征。

１.２.１大規(guī)模數(shù)據(jù)訓(xùn)練

為了保障ＡＩ 生成內(nèi)容的實(shí)用性、專業(yè)性和時(shí)效性， 對ＡＩ 進(jìn)行大規(guī)模的數(shù)據(jù)訓(xùn)練成為最佳途徑。目前， 在卷積神經(jīng)網(wǎng)絡(luò)（ＣＮＮ）和Ｔｒａｎｓｆｏｒｍｅｒ 模型基礎(chǔ)上， 機(jī)器學(xué)習(xí)的規(guī)模已經(jīng)突破億級(jí)。目前， 由ＯｐｅｎＡＩ 開發(fā)的世界首個(gè)大規(guī)模圖文多模態(tài)數(shù)據(jù)集ＬＡＩＯＮ－４００Ｍ 的數(shù)據(jù)量級(jí)已經(jīng)達(dá)到４ 億個(gè)圖片—文本配對數(shù)據(jù)［３１］ 。百度開發(fā)的百度文心一言所應(yīng)用的大規(guī)模訓(xùn)練數(shù)據(jù)也已達(dá)到萬億級(jí)網(wǎng)頁數(shù)據(jù)、搜索數(shù)據(jù)和圖片數(shù)據(jù)以及５ ５００億的事實(shí)知識(shí)圖譜。２０２３ 年７ 月， Ｍｅｔａ 宣布推出ＣＭ３Ｌｅｏｎ 的人工智能（ＡＩ）多模態(tài)語言模型， 該模型通過數(shù)百萬張來自Ｓｈｕｔｔｅｒ?ｓｔｏｃｋ 的授權(quán)圖片進(jìn)行預(yù)訓(xùn)練， 參數(shù)高達(dá)７０ 億個(gè)，達(dá)到了ＯｐｅｎＡＩ 的ＥＡＬＬ－Ｅ２ 模型規(guī)模的兩倍以上［２８］ 。因此， 在目前技術(shù)條件下， ＡＩＧＣ 技術(shù)已經(jīng)能夠支持多模態(tài)數(shù)據(jù)的大規(guī)模模型訓(xùn)練， 經(jīng)大規(guī)模數(shù)據(jù)訓(xùn)練后的生成式ＡＩ 本身即可作為擁有巨大知識(shí)存量的ＡＩ 系統(tǒng)。

１.２.２多模態(tài)數(shù)據(jù)處理與內(nèi)容生成能力

目前已有多種ＡＩＧＣ 技術(shù)產(chǎn)品支持多模態(tài)及跨模態(tài)的內(nèi)容生成， 如ＯＰＥＮＡＩ 開發(fā)的ＧＰＴ－４ 和Ｍｅｔａ 推出的ＣＭ３Ｌｅｏｎ 等。使用者可通過自然語言向ＡＩ 輸入指令， 要求ＡＩ 根據(jù)指令和用戶提供的其他形態(tài)數(shù)據(jù)進(jìn)行各類內(nèi)容生成任務(wù)。例如， 由Ｍｅ?ｔａ 公司開發(fā)的ＣＭ３Ｌｅｏｎ 作為ＡＩ 發(fā)展史上首個(gè)單一模態(tài)模型， 可以依據(jù)文本生成圖像， 也可以為圖像生成文本描述， 并回答有關(guān)圖像內(nèi)容的問題， 或根據(jù)文本指令編輯輸入的圖像［２８］ 。此外， 得益于算力與算法技術(shù)的發(fā)展， 生成式ＡＩ 在知識(shí)組織與挖掘方面表現(xiàn)出較大提高。在針對文獻(xiàn)的知識(shí)挖掘中，生成式ＡＩ 不再局限于簡單的標(biāo)題、摘要或關(guān)鍵詞，而可以深入到文獻(xiàn)內(nèi)容， 實(shí)現(xiàn)更細(xì)粒度的知識(shí)表達(dá)， 有利于語義知識(shí)的組織與表達(dá)。在行業(yè)應(yīng)用中，生成式ＡＩ 已在多領(lǐng)域?qū)崿F(xiàn)了多模態(tài)與跨模態(tài)融合的應(yīng)用。如： 在影視制作領(lǐng)域， 生成式ＡＩ 發(fā)揮其創(chuàng)造力進(jìn)行協(xié)同創(chuàng)作， 有助于特效制作與劇本改進(jìn)；在教育領(lǐng)域， 生成式ＡＩ 可以將抽象的教科書文字內(nèi)容轉(zhuǎn)換為具體的可視化的圖片、視頻、音頻等多種形式， 有利于增進(jìn)學(xué)習(xí)體驗(yàn)； 在工業(yè)生產(chǎn)和建筑領(lǐng)域， 生成式ＡＩ 可以將給定的數(shù)字幾何數(shù)據(jù)迅速轉(zhuǎn)化為基于物理環(huán)境的３Ｄ 模型， 為工業(yè)生產(chǎn)和建筑建設(shè)節(jié)省大量成本并提高工作效率。

１.２.３智慧交互能力

人工智能內(nèi)容生成技術(shù)（ＡＩＧＣ）利用技術(shù)賦予機(jī)器部分人類思維能力， 以生成有價(jià)值內(nèi)容。智慧性是ＡＩＧＣ 產(chǎn)生有價(jià)值內(nèi)容的基礎(chǔ)， 具備人類思維與智慧交互能力是其發(fā)展趨勢。因此， “智慧性”是ＡＩ 能夠產(chǎn)生有價(jià)值內(nèi)容的基礎(chǔ)要求， 具備人類思維認(rèn)知并具備智慧交互的能力， 已經(jīng)成為ＡＩＧＣ未來發(fā)展的必然趨勢［３２］ 。根據(jù)目前現(xiàn)有研究發(fā)現(xiàn)，大語言模型在語言理解推理、對話生成等多項(xiàng)任務(wù)上已經(jīng)達(dá)到甚至超越了人類的平均水平［３３］ 。而在感情分析方面， ＣｈａｔＧＰＴ 在情感分析上有著高達(dá)８５％以上的準(zhǔn)確率［３４］ 。目前， 生成式ＡＩ 已經(jīng)具備語言翻譯、語義分析、智能推薦、智能問答、知識(shí)綜述、知識(shí)提煉的相關(guān)能力， 并且在部分行業(yè)領(lǐng)域的服務(wù)場景下已經(jīng)展開了拓展應(yīng)用。如ＣｈａｔＧＰＴ－４已開放其ＡＰＩ 端口， 應(yīng)用程序可通過ＡＰＩ 接入進(jìn)而為用戶提供多種內(nèi)容生成服務(wù)； 微軟與谷歌也接連宣布在其Ｏｆｆｉｃｅ 系列軟件和谷歌郵箱服務(wù)中內(nèi)置生成式ＡＩ， 為用戶提供寫作輔助、寫作建議、主題文稿自動(dòng)生成、自動(dòng)郵件回復(fù)、自動(dòng)排序和摘要、圖片、聲音、音視頻會(huì)議筆記自動(dòng)記錄等功能。

２ ＡＩＧＣ的技術(shù)賦能路徑、場景與工作模式

綜合上文所述， 本文認(rèn)為： ＡＩＧＣ 技術(shù)“大數(shù)據(jù)” “多模態(tài)” “智慧交互” 的特性與我國科技情報(bào)服務(wù)目前亟待解決的問題和需求高度契合， 共同構(gòu)成了基于技術(shù)—需求—場景的ＡＩＧＣ 技術(shù)賦能路徑與場景， 如圖２ 所示。

２.１復(fù)雜信息環(huán)境下的信息獲取

當(dāng)前網(wǎng)絡(luò)信息技術(shù)的高度發(fā)達(dá)， 為信息的傳播提供了多樣化的渠道， 同時(shí)使信息的傳播變得空前迅速， 繼而帶來信息總量的驟增。然而， 網(wǎng)絡(luò)信息空間中存在著大量的虛假信息、垃圾信息和不良信息， 導(dǎo)致了網(wǎng)絡(luò)信息質(zhì)量的良莠不齊。網(wǎng)絡(luò)信息空間的發(fā)展既為情報(bào)工作中的數(shù)據(jù)獲取帶來了便利，但也為有效數(shù)據(jù)的獲取帶來了挑戰(zhàn)。對科技情報(bào)工作來說， “科學(xué)就是數(shù)據(jù)” “一切以數(shù)據(jù)為準(zhǔn)”， 所有情報(bào)成果的產(chǎn)出都離不開數(shù)據(jù)的支持［３６］ 。因此，情報(bào)３.０ 背景下的科技情報(bào)服務(wù)對信息獲取渠道的全面性和所獲取信息的有效性提出了更高的要求。在信息源上， 主要包括商業(yè)數(shù)據(jù)庫、公開信息數(shù)據(jù)和社會(huì)化媒體數(shù)據(jù)三大類。因此， 在信息采集中，不僅要求在維普、萬方、ＣＮＫＩ 等非結(jié)構(gòu)化數(shù)據(jù)庫進(jìn)行有效數(shù)據(jù)抓取， 還需考慮在相關(guān)網(wǎng)站、論壇、微信、微博等媒體平臺(tái)進(jìn)行有效數(shù)據(jù)的抓?。郏常担?。只有對信息采集渠道的全面覆蓋， 才能夠支持多種信息渠道的數(shù)據(jù)進(jìn)行互相驗(yàn)證， 保證所獲取數(shù)據(jù)的真實(shí)性和有效性。

通過現(xiàn)有的ＡＩＧＣ 技術(shù)可以解決目前所面臨的信息獲取渠道全面性和數(shù)據(jù)有效性問題。目前， 生成式ＡＩ 已經(jīng)具備成熟的數(shù)據(jù)資源調(diào)用能力， 通過ＡＰＩ 接口生成式ＡＩ 能夠全面地獲取近乎無窮的網(wǎng)絡(luò)數(shù)據(jù)資源、云資源與科技情報(bào)機(jī)構(gòu)自有的內(nèi)部數(shù)據(jù)庫， 利用ＡＩＧＣ 技術(shù)可以自動(dòng)識(shí)別和調(diào)用這些接口， 獲取信息采集不易觸達(dá)的深層數(shù)據(jù)， 擴(kuò)展采集渠道的廣度與深度。例如， 目前ＣｈａｔＧＰＴ－３ 所采用的網(wǎng)頁抓取技術(shù)（Ｗｅｂ Ｓｃｒａｐｉｎｇ）， 能夠支持ＡＩ自動(dòng)根據(jù)需求， 從互聯(lián)網(wǎng)網(wǎng)頁上抓取文本數(shù)據(jù)進(jìn)而提取出所需信息。此外， 通過數(shù)據(jù)庫查詢技術(shù)和ＡＰＩ 收集技術(shù)， 生成式ＡＩ 能夠通過ＡＰＩ 接口實(shí)現(xiàn)與其他信息系統(tǒng)之間的數(shù)據(jù)交互， 并進(jìn)行數(shù)據(jù)檢索和調(diào)用， 如圖３ 所示。

在保障數(shù)據(jù)的有效性上， 目前生成式ＡＩ 在大量數(shù)據(jù)訓(xùn)練基礎(chǔ)上已經(jīng)具備對基礎(chǔ)常識(shí)問題和部分專業(yè)領(lǐng)域問題進(jìn)行判斷的能力。通過以科技情報(bào)領(lǐng)域的專業(yè)語料庫對ＡＩ 進(jìn)行強(qiáng)化訓(xùn)練的同時(shí)增加人類反饋強(qiáng)化學(xué)習(xí)（ＲＬＨＦ）， 可以進(jìn)一步強(qiáng)化ＡＩ 的情報(bào)數(shù)據(jù)判別能力。此外， 利用知識(shí)圖譜等技術(shù)，對采集數(shù)據(jù)中的實(shí)體、事件和關(guān)系等要素進(jìn)行知識(shí)驗(yàn)證與標(biāo)注， 能夠在一定程度上判斷數(shù)據(jù)信息的準(zhǔn)確性與可信度， 為后續(xù)利用提供參考依據(jù)。因此，通過ＡＩＧＣ 技術(shù)對獲取數(shù)據(jù)進(jìn)行過濾清洗、校驗(yàn)、仿真、交叉印證等方式進(jìn)行數(shù)據(jù)清洗和真?zhèn)巫R(shí)別，替代人力對數(shù)據(jù)的有效性、真實(shí)性進(jìn)行初步篩選、過濾和驗(yàn)證， 能夠有效防止垃圾數(shù)據(jù)、無效數(shù)據(jù)和無關(guān)數(shù)據(jù)對分析結(jié)果產(chǎn)生干擾。

２.２多源異構(gòu)數(shù)據(jù)的分析和處理

在情報(bào)３.０時(shí)代， 科技情報(bào)工作中的信息獲取不再局限于傳統(tǒng)的情報(bào)信息資源體系和信息獲取渠道， 情報(bào)數(shù)據(jù)分析的要求從抽樣分析向全樣本分析轉(zhuǎn)變［３４］ 。隨著網(wǎng)絡(luò)信息空間的空前發(fā)展， 科技情報(bào)工作正面臨采集到的大量數(shù)據(jù)來源復(fù)雜、結(jié)構(gòu)多樣且真假難辨［１１］ 。從數(shù)據(jù)結(jié)構(gòu)上看， 所獲取的數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)； 從數(shù)據(jù)的形式來看， 包括文本、圖像、音頻、視頻、數(shù)值等； 從數(shù)據(jù)來源上看， 分為公開信息數(shù)據(jù)庫、商業(yè)化數(shù)據(jù)庫和社會(huì)化媒體平臺(tái)。因此， 目前科技情報(bào)工作所需要進(jìn)行處理和分析的數(shù)據(jù)通常具有海量化與碎片化的特征。在傳統(tǒng)的科技情報(bào)服務(wù)中， 往往需要投入大量人力、花費(fèi)整個(gè)情報(bào)工作流程中大部分時(shí)間用于處理與分析數(shù)據(jù)。因此， 高效地處理和分析采集到的數(shù)據(jù)， 已經(jīng)成為當(dāng)前科技情報(bào)業(yè)生產(chǎn)中的急需解決的問題。在此情況下， 以機(jī)器學(xué)習(xí)、知識(shí)挖掘、語義推理、知識(shí)圖譜等技術(shù)為基礎(chǔ)的智能知識(shí)計(jì)算技術(shù)成為解決問題的最佳方案。

在信息的處理與分析上， ＡＩＧＣ 技術(shù)的多模態(tài)數(shù)據(jù)處理能力包括： 真?zhèn)巫R(shí)別、內(nèi)容轉(zhuǎn)化、數(shù)據(jù)清洗、數(shù)據(jù)評估等， 能夠有效解決目前科技情報(bào)生產(chǎn)中大量多源異構(gòu)數(shù)據(jù)的處理和分析問題。首先， 如上文所述， ＡＩＧＣ 技術(shù)的數(shù)據(jù)清洗能力能夠刪除冗余、提取詞干、識(shí)別錯(cuò)漏進(jìn)而輔助情報(bào)的真?zhèn)巫R(shí)別［３６］ 。同時(shí)， ＡＩＧＣ 技術(shù)具有處理結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)的能力， 能夠?qū)崿F(xiàn)這３種數(shù)據(jù)類型之間的自動(dòng)關(guān)聯(lián)、映射和融合， 進(jìn)而實(shí)現(xiàn)不同數(shù)據(jù)模態(tài)之間的有效結(jié)合， 豐富數(shù)據(jù)的內(nèi)涵與關(guān)聯(lián)， 提高數(shù)據(jù)加工的效率。此外， ＡＩＧＣ 技術(shù)可以在不同數(shù)據(jù)模態(tài)（文本、圖像、視頻等）中自動(dòng)發(fā)現(xiàn)相同的或相關(guān)的知識(shí)要素， 如同一事件或概念的不同表現(xiàn)形式， 進(jìn)而挖掘不同數(shù)據(jù)模態(tài)之間隱含的深層關(guān)聯(lián)， 發(fā)現(xiàn)更加全面而準(zhǔn)確的知識(shí)， 節(jié)省人力。ＡＩＧＣ 技術(shù)還可以根據(jù)不同數(shù)據(jù)模式之間的關(guān)聯(lián)， 構(gòu)建涵蓋多個(gè)數(shù)據(jù)模式的統(tǒng)一數(shù)據(jù)模型， 如知識(shí)圖譜、關(guān)聯(lián)圖譜等。此類型的數(shù)據(jù)模型可以綜合存儲(chǔ)和表達(dá)不同數(shù)據(jù)模式中的信息， 從而為數(shù)據(jù)管理和應(yīng)用提供更加全面系統(tǒng)的支持。綜上所述，ＡＩＧＣ 技術(shù)能夠?qū)崿F(xiàn)不同數(shù)據(jù)模式之間的自動(dòng)關(guān)聯(lián)、融合和建模等， 在一定程度上能夠替代人工進(jìn)行多源異構(gòu)數(shù)據(jù)處理的工作， 并顯著提高科技情報(bào)生產(chǎn)中數(shù)據(jù)處理的效率和質(zhì)量。

２.３科技情報(bào)服務(wù)中的個(gè)性化服務(wù)

得益于近年來移動(dòng)通信技術(shù)的快速發(fā)展， 世界也被無形中的網(wǎng)絡(luò)連接成了一個(gè)整體， 瞬息萬變的科技與社會(huì)發(fā)展導(dǎo)致用戶對情報(bào)服務(wù)產(chǎn)品也提出了動(dòng)態(tài)性、便捷性和實(shí)時(shí)性的需求， 即： 情報(bào)數(shù)據(jù)動(dòng)態(tài)化、服務(wù)情境移動(dòng)化和服務(wù)內(nèi)容個(gè)性化。為了滿足以上需求， 利用數(shù)據(jù)對情報(bào)用戶需求的精準(zhǔn)感知成為了提供情報(bào)服務(wù)的前提。為了獲得足夠的用戶行為數(shù)據(jù)和用戶需求反饋， 則需要情報(bào)用戶全程參與情報(bào)工作中， 以便情報(bào)工作者通過與情報(bào)用戶的交互數(shù)據(jù)對其需求進(jìn)行精確分析， 進(jìn)而提供精確服務(wù)。因此， 情報(bào)用戶與情報(bào)工作者之間的交互成為解決問題的關(guān)鍵。目前， 個(gè)人移動(dòng)終端如智能手機(jī)、智能平板電腦等已經(jīng)具備較為強(qiáng)大的硬件性能和高速網(wǎng)絡(luò)的接入能力。在此基礎(chǔ)上， 開發(fā)情報(bào)服務(wù)的移動(dòng)端服務(wù)ＡＰＰ和基于微信、微博等平臺(tái)的小程序成為了滿足當(dāng)下交互需求的最佳方案。移動(dòng)端服務(wù)ＡＰＰ 可以為情報(bào)工作者和用戶之間的實(shí)時(shí)數(shù)據(jù)交互更新提供便利， 一方面， 通過移動(dòng)終端收集用戶行為數(shù)據(jù)； 另一方面， 傳遞用戶各種基于不同情境下的個(gè)性化情報(bào)服務(wù)需求， 進(jìn)而按需求為用戶提供個(gè)性化的實(shí)時(shí)情報(bào)推送， 并隨時(shí)為用戶提供有效的情報(bào)監(jiān)測和預(yù)警服務(wù)。

為了更好地感知情報(bào)用戶的需求并為用戶提供更為及時(shí)的、個(gè)性化的服務(wù)， 同時(shí)更充分地發(fā)揮互聯(lián)網(wǎng)技術(shù)與ＡＩＧＣ 技術(shù)的優(yōu)勢， 構(gòu)建以生成式ＡＩ為服務(wù)核心的科技情報(bào)智能服務(wù)平臺(tái)成為了最佳解決方案。如圖４ 所示， 新技術(shù)的應(yīng)用也帶來了工作模式上的變化， 一方面應(yīng)充分發(fā)揮生成式ＡＩ 在數(shù)據(jù)獲取、加工、處理等方面的優(yōu)勢， 并應(yīng)用于情報(bào)工作相關(guān)流程， 提高效率； 另一方面， 充分發(fā)揮其智慧交互能力和多模態(tài)內(nèi)容生成能力， 以用戶數(shù)據(jù)分析其需求。具體來說， 情報(bào)工作者可通過利用移動(dòng)端的情報(bào)服務(wù)應(yīng)用程序（或微信小程序）與用戶進(jìn)行實(shí)時(shí)信息交換， 在獲得用戶允許后通過移動(dòng)端服務(wù)應(yīng)用程序?qū)τ脩舻男畔⑿袨楹头?wù)需求進(jìn)行收集。隨后將收集到的信息行為數(shù)據(jù)與用戶需求數(shù)據(jù)匯總到預(yù)置生成式ＡＩ 的智能情報(bào)業(yè)務(wù)平臺(tái)， 通過大量數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練后的生成式ＡＩ 利用其分詞技術(shù)、翻譯技術(shù)、對話機(jī)制與大量機(jī)器學(xué)習(xí)、用戶畫像技術(shù)、內(nèi)容推薦算法技術(shù)等對用戶信息行為數(shù)據(jù)的分析， 進(jìn)而向情報(bào)用戶移動(dòng)端服務(wù)ＡＰＰ 進(jìn)行主動(dòng)內(nèi)容推送服務(wù)。目前， 互聯(lián)網(wǎng)搜索引擎、電商ＡＰＰ和短視頻平臺(tái)普遍已經(jīng)應(yīng)用了類似的算法推薦服務(wù)。此外， 通過將用戶行為數(shù)據(jù)與用戶需求數(shù)據(jù)相結(jié)合， 情報(bào)工作者在生成式ＡＩ 的輔助下可以獲取更多的用戶特征信息， 從而更為精準(zhǔn)地分析用戶需求后為情報(bào)用戶提供內(nèi)容服務(wù)。此外， 預(yù)置了生成式ＡＩ 的科技情報(bào)服務(wù)平臺(tái)可以在情報(bào)工作者非工作時(shí)間獨(dú)立為用戶提供７?２４ 小時(shí)的智能自助情報(bào)服務(wù)， 充分滿足情報(bào)用戶的全天候情報(bào)服務(wù)需求。情報(bào)用戶可以通過在移動(dòng)服務(wù)端進(jìn)行設(shè)置條件， 根據(jù)設(shè)定數(shù)據(jù)數(shù)值觸發(fā)條件或時(shí)間觸發(fā)條件， 以獲取ＡＩ 服務(wù)助手第一時(shí)間的實(shí)時(shí)情報(bào)更新及狀態(tài)追蹤推動(dòng)。目前， 類似的ＡＩ 服務(wù)功能已經(jīng)在金融證券市場交易、電子商務(wù)服務(wù)等多領(lǐng)域廣泛應(yīng)用， 可以為科技情報(bào)服務(wù)中相關(guān)服務(wù)內(nèi)容提供實(shí)踐性經(jīng)驗(yàn)。

３ ＡＩＧＣ賦能的科技情報(bào)智能服務(wù)模型構(gòu)建

３.１服務(wù)框架構(gòu)建原則

本文構(gòu)建科技情報(bào)服務(wù)框架模型應(yīng)遵循全面性、邏輯性、應(yīng)用性、前瞻性和開放性的原則。其中，全面性指本文所構(gòu)建服務(wù)框架模型應(yīng)涵蓋科技情報(bào)工作中的所有關(guān)鍵環(huán)節(jié)， 從而更好地指導(dǎo)科技情報(bào)服務(wù)的智能化發(fā)展。邏輯性與應(yīng)用性指本文構(gòu)建的框架模型應(yīng)保障各層級(jí)之間邏輯銜接緊密， 各要素之間能夠互相協(xié)同支持， 從而為科技情報(bào)工作者提供清晰的工作指引、提高工作效率， 同時(shí)具備較強(qiáng)的實(shí)際應(yīng)用可行性。前瞻性指本文在構(gòu)建的服務(wù)框架中充分考慮科技情報(bào)服務(wù)的未來發(fā)展趨勢與可能出現(xiàn)的全新的服務(wù)需求， 推動(dòng)智能化技術(shù)的進(jìn)一步實(shí)際應(yīng)用。開放性指本文在服務(wù)框架的設(shè)計(jì)上應(yīng)充分考慮未來新技術(shù)、新業(yè)務(wù)與新需求的融入， 提供較大擴(kuò)展空間以適應(yīng)當(dāng)前不斷變化的外部環(huán)境。

３.２服務(wù)框架的構(gòu)成

綜上， 本文基于ＡＩＧＣ 技術(shù)內(nèi)核與優(yōu)勢， 并結(jié)合科技情報(bào)服務(wù)當(dāng)前的發(fā)展需求， 以我國杰出科學(xué)家錢學(xué)森提出的系統(tǒng)工程理論為基礎(chǔ)， 構(gòu)建了面向ＡＩＧＣ 技術(shù)的科技情報(bào)服務(wù)４ 層框架模型， 如圖５所示。

系統(tǒng)工程理論既不是單純的整體論， 也不是還原論， 而是將整體論和還原論辯證地結(jié)合后得到的成果。錢學(xué)森認(rèn)為， 系統(tǒng)是由相互作用、相互依賴的多個(gè)部分結(jié)合的， 具有特定功能的有機(jī)整體［３７］ 。從系統(tǒng)工程視角出發(fā)， 可以從服務(wù)框架的環(huán)境、結(jié)構(gòu)和功能三大要素對科技情報(bào)服務(wù)框架的構(gòu)建展開討論。在系統(tǒng)工程視角下的“環(huán)境”， 可以劃分成軟件環(huán)境與硬件環(huán)境。其中， 硬件環(huán)境指保障科技情報(bào)智能服務(wù)能夠開展的物理設(shè)施和技術(shù)設(shè)備； 軟件環(huán)境則由保障科技情報(bào)智能服務(wù)的相關(guān)技術(shù)、數(shù)據(jù)和方法組成?！敖Y(jié)構(gòu)” 則指服務(wù)框架下各個(gè)構(gòu)成要素之間的邏輯關(guān)聯(lián)和相互作用關(guān)系。在系統(tǒng)工程視角下， “功能” “環(huán)境” 與“結(jié)構(gòu)” 共同構(gòu)成一組轉(zhuǎn)化關(guān)系。其中， “功能” 受到“環(huán)境” 和“結(jié)構(gòu)” 的影響， 既為科技情報(bào)工作者和外部參與者提供工作上的智能化便利， 也為用戶提供高質(zhì)量的智能化服務(wù)體驗(yàn)?；谝陨险撌?， 在結(jié)構(gòu)上， 根據(jù)服務(wù)框架下各個(gè)構(gòu)成要素之間的相互關(guān)聯(lián)可以分為４ 個(gè)層級(jí)， 包括： 支撐保障層（Ｓ）、智慧應(yīng)用層（Ａ）、平臺(tái)服務(wù)層（Ｐ）、成果產(chǎn)出層（Ｏ）。

３.２.１支撐保障層

支撐保障層是整個(gè)服務(wù)框架實(shí)現(xiàn)智能服務(wù)的基石。從支撐保障層面看， 算力、數(shù)據(jù)和算法技術(shù)是構(gòu)成科技情報(bào)智慧服務(wù)ＡＩ 的必要組成要素。在設(shè)備方面， 高性能的運(yùn)算設(shè)備如高性能計(jì)算機(jī)、大型服務(wù)器、工作站等， 其所提供的算力是支撐ＡＩ 高效工作的必要條件。而云服務(wù)平臺(tái)、存儲(chǔ)設(shè)備和網(wǎng)絡(luò)安防設(shè)備如云服務(wù)器、ＳＳＬ ＶＰＮ、ＡＰＩ 網(wǎng)關(guān)、身份認(rèn)證服務(wù)器等， 則是保證本地?cái)?shù)據(jù)安全、云端數(shù)據(jù)安全進(jìn)而構(gòu)建巨型科技情報(bào)知識(shí)庫的重要設(shè)備。在數(shù)據(jù)方面， 充分的外部和內(nèi)部數(shù)據(jù)能夠?yàn)椋粒?提供源源不斷的“學(xué)習(xí)資源”， 進(jìn)而提升ＡＩ 所生成內(nèi)容的深度和廣度， 滿足最終情報(bào)成果的專業(yè)性、時(shí)效性和智慧性。在數(shù)據(jù)上， 外部數(shù)據(jù)包括并不限于科技知識(shí)數(shù)據(jù)、科技活動(dòng)數(shù)據(jù)、科技產(chǎn)業(yè)數(shù)據(jù)、科技管理數(shù)據(jù)等， 其獲取渠道則包括目前主流的維普、萬方、ＣＮＫＩ 等非結(jié)構(gòu)化數(shù)據(jù)庫和其他相關(guān)的網(wǎng)站、論壇、微信、微博等媒體平臺(tái)。與之相對的， 內(nèi)部數(shù)據(jù)則是指科技情報(bào)機(jī)構(gòu)業(yè)務(wù)平臺(tái)、情報(bào)服務(wù)門戶網(wǎng)站和移動(dòng)端ＡＰＰ 及微信小程序中的用戶信息行為數(shù)據(jù)、用戶注冊數(shù)據(jù)、用戶業(yè)務(wù)咨詢數(shù)據(jù)等隱私數(shù)據(jù)， 也包括科技情報(bào)機(jī)構(gòu)內(nèi)部業(yè)務(wù)流與辦公數(shù)據(jù)、自有知識(shí)成果庫等。此外， 構(gòu)建巨型科技情報(bào)云知識(shí)庫， 則可在未來情報(bào)工作中起到“儲(chǔ)存池、發(fā)酵池和蓄電池” 的作用， 成為未來科技情報(bào)業(yè)務(wù)的“中心廚房”［３４］ 。此外， 從算法技術(shù)上來看， 算法模型的先進(jìn)性對ＡＩＧＣ 的學(xué)習(xí)能力和輸出成果起到了關(guān)鍵性作用， 算法的不斷迭代更新推動(dòng)著ＡＩＧＣ 從單一模態(tài)內(nèi)容生成向多模內(nèi)容生成跨越。其中， 對抗生成網(wǎng)絡(luò)（ ＧＡＮ）、擴(kuò)散模型（Ｄｉｆｆｕｓｉｏｎ Ｍｏｄｅｌ）、神經(jīng)網(wǎng)絡(luò)模型（Ｔｒａｎｓｆｏｒｍｅｒ）、跨模態(tài)深度學(xué)習(xí)模型（ＣＬＩＰ）等算法模型構(gòu)建了目前ＡＩＧＣ 技術(shù)的算法基礎(chǔ)， 大量新模型都是在這些模型的基礎(chǔ)上進(jìn)行擴(kuò)展和改進(jìn)［３８］ 。因此， 為了保障科技情報(bào)智慧服務(wù)ＡＩ 的多模態(tài)內(nèi)容識(shí)別與內(nèi)容輸出能力， 科技情報(bào)工作者應(yīng)不斷更新算法庫， 保持所應(yīng)用算法技術(shù)的先進(jìn)性。

３.２.２智慧應(yīng)用層

文獻(xiàn)［２］將科技情報(bào)工作流程主要?jiǎng)澐譃椋?業(yè)務(wù)受理—信息獲取—信息處理與分析—情報(bào)加工—情報(bào)交付。本文嘗試以ＡＩＧＣ 技術(shù)賦能科技情報(bào)服務(wù)的各個(gè)工作流程， 構(gòu)建智慧科技情報(bào)服務(wù)功能性應(yīng)用。智慧應(yīng)用層的核心是情報(bào)智慧服務(wù)ＡＩ， 其本質(zhì)上是通過科技情報(bào)專用知識(shí)語料庫進(jìn)行大規(guī)模數(shù)據(jù)訓(xùn)練的生成式ＡＩ?？萍记閳?bào)機(jī)構(gòu)可以通過委托開發(fā)的形式， 根據(jù)現(xiàn)有情報(bào)服務(wù)需求進(jìn)行定制化開發(fā)其所需生成式ＡＩ 產(chǎn)品。以目前生成式ＡＩ 的技術(shù)水平， 已經(jīng)可以實(shí)現(xiàn)對科技情報(bào)工作的全流程的ＡＩ 賦能， 包括智能業(yè)務(wù)受理、智慧信息采集、智能情報(bào)加工和智慧內(nèi)容生成。在業(yè)務(wù)受理階段， 用戶通過智能身份認(rèn)證后， 可通過自然語言、圖片、代碼等多種形式將情報(bào)需求提供給智慧服務(wù)ＡＩ 進(jìn)行需求分析。智慧服務(wù)ＡＩ 則基于用戶需求、用戶信息行為深度挖掘用戶個(gè)性化需求并同步反饋給科技情報(bào)機(jī)構(gòu)。同時(shí)， 智慧服務(wù)ＡＩ 可根據(jù)用戶需求進(jìn)行快速工作方案制定， 并為用戶、情報(bào)工作者分配合適的權(quán)限以完成本次服務(wù)。在信息加工與情報(bào)分析階段， ＡＩ 將根據(jù)對用戶情報(bào)需求的分析計(jì)算整體工作量， 并據(jù)此進(jìn)行合理的任務(wù)分配， 幫助情報(bào)工作者進(jìn)行初步信息采集、處理和分析， 為情報(bào)工作者進(jìn)一步的情報(bào)判讀與應(yīng)用提供全面的數(shù)據(jù)保障。在情報(bào)生成與成果交付階段， 在智慧服務(wù)ＡＩ支持下， 可完全由人工智能為用戶提供部分科技情報(bào)功能性服務(wù)， 如： 研究熱點(diǎn)分析與熱點(diǎn)追蹤、智慧情報(bào)搜索、指定題目的情報(bào)自動(dòng)生成、情報(bào)數(shù)據(jù)趨勢預(yù)測、訂閱情報(bào)智能推送等。智慧服務(wù)ＡＩ 還可以通過移動(dòng)客戶端所收集的客戶信息行為， 進(jìn)而分析客戶實(shí)時(shí)場景需求， 并為科技情報(bào)移動(dòng)服務(wù)端ＡＰＰ 提供７?２４ 小時(shí)無人化智能客戶服務(wù)和動(dòng)態(tài)情報(bào)數(shù)據(jù)監(jiān)測等個(gè)性化服務(wù)。在科技情報(bào)服務(wù)綜合管理上， 管理者也可通過智能服務(wù)ＡＩ 對科技情報(bào)服務(wù)進(jìn)行監(jiān)督、管理和維護(hù)， 如智能計(jì)費(fèi)管理、智能業(yè)務(wù)進(jìn)度監(jiān)測、智能權(quán)限分配等。

３.２.３平臺(tái)服務(wù)層

服務(wù)平臺(tái)是承載各種智慧情報(bào)服務(wù)應(yīng)用的基本載體。通過構(gòu)建數(shù)智化的科技情報(bào)服務(wù)平臺(tái)， 將各類智慧情報(bào)服務(wù)應(yīng)用有效集成、統(tǒng)一維護(hù)和管理，進(jìn)一步強(qiáng)化人的智慧與機(jī)器智慧的融合發(fā)展， 提高情報(bào)工作效率的同時(shí)也可對ＡＩ 進(jìn)行反饋訓(xùn)練， 不斷強(qiáng)化其智慧程度。在平臺(tái)服務(wù)層面上， 服務(wù)平臺(tái)主要分為３ 個(gè)部分： 情報(bào)服務(wù)門戶網(wǎng)站系統(tǒng)、科技情報(bào)移動(dòng)服務(wù)客戶端ＡＰＰ 和微信／ 微博小程序?？萍记閳?bào)服務(wù)門戶是為情報(bào)用戶提供科技情報(bào)服務(wù)的主要網(wǎng)絡(luò)平臺(tái)， 用戶可以通過平臺(tái)提出服務(wù)需求，全程跟蹤情報(bào)工作進(jìn)度并參與到情報(bào)工作中去。情報(bào)門戶網(wǎng)站也同時(shí)負(fù)有情報(bào)資源共享和辦公系統(tǒng)的功能?？萍记閳?bào)移動(dòng)服務(wù)客戶端則是作為情報(bào)服務(wù)門戶網(wǎng)站的移動(dòng)服務(wù)補(bǔ)充， 移動(dòng)服務(wù)端一方面可以為情報(bào)用戶提供實(shí)時(shí)情報(bào)服務(wù)， 也為情報(bào)工作者和情報(bào)用戶之間的實(shí)時(shí)交互提供巨大便利。針對科技情報(bào)機(jī)構(gòu)的日常辦公管理需求和科技情報(bào)工作中的業(yè)務(wù)需求， 科技情報(bào)機(jī)構(gòu)可基于智慧服務(wù)ＡＩ 構(gòu)建智能辦公系統(tǒng)、智能情報(bào)業(yè)務(wù)系統(tǒng)和科技情報(bào)機(jī)構(gòu)的移動(dòng)辦公端ＡＰＰ。其中， 內(nèi)部智能辦公系統(tǒng)專門用于情報(bào)機(jī)構(gòu)的日常辦公與行政管理， 同時(shí)兼顧與政府等涉密用戶之間的文件和數(shù)據(jù)交互， 通過ＡＰＩ 接口管理系統(tǒng)可以精確地對智慧服務(wù)ＡＩ 的數(shù)據(jù)獲取權(quán)限進(jìn)行規(guī)定， 進(jìn)而避免數(shù)據(jù)外泄相關(guān)的安全風(fēng)險(xiǎn)。此外， 科技情報(bào)移動(dòng)辦公端ＡＰＰ 則為科技情報(bào)工作者和參與情報(bào)工作的外部專家提供全天候移動(dòng)化辦公的便利。智能情報(bào)業(yè)務(wù)系統(tǒng)可通過智能服務(wù)ＡＩ 大大提高情報(bào)工作者在情報(bào)工作流程上的工作效率， 節(jié)約人力資源。

３.２.４成果產(chǎn)出層

從科技情報(bào)成果與產(chǎn)出層面看， 科技情報(bào)成果作為科技情報(bào)服務(wù)的直接產(chǎn)出， 既是科技情報(bào)服務(wù)經(jīng)濟(jì)與社會(huì)價(jià)值的體現(xiàn)， 也是評價(jià)科技情報(bào)服務(wù)的重要依據(jù)。結(jié)合前文對當(dāng)前科技情報(bào)服務(wù)在功能和內(nèi)容上亟需擴(kuò)展的相關(guān)闡述， 情報(bào)３.０ 時(shí)代下的科技情報(bào)智能服務(wù)不僅要求科技情報(bào)機(jī)構(gòu)提供傳統(tǒng)意義上的科技情報(bào)產(chǎn)品， 如： 情報(bào)研究、外部環(huán)境監(jiān)測、需求分析、風(fēng)險(xiǎn)預(yù)警等［３９］ ， 也應(yīng)具備部分“智庫化” 服務(wù)內(nèi)容， 如： 政策咨詢、戰(zhàn)略分析和決策制定等［４０］ 。因此， 在科技情報(bào)智慧服務(wù)ＡＩ 的支持下， 結(jié)合當(dāng)前科技情報(bào)服務(wù)中新增的實(shí)時(shí)情報(bào)監(jiān)測和科技情報(bào)預(yù)警等個(gè)性化服務(wù)需求， 科技情報(bào)智能服務(wù)的產(chǎn)品與成果應(yīng)包括并不限于： 文獻(xiàn)服務(wù)、科技服務(wù)、出版物服務(wù)、創(chuàng)新服務(wù)、政策服務(wù)、戰(zhàn)略與決策服務(wù)六大門類， 如圖４ 所示。其中， 文獻(xiàn)服務(wù)構(gòu)成了情報(bào)服務(wù)的基礎(chǔ)， 包括： 文獻(xiàn)檢索、文獻(xiàn)傳遞、文獻(xiàn)編目、查收查引等。情報(bào)服務(wù)則是傳統(tǒng)情報(bào)服務(wù)的核心內(nèi)容之一， 包括： 知識(shí)產(chǎn)權(quán)服務(wù)、競爭情報(bào)服務(wù)、統(tǒng)計(jì)分析等。平臺(tái)服務(wù)是指利用網(wǎng)絡(luò)技術(shù)構(gòu)建的情報(bào)服務(wù)平臺(tái)， 實(shí)現(xiàn)情報(bào)資源的集成與共享， 并依靠服務(wù)平臺(tái)提供數(shù)據(jù)共享、實(shí)時(shí)數(shù)據(jù)監(jiān)測、預(yù)警服務(wù)等?？萍挤?wù)主要指通過專業(yè)的科技信息與知識(shí)， 為相關(guān)用戶提供技術(shù)咨詢評估、技術(shù)轉(zhuǎn)移與科技監(jiān)測、科技查新等服務(wù)。出版物服務(wù)主要利用情報(bào)處理與編輯能力， 對選定的情報(bào)資源進(jìn)行整理和編輯， 形成系統(tǒng)的文字、圖表與數(shù)據(jù)等形式的出版物， 為用戶提供情報(bào)簡報(bào)、情報(bào)年鑒、科技期刊等形式的宣傳與策劃服務(wù)。創(chuàng)新服務(wù)是近年來科技情報(bào)服務(wù)轉(zhuǎn)型升級(jí)的重點(diǎn)發(fā)展方向， 目前主要包括區(qū)域創(chuàng)新服務(wù)和企業(yè)創(chuàng)新服務(wù)。其中， 區(qū)域創(chuàng)新服務(wù)主要針對區(qū)域內(nèi)企業(yè)及相關(guān)機(jī)構(gòu)的技術(shù)創(chuàng)新需求， 提供技術(shù)情報(bào)監(jiān)測、技術(shù)路線圖繪制、技術(shù)標(biāo)準(zhǔn)服務(wù)等， 支撐區(qū)域技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展；企業(yè)創(chuàng)新服務(wù)主要針對企業(yè)在技術(shù)研發(fā)與產(chǎn)品創(chuàng)新過程中的情報(bào)需求， 提供技術(shù)情報(bào)監(jiān)測、競爭情報(bào)分析、知識(shí)產(chǎn)權(quán)服務(wù)等， 支撐企業(yè)技術(shù)創(chuàng)新、提升行業(yè)競爭力。政策服務(wù)主要為政策的制定與執(zhí)行提供咨詢和決策支持， 以提高政策的執(zhí)行能力。其中，政策咨詢服務(wù)主要根據(jù)用戶在政策制定、執(zhí)行與應(yīng)用等過程中的需求， 提供定制化的政策咨詢與建議，幫助用戶制定科學(xué)的決策方案。政策分析服務(wù)指通過對相關(guān)政策內(nèi)容和環(huán)境的深入分析， 提出政策效果評價(jià)與政策建議， 為未來決策提供理論與思路支持。戰(zhàn)略與決策服務(wù)主要包括戰(zhàn)略策劃服務(wù)和決策分析服務(wù)。其中， 戰(zhàn)略策劃服務(wù)主要根據(jù)用戶的發(fā)展定位與目標(biāo)， 進(jìn)而提供戰(zhàn)略研究、產(chǎn)業(yè)策劃與路線圖等服務(wù)， 幫助用戶制定科學(xué)的發(fā)展戰(zhàn)略； 決策分析服務(wù)則針對用戶在重大決策過程中的情報(bào)需求， 為其提供情報(bào)監(jiān)測、問題分析與方案評估等服務(wù)， 充分保障用戶決策的科學(xué)性。

４總結(jié)與展望

本文通過總結(jié)科技情報(bào)服務(wù)當(dāng)下的需求， 遵循需求—技術(shù)—場景—服務(wù)框架邏輯， 嘗試將ＡＩＧＣ相關(guān)技術(shù)應(yīng)用于科技情報(bào)服務(wù)中， 構(gòu)建了ＡＩＧＣ 技術(shù)賦能的科技情報(bào)智能服務(wù)框架模型。在理論上，本文提出了以ＡＩＧＣ 為代表的數(shù)智技術(shù)賦能情報(bào)服務(wù)的內(nèi)涵與路徑， 回答了“如何將人工智能技術(shù)融入科技情報(bào)服務(wù)” 的關(guān)鍵問題， 進(jìn)一步拓展了情報(bào)服務(wù)向“數(shù)智化” 發(fā)展的理論內(nèi)涵。在技術(shù)視角上， 本文通過對ＡＩＧＣ 技術(shù)的有效利用， 合理地將其與科技情報(bào)服務(wù)的業(yè)務(wù)各環(huán)節(jié)流程相匹配，實(shí)現(xiàn)了情報(bào)服務(wù)業(yè)務(wù)流程的數(shù)字化與智能化。在情報(bào)服務(wù)內(nèi)容上， 本框架利用ＡＩＧＣ 技術(shù)增加新的業(yè)務(wù)模塊與服務(wù)模式， 實(shí)現(xiàn)服務(wù)的優(yōu)化與升級(jí)， 滿足用戶更深層次的情報(bào)需求。在科技情報(bào)服務(wù)組織與管理角度上， 新建框架為科技情報(bào)服務(wù)的組織和機(jī)構(gòu)的日常管理提供了自動(dòng)化與智能化支持， 提高組織與管理能力。在用戶體驗(yàn)角度上， 本文所構(gòu)建的框架通過ＡＩＧＣ 技術(shù)為用戶提供在移動(dòng)端、聊天接口等新渠道的情報(bào)服務(wù)應(yīng)用， 提高了用戶的互動(dòng)性與獲取感知水平， 強(qiáng)化了用戶體驗(yàn)。在未來研究中，將繼續(xù)探索先進(jìn)技術(shù)在科技情報(bào)服務(wù)中的應(yīng)用， 進(jìn)一步構(gòu)建完整的科技情報(bào)智能服務(wù)體系， 進(jìn)一步推動(dòng)我國科技情報(bào)服務(wù)邁入數(shù)字智能時(shí)代。