<bold>AI for Science</bold>推动科研范式革新：创新知识服务视角下的“平台科研”范式

doi:10.3772/j.issn.1000-0135.2025.02.002

情报学报

2025, Vol. 44

Issue (2): 132-142 DOI: 10.3772/j.issn.1000-0135.2025.02.002

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

AI for Science推动科研范式革新：创新知识服务视角下的“平台科研”范式

毛进^1,2, 周凡倩¹, 王卓昊³

1.武汉大学信息管理学院，武汉 430072
2.武汉大学信息资源研究中心，武汉 430072
3.中国科学技术信息研究所，北京 100038

AI for Science Revolution: The “Platform Research” Paradigm from the Perspective of Knowledge Services for Innovation

Mao Jin^1,2, Zhou Fanqian¹, Wang Zhuohao³

1.School of Information Management, Wuhan University, Wuhan 430072
2.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
3.Institute of Scientific and Technical Information of China, Beijing 100038

摘要
图/表
参考文献
相关文章 (0)

全文: PDF (2186 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要立足科技情报知识服务视角，梳理AI for Science（AI4S）推动的“平台科研”范式内涵与框架。根据库恩范式理论论述了AI4S推动科研范式革新的必然性，采用培根归纳法总结的科学研究流程作为框架线索，阐明创新知识服务与“平台科研”范式的互促共进关系并作为理论指导。创新知识服务视角下的“平台科研”范式以服务科研创新活动为宗旨，主要内容包括知识表示视角下的科学数据管理、知识融合视角下的通用知识库构建、知识推理视角下的科学假设预测、知识发现视角下的科学实验执行和知识应用视角下的工业赋能。本文提出了一种创新知识服务视角下的“平台科研”范式框架，旨在从创新知识服务角度理解“平台科研”范式，厘清各主要环节创新知识服务的核心研究内容，以期成为科技情报研究领域的新兴知识生长点，为我国抢抓AI4S科研范式革新机遇提供参考思路。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	毛进
	周凡倩
	王卓昊

关键词 ： AI for Science, 创新知识服务, 科研范式, 平台科研

收稿日期: 2024-03-14

基金资助:国家自然科学基金面上项目“基于‘问题-方法’关联识别的科学知识创新探测与协同演化分析”（72174154）。

作者简介: 毛进，男，1988年生，副教授，博士生导师，主要研究领域为科技情报挖掘、大数据分析，E-mail：danveno@163.com；周凡倩，女，1998年生，博士研究生，主要研究领域为网络媒体数据分析；王卓昊，男，1977年生，研究员，总工程师，主要研究领域为数据集成与挖掘、科技情报理论与方法；

引用本文:

毛进, 周凡倩, 王卓昊. AI for Science推动科研范式革新：创新知识服务视角下的“平台科研”范式[J]. 情报学报, 2025, 44(2): 132-142.
Mao Jin, Zhou Fanqian, Wang Zhuohao. AI for Science Revolution: The “Platform Research” Paradigm from the Perspective of Knowledge Services for Innovation. 情报学报, 2025, 44(2): 132-142.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.02.002 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I2/132

1 向着新一轮科学革命制高点攀登——2023科学智能峰会观察[EB/OL]. (2023-08-11) [2023-09-09]. http://www.xinhuanet.com/tech/20230811/209c487c5e6f4bd78a6cb248ab5b79cb/c.html.
2 国务院关于印发新一代人工智能发展规划的通知[EB/OL]. (2017-07-08) [2023-10-31]. https://www.gov.cn/gongbao/content/2017/content_5216427.htm.
3 科技部关于发布科技创新2030—“新一代人工智能”重大项目2022年度项目申报指南的通知[EB/OL]. (2022-08-12) [2023-10-31]. https://www.ncsti.gov.cn/kcfw/xmsb/202208/t20220816_93841.html.
4 科技部启动“人工智能驱动的科学研究”专项部署工作[EB/OL]. (2023-03-27) [2023-10-31]. https://www.gov.cn/xinwen/2023- 03/27/content_5748495.htm.
5 Tolle K M, Tansley D S W, Hey A J G. The fourth paradigm: data-intensive scientific discovery[J]. Proceedings of the IEEE, 2011, 99(8): 1334-1337.
6 Zhang X, Wang L M, Helwig J, et al. Artificial intelligence for science in quantum, atomistic, and continuum systems[OL]. (2023-07-17) [2023-08-08]. https://arxiv.org/pdf/2307.08423v3.
7 2022科学智能峰会回顾｜汤超院士: 关于AI for Science的几层意思[EB/OL]. (2022-08-15) [2025-01-11]. https://cqb.pku.edu.cn/info/1065/1851.htm.
8 Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596(7873): 583-589.
9 Elmarakeby H A, Hwang J, Arafeh R, et al. Biologically informed deep neural network for prostate cancer discovery[J]. Nature, 2021, 598(7880): 348-352.
10 Raccuglia P, Elbert K C, Adler P D F, et al. Machine-learning-assisted materials discovery using failed experiments[J]. Nature, 2016, 533(7601): 73-76.
11 Mikulak-Klucznik B, Go??biowska P, Bayly A A, et al. Computational planning of the synthesis of complex natural products[J]. Nature, 2020, 588(7836): 83-88.
12 The NNPDF Collaboration. Evidence for intrinsic charm quarks in the proton[J]. Nature, 2022, 608(7923): 483-487.
13 Wilkins A. Physicists surprised to discover the proton contains a charm quark[EB/OL]. (2022-08-17) [2025-01-11]. https://www.newscientist.com/article/2334076-physicists-surprised-to-discover- the-proton-contains-a-charm-quark/.
14 张双志, 李敏, 张龙鹏. 面向开放科学的知识服务智能化: 人机协同视角[J]. 情报杂志, 2022, 41(12): 158-163.
15 孙蒙鸽, 黄雨馨, 韩涛, 等. 科研智能化新趋势下知识服务的挑战与机遇[J]. 情报杂志, 2022, 41(6): 173-181, 107.
16 李立睿, 张嘉程, 张博睿. 科研智能化视域下融合智能机器人的知识服务研究[J]. 图书与情报, 2023(2): 61-68.
17 孙蒙鸽, 韩涛, 王燕鹏, 等. GPT技术变革对基础科学研究的影响分析[J]. 中国科学院院刊, 2023, 38(8): 1212-1224.
18 陆伟, 马永强, 刘家伟, 等. 数智赋能的科研创新——基于数智技术的创新辅助框架探析[J]. 情报学报, 2023, 42(9): 1009-1017.
19 王飞跃, 缪青海. 人工智能驱动的科学研究新范式: 从AI4S到智能科学[J]. 中国科学院院刊, 2023, 38(4): 536-540.
20 罗威, 罗准辰, 雷帅, 等. 智能科学家——科技信息创新引领的下一代科研范式[J]. 情报理论与实践, 2020, 43(1): 1-5, 17.
21 孙蒙鸽, 韩涛. 科研智能化与知识服务: 内涵、实现与机遇[J]. 情报理论与实践, 2021, 44(10): 41-49.
22 托马斯·库恩. 科学革命的结构[M]. 金吾伦, 胡新和, 译. 北京: 北京大学出版社, 2003.
23 秦顺, 戴柏清. 国际科研数据政策导向解析[J]. 图书情报工作, 2022, 66(13): 48-60.
24 王庆乐. 基于区块链技术的高校数字图书馆科研数据安全管理策略研究[J]. 图书馆工作与研究, 2021(12): 63-69.
25 兰彧, 王祖浩. 科学教育中跨学科理解能力测评的国际经验与启示[J]. 中国考试, 2021(8): 69-78.
26 陈劲, 张月遥, 李振东. 科学问题凝练与科研成果落地的贯通机制研究——以国家自然科学基金项目为例[J]. 科学学研究, 2023, 41(9): 1627-1637.
27 Bacon F. The new organon[M]. Cambridge: Cambridge University Press, 2000.
28 Wang H C, Fu T F, Du Y Q, et al. Scientific discovery in the age of artificial intelligence[J]. Nature, 2023, 620(7972): 47-60.
29 Engineering a brilliant body of work[EB/OL]. [2023-10-28]. https://www.nature.com/articles/d42473-019-00073-z.
30 王凡, 冯立强, 曹荣强. 大数据驱动的海洋人工智能服务平台设计与应用[J]. 数据与计算发展前沿, 2023, 5(2): 73-85.
31 胡吉颖, 谢靖, 钱力, 等. 基于知识图谱的科技大数据知识发现平台建设[J]. 数据分析与知识发现, 2019, 3(1): 55-62.
32 全燕, 张入迁. 平台化知识生产的逻辑偏误与AIGC下的建设进路[J]. 南京社会科学, 2023(6): 150-160.
33 Slattery A, Wen Z H, Tenblad P, et al. Automated self-optimization, intensification, and scale-up of photocatalysis in flow[J]. Science, 2024, 383(6681): eadj1817.
34 Ackoff R L. From data to wisdom[J]. Journal of Applied Systems Analysis, 1989, 16(1): 3-9.
35 孙成江, 吴正荆. 知识、知识管理与网络信息知识服务[J]. 情报资料工作, 2002, 23(4): 10-12.
36 科技自立自强之院士说|AI为基础科研带来巨大推动力和全新机遇——访中国科学院院士田中群[EB/OL]. (2023-08-07) [2023-09-11]. http://www.news.cn/fortune/2023-08/07/c_1129790092.htm.
37 刘兹恒, 曾丽莹. 我国高校科研数据管理与共享平台调研与比较分析[J]. 情报资料工作, 2017, 38(6): 90-95.
38 丁洁兰, 钱力, 常志军, 等. 科技情报智慧数据服务体系建设研究[J]. 情报理论与实践, 2024, 47(1): 30-37.
39 Xu H, Lin J L, Zhang D X, et al. Retention time prediction for chromatographic enantioseparation by quantile geometry-enhanced graph neural network[J]. Nature Communications, 2023, 14(1): Article No.3095.
40 Lin W X, Zhao Z H, Zhang X M, et al. PMC-CLIP: contrastive language-image pre-training using biomedical documents[C]// Proceedings of the International Conference on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer, 2023: 525-536.
41 Segler M H S, Preuss M, Waller M P. Planning chemical syntheses with deep neural networks and symbolic AI[J]. Nature, 2018, 555(7698): 604-610.
42 莫君兰, 窦永香, 开庆. 基于多源异构数据的科研团队画像的构建[J]. 情报理论与实践, 2020, 43(9): 100-106.
43 卢小宾, 霍帆帆, 王壮, 等. 数智时代的信息分析方法: 数据驱动、知识驱动及融合驱动[J]. 中国图书馆学报, 2024, 50(1): 29-44.
44 Gates A J, Ke Q, Varol O, et al. Nature’s reach: narrow work has broad impact[J]. Nature, 2019, 575(7781): 32-34.
45 朱迪, 张博闻, 程雅琪, 等. 知识赋能的新一代信息系统研究现状、发展与挑战[J]. 软件学报, 2023, 34(10): 4439-4462.
46 Chen X J, Jia S B, Xiang Y. A review: knowledge reasoning over knowledge graph[J]. Expert Systems with Applications, 2020, 141: 112948.
47 徐宗本. 人工智能的10个重大数理基础问题[J]. 中国科学: 信息科学, 2021, 51(12): 1967-1978.
48 Vasylenko A, Gamon J, Duff B B, et al. Element selection for crystalline inorganic solid discovery guided by unsupervised machine learning of experimentally explored chemistry[J]. Nature Communications, 2021, 12: Article No.5561.
49 Gómez-Bombarelli R, Wei J N, Duvenaud D, et al. Automatic chemical design using a data-driven continuous representation of molecules[J]. ACS Central Science, 2018, 4(2): 268-276.
50 Davies A, Veli?kovi? P, Buesing L, et al. Advancing mathematics by guiding human intuition with AI[J]. Nature, 2021, 600(7887): 70-74.
51 Cornelio C, Dash S, Austel V, et al. Combining data and theory for derivable scientific discovery with AI-Descartes[J]. Nature Communications, 2023, 14(1): Article No.1777.
52 Fayyad U, Piatetsky-Shapiro G, Smyth P. The KDD process for extracting useful knowledge from volumes of data[J]. Communications of the ACM, 1996, 39(11): 27-34.
53 Burger B, Maffettone P M, Gusev V V, et al. A mobile robotic chemist[J]. Nature, 2020, 583(7815): 237-241.