李立睿 張嘉程 張博睿

摘? ?要：科研智能化不斷推動科學(xué)研究范式的轉(zhuǎn)型與升級，融合智能機器人的知識服務(wù)為支持新時代國家科技創(chuàng)新服務(wù)高質(zhì)量發(fā)展提供了重要基礎(chǔ)。文章運用文獻研究、案例分析等方法，剖析科研智能化發(fā)展及其推動融合智能機器人知識服務(wù)的形成，同時探究科研智能化視域下融合智能機器人的知識服務(wù)內(nèi)涵過程和典型模式。可以從數(shù)據(jù)資源的機器表征與關(guān)聯(lián)融合、人智協(xié)同的服務(wù)保障與協(xié)調(diào)機制、科研用戶的隱私安全與倫理風險、知識計算的過程優(yōu)化與效率提升等方面，促進適應(yīng)科研智能化的融合智能機器人的知識服務(wù)高質(zhì)量發(fā)展。

關(guān)鍵詞：科研范式；科研智能化；智能科學(xué)家；智能機器人；知識服務(wù)

中圖分類號：TP242.6? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023023

Abstract Scientific research intellectualization is continuously promoting the transformation and upgrading of the scientific research paradigm. The knowledge service by integrating smart robots has emerged as a promising foundation for supporting the high-quality development of national science and technology innovation in the new era. By employing literature research and case analysis， this study analyzes the development of scientific research intellectualization and its contribution to the formation of knowledge service by smart robot. Additionally， it explores the connotation process and typical pattern of knowledge service by integrating smart robot from the perspective of scientific research intellectualization. The suggests are concluded， including improving the machine representation and correlation fusion of data resources， establishing service guaranteeing and coordination mechanisms of human-AI collaboration， addressing privacy and security concerns， and optimizing the process and calculation efficiency in knowledge computation， which can promote high-quality development and enhance the effectiveness of scientific research.

Key words scientific research paradigm; scientific research intellectualization; AI scientist; smart robot; knowledge service

近年來，大數(shù)據(jù)、人工智能、云計算等新興數(shù)智技術(shù)的創(chuàng)新發(fā)展與轉(zhuǎn)化應(yīng)用，促使科學(xué)創(chuàng)新過程中的數(shù)據(jù)獲取、信息分析、知識發(fā)現(xiàn)等一系列研究流程朝著智能化方向轉(zhuǎn)變，極大提升了科研人員的探索與創(chuàng)新能力，加快了大規(guī)模知識集的自動化發(fā)現(xiàn)與生產(chǎn)，并持續(xù)引領(lǐng)著科研智能化的范式變革。如生物學(xué)領(lǐng)域的機器人科學(xué)家（Robot Scientist）“Adam”［1］和“Eve”［2］、化學(xué)領(lǐng)域的“可移動機器人化學(xué)家”［3］、醫(yī)學(xué)領(lǐng)域的“Alpha Fold”［4］以及物理學(xué)領(lǐng)域的“AI Physicist”［5］等，這些智能機器人通過與人類科學(xué)家有機協(xié)作，有效承擔了問題探索、科學(xué)實驗、數(shù)據(jù)分析等紛繁復(fù)雜的重點研發(fā)任務(wù)，逐漸形成了一種科研智能化的新生態(tài)。因此，如何利用數(shù)智技術(shù)推動科研創(chuàng)新與變革，構(gòu)建面向科研智能化的新型知識服務(wù)范式，是當前科技情報服務(wù)機構(gòu)面臨的關(guān)鍵難題。本文對科研智能化視域下融合智能機器人的嵌入式知識服務(wù)進行系統(tǒng)性探究，以期為人工智能與知識服務(wù)的有機融合與協(xié)同發(fā)展提供參考依據(jù)。

1? ?科研智能化

科研智能化作為數(shù)智化賦能科學(xué)研究的新型模式，正推動著科學(xué)研究的轉(zhuǎn)型與升級。2000年，英國政府首次提出E-science（即科學(xué)研究信息化）計劃，旨在通過利用高性能網(wǎng)絡(luò)實現(xiàn)跨時空、跨學(xué)科的資源共享與協(xié)同工作的科研環(huán)境［6］。2007年，美國圖靈獎得主Jim Gray根據(jù)科學(xué)研究的發(fā)展規(guī)律，提出了實驗范式、理論范式、仿真模擬范式和數(shù)據(jù)密集型科學(xué)研究范式的演進路徑［7］。2018年，中國科學(xué)院院士鄂維南率先提出了AI for Science（即人工智能驅(qū)動的科學(xué)研究）的概念，旨在將人工智能技術(shù)與不同領(lǐng)域的科學(xué)研究進行深度融合，進一步推動科學(xué)研究范式的變革，這極大促進了科研智能化的發(fā)展［8，9］。由此可見，科研智能化是充分利用大數(shù)據(jù)、人工智能等新興數(shù)智技術(shù)的高通量性、自適應(yīng)性、自學(xué)習(xí)性等顯著優(yōu)勢，并將其應(yīng)用于科學(xué)研究活動中，以此加速科研創(chuàng)新效率并引領(lǐng)科學(xué)發(fā)現(xiàn)的智能化過程［10-11］。

當前，科研智能化并未形成明確統(tǒng)一的定義。通過對現(xiàn)有研究進行系統(tǒng)梳理，可以發(fā)現(xiàn)，科研智能化是對運用人工智能及其技術(shù)產(chǎn)品（如智能推薦系統(tǒng)、自動化實驗機器人、智能科學(xué)家等）參與或主導(dǎo)的科學(xué)研究發(fā)現(xiàn)的一種統(tǒng)稱。如智能科學(xué)家等可以參與科學(xué)研究過程，并以協(xié)助或自主的方式進行構(gòu)建科學(xué)假設(shè)、驗證實驗結(jié)果、實現(xiàn)知識發(fā)現(xiàn)等一系列科學(xué)活動，現(xiàn)已在物理、生物、化學(xué)、材料等領(lǐng)域得到了推廣和應(yīng)用［12-13］。具體而言，在生物領(lǐng)域，機器人科學(xué)家（Robot Scientist）“Adam”在2004年問世，其通過與生物科學(xué)家合作，成功完成酵母酶基因的編輯科學(xué)實驗，因具有顯著的科學(xué)實驗操作與科學(xué)知識發(fā)現(xiàn)能力，成為首個實現(xiàn)科學(xué)發(fā)現(xiàn)的人工智能機器人［1］。之后，研究團隊又致力于智能機器人科學(xué)家“Eve”的研究，以此用于協(xié)助科研人員對新藥的研發(fā)，充分體現(xiàn)了AI賦能科研創(chuàng)新效率的極大優(yōu)勢［2］。由此可見，智能機器人具有機械智能、分析智能、情感智能等多重智能優(yōu)勢，可以與科學(xué)研究深度融合，以此推動科研流程自動化與知識發(fā)現(xiàn)智能化，逐漸成為智能科學(xué)家的典型應(yīng)用模式。

2? ?科研智能化驅(qū)動融合智能機器人的知識服務(wù)形成

科研智能化是數(shù)智技術(shù)與科學(xué)研究協(xié)同發(fā)展與深度融合的必然結(jié)果，它不僅有效發(fā)揮了人智協(xié)同創(chuàng)新的突出優(yōu)勢，而且加速了科研范式的變革升級，重塑了面向創(chuàng)新科研活動的知識服務(wù)新生態(tài)。而智能機器人是通過借助計算機程序、人工智能算法、傳感器等綜合性技術(shù)，能夠執(zhí)行特定任務(wù)的自主性智能體，具有自治性、可控性、擬人性、可編程性等典型特征［14］。因此，智能機器人作為科研智能化的核心要素，將其與知識服務(wù)新生態(tài)有機融合，能為知識服務(wù)的智慧化轉(zhuǎn)型與高質(zhì)量發(fā)展賦能，提供更優(yōu)質(zhì)的科學(xué)解決方案。

（1）科研智能化為融合智能機器人的知識服務(wù)奠定技術(shù)支撐?？蒲兄悄芑妒降某掷m(xù)演進，為構(gòu)建以大科學(xué)為形態(tài)的科研創(chuàng)新模式提供了智能化科研環(huán)境與技術(shù)支撐平臺。具體而言，科研智能化以自動化科技基礎(chǔ)共享平臺、科學(xué)數(shù)據(jù)開放平臺、大型科學(xué)設(shè)施儀器裝備平臺等為基礎(chǔ)，為融合智能機器人的知識服務(wù)過程中的智能識別與融合、智能分析與發(fā)現(xiàn)、智能治理與決策等創(chuàng)新技術(shù)的開發(fā)應(yīng)用提供了有力保障［15］。

（2）科研智能化為融合智能機器人的知識服務(wù)提供資源保障?？蒲兄悄芑苿又茖W(xué)研究向數(shù)據(jù)智能化、知識自動化、智慧涌現(xiàn)化等新階段逐步演變［16］。同時，數(shù)據(jù)、知識與智慧作為融合智能機器人知識服務(wù)的重要資源基礎(chǔ)，也極大促進了面向科研智能化的新型知識服務(wù)模式的形成、演變與迭代。更進一步，科研智能化促進了跨學(xué)科、跨領(lǐng)域的科研用戶群體能夠基于大規(guī)模數(shù)據(jù)、知識和智慧來思考、設(shè)計、實施科學(xué)研究過程，而這同時為支持融合智能機器人的知識服務(wù)過程中數(shù)據(jù)、知識和智慧的集聚、關(guān)聯(lián)與融合提供了充分資源保障。

（3）科研智能化為融合智能機器人的知識服務(wù)創(chuàng)設(shè)服務(wù)場景?？珙I(lǐng)域的交叉融合以及日益激烈的科技競爭，促使復(fù)雜性、系統(tǒng)性、工程性等重大科學(xué)問題層出不窮，融入智能機器人以支撐科研智能化過程中復(fù)雜難題的攻關(guān)，已成為科技創(chuàng)新的重要方式和有效途徑。因此，科研智能化為新一代知識服務(wù)模式創(chuàng)設(shè)了更加復(fù)雜、多元、智能的服務(wù)場景。與此同時，隨著人本人工智能、人因工程學(xué)等迅猛發(fā)展，利用以智能機器人為典型代表的人智融合模式來協(xié)同創(chuàng)設(shè)面向復(fù)雜科學(xué)問題的知識服務(wù)場景，已成為新一代知識服務(wù)領(lǐng)域的重要發(fā)展趨勢［17］。

3? ?科研智能化視域下融合智能機器人的知識服務(wù)內(nèi)涵過程

融合智能機器人的知識服務(wù)作為一種人智混合增強的協(xié)同服務(wù)模式，通過將人機協(xié)同的理念和方式引入到高階化和密集型知識服務(wù)流程中，以此提升智能化、專業(yè)化和個性化的知識服務(wù)質(zhì)量。因此，融合智能機器人的知識服務(wù)既強調(diào)施展服務(wù)人員的專業(yè)特長、知識技能、關(guān)系管理等常規(guī)化服務(wù)能力，又注重在服務(wù)全過程中充分發(fā)揮智能機器人的需求感知、智能計算、多維交互、智慧學(xué)習(xí)等多元顯著智慧優(yōu)勢，從而服務(wù)于那些擁有重大創(chuàng)新研究項目、跨機構(gòu)聯(lián)合攻關(guān)課題、前沿交叉研究問題的科研用戶需求［11］。

融合智能機器人的知識服務(wù)主要包括感知（即情景感知與需求建構(gòu)層）、認知（數(shù)據(jù)計算與知識推理層）和行動（即協(xié)同方案執(zhí)行與服務(wù)層）構(gòu)成，通過將需求管理機器人集群、分析與計算機器人集群和實驗與服務(wù)機器人集群嵌入到科研過程的全生命周期之中，實現(xiàn)面向科研智能化的人智共融式知識服務(wù)（見圖2）。

（1）情景感知與需求建構(gòu)層。該層主要包含情景狀態(tài)識別、情景數(shù)據(jù)整合、場景關(guān)聯(lián)融合、情景大數(shù)據(jù)庫、需求智能推理以及需求多模建構(gòu)六個階段［18］。服務(wù)團隊利用智能機器人集群進行多維感知，并獲取科研用戶情景狀態(tài)，同時，對應(yīng)的智能情景代理被觸發(fā)，通過對科研用戶的情景數(shù)據(jù)與歷史服務(wù)場景進行關(guān)聯(lián)融合，進一步生成情景大數(shù)據(jù)庫，據(jù)此實現(xiàn)用戶需求智能描述與預(yù)測。首先，前端交互類智能機器人通過采用多維互動的形式，對科研用戶的個人信息、興趣偏好、學(xué)術(shù)文檔、行為信息等進行全方位捕捉與畫像，厘清科研用戶現(xiàn)有研究進展和學(xué)術(shù)交互關(guān)系；然后，情景分析類智能機器人將上述情景數(shù)據(jù)進行系統(tǒng)整合，并結(jié)合前沿熱點、應(yīng)用動態(tài)、合作網(wǎng)絡(luò)等挖掘科研用戶的長短期動態(tài)需求，逐步構(gòu)建面向多學(xué)科、多領(lǐng)域的科研用戶群的情景大數(shù)據(jù)庫；最后，需求管理類智能機器人借助需求智能代理，將科研用戶當前的不同類別需求進行整理、排序，并構(gòu)建需求地圖，實現(xiàn)多維度、多模態(tài)的需求精準刻畫。

（2）數(shù)據(jù)計算與知識推理層。該層主要包括需求語義解釋、多維數(shù)據(jù)資源池、精準知識加工、密集知識資源庫、智能知識計算以及情報方案評估六個階段。智能機器人通過需求語義解釋技術(shù)將底層的需求模型轉(zhuǎn)化成高層的語義表示。一方面，以科研用戶的研究任務(wù)為導(dǎo)向，借助智能機器人的數(shù)據(jù)融合智能引擎，構(gòu)建以文獻數(shù)據(jù)、科學(xué)數(shù)據(jù)和實驗數(shù)據(jù)等為主體的多維數(shù)據(jù)資源池［10］；另一方面，利用智能機器人的數(shù)據(jù)篩選與集成技術(shù)、科技文獻知識抽取技術(shù)、自迭代智能學(xué)習(xí)技術(shù)等對不同類別數(shù)據(jù)資源池進行數(shù)據(jù)流轉(zhuǎn)與知識加工，以此構(gòu)建密集知識資源庫。基于此，服務(wù)團隊通過與科研用戶進行交互，從而對研究假設(shè)進行調(diào)整、修正和改進，以此形成相應(yīng)的科學(xué)問題假設(shè)計算空間。最后，智能機器人通過以密集知識資源庫為基礎(chǔ)，進一步選擇相應(yīng)的實驗條件、計算方法、驗證路徑等科研要素，實現(xiàn)知識的智能化計算，并對相應(yīng)的情報方案進行智能評估。

（3）協(xié)同方案執(zhí)行與服務(wù)層。該層主要包括人機融合交互、虛擬實驗支持、實驗迭代優(yōu)化、關(guān)聯(lián)服務(wù)資源庫、知識發(fā)現(xiàn)與產(chǎn)品創(chuàng)新以及基于情景的協(xié)同推送六個階段。具體而言，服務(wù)團隊、科研用戶與智能機器人通過以人機融合交互（如對話協(xié)商、智能適應(yīng)、場景模擬等），運用自動化技術(shù)、數(shù)字孿生技術(shù)、物聯(lián)網(wǎng)技術(shù)等將目標實驗過程轉(zhuǎn)化成智能機器人可執(zhí)行的虛擬實驗方案，借助智能機器人傳感器或機械手臂實現(xiàn)（虛擬）實驗方案的自動化執(zhí)行。在這一過程中，智能機器人不僅可以對（虛擬）實驗假設(shè)分析與驗證進行系統(tǒng)記錄，而且還能結(jié)合科研用戶需求對（虛擬）實驗結(jié)論進行階段性總結(jié)、整理和歸納，進而實現(xiàn)（虛擬）實驗過程的可視化回溯，極大促進（虛擬）實驗過程進行迭代和優(yōu)化［19］。更進一步，服務(wù)團隊還可以對（虛擬）實驗過程中的服務(wù)內(nèi)容、關(guān)聯(lián)資源、核心模型等進行抽取、融合與組織，構(gòu)建關(guān)鍵服務(wù)資源庫，以嵌入、協(xié)同的方式實現(xiàn)科研活動知識發(fā)現(xiàn)和服務(wù)產(chǎn)品的優(yōu)化，進而提升科研創(chuàng)新效率。

不難發(fā)現(xiàn)，根據(jù)不同服務(wù)目標，對應(yīng)的智能機器人種類亦具有相應(yīng)差異，通常包括：①以情景智能感知、分析和處理的交互咨詢類智能機器人；②以數(shù)據(jù)分析、知識管理為主的分析計算類智能機器人；③以實驗操作、分析和管理為主的可移動實驗類智能機器人；④以服務(wù)產(chǎn)品分析、推送、反饋為主的服務(wù)管理類智能機器人。與此同時，這對于知識服務(wù)團隊也提出了新的要求，不僅需要特定學(xué)科領(lǐng)域的情報或?qū)W科專家，還需要同時具備良好的有關(guān)智能機器人的人智協(xié)同管理能力以及數(shù)據(jù)知識化處理能力的知識建構(gòu)師。

4? ?科研智能化視域下融合智能機器人的知識服務(wù)典型模式

科研智能化視域下融合智能機器人的知識服務(wù)，其本質(zhì)是以科研項目的生命周期為視角，通過充分發(fā)揮智能機器人、服務(wù)團隊與科研用戶三位一體的人智協(xié)同優(yōu)勢，對科學(xué)研究展開全流程系統(tǒng)化管理，以此提升科研項目治理效能與科技研發(fā)創(chuàng)新效率，具有服務(wù)智慧化和過程無縫化的雙重特點?；诖?，科研智能化視域下融合智能機器人的知識服務(wù)典型模式是一種圍繞科研項目生命周期，以人智融合子系統(tǒng)為基礎(chǔ)，并依托協(xié)同服務(wù)子系統(tǒng)來協(xié)同實現(xiàn)科研智能化的智慧服務(wù)模式（見圖2）。

4.1? ? 人智融合子系統(tǒng)

人智融合子系統(tǒng)是以嵌入與融合為服務(wù)路徑，以知識發(fā)現(xiàn)與創(chuàng)新為目標，構(gòu)建基于“感知→認知→行動”的智慧科學(xué)大數(shù)據(jù)系統(tǒng)，并依托人智交互保障機制，以此為協(xié)同服務(wù)子系統(tǒng)的有效運轉(zhuǎn)提供支撐。

（1）嵌入與融合。一方面，由服務(wù)人員與智能機器人集群所組成的知識服務(wù)團隊，以物理嵌入、虛擬嵌入、關(guān)系嵌入等方式實現(xiàn)研究過程的嵌入；另一方面，通過發(fā)揮知識服務(wù)團隊的專業(yè)優(yōu)勢，結(jié)合科研用戶研究條件、進展、目標和基礎(chǔ)，實現(xiàn)針對特定學(xué)科領(lǐng)域的協(xié)同數(shù)據(jù)感知、協(xié)同關(guān)系增強和人智能力共融。

（2）基于“感知→認知→行動”的智慧科學(xué)大數(shù)據(jù)系統(tǒng)構(gòu)建。該階段是以前述嵌入與融合為基礎(chǔ)，充分發(fā)揮融合智能機器人知識服務(wù)團隊的“感知→認知→行動”一體化優(yōu)勢，實現(xiàn)智慧科學(xué)大數(shù)據(jù)系統(tǒng)的多層次構(gòu)建，其中涵蓋了由原始化科學(xué)數(shù)據(jù)智慧化、派生化科學(xué)數(shù)據(jù)智慧化和結(jié)果化科學(xué)數(shù)據(jù)智慧化所構(gòu)成的智慧科學(xué)大數(shù)據(jù)系統(tǒng)。

（3）人智交互保障機制。科研用戶需求的動態(tài)性、科研創(chuàng)新目標的探索性、科研過程方案的迭代性等特點，均直接導(dǎo)致了融合智能機器人的知識服務(wù)團隊與科研用戶在交互過程中，會呈現(xiàn)出人智協(xié)作、人智競爭、甚至人智沖突等狀態(tài)［20］。因此，人智交互保障機制是由服務(wù)團隊、科研用戶、科研機構(gòu)等聯(lián)合制定的服務(wù)倫理與規(guī)范制度，以此有效保障在“感知→認知→行動”一體化知識服務(wù)過程中，所涉及的科研用戶隱私安全、智慧數(shù)據(jù)系統(tǒng)可靠、科研互動體驗可控等問題。

4.2? ? 協(xié)同服務(wù)子系統(tǒng)

協(xié)同服務(wù)子系統(tǒng)包括研究假設(shè)提出、研究方案制定、研究方案執(zhí)行以及研究假設(shè)檢驗四個流程階段，并據(jù)此提供相應(yīng)服務(wù)。

（1）從研究假設(shè)提出到研究方案制定：規(guī)劃與整合。這一階段涵蓋了科研用戶圍繞重大或重點科學(xué)問題而提出關(guān)鍵性假設(shè)，并借助現(xiàn)有的研究基礎(chǔ)、研發(fā)能力或核心優(yōu)勢，進行研究方案的規(guī)劃和整合過程。融合智能機器人的知識服務(wù)團隊以研究需求為導(dǎo)向，對數(shù)據(jù)資源、智能資源、關(guān)系資源等進行全面整合，同時對研究進展現(xiàn)狀進行全面分析，并通過智能計算、情境模擬、系統(tǒng)仿真等方式參與科研用戶的假設(shè)論證，為研究假設(shè)的提出與研究方案設(shè)計提供深度參考咨詢服務(wù)支持。如在材料學(xué)領(lǐng)域，知識服務(wù)團隊通過與科研用戶進行協(xié)同聯(lián)合，利用智能機器人整合了高通量實驗與計算的“數(shù)據(jù)工廠”與數(shù)據(jù)設(shè)施，為材料基因工程的規(guī)劃與整合奠定了重要基礎(chǔ)［21］。

（2）從研究方案制定到研究方案執(zhí)行：組織與規(guī)范。這一階段是融合智能機器人的知識服務(wù)團隊以前期確立的研究方案為基礎(chǔ)，為確保方案順利執(zhí)行而采取的組織與規(guī)范的服務(wù)過程。知識服務(wù)團隊通過聯(lián)合科技情報服務(wù)機構(gòu)、智庫服務(wù)聯(lián)盟組織等，對研究方案的數(shù)據(jù)資源組織、知識結(jié)構(gòu)組織、技術(shù)儲備組織等方面進行整體性把控，確保方案在執(zhí)行過程中的一致性和有效性。與此同時，通過發(fā)揮智能機器人集群的“感知→認知→行為”框架，對研究方案執(zhí)行過程進行一致性標注、偏差化監(jiān)控和全面化規(guī)范。如麻省理工學(xué)院Kebotix實驗室聯(lián)合由計算機專家、知識建構(gòu)專家、數(shù)據(jù)科學(xué)家等跨領(lǐng)域服務(wù)團隊，通過利用智能機器人輔助開展新型化合物研制實驗方案的制定、實驗與檢測，并對極端條件中方案穩(wěn)健性進行流程重組與標準規(guī)范［22］。

（3）從研究方案執(zhí)行到研究假設(shè)驗證：關(guān)聯(lián)與修正。該階段是科研用戶在充分執(zhí)行既定研究方案之后，關(guān)于實際研究結(jié)果與預(yù)期假設(shè)目標的對比、校正與檢驗的過程。融合智能機器人的知識服務(wù)團隊立足于智慧化科學(xué)大數(shù)據(jù)的物理或虛擬實驗自動化過程，如蛋白質(zhì)結(jié)構(gòu)檢驗、DNA序列測度、空間圖像識別等，構(gòu)建知識計算空間并自動生成關(guān)聯(lián)性假設(shè)空間，通過采取多輪迭代，從中匹配支持科研用戶的假設(shè)模型，為研究方案的關(guān)聯(lián)與修正提供決策支持。如中國科學(xué)院在生物醫(yī)學(xué)領(lǐng)域，通過開發(fā)微納米機器人，開展生理環(huán)境下對微組織、細胞以及蛋白分子進行操控，并通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)對研究假設(shè)進行智能學(xué)習(xí)與關(guān)聯(lián)優(yōu)化，以此加速新藥的研發(fā)進程［23］。

（4）從研究假設(shè)驗證到研究假設(shè)提出：監(jiān)護與重用。該階段是融合智能機器人的知識服務(wù)團隊與科研用戶根據(jù)前期整體研究全周期反思，結(jié)合前沿應(yīng)用、問題瓶頸、未來發(fā)展等，再次提出創(chuàng)新性研究假設(shè)的過程。由數(shù)據(jù)館員、數(shù)據(jù)科學(xué)家、數(shù)據(jù)經(jīng)理等構(gòu)成的知識服務(wù)團隊通過與科研用戶深度溝通，發(fā)揮智能機器人的數(shù)據(jù)監(jiān)護優(yōu)勢，對前期研究過程中的原始數(shù)據(jù)、派生數(shù)據(jù)、結(jié)果數(shù)據(jù)及其相關(guān)元數(shù)據(jù)等進行系統(tǒng)性標識和一體化歸類，并形成智能機器人可讀的全域科學(xué)大數(shù)據(jù)知識庫，并確立相應(yīng)的數(shù)據(jù)引用、驗證與保護機制，為后期科研用戶提出研究假設(shè)、構(gòu)建研究方案提供支撐。如材料探索與優(yōu)化閉環(huán)自主機器人，對實驗數(shù)據(jù)進行一致性監(jiān)護，并根據(jù)改進假設(shè)，確定相應(yīng)的最佳實驗，以迭代反饋的方式實現(xiàn)實驗數(shù)據(jù)的重用，以此促進最優(yōu)材料的發(fā)現(xiàn)［24］。

5? ?亟需注意和解決的問題

5.1? ? 數(shù)據(jù)資源的機器表征與關(guān)聯(lián)融合

數(shù)據(jù)資源已成為推動科研創(chuàng)新的關(guān)鍵要素。以跨學(xué)科、跨領(lǐng)域、跨時空為典型特征的大科學(xué)研究創(chuàng)新中，對于多源、異構(gòu)、高維、海量的數(shù)據(jù)資源表征、配置與融合已經(jīng)成為加速知識發(fā)現(xiàn)與創(chuàng)新的重要支撐。因此，如何實現(xiàn)以機器智能可讀和可計算性為目標，對數(shù)據(jù)資源的機器化、標準化表征的數(shù)據(jù)加工技術(shù)提出了挑戰(zhàn)。更進一步，科學(xué)研究過程具有理論指導(dǎo)性、實踐漸進性、螺旋上升性等顯著特點，所涉及的數(shù)據(jù)資源不僅涵蓋不同研究階段的原始大數(shù)據(jù)、派生大數(shù)據(jù)和結(jié)果大數(shù)據(jù)集合，還包括不同研究階段實時感知、動態(tài)獲取、有序增補的各類異構(gòu)大數(shù)據(jù)集合，這無疑對數(shù)據(jù)資源的機器表征與關(guān)聯(lián)融合提出了嚴峻挑戰(zhàn)。

鑒于此，融合智能機器人的知識服務(wù)團隊可以從復(fù)雜生態(tài)系統(tǒng)視角，擴展多類別、多模態(tài)數(shù)據(jù)資源的預(yù)訓(xùn)練語言模型，強化數(shù)據(jù)資源的標準化加工建設(shè)，提升智能機器人關(guān)于數(shù)據(jù)的數(shù)值化可讀性表征，以此構(gòu)建無邊界的數(shù)據(jù)資源空間。與此同時，融合智能機器人的知識服務(wù)團隊通過以科研全流程周期為基礎(chǔ)，充分發(fā)揮智能機器人的智能關(guān)聯(lián)、智能融合、智能回溯等顯著優(yōu)勢，為智能機器人的高通量智能計算和高效率知識發(fā)現(xiàn)提供關(guān)鍵支撐［25］。

5.2? ? 人智協(xié)同的服務(wù)保障與協(xié)調(diào)機制

人智協(xié)同的交互理念充分體現(xiàn)了智能機器人與科研用戶、服務(wù)人員等核心要素在一定規(guī)則制度下，通過一系列的有序交互和協(xié)作活動而實現(xiàn)共同目標的過程。從這一層面來看，完備的人智協(xié)同服務(wù)保障和協(xié)調(diào)機制是深入推動服務(wù)進程、提升服務(wù)質(zhì)量的關(guān)鍵力量。一方面，以服務(wù)人員為主體的人類智能與智能機器人為主體的機器智能相互融通，對算法的公平性、可解釋性進行實時控制與干預(yù)，能夠有效保證服務(wù)人員的“人在回路”過程，以此提升人智協(xié)同智能增長點；另一方面，將智能機器人嵌入到科研全流程周期中，能夠從感知、認知和行動來實現(xiàn)科研智能化與服務(wù)專深化。因此，在上述過程中，融合智能機器人的知識服務(wù)團隊與科研用戶之間，所涉及的協(xié)同式服務(wù)場景保障、沖突與競爭機制的協(xié)調(diào)等問題，會直接關(guān)系到整體體驗質(zhì)量與服務(wù)效果［26-27］?；诖?，從服務(wù)生態(tài)系統(tǒng)視角來看，面向“服務(wù)人員■智能機器人■科研用戶”多維耦合服務(wù)關(guān)系的場景創(chuàng)設(shè)、作業(yè)分工、責任區(qū)別等保障機制，以及蘊含其中的人智協(xié)同決策沖突與競爭的協(xié)調(diào)機制，對智慧知識服務(wù)的高質(zhì)量發(fā)展至關(guān)重要。

5.3? ? 科研用戶的隱私安全與倫理風險

隱私安全與倫理風險始終是科研智能化環(huán)境中智能機器人支撐知識服務(wù)需解決的根本問題之一。一方面，智能機器人系統(tǒng)的高效運轉(zhuǎn)離不開科研生態(tài)系統(tǒng)中多源、異構(gòu)、海量化數(shù)據(jù)，這其中涵蓋了大量的關(guān)于科研用戶個體特征的隱私數(shù)據(jù)、科研用戶研究狀態(tài)的情境數(shù)據(jù)、科研用戶研究過程的科學(xué)數(shù)據(jù)等，上述數(shù)據(jù)一旦在傳輸、使用、保護過程中出現(xiàn)紕漏，極大可能觸發(fā)科研用戶的隱私泄露風險［28］；另一方面，智能機器人所采用的智能算法技術(shù)（如深度學(xué)習(xí)、自然語言處理、計算機視覺等）作為一種大數(shù)據(jù)驅(qū)動的概率統(tǒng)計方法論，具有較為明顯的數(shù)據(jù)依賴或組件依賴特征，如若在現(xiàn)實復(fù)雜環(huán)境應(yīng)用過程中操作不當，將直接導(dǎo)致相關(guān)聯(lián)的安全漏洞或劫持風險。值得指出的是，智能機器人的機器學(xué)習(xí)性能優(yōu)化多是借助計算模型的復(fù)雜度來實現(xiàn)的，這在一定程度上導(dǎo)致智能機器人產(chǎn)生對科研用戶的數(shù)據(jù)安全倫理偏見，同時算法的不透明性也會進一步加劇科研用戶對于機器決策的可靠性和準確性擔憂。

因此，智能機器人在從實驗走進現(xiàn)實的服務(wù)進程中，可以通過采用科研用戶與智能機器人的雙向識別與交互技術(shù)，展現(xiàn)智能機器人的感知、計算、決策等過程的透明性和可解釋性，同時，引入關(guān)于智能機器人的可擴展監(jiān)督系統(tǒng)，強化科研用戶隱私數(shù)據(jù)安全，以此增強科研用戶的信任感。此外，服務(wù)人員可以聯(lián)合科技倫理委員會，加強智能機器人研發(fā)過程中的社會責任感評估，突出技術(shù)與道德倫理層面的融合，進而構(gòu)建以人為本的人智安全倫理體系［29-30］。

5.4? ? 知識計算的過程優(yōu)化與效率提升

科研智能化環(huán)境下，知識計算化已成為智能機器人實現(xiàn)科學(xué)假設(shè)開發(fā)與驗證、科學(xué)實驗執(zhí)行與拓展、科學(xué)發(fā)現(xiàn)融合與應(yīng)用的重要基礎(chǔ)。然而，智能機器人的知識計算過程依賴于面向科學(xué)研究全流程的多模態(tài)的實驗記錄數(shù)據(jù)、多類型的傳感檢測數(shù)據(jù)、多種類的文獻關(guān)聯(lián)數(shù)據(jù)等科學(xué)大數(shù)據(jù)形態(tài)，具有典型的知識密集性、高度的專業(yè)前沿性、突出的學(xué)科交叉性等特點。與此同時，智能機器人的知識計算過程強調(diào)數(shù)據(jù)、算法和算力三位一體，尤其注重前沿知識的整合關(guān)聯(lián)與深度挖掘，這對于圍繞科學(xué)創(chuàng)新流程的數(shù)據(jù)融合、空間建模、流程重組等方面的過程優(yōu)化提出了新的要求［31］。另外，智能機器人在支持科研智能化的過程中，構(gòu)建了現(xiàn)實與虛擬實驗室相結(jié)合的智能學(xué)術(shù)實驗空間，通過采用數(shù)字孿生技術(shù)，實現(xiàn)了真實科學(xué)實驗與虛擬科學(xué)實驗之間的無縫融合，以此促進大規(guī)模知識計算。

為實現(xiàn)這一目標，服務(wù)人員需要開發(fā)新型的知識語言與操作程序，將資源、空間與服務(wù)進行一體化整合和自動化管理，在將知識計算模塊嵌入到科研創(chuàng)新全流程的同時，對科學(xué)大數(shù)據(jù)資源、中間化知識內(nèi)容、智能學(xué)術(shù)實驗空間等進行有效串聯(lián)，進而以機器學(xué)習(xí)的方式自建構(gòu)科學(xué)假設(shè)，以大數(shù)據(jù)知識空間為基礎(chǔ)，實現(xiàn)知識計算的自動化、規(guī)?；陀行蚧?2-33］。

*本文系重慶市教育科學(xué)規(guī)劃重點項目“智能時代教師數(shù)智素養(yǎng)能力評價與提升路徑研究”（項目編號：2021-GX-004）、重慶市社會科學(xué)規(guī)劃項目“重慶民族地區(qū)非物質(zhì)文化遺產(chǎn)的數(shù)字資源整合與教育傳承研究”（項目編號：2022NDQN55）、國家自然科學(xué)基金項目“移動學(xué)術(shù)社區(qū)科研用戶微知識持續(xù)協(xié)作行為及協(xié)同創(chuàng)新機制研究”（項目編號：71804153）與中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目“數(shù)智時代學(xué)習(xí)者與智能機器人協(xié)作學(xué)習(xí)質(zhì)量評價及提升路徑研究”（項目編號：SWU2209212）研究成果之一。

參考文獻：

［1］? King R D，Rowland J，Aubrey W，et al.The robot scientist Adam［J］.Computer，2009，42（8）：46-54.

［2］? Williams K，Bilsland E，Sparkes A，et al.Cheaper faster drug development validated by the repositioning of drugs against neglected tropical diseases［J］.Journal of the Royal society Interface，2015，12（104）：20141289.

［3］? Burger B，Maffettone P M，Gusev V V，et al.A mobile robotic chemist［J］.Nature，2020，583（7815）：237-241.

［4］? Evans R，Jumper J，Kirkpatrick J，et al.De novo structure prediction with deep learning based scoring［J］.Annu Rev Biochem，2018，77（363-382）：6.

［5］? Tang X，Wang B，Rong Y.Artificial intelligence will reduce the need for clinical medical physicists［J］.Journal of applied clinical medical physics，2018，19（1）：6.

［6］? Jankowski N W.Exploring e-Science：An introduction［J］.Journal of Computer-Mediated Communication，2010（2）：2.

［7］? Hey T，Tansley S，Tolle K.潘教峰，張曉林，等，譯.第四范式：數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)［M］.北京：科學(xué)出版社，2012：177-215.

［8］? 勒川.AI for Science：共創(chuàng)新未來——2022中關(guān)村論壇系列活動“科學(xué)智能峰會”舉行［J］.中關(guān)村，2022（9）：40-41.

［9］? 劉垠.AI撬動科研范式變革［N］.科技日報，2023-03-28（1）.

［10］? 王飛躍.機器人的未來發(fā)展：從工業(yè)自動化到知識自動化［J］.科技導(dǎo)報，2015，33（21）：39-44.

［11］? 羅威，羅準辰，雷帥，等.智能科學(xué)家——科技信息創(chuàng)新引領(lǐng)的下一代科研范式［J］.情報理論與實踐，2020，43（1）：1-5，17.

［12］? 孫蒙鴿，韓濤.科研智能化與知識服務(wù)：內(nèi)涵、實現(xiàn)與機遇［J］.情報理論與實踐，2021，44（10）：41-49.

［13］? 孫蒙鴿，黃雨馨，韓濤，等.科研智能化新趨勢下知識服務(wù)的挑戰(zhàn)與機遇［J］.情報雜志，2022，41（6）：173-181，107.

［14］? International Federation of Robotics.Definition of service robots［EB/OL］.［2023-01-20］.https：//ifr.org/service-robots.

［15］? 胡志剛，王欣，李海波.從商業(yè)智能到科研智能：智能化時代的科學(xué)學(xué)與科技管理［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2021，42（1）：3-20.

［16］? 王飛躍，張俊.智聯(lián)網(wǎng)：概念、問題和平臺［J］.自動化學(xué)報，2017，43（12）：2061-2070.

［17］? Wang F Y，Guo J，Bu G，et al.Mutually trustworthy human-machine knowledge automation and hybrid augmented intelligence：mechanisms and applications of cognition，management，and control for complex systems［J］.Frontiers of Information Technology & Electronic Engineering，2022，23（8）：1142-1157.

［18］? 鄧仲華，李立睿，陸穎雋.基于科研用戶情景感知的嵌入式知識服務(wù)研究（上）［J］.情報理論與實踐，2014，37（9）：16-19，34.

［19］? Porwol L，Kowalski D J，Henson A，et al.An autonomous chemical robot discovers the rules of inorganic coordination chemistry without prior knowledge［J］.Angewandte Chemie，2020，132（28）：11352-11357.

［20］? 姜婷婷，許艷閏，傅詩婷，等.人智交互體驗研究：為人本人工智能發(fā)展注入新動力［J］.圖書情報知識，2022，39（4）：43-55.

［21］? Hong Wang，X-D Xiang，Lanting Zhang.On the Data-Driven Materials Innovation Infrastructure［J］.Engineering，2020，6（6）：609-611.

［22］? 中科院網(wǎng)信工作網(wǎng).Kebotix公司利用人工智能和機器人技術(shù)測試新型化合物［EB/OL］.［2023-01-05］.http：//www.ecas.cas.cn/xxkw/kbcd/201115_127129/ml/xxhcxyyyal/201811/t20181126_4545151.html.

［23］? Li M，Xi N，Wang Y，et al.Progress in Nanorobotics for Advancing Biomedicine［J］.IEEE Transactions on Biomedical Engineering，2021，68（1）：130-147.

［24］? Kusne A，Yu H，Wu C，et al.On-the-fly closed-loop autonomous materials discovery via bayesian active learning［J］.arXiv：Materials Science，2020，11（1）：1-11.

［25］? 李立睿，鄧仲華.“互聯(lián)網(wǎng)+”背景下科研用戶的小數(shù)據(jù)融合研究［J］.圖書情報工作，2016，60（6）：58-63.

［26］? 曾點.人工智能能替代科學(xué)家嗎？——再思STS的一場論戰(zhàn)［J］.哲學(xué)分析，2023，14（1）：159-171，199.

［27］? 李廣建，羅立群.計算型情報分析的進展［J］.中國圖書館學(xué)報，2019，45（4）：29-43.

［28］? 鄭志峰.人工智能時代的隱私保護［J］.法律科學(xué)（西北政法大學(xué)學(xué)報），2019，37（2）：51-60.

［29］? 王欣，張冬梅，閆鳳云，等.大數(shù)據(jù)環(huán)境下基于科研用戶小數(shù)據(jù)的圖書館個性化科研服務(wù)研究［J］.情報理論與實踐，2017，40（10）：85-90，95.

［30］? Rahwan I，Cebrian M，Obradovich N，et al.Machine behaviour［J］.Nature，2019，568：477-486.

［31］? 孫坦，劉崢，崔運鵬，等.融合知識組織與認知計算的新一代開放知識服務(wù)架構(gòu)探析［J］.中國圖書館學(xué)報，2019，45（3）：38-48.

［32］? 楊寧，文奕，張鑫，等.面向情報分析的普適知識計算平臺研究與實現(xiàn)［J］.情報理論與實踐，2019，42（4）：41-44，30.

［33］? 王曉云，楊子煜.基于知識計算的精準服務(wù)研究［J］.情報理論與實踐，2019，42（6）：62-64，41.

作者簡介：李立睿，男，西南大學(xué)計算機與信息科學(xué)學(xué)院、西南大學(xué)教育學(xué)院副教授，博士生導(dǎo)師；張嘉程，男，西南大學(xué)計算機與信息科學(xué)學(xué)院碩士研究生；張博睿，男，中國科學(xué)院成都文獻情報中心、中國科學(xué)院大學(xué)經(jīng)濟與管理學(xué)院信息資源管理系碩士研究生。