2024年，OpenAI的Sam Altman提出了AI發(fā)展的五個階段——

“Chatbot、Reasoner、Agent、Innovator、Organization”。

而我們目前大致處于Agent階段，AI繼續(xù)推進(jìn)的下一個階段則是“Innovator”階段。

在這個階段，AI會在人類發(fā)現(xiàn)新知識方面發(fā)揮關(guān)鍵作用。

事實上，不需要到Innovator階段，今天AI的能力其實也已經(jīng)在輔助學(xué)術(shù)研究領(lǐng)域逐漸開始扮演越來越重要角色。

今天我們就通過一個產(chǎn)品來聊一聊AI可以如何幫助學(xué)術(shù)研究者更高效地做好研究。

一、科研工作者在做研究時的痛點到底是什么？

作為一名在深圳大學(xué)念完經(jīng)濟(jì)學(xué)碩士而沒有選擇繼續(xù)讀博的“學(xué)術(shù)逃兵”，我至今對完成一篇高質(zhì)量的學(xué)術(shù)論文心有余悸。

但仔細(xì)想一想，做學(xué)術(shù)研究和我寫科技類文章多少也有異曲同工的地方——

比如，首先你得選一個領(lǐng)域，然后你要對這個領(lǐng)域有足夠多的輸入，知道該領(lǐng)域的核心邏輯是什么樣的，其他人都做了哪些工作。

接下來你才能再次基礎(chǔ)上選擇一個獨特的切入點，深挖、發(fā)掘，從而寫出其他人沒有寫過的角度、做出其他人沒有做過的工作。

我念書的時候，論文指導(dǎo)老師說過這樣一句話——

“我們的前輩做研究的時候，圖書館都不多，我們這一代有了圖書館，而你們這一代有了互聯(lián)網(wǎng)，有了知網(wǎng)，方便太多了，至少做研究前的文獻(xiàn)綜述要便捷一個數(shù)量級?！?/blockquote>

而今天，我們有了AI，又給了學(xué)術(shù)研究者一個強(qiáng)有力的輔助工具。

它能更高效地幫助學(xué)術(shù)人員更便捷地找到目標(biāo)領(lǐng)域的科研成果，更直觀地閱讀前人的科研文獻(xiàn)，更方便地提供選題參考，更高效地輔助學(xué)術(shù)寫作。

接下來，我們就以AI重構(gòu)過的百度學(xué)術(shù)為例，來看一看，AI可以如何成為真正有用的“研究助手”——

二、從點到面——通過“搜”和“讀”搞懂目標(biāo)學(xué)術(shù)領(lǐng)域的已有成果

以一個學(xué)術(shù)研究的入門型選手碩士研究生為例，開始研究的第一步，通常是根據(jù)自己的專業(yè)和興趣，和導(dǎo)師確定一個大致的研究方向。

下一步就是海量的文獻(xiàn)輸入，也就是文獻(xiàn)綜述。

這往往是學(xué)術(shù)研究中最耗時、最枯燥，也最考驗研究者耐心和信息檢索能力的一環(huán)。

AI重構(gòu)后的百度學(xué)術(shù)，在“搜”、“讀”、“創(chuàng)”、“編”這四個關(guān)鍵環(huán)節(jié)上，提供了一套組合拳，旨在將研究者從繁瑣的重復(fù)勞動中解放出來。

下面我們繼續(xù)以一個經(jīng)濟(jì)學(xué)碩士的身份，來體驗撰寫一篇關(guān)于“信息經(jīng)濟(jì)學(xué)”的論文會是怎樣的流程：

第一步，自然是“搜”。

在百度學(xué)術(shù)的搜索框中用自然語言輸入——

“請幫我搜索和“信息不對稱”相關(guān)的核心高引用量論文，包括國內(nèi)論文和外刊論文”

其AI專業(yè)搜可以直接生成可溯源的學(xué)術(shù)性綜述，并支持多種格式的參考文獻(xiàn)引用和導(dǎo)出。

而AI全網(wǎng)搜能提供更宏觀、更通俗的背景知識，讓研究者能對該主題有一個綜合的了解，以便進(jìn)一步尋找選題方向。

最基礎(chǔ)的文獻(xiàn)搜索保留傳統(tǒng)文獻(xiàn)篩選、排序功能，同時新增AI助手，在搜索頁可針對文獻(xiàn)內(nèi)容進(jìn)行AI問答，方便隨時理解論文內(nèi)容。

這種設(shè)計，能讓研究者，尤其是一個領(lǐng)域的初學(xué)者，先通過全網(wǎng)搜索建立起一個基本的認(rèn)知框架，再通過學(xué)術(shù)搜索精準(zhǔn)地切入核心文獻(xiàn)，整個過程平滑且高效。

找到幾篇核心的入門文獻(xiàn)后，挑戰(zhàn)才剛剛開始。

一個領(lǐng)域的研究往往枝繁葉茂，如何快速摸清一個領(lǐng)域的脈絡(luò)，找到“學(xué)術(shù)地圖”？

這時，“論文圖譜”的功能就派上了用場，在任何一篇文獻(xiàn)的詳情頁，都可以一鍵生成它的“關(guān)系圖譜”。

這個圖譜并不是直接羅列，而是一個可視化的知識網(wǎng)絡(luò)。

比如，圖中每一個節(jié)點代表一篇論文，節(jié)點的大小代表被引用的次數(shù)，顏色深淺代表發(fā)表年份，節(jié)點間的距離則代表了內(nèi)容的相關(guān)性。

通過這張圖，我可以很直觀地看到，“信息經(jīng)濟(jì)學(xué)”這個領(lǐng)域有哪些開創(chuàng)性的、被引用最多的經(jīng)典文獻(xiàn)（節(jié)點最大的），最新的研究進(jìn)展是什么（顏色最深的），以及哪些研究方向和我的興趣點最接近（距離我當(dāng)前查看的文獻(xiàn)最近的）。

點擊任何一個節(jié)點，就能直接跳轉(zhuǎn)到那篇論文，這讓研究者可以順著知識的脈絡(luò)，快速地從一篇文獻(xiàn)拓展到一個領(lǐng)域，完成知識的體系化構(gòu)建。

找到了幾十篇相關(guān)文獻(xiàn)，下一個難題就是“讀”。

傳統(tǒng)的方式是一篇篇地啃，費時費力。

百度學(xué)術(shù)的“輔助閱讀”功能則試圖解決這個效率難題，用戶可以批量上傳PDF或Word格式的文獻(xiàn)，AI助手會對這些文獻(xiàn)進(jìn)行結(jié)構(gòu)化總結(jié)。

它可以按照研究內(nèi)容、研究方法、創(chuàng)新性、局限性等維度，生成一份清晰的總結(jié)報告。

這意味著，我可以在短時間內(nèi)快速過一遍幾十篇文獻(xiàn)的核心要點，篩選出與我的研究方向最相關(guān)、最需要精讀的幾篇，從而極大地提升了文獻(xiàn)閱讀的效率。

三、從輸入到輸出——通過“創(chuàng)”、“編”讓AI在研究中成為稱心的助手

完成了輸入，就進(jìn)入了更關(guān)鍵的輸出環(huán)節(jié)——“創(chuàng)”與“編”，即寫作和編輯。

這也是AI能夠深度介入，成為研究者“副駕駛”的階段。

當(dāng)一位研究生對“信息經(jīng)濟(jì)學(xué)”的文獻(xiàn)有了足夠的了解后，“選題推薦”功能可以幫助其更好地構(gòu)思。

比如，AI可以根據(jù)我們輸入的領(lǐng)域和興趣點，推薦相關(guān)的論文選題，或者針對研究者的初步想法，進(jìn)行開題分析，探討其可行性和創(chuàng)新性。

這對于思路枯竭或者需要靈感碰撞的研究者來說，是個相當(dāng)實用的功能。

在具體的寫作過程中，百度學(xué)術(shù)也內(nèi)置了編輯器，支持插入復(fù)雜的數(shù)學(xué)或經(jīng)濟(jì)學(xué)公式，讓寫作流程更連貫。

這是一個很實用的功能。

以前，研究者通常在文獻(xiàn)平臺和本地的寫作軟件（如Word）之間頻繁切換。

想要在草稿中插入一個復(fù)雜的計量經(jīng)濟(jì)學(xué)模型或數(shù)學(xué)公式時，就不得不中斷思路，去調(diào)用獨立的公式編輯器，比如MathType，或者是在Word里用不那么順手的公式工具。

這個過程通常會打斷寫作時的心流狀態(tài)，后續(xù)從不同來源復(fù)制粘貼的內(nèi)容還常常導(dǎo)致格式混亂，為后期的排版校對埋下工作量。

百度學(xué)術(shù)內(nèi)置的編輯器正是為了解決這一痛點，它可以直接在平臺內(nèi)開始撰寫。

對于經(jīng)濟(jì)學(xué)研究而言，無論是微觀經(jīng)濟(jì)學(xué)的效用函數(shù)，還是宏觀經(jīng)濟(jì)學(xué)的動態(tài)模型，都可以通過其內(nèi)置的公式編輯器方便地生成和插入。

此外，百度學(xué)術(shù)還接入了SPSSPRO這一專業(yè)的在線數(shù)據(jù)分析工具，對于經(jīng)濟(jì)學(xué)這類需要大量實證分析的學(xué)科而言，是一個解決痛點的功能。

具體而言，經(jīng)濟(jì)學(xué)、社會學(xué)、管理學(xué)等高度依賴實證分析的學(xué)科，裝統(tǒng)計SPSS這類統(tǒng)計軟件是必不可少的工序。

研究小白通常會面臨軟件學(xué)習(xí)成本高、授權(quán)費用貴等一系列問題。

而百度學(xué)術(shù)接入SPSSPRO，將原本需要在本地客戶端完成的描述性統(tǒng)計、回歸分析、因子分析、信效度檢驗等復(fù)雜操作，遷移到了云端。

這意味著，一位經(jīng)濟(jì)學(xué)研究者在百度學(xué)術(shù)上確定了研究模型后可以直接調(diào)用SPSSPRO處理和分析自己的研究數(shù)據(jù)。

這對于以數(shù)據(jù)驅(qū)動的實證研究而言，是一個直觀的效率提升。

有了以上這些一站式的功能，意味著研究者可以在同一個平臺內(nèi)完成從文獻(xiàn)檢索、論文寫作到數(shù)據(jù)處理與分析的全流程工作，進(jìn)一步打通了學(xué)術(shù)研究的各個環(huán)節(jié)。

四、AI改造后的“百度學(xué)術(shù)”致力于為科研工作者提供一站式服務(wù)

經(jīng)過AI重構(gòu)，百度學(xué)術(shù)的目標(biāo)顯而易見——成為一個覆蓋研究全流程的一站式服務(wù)平臺。

而實現(xiàn)這一目標(biāo)的基礎(chǔ)，是其背后強(qiáng)大的學(xué)術(shù)資源。

從資源體量上看，它收錄了超過6.9億的文獻(xiàn)資源，位于全國領(lǐng)先。

其中，可免費獲取的全文內(nèi)容量達(dá)到1.6億，它覆蓋了104萬個學(xué)術(shù)資源站點，日均更新文獻(xiàn)量高達(dá)42萬，中文文獻(xiàn)覆蓋率達(dá)97%，均位列國內(nèi)第一。

與此同時，經(jīng)過AI重構(gòu)之后，其智能化程度也在全球?qū)W術(shù)產(chǎn)品中屬于第一梯隊。

在資源的權(quán)威性上，在國內(nèi)，它與萬方、維普、知網(wǎng)這三大專業(yè)的學(xué)術(shù)數(shù)據(jù)庫達(dá)成了合作，實現(xiàn)了國內(nèi)核心資源的廣泛覆蓋。

未來，百度學(xué)術(shù)希望從一個“知識的平臺”演變?yōu)橐粋€綜合性的“學(xué)術(shù)交流平臺”。

例如，通過為每位學(xué)者建立獨一無二的學(xué)術(shù)身份系統(tǒng)，打造一個不下線的學(xué)術(shù)沙龍以促進(jìn)線上交流，。

讓有價值的學(xué)術(shù)成果能出圈，真正實現(xiàn)其社會價值。

結(jié)語

1997年2月，美國公司Infoseek的一位名叫Robin Li的年輕技術(shù)專家申請了一個名為“超鏈分析”的專利(Hypertext document retrieval system and method，專利號5,920,859)。

這個給網(wǎng)頁排名算法的靈感源自其在北大念書所領(lǐng)悟到“引用量是論文聲譽和質(zhì)量的核心來源”，而這個專利后來成為互聯(lián)網(wǎng)搜索引擎奠基技術(shù)之一。

28年之后，這個年輕人創(chuàng)辦的搜索引擎公司依然還在通過工具產(chǎn)品為學(xué)術(shù)研究賦能。

只不過，這一次，不是用古典的辦法，而是更有效率的AI。

的確，從“創(chuàng)編存管”到“找看用享”，百度學(xué)術(shù)這次的AI重構(gòu)，并不是一個孤立的動作。

它其實是百度用AI重構(gòu)和改造文庫、網(wǎng)盤和學(xué)術(shù)這三個產(chǎn)品的一個縮影，目前，這三個國民級產(chǎn)品已經(jīng)成為百度AI重構(gòu)最徹底、最全的產(chǎn)品。

而這個計劃的目標(biāo)就是：讓AI更好地服務(wù)廣義上的“內(nèi)容創(chuàng)作者”。

讓工具回歸本分，讓人回歸創(chuàng)造，或許就是這個階段AI賦能創(chuàng)作者的正確解法。

——End——

作者簡介：衛(wèi)夕，公眾號“衛(wèi)夕指北”出品人，科技專欄作者，專寫長文，專注剖析互聯(lián)網(wǎng)及社會科學(xué)的底層邏輯；不關(guān)注這個賬號，你都不知道你會錯過神馬！