大数据、物联网和人工智能等现代信息技术在农业中的广泛应用,推动了农业农村现代化和智慧农业的发展,带动了农业经营主体对科技与知识的旺盛需求,农业知识服务成为农业转型升级和高质量发展的重要引擎。为解决现有农业知识分散无序、...大数据、物联网和人工智能等现代信息技术在农业中的广泛应用,推动了农业农村现代化和智慧农业的发展,带动了农业经营主体对科技与知识的旺盛需求,农业知识服务成为农业转型升级和高质量发展的重要引擎。为解决现有农业知识分散无序、更新不及时、面向经营主体的知识服务不平衡、供需脱节等问题,本文总结分析了国内外农业知识服务的研究与实践现状,提出了一套基于农业全产业链、按照农业数据的全生命周期、面向农业经营主体的农业智能知识服务体系框架,设计了基于智能物联网(Artificial Intelligence&Internet of Things,AIoT)的农情感知与大数据汇聚治理、基于知识图谱的农业知识组织与计算挖掘,以及基于多场景的农业智能知识服务三个层次。文中归纳了包括空天地AIoT全维度农情感知、多源异构农业大数据汇聚治理、知识建模、知识抽取、知识融合、知识推理、跨媒体检索、智能问答、个性化推荐技术、决策支持等农业智能知识服务涉及的关键技术,并举例了其研究应用。最后从农业数据获取、模型构建、知识组织、智能知识服务技术和应用推广等方面探讨了未来农业智能知识服务的发展趋势及对策建议。总结发现,农业智能知识服务是破解当前农业知识服务供需矛盾,实现跨媒体农业数据到知识的跨越,推动农业知识服务向个性化、精准化和智能化升级的关键,亦是农业科技自立自强、现代农业提质增效的重要支撑。展开更多
“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实...“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实现路径等问题值得进一步讨论。为此本刊邀请了7位专家组织了本期笔谈。1)支撑AI4S的知识服务:AI4S对当下的知识服务提出了更高的要求,包括多层次知识发现与获取需求;跨学科研究和创新需求;以用户为中心的参与式服务需求,使得知识服务场景向多元化,智能化,专业化,个性化转变。为此须重新定位AI4S环境中知识服务的新角色,明确其在全面支撑科技创新进程中的新任务,树立大文献观,兼顾普惠与专深,以支撑跨学科创新。2)建设AI4S的知识底座:人工智能的本质是知识的获取与利用,而科技文献则是人类知识的主要载体。中国科学院文献情报中心充分认识到AI带来的科研范式变革,提出了构建AI4S的科技文献知识底座的概念,积极挖掘科技文献中蕴含的科学知识和高质量数据,努力构建AI4S的领域智能知识底座,将“科技文献库”转变为“科技知识引擎”,支撑AI4S所需的查询循证、态势感知、推理预测、生成启示等智能化服务。3)驱动AI4S的科学数据:科学数据有效聚合为发挥AI4S的强大功能奠定了数据基础,是图书馆实现AI时代角色与功能变革的前提,是推动科研服务转型、深化科研支持、加速科技创新的必要条件。目前图书馆有效聚合科学数据为AI4S提供支撑仍面临宏观和中观上的诸多挑战,应对该挑战有以下实现路径:明确图书馆在科学数据管理中的角色与作用;营造科学数据管理环境;构建科学数据管理合作网络;提升科学数据管理服务能力。4)AI4S与古典文献智能语言模型:AI4S技术能够用于文献和文本的分析,更快速、更全面地理解大量的历史文献和文化资料。古典文献智能语言模型是人工智能技术在古籍文献研究领域的一项重要突破,为古典文献研究带来了新的机遇和挑战。随着多模态、生成式GPT模型的流行,AI4S情境下古典文献智能语言模型将更加注重整合多样信息、提高适应性、增强知识表示和服务于更广泛的应用场景。5)面向AI4S的图书馆数字学术服务:基于LLM的AI4S和AIGC推动智慧图书馆建设的理念不谋而合,给图书馆数字学术服务带来了机遇和挑战。基于AI4S平台化趋势与数字学术服务中台化特征适配,以及图书馆界长期服务科研工作的历史传统两大特点,其数字学术服务平台的再造路径,包括自主打造AI4S服务平台、购买和使用第三方的AI4S平台和作为科学智能组件的嵌入式知识服务再升级3种。6)AI4S的历史演化与逻辑结构:AI4S是人工智能技术充分应用到各学科领域主导的科学范式变革,其逻辑架构包括“数据+模型”驱动、通过机器猜想打造知识生态和通过算法思维延展应用场景。数智文明时代中,AI4S驱动科学进步与社会发展需要发扬科技向善价值观,有效选择AI4S延展应用到社会科学和人文科学领域的理论论证与方案,并完善人类决策与机器智能融合共建的系列机制。7)AI4S的发展机遇与展望:随着生成式人工智能的发展,预训练算法和预训练大模型为不同学科领域的AI4S带来了巨大机遇,在工业检测、机器人技术和医学等多个领域表现出了巨大的应用潜力和价值。此外,预训练大模型的技术实施条件局限、数据/计算资源的可持续发展、技术的透明性、公正性和可访问性等关键因素也值得重视。展开更多
文摘大数据、物联网和人工智能等现代信息技术在农业中的广泛应用,推动了农业农村现代化和智慧农业的发展,带动了农业经营主体对科技与知识的旺盛需求,农业知识服务成为农业转型升级和高质量发展的重要引擎。为解决现有农业知识分散无序、更新不及时、面向经营主体的知识服务不平衡、供需脱节等问题,本文总结分析了国内外农业知识服务的研究与实践现状,提出了一套基于农业全产业链、按照农业数据的全生命周期、面向农业经营主体的农业智能知识服务体系框架,设计了基于智能物联网(Artificial Intelligence&Internet of Things,AIoT)的农情感知与大数据汇聚治理、基于知识图谱的农业知识组织与计算挖掘,以及基于多场景的农业智能知识服务三个层次。文中归纳了包括空天地AIoT全维度农情感知、多源异构农业大数据汇聚治理、知识建模、知识抽取、知识融合、知识推理、跨媒体检索、智能问答、个性化推荐技术、决策支持等农业智能知识服务涉及的关键技术,并举例了其研究应用。最后从农业数据获取、模型构建、知识组织、智能知识服务技术和应用推广等方面探讨了未来农业智能知识服务的发展趋势及对策建议。总结发现,农业智能知识服务是破解当前农业知识服务供需矛盾,实现跨媒体农业数据到知识的跨越,推动农业知识服务向个性化、精准化和智能化升级的关键,亦是农业科技自立自强、现代农业提质增效的重要支撑。
文摘“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实现路径等问题值得进一步讨论。为此本刊邀请了7位专家组织了本期笔谈。1)支撑AI4S的知识服务:AI4S对当下的知识服务提出了更高的要求,包括多层次知识发现与获取需求;跨学科研究和创新需求;以用户为中心的参与式服务需求,使得知识服务场景向多元化,智能化,专业化,个性化转变。为此须重新定位AI4S环境中知识服务的新角色,明确其在全面支撑科技创新进程中的新任务,树立大文献观,兼顾普惠与专深,以支撑跨学科创新。2)建设AI4S的知识底座:人工智能的本质是知识的获取与利用,而科技文献则是人类知识的主要载体。中国科学院文献情报中心充分认识到AI带来的科研范式变革,提出了构建AI4S的科技文献知识底座的概念,积极挖掘科技文献中蕴含的科学知识和高质量数据,努力构建AI4S的领域智能知识底座,将“科技文献库”转变为“科技知识引擎”,支撑AI4S所需的查询循证、态势感知、推理预测、生成启示等智能化服务。3)驱动AI4S的科学数据:科学数据有效聚合为发挥AI4S的强大功能奠定了数据基础,是图书馆实现AI时代角色与功能变革的前提,是推动科研服务转型、深化科研支持、加速科技创新的必要条件。目前图书馆有效聚合科学数据为AI4S提供支撑仍面临宏观和中观上的诸多挑战,应对该挑战有以下实现路径:明确图书馆在科学数据管理中的角色与作用;营造科学数据管理环境;构建科学数据管理合作网络;提升科学数据管理服务能力。4)AI4S与古典文献智能语言模型:AI4S技术能够用于文献和文本的分析,更快速、更全面地理解大量的历史文献和文化资料。古典文献智能语言模型是人工智能技术在古籍文献研究领域的一项重要突破,为古典文献研究带来了新的机遇和挑战。随着多模态、生成式GPT模型的流行,AI4S情境下古典文献智能语言模型将更加注重整合多样信息、提高适应性、增强知识表示和服务于更广泛的应用场景。5)面向AI4S的图书馆数字学术服务:基于LLM的AI4S和AIGC推动智慧图书馆建设的理念不谋而合,给图书馆数字学术服务带来了机遇和挑战。基于AI4S平台化趋势与数字学术服务中台化特征适配,以及图书馆界长期服务科研工作的历史传统两大特点,其数字学术服务平台的再造路径,包括自主打造AI4S服务平台、购买和使用第三方的AI4S平台和作为科学智能组件的嵌入式知识服务再升级3种。6)AI4S的历史演化与逻辑结构:AI4S是人工智能技术充分应用到各学科领域主导的科学范式变革,其逻辑架构包括“数据+模型”驱动、通过机器猜想打造知识生态和通过算法思维延展应用场景。数智文明时代中,AI4S驱动科学进步与社会发展需要发扬科技向善价值观,有效选择AI4S延展应用到社会科学和人文科学领域的理论论证与方案,并完善人类决策与机器智能融合共建的系列机制。7)AI4S的发展机遇与展望:随着生成式人工智能的发展,预训练算法和预训练大模型为不同学科领域的AI4S带来了巨大机遇,在工业检测、机器人技术和医学等多个领域表现出了巨大的应用潜力和价值。此外,预训练大模型的技术实施条件局限、数据/计算资源的可持续发展、技术的透明性、公正性和可访问性等关键因素也值得重视。
