科研智能化視域下融合智能機器人的知識服務研究

李立睿 張嘉程 張博睿

摘? ?要：科研智能化不斷推動科學研究范式的轉型與升級，融合智能機器人的知識服務為支持新時代國家科技創新服務高質量發展提供了重要基礎。文章運用文獻研究、案例分析等方法，剖析科研智能化發展及其推動融合智能機器人知識服務的形成，同時探究科研智能化視域下融合智能機器人的知識服務內涵過程和典型模式。可以從數據資源的機器表征與關聯融合、人智協同的服務保障與協調機制、科研用戶的隱私安全與倫理風險、知識計算的過程優化與效率提升等方面，促進適應科研智能化的融合智能機器人的知識服務高質量發展。

關鍵詞：科研范式；科研智能化；智能科學家；智能機器人；知識服務

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，大數據、人工智能、云計算等新興數智技術的創新發展與轉化應用，促使科學創新過程中的數據獲取、信息分析、知識發現等一系列研究流程朝著智能化方向轉變，極大提升了科研人員的探索與創新能力，加快了大規模知識集的自動化發現與生產，并持續引領著科研智能化的范式變革。如生物學領域的機器人科學家（Robot Scientist）“Adam”［1］和“Eve”［2］、化學領域的“可移動機器人化學家”［3］、醫學領域的“Alpha Fold”［4］以及物理學領域的“AI Physicist”［5］等，這些智能機器人通過與人類科學家有機協作，有效承擔了問題探索、科學實驗、數據分析等紛繁復雜的重點研發任務，逐漸形成了一種科研智能化的新生態。因此，如何利用數智技術推動科研創新與變革，構建面向科研智能化的新型知識服務范式，是當前科技情報服務機構面臨的關鍵難題。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進行系統性探究，以期為人工智能與知識服務的有機融合與協同發展提供參考依據。

1? ?科研智能化

科研智能化作為數智化賦能科學研究的新型模式，正推動著科學研究的轉型與升級。2000年，英國政府首次提出E-science（即科學研究信息化）計劃，旨在通過利用高性能網絡實現跨時空、跨學科的資源共享與協同工作的科研環境［6］。2007年，美國圖靈獎得主Jim Gray根據科學研究的發展規律，提出了實驗范式、理論范式、仿真模擬范式和數據密集型科學研究范式的演進路徑［7］。2018年，中國科學院院士鄂維南率先提出了AI for Science（即人工智能驅動的科學研究）的概念，旨在將人工智能技術與不同領域的科學研究進行深度融合，進一步推動科學研究范式的變革，這極大促進了科研智能化的發展［8，9］。由此可見，科研智能化是充分利用大數據、人工智能等新興數智技術的高通量性、自適應性、自學習性等顯著優勢，并將其應用于科學研究活動中，以此加速科研創新效率并引領科學發現的智能化過程［10-11］。

當前，科研智能化并未形成明確統一的定義。通過對現有研究進行系統梳理，可以發現，科研智能化是對運用人工智能及其技術產品（如智能推薦系統、自動化實驗機器人、智能科學家等）參與或主導的科學研究發現的一種統稱。如智能科學家等可以參與科學研究過程，并以協助或自主的方式進行構建科學假設、驗證實驗結果、實現知識發現等一系列科學活動，現已在物理、生物、化學、材料等領域得到了推廣和應用［12-13］。具體而言，在生物領域，機器人科學家（Robot Scientist）“Adam”在2004年問世，其通過與生物科學家合作，成功完成酵母酶基因的編輯科學實驗，因具有顯著的科學實驗操作與科學知識發現能力，成為首個實現科學發現的人工智能機器人［1］。之后，研究團隊又致力于智能機器人科學家“Eve”的研究，以此用于協助科研人員對新藥的研發，充分體現了AI賦能科研創新效率的極大優勢［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勢，可以與科學研究深度融合，以此推動科研流程自動化與知識發現智能化，逐漸成為智能科學家的典型應用模式。

2? ?科研智能化驅動融合智能機器人的知識服務形成

科研智能化是數智技術與科學研究協同發展與深度融合的必然結果，它不僅有效發揮了人智協同創新的突出優勢，而且加速了科研范式的變革升級，重塑了面向創新科研活動的知識服務新生態。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，能夠執行特定任務的自主性智能體，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，將其與知識服務新生態有機融合，能為知識服務的智慧化轉型與高質量發展賦能，提供更優質的科學解決方案。

（1）科研智能化為融合智能機器人的知識服務奠定技術支撐。科研智能化范式的持續演進，為構建以大科學為形態的科研創新模式提供了智能化科研環境與技術支撐平臺。具體而言，科研智能化以自動化科技基礎共享平臺、科學數據開放平臺、大型科學設施儀器裝備平臺等為基礎，為融合智能機器人的知識服務過程中的智能識別與融合、智能分析與發現、智能治理與決策等創新技術的開發應用提供了有力保障［15］。

（2）科研智能化為融合智能機器人的知識服務提供資源保障。科研智能化正推動著科學研究向數據智能化、知識自動化、智慧涌現化等新階段逐步演變［16］。同時，數據、知識與智慧作為融合智能機器人知識服務的重要資源基礎，也極大促進了面向科研智能化的新型知識服務模式的形成、演變與迭代。更進一步，科研智能化促進了跨學科、跨領域的科研用戶群體能夠基于大規模數據、知識和智慧來思考、設計、實施科學研究過程，而這同時為支持融合智能機器人的知識服務過程中數據、知識和智慧的集聚、關聯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創設服務場景。跨領域的交叉融合以及日益激烈的科技競爭，促使復雜性、系統性、工程性等重大科學問題層出不窮，融入智能機器人以支撐科研智能化過程中復雜難題的攻關，已成為科技創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模式創設了更加復雜、多元、智能的服務場景。與此同時，隨著人本人工智能、人因工程學等迅猛發展，利用以智能機器人為典型代表的人智融合模式來協同創設面向復雜科學問題的知識服務場景，已成為新一代知識服務領域的重要發展趨勢［17］。

3? ?科研智能化視域下融合智能機器人的知識服務內涵過程

融合智能機器人的知識服務作為一種人智混合增強的協同服務模式，通過將人機協同的理念和方式引入到高階化和密集型知識服務流程中，以此提升智能化、專業化和個性化的知識服務質量。因此，融合智能機器人的知識服務既強調施展服務人員的專業特長、知識技能、關系管理等常規化服務能力，又注重在服務全過程中充分發揮智能機器人的需求感知、智能計算、多維交互、智慧學習等多元顯著智慧優勢，從而服務于那些擁有重大創新研究項目、跨機構聯合攻關課題、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主要包括感知（即情景感知與需求建構層）、認知（數據計算與知識推理層）和行動（即協同方案執行與服務層）構成，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機器人集群嵌入到科研過程的全生命周期之中，實現面向科研智能化的人智共融式知識服務（見圖2）。

（1）情景感知與需求建構層。該層主要包含情景狀態識別、情景數據整合、場景關聯融合、情景大數據庫、需求智能推理以及需求多模建構六個階段［18］。服務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，同時，對應的智能情景代理被觸發，通過對科研用戶的情景數據與歷史服務場景進行關聯融合，進一步生成情景大數據庫，據此實現用戶需求智能描述與預測。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、學術文檔、行為信息等進行全方位捕捉與畫像，厘清科研用戶現有研究進展和學術交互關系；然后，情景分析類智能機器人將上述情景數據進行系統整合，并結合前沿熱點、應用動態、合作網絡等挖掘科研用戶的長短期動態需求，逐步構建面向多學科、多領域的科研用戶群的情景大數據庫；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，并構建需求地圖，實現多維度、多模態的需求精準刻畫。

（2）數據計算與知識推理層。該層主要包括需求語義解釋、多維數據資源池、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將底層的需求模型轉化成高層的語義表示。一方面，以科研用戶的研究任務為導向，借助智能機器人的數據融合智能引擎，構建以文獻數據、科學數據和實驗數據等為主體的多維數據資源池［10］；另一方面，利用智能機器人的數據篩選與集成技術、科技文獻知識抽取技術、自迭代智能學習技術等對不同類別數據資源池進行數據流轉與知識加工，以此構建密集知識資源庫。基于此，服務團隊通過與科研用戶進行交互，從而對研究假設進行調整、修正和改進，以此形成相應的科學問題假設計算空間。最后，智能機器人通過以密集知識資源庫為基礎，進一步選擇相應的實驗條件、計算方法、驗證路徑等科研要素，實現知識的智能化計算，并對相應的情報方案進行智能評估。

（3）協同方案執行與服務層。該層主要包括人機融合交互、虛擬實驗支持、實驗迭代優化、關聯服務資源庫、知識發現與產品創新以及基于情景的協同推送六個階段。具體而言，服務團隊、科研用戶與智能機器人通過以人機融合交互（如對話協商、智能適應、場景模擬等），運用自動化技術、數字孿生技術、物聯網技術等將目標實驗過程轉化成智能機器人可執行的虛擬實驗方案，借助智能機器人傳感器或機械手臂實現（虛擬）實驗方案的自動化執行。在這一過程中，智能機器人不僅可以對（虛擬）實驗假設分析與驗證進行系統記錄，而且還能結合科研用戶需求對（虛擬）實驗結論進行階段性總結、整理和歸納，進而實現（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化［19］。更進一步，服務團隊還可以對（虛擬）實驗過程中的服務內容、關聯資源、核心模型等進行抽取、融合與組織，構建關鍵服務資源庫，以嵌入、協同的方式實現科研活動知識發現和服務產品的優化，進而提升科研創新效率。

不難發現，根據不同服務目標，對應的智能機器人種類亦具有相應差異，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以數據分析、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以服務產品分析、推送、反饋為主的服務管理類智能機器人。與此同時，這對于知識服務團隊也提出了新的要求，不僅需要特定學科領域的情報或學科專家，還需要同時具備良好的有關智能機器人的人智協同管理能力以及數據知識化處理能力的知識建構師。

4? ?科研智能化視域下融合智能機器人的知識服務典型模式

科研智能化視域下融合智能機器人的知識服務，其本質是以科研項目的生命周期為視角，通過充分發揮智能機器人、服務團隊與科研用戶三位一體的人智協同優勢，對科學研究展開全流程系統化管理，以此提升科研項目治理效能與科技研發創新效率，具有服務智慧化和過程無縫化的雙重特點。基于此，科研智能化視域下融合智能機器人的知識服務典型模式是一種圍繞科研項目生命周期，以人智融合子系統為基礎，并依托協同服務子系統來協同實現科研智能化的智慧服務模式（見圖2）。

4.1? ? 人智融合子系統

人智融合子系統是以嵌入與融合為服務路徑，以知識發現與創新為目標，構建基于“感知→認知→行動”的智慧科學大數據系統，并依托人智交互保障機制，以此為協同服務子系統的有效運轉提供支撐。

（1）嵌入與融合。一方面，由服務人員與智能機器人集群所組成的知識服務團隊，以物理嵌入、虛擬嵌入、關系嵌入等方式實現研究過程的嵌入；另一方面，通過發揮知識服務團隊的專業優勢，結合科研用戶研究條件、進展、目標和基礎，實現針對特定學科領域的協同數據感知、協同關系增強和人智能力共融。

（2）基于“感知→認知→行動”的智慧科學大數據系統構建。該階段是以前述嵌入與融合為基礎，充分發揮融合智能機器人知識服務團隊的“感知→認知→行動”一體化優勢，實現智慧科學大數據系統的多層次構建，其中涵蓋了由原始化科學數據智慧化、派生化科學數據智慧化和結果化科學數據智慧化所構成的智慧科學大數據系統。

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

4.2? ? 協同服務子系統

協同服務子系統包括研究假設提出、研究方案制定、研究方案執行以及研究假設檢驗四個流程階段，并據此提供相應服務。

（1）從研究假設提出到研究方案制定：規劃與整合。這一階段涵蓋了科研用戶圍繞重大或重點科學問題而提出關鍵性假設，并借助現有的研究基礎、研發能力或核心優勢，進行研究方案的規劃和整合過程。融合智能機器人的知識服務團隊以研究需求為導向，對數據資源、智能資源、關系資源等進行全面整合，同時對研究進展現狀進行全面分析，并通過智能計算、情境模擬、系統仿真等方式參與科研用戶的假設論證，為研究假設的提出與研究方案設計提供深度參考咨詢服務支持。如在材料學領域，知識服務團隊通過與科研用戶進行協同聯合，利用智能機器人整合了高通量實驗與計算的“數據工廠”與數據設施，為材料基因工程的規劃與整合奠定了重要基礎［21］。

（2）從研究方案制定到研究方案執行：組織與規范。這一階段是融合智能機器人的知識服務團隊以前期確立的研究方案為基礎，為確保方案順利執行而采取的組織與規范的服務過程。知識服務團隊通過聯合科技情報服務機構、智庫服務聯盟組織等，對研究方案的數據資源組織、知識結構組織、技術儲備組織等方面進行整體性把控，確保方案在執行過程中的一致性和有效性。與此同時，通過發揮智能機器人集群的“感知→認知→行為”框架，對研究方案執行過程進行一致性標注、偏差化監控和全面化規范。如麻省理工學院Kebotix實驗室聯合由計算機專家、知識建構專家、數據科學家等跨領域服務團隊，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健性進行流程重組與標準規范［22］。

（3）從研究方案執行到研究假設驗證：關聯與修正。該階段是科研用戶在充分執行既定研究方案之后，關于實際研究結果與預期假設目標的對比、校正與檢驗的過程。融合智能機器人的知識服務團隊立足于智慧化科學大數據的物理或虛擬實驗自動化過程，如蛋白質結構檢驗、DNA序列測度、空間圖像識別等，構建知識計算空間并自動生成關聯性假設空間，通過采取多輪迭代，從中匹配支持科研用戶的假設模型，為研究方案的關聯與修正提供決策支持。如中國科學院在生物醫學領域，通過開發微納米機器人，開展生理環境下對微組織、細胞以及蛋白分子進行操控，并通過人工神經網絡技術對研究假設進行智能學習與關聯優化，以此加速新藥的研發進程［23］。

（4）從研究假設驗證到研究假設提出：監護與重用。該階段是融合智能機器人的知識服務團隊與科研用戶根據前期整體研究全周期反思，結合前沿應用、問題瓶頸、未來發展等，再次提出創新性研究假設的過程。由數據館員、數據科學家、數據經理等構成的知識服務團隊通過與科研用戶深度溝通，發揮智能機器人的數據監護優勢，對前期研究過程中的原始數據、派生數據、結果數據及其相關元數據等進行系統性標識和一體化歸類，并形成智能機器人可讀的全域科學大數據知識庫，并確立相應的數據引用、驗證與保護機制，為后期科研用戶提出研究假設、構建研究方案提供支撐。如材料探索與優化閉環自主機器人，對實驗數據進行一致性監護，并根據改進假設，確定相應的最佳實驗，以迭代反饋的方式實現實驗數據的重用，以此促進最優材料的發現［24］。

5? ?亟需注意和解決的問題

5.1? ? 數據資源的機器表征與關聯融合

數據資源已成為推動科研創新的關鍵要素。以跨學科、跨領域、跨時空為典型特征的大科學研究創新中，對于多源、異構、高維、海量的數據資源表征、配置與融合已經成為加速知識發現與創新的重要支撐。因此，如何實現以機器智能可讀和可計算性為目標，對數據資源的機器化、標準化表征的數據加工技術提出了挑戰。更進一步，科學研究過程具有理論指導性、實踐漸進性、螺旋上升性等顯著特點，所涉及的數據資源不僅涵蓋不同研究階段的原始大數據、派生大數據和結果大數據集合，還包括不同研究階段實時感知、動態獲取、有序增補的各類異構大數據集合，這無疑對數據資源的機器表征與關聯融合提出了嚴峻挑戰。

鑒于此，融合智能機器人的知識服務團隊可以從復雜生態系統視角，擴展多類別、多模態數據資源的預訓練語言模型，強化數據資源的標準化加工建設，提升智能機器人關于數據的數值化可讀性表征，以此構建無邊界的數據資源空間。與此同時，融合智能機器人的知識服務團隊通過以科研全流程周期為基礎，充分發揮智能機器人的智能關聯、智能融合、智能回溯等顯著優勢，為智能機器人的高通量智能計算和高效率知識發現提供關鍵支撐［25］。

5.2? ? 人智協同的服務保障與協調機制

人智協同的交互理念充分體現了智能機器人與科研用戶、服務人員等核心要素在一定規則制度下，通過一系列的有序交互和協作活動而實現共同目標的過程。從這一層面來看，完備的人智協同服務保障和協調機制是深入推動服務進程、提升服務質量的關鍵力量。一方面，以服務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，能夠有效保證服務人員的“人在回路”過程，以此提升人智協同智能增長點；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、認知和行動來實現科研智能化與服務專深化。因此，在上述過程中，融合智能機器人的知識服務團隊與科研用戶之間，所涉及的協同式服務場景保障、沖突與競爭機制的協調等問題，會直接關系到整體體驗質量與服務效果［26-27］。基于此，從服務生態系統視角來看，面向“服務人員■智能機器人■科研用戶”多維耦合服務關系的場景創設、作業分工、責任區別等保障機制，以及蘊含其中的人智協同決策沖突與競爭的協調機制，對智慧知識服務的高質量發展至關重要。

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境中智能機器人支撐知識服務需解決的根本問題之一。一方面，智能機器人系統的高效運轉離不開科研生態系統中多源、異構、海量化數據，這其中涵蓋了大量的關于科研用戶個體特征的隱私數據、科研用戶研究狀態的情境數據、科研用戶研究過程的科學數據等，上述數據一旦在傳輸、使用、保護過程中出現紕漏，極大可能觸發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（如深度學習、自然語言處理、計算機視覺等）作為一種大數據驅動的概率統計方法論，具有較為明顯的數據依賴或組件依賴特征，如若在現實復雜環境應用過程中操作不當，將直接導致相關聯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習性能優化多是借助計算模型的復雜度來實現的，這在一定程度上導致智能機器人產生對科研用戶的數據安全倫理偏見，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實的服務進程中，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，展現智能機器人的感知、計算、決策等過程的透明性和可解釋性，同時，引入關于智能機器人的可擴展監督系統，強化科研用戶隱私數據安全，以此增強科研用戶的信任感。此外，服務人員可以聯合科技倫理委員會，加強智能機器人研發過程中的社會責任感評估，突出技術與道德倫理層面的融合，進而構建以人為本的人智安全倫理體系［29-30］。

5.4? ? 知識計算的過程優化與效率提升

科研智能化環境下，知識計算化已成為智能機器人實現科學假設開發與驗證、科學實驗執行與拓展、科學發現融合與應用的重要基礎。然而，智能機器人的知識計算過程依賴于面向科學研究全流程的多模態的實驗記錄數據、多類型的傳感檢測數據、多種類的文獻關聯數據等科學大數據形態，具有典型的知識密集性、高度的專業前沿性、突出的學科交叉性等特點。與此同時，智能機器人的知識計算過程強調數據、算法和算力三位一體，尤其注重前沿知識的整合關聯與深度挖掘，這對于圍繞科學創新流程的數據融合、空間建模、流程重組等方面的過程優化提出了新的要求［31］。另外，智能機器人在支持科研智能化的過程中，構建了現實與虛擬實驗室相結合的智能學術實驗空間，通過采用數字孿生技術，實現了真實科學實驗與虛擬科學實驗之間的無縫融合，以此促進大規模知識計算。

為實現這一目標，服務人員需要開發新型的知識語言與操作程序，將資源、空間與服務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新全流程的同時，對科學大數據資源、中間化知識內容、智能學術實驗空間等進行有效串聯，進而以機器學習的方式自建構科學假設，以大數據知識空間為基礎，實現知識計算的自動化、規模化和有序化［32-33］。

*本文系重慶市教育科學規劃重點項目“智能時代教師數智素養能力評價與提升路徑研究”（項目編號：2021-GX-004）、重慶市社會科學規劃項目“重慶民族地區非物質文化遺產的數字資源整合與教育傳承研究”（項目編號：2022NDQN55）、國家自然科學基金項目“移動學術社區科研用戶微知識持續協作行為及協同創新機制研究”（項目編號：71804153）與中央高校基本科研業務費專項資金資助項目“數智時代學習者與智能機器人協作學習質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：數據密集型科學發現［M］.北京：科學出版社，2012：177-215.

［8］? 勒川.AI for Science：共創新未來——2022中關村論壇系列活動“科學智能峰會”舉行［J］.中關村，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.機器人的未來發展：從工業自動化到知識自動化［J］.科技導報，2015，33（21）：39-44.

［11］? 羅威，羅準辰，雷帥，等.智能科學家——科技信息創新引領的下一代科研范式［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：內涵、實現與機遇［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的挑戰與機遇［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.從商業智能到科研智能：智能化時代的科學學與科技管理［J］.科學學與科學技術管理，2021，42（1）：3-20.

［16］? 王飛躍，張俊.智聯網：概念、問題和平臺［J］.自動化學報，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］? 中科院網信工作網.Kebotix公司利用人工智能和機器人技術測試新型化合物［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.“互聯網+”背景下科研用戶的小數據融合研究［J］.圖書情報工作，2016，60（6）：58-63.

［26］? 曾點.人工智能能替代科學家嗎？——再思STS的一場論戰［J］.哲學分析，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（西北政法大學學報），2019，37（2）：51-60.

［29］? 王欣，張冬梅，閆鳳云，等.大數據環境下基于科研用戶小數據的圖書館個性化科研服務研究［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架構探析［J］.中國圖書館學報，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［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，西南大學計算機與信息科學學院、西南大學教育學院副教授，博士生導師；張嘉程，男，西南大學計算機與信息科學學院碩士研究生；張博睿，男，中國科學院成都文獻情報中心、中國科學院大學經濟與管理學院信息資源管理系碩士研究生。