人工智能論文全文(5篇)

1園林設計的原則

第一，植物的規格要確定好，要結合植物所適應的地質條件來對各種規格的植物進行協調搭配。一般來說，中型及其以上規格的喬木作為園林的架構之一，會對整個園林所呈現出來的景觀效果起著重要作用，應當先進行安放，然后才是小型規格的植物的安放，保證在園林景觀的細節處做好處理；第二，要合理組合植物的品種類型，落葉植物和針葉常綠植物之間在園林中所占的比例應當保持一定的平衡關系，對于植物如花卉、葉叢的顏色要協調好，一般以夏東兩季的植物色彩為主色調，其他色調為輔，以保證視覺上能起到互相補充的效果。

2園林設計中人工智能應用現狀

2.1系統操作方面

由于園林設計既涉及藝術方法也涉及到技術手段，因此，對操作人員的綜合能力要求就比較高，也就是說，操作人員應當對建筑理論、園林綠植知識和計算機基礎三方面綜合掌握，而事實上，很多參與園林設計的人員并沒有很強的工程操作能力，要求太高，難以實現。

2.2園林可重復使用性方面

目前來說，園林的重復使用性還是太低，因為每個地方的氣候條件和地理環境都不相同，所以，針對一個地方所制作的園林設計并不能簡單地復制到另一個地方，如蘇州園林的設計不能直接用在遼寧的園林設計，原因在于北方相對南方來說，園林供水相對困難，山石種類不同，綠植花卉種類也不如南方園林的豐富，而且南北審美觀不同，北方園林設計多采用渾厚石材，綠植多為松、柏、楊、柳、榆、槐，加上三季更迭的花灌木，呈現剛健雄渾的特點，而南方則因為花木種類豐富，布局特別，注重山石與水的搭配，獨具精致淡雅的特點，由此可見，園林的可重復使用性不高。

1引言

“人工智能”一詞最早是在1956年Dartmouth學會上提出的。從那以后,研究者們發展了眾多理論和原理,人工智能的概念也隨之擴展。人工智能其英文全稱為ArtificialIntelligence，縮寫為人所共知的AI，它主要是對用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統等進行研究討論。對于人工智能的定義義眾說不一，一般有兩種說法：一種是人工智能是關于知識的學科，即怎樣對知識進行表示以及怎樣獲取知識并對知識進行使用的科學；另一種是人工智能研究的是如何實現讓計算機做過去只有人才能夠做的智能工作。但是不管是哪一種，它都是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能的定義可以分為兩部分，即“人工”和“智能”。對于“人工”，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。誕生對于“智能”，則存在著很大的爭議。因為這涉及到了諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人類唯一能夠了解的智能就是人類本身的智能。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。人工智能的實現方式有2種方法。一種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineeringapproach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modelingapproach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。

2人工智能的發展

對于人工智能的研究一共可以分為五個階段。第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP表處理語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入了低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：問題求解的方法過度重視，卻忽視知識重要性。第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向高潮。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。同時國際人工智能聯合會于1969年成立。第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學但是的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。第五個階段是20世紀90年代后。網絡技術的出現于發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向到基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅只對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。

3對人工智能的思考

3.1人工智能與人的智能

從哲學上的量變引起質變的角度來講，人工智能在不斷的發展過程中一定會產生質的飛躍。在最初，人工智能只具有簡單的模擬功能，但是發展到現在已經具備了思考的能力（邏輯推理分析），這已經表明人工智能在不斷量變的過程中已經發生了質變。有人認為有人會說人工智能不會超過人類的智能，理由是人工智能是人類創造出來的。但是現實中很多人類創造出來的東西已經在某一些方面超過了人類本身的能力，例如起重機的力氣超過人類很多；汽車速度也遠超過人類的速度。人類之所以會制造出各種各樣的工具，其目的就是希望自身的能力能通過這些工具進行延伸和突破。人類研究人工智能就是希望人工智能幫助人類實現人類某些無法實現的東西。還有人認為人工智能是人類創造出來的，所以它一定存在著致命的弱點，也因此人的智能優于人工智能。但是殊不知人類與機器相比也有著十分明顯的弱點，例如人類所需要的生存條件比機器更加的嚴格，人類思維會受到人的情緒所影響，而機器只是受到程序的影響，它們沒有情緒的起伏。就目前的人工智能而言，它們在某一些領域比人類更強。但是目前我們必須正視人工智能的一些還沒有辦法改變的缺陷，那就是人工智能的學習能力與創新能力。人工智能的知識獲取大部門都是人為的進行灌輸，而無法像人類自身那樣進行主動的學習。同時人工智能只能夠利用已有的知識去解決一些問題，但是卻還不能夠創造性的提出一些新的東西。

摘要：我國科技期刊正加快數字化轉型進程，即將面臨數字化后的智能化升級。科技期刊人要抓住智能化轉型的發展契機，積極發揮人工智能對科技期刊發展的推動作用。人工智能已在科技期刊出版中探索應用，人工智能可以協助審稿、策劃組稿、編輯加工、檢測出學術不端、鑒別數據造假、精準發行傳播等，優化出版流程，提高期刊出版發行和學術傳播的效率和質量，未來可能會有更廣闊的應用前景。

關鍵詞：科技期刊；人工智能；數字化；同行評議

2021年，中共中央宣傳部、教育部、科技部印發《關于推動學術期刊繁榮發展的意見》，指出學術期刊要加快融合發展，推動數字化轉型，引導學術期刊適應移動化、智能化發展方向，推動融合發展平臺建設。人工智能正推動社會從數字化、網絡化向智能化轉型，科技期刊是率先有效引入人工智能的領域，人工智能與科技期刊出版的融合是發展的必然趨勢。人工智能技術正越來越多地被開發、應用來幫助作者和出版人員，如對海量文獻進行檢索和分析，提取有用的信息；協助組稿審稿、編輯加工、出版發行；檢出學術不端、鑒別數據造假等。人工智能可提高期刊出版和學術交流的效率，保證客觀公正性和質量控制，減少人為偏倚和編輯職業倦怠，未來甚至可以指導特定領域如何開展新的研究。科技期刊出版平臺未來將不僅限于提供學術論文數據庫服務，還可以提供更多的信息和服務，人工智能在科技期刊出版中的應用前景值得思考和探索。

一、人工智能在審稿中的應用

Dimensions數據顯示，2019年有超過420萬篇論文發表，與十年前相比翻了一番。辛巴信息（SimbaInformation）統計數據顯示，每年有超過250萬篇學術論文發表在28000余種英文科技期刊上，科技期刊同行評議的論文數量是這個數量的兩倍以上。發表論文數量的增加意味著高質量同行評議審稿的需求增加，也帶來了嚴格保持審稿高質量和高標準的挑戰。數量如此龐大的學術論文交到數量相對較少的固定的學者間進行同行評議，勢必造成審稿效率的低下和學術論文的延遲發表。同行評議過程還存在個人偏見，審稿人可能是稿件作者的競爭者或反對者，抑或是朋友、未來的合作者或資助者等，這些可能會影響審稿意見的客觀性和公正性。在實際的期刊出版工作中，也缺乏對審稿人審稿質量，以及拖延審稿或無效審稿等不當行為的約束和監督。這種情況亟須人工智能等可用于決策支持的技術來保證海量論文得到嚴格、一貫且高效的審評。引入人工智能技術可以大大優化審稿流程、提高審稿效率、縮短審稿周期。人工智能可以從網絡出版平臺的專家數據庫中快速匹配符合選題方向的審稿專家，幫助提高審稿的效率和成功率。人工智能可以在數據庫中根據研究方向、審稿記錄、審稿效率和其他預設條件等，自動篩選最合適的審稿專家，分析排序后生成審稿人列表；并根據審稿人信息自動完成審稿邀請郵件的發送，還可以實時監控審稿狀態和審稿人反饋；一旦出現審稿超時，自動向列表中下一位審稿人發出審稿邀請；收到審稿人的審稿意見后，實時通過郵件、APP、短信等及時反饋給期刊編輯進行相應處理。人工智能還可以根據論文標題、摘要、關鍵詞和正文內容等對來稿進行初審，對圖文進行快速識別，對論文的真實性、合理性、邏輯性、科學性、創新性和規范性等做出判斷，為編輯初審提供詳盡精準的參考。人工智能可以對論文的學術價值進行初步判斷，對其中的文字和插圖等進行深度識別。人工智能可以整句或整段地閱讀釋義，能識別出傳統軟件識別不出的同義表達，如此可減少學術不端，保證期刊的學術價值和品質。人工智能或許可以一定程度上遏制掠奪性期刊和掠奪性出版的泛濫。人工智能通過幫助編輯尋找新的審稿人并進行自動審稿等，大大提高學術和科技出版機構編輯出版高質量學術論文的能力，增加學術和科技期刊的論文接納能力，也就減少了掠奪性期刊侵占學術資源的機會。人工智能還能對已發表的論文進行自動瀏覽回顧，基于掠奪性期刊的一些特征和標準，幫助篩選出那些不堅持標準的掠奪性期刊和出版商。Elsevier用人工智能軟件EVISE取代了其過時的編輯系統，支持其編輯流程，提高了學術論文處理效率。EVISE可將來稿鏈接學術不端檢測軟件，從數據庫中篩選推薦合適的審稿專家，鏈接其他項目資源對稿件內容、科學性和審稿人利益沖突等進行檢測，自動生成與個人或機構的往來郵件等。開放獲取期刊出版商Frontiers推出人工智能軟件AIRA，對Frontiers的10萬名編輯、審稿人和作者開放，能幫助他們自動評估學術論文的質量。AIRA可以閱讀每篇論文，并在幾秒鐘內給出20條建議，包括對文字質量、圖表的完整性、學術不端檢測以及可能的利益沖突等。AIRA經過了Frontiers的審稿經驗培訓和測試，已完全融入Frontiers的內部工作流程，自動篩選和識別潛在的審稿人，加快審稿進程的同時，保證質量控制和客觀公正，縮短了發表時滯，提高了出版效率。AIRA通過給出建議及半自動化檢查的方式提供決策支持，仍然由相關領域專業人士做出最終決策，這種用戶反饋被AIRA捕捉并進行學習和自我完善，這種人機協作有助于保證高準確性和高效率。

二、人工智能在策劃選題中的應用

傳統的策劃選題依靠編委和編輯的經驗、知識積累對學科發展方向的判斷和預見，這種方式受人為因素限制，容易忽略有價值的選題且費時費力。未來，我們可借助人工智能的幫助，對已發表的海量文獻、資源數據庫進行檢索分析，獲取有用的信息進行相應的操作。人工智能可以從網絡出版平臺的專家數據庫中快速匹配符合選題方向的作者，幫助提高組稿的效率和成功率。數據思維就是利用數據來深度挖掘和了解需求，了解存在和需要解決的問題，通過量化的數據來解決問題。人工智能基于大數據可以輔助選題策劃選題、收集專家學者信息和研究方向，通過讀者閱讀信息和反饋來分析其關注點和需求，提供個性化的文獻檢索和信息傳遞服務等。人工智能可以通過對大數據的深度挖掘和學習，通過云計算技術，敏銳捕捉專業領域的新熱點、新技術、新理論等；基于讀者的閱讀習慣、傾向及頻率等進行量化分析，獲取讀者的需求信息；對國家自然科學基金等基金組織申報和資助情況、科技獎獲獎情況、國際學術會議研討熱點等進行整合分析，對文獻數據庫等潛在信息進行挖掘和分析，快速推測出哪些內容具有獨創性、前瞻性和話題性，生成選題策劃資源庫，幫助期刊編輯更精準高效的策劃選題。基于人工智能的新型搜索工具Iris.AI，可以幫助學者從海量文獻中篩選研究論文或專利等，提取關鍵的數據和要查找的信息。學術搜索平臺SemanticScholar也是基于人工智能自主學習的學術搜索引擎，可快速篩選相關有用內容，并在一定程度上理解這些內容，展示相關主題歷年文章發表情況及相關推薦內容等，可輔助期刊策劃選題。

關鍵詞：人工智能;選題策劃;科技期刊;應對策略

《2018—2019中國數字出版產業年度報告》中指出，人工智能技術在出版領域的應用日趨深入［1］，最直接的表現在于人工智能技術將改變出版行業長久以來模式化、規律化的生產運營方式，提高出版效率，提升知識服務能力.研究人工智能技術與出版融合發展的落腳點和著力點在于人工智能在學術出版領域的應用.向颯［2］認為人工智能不僅可以加速學術傳播，在選題策劃、編輯出版、生產印刷、營銷發行等方面再造學術出版流程，還可以顯著提升學術出版的知識服務能力.劉銀娣［3］認為人工智能可以應用在反剽竊和同行評審專家匹配、智能學術搜索以及智能文獻計量等環節.劉平等［4］介紹了借助人工智能的智慧出版模式，包括從選題策劃、內容生產到閱讀體驗及內容服務等過程.江雨蓮等［5］指出人工智能在醫學期刊編輯出版中的應用包括選題策劃與組稿、論文初審與同行評議、編輯加工、排版與校對等方面.然而，現有研究［2－7］大多是概述人工智能在內容生產到內容推送全流程中的潛在應用，鮮有專門探討人工智能應用于選題策劃的研究.選題策劃是出版物編輯過程的最初階段，也是影響出版物發展前景的至關重要階段［8］.探討人工智能應用于選題策劃是研究人工智能技術與學術出版融合發展的重要一環.本文將列舉人工智能在科技期刊選題策劃中的優勢和可用于選題策劃的人工智能產品，探討人工智能選題策劃面臨的挑戰及編輯的應對策略，以期為科技期刊應用人工智能進行選題策劃提供參考.

1人工智能選題策劃的優勢及可用產品

科技期刊選題策劃的方式方法與圖書等出版物相比存在一些差異，它主要是根據當前學科熱點及焦點問題，結合讀者需求，制定具有前瞻性、引導性、實用性的選題方向、選題形式及內容，然后進行多途徑組稿約稿，策劃專題專欄、專刊甚至特刊來實現選題優化，強化期刊品牌特色，推進學科發展.

1.1人工智能在科技期刊選題策劃中的優勢

1.1.1提高選題策劃的效率和準確性傳統的選題策劃主要依靠編委和編輯的知識積累、經驗以及對學科方向的預見和主觀判斷來尋找有價值的選題，這種方式耗時費力，并且容易忽略非常有價值的選題.利用人工智能獲取選題離不開人工智能學術搜索工具.2020年5月，清華大學人工智能研究院等單位聯合了報告《人工智能之學術搜索》［9］，該報告中指出，與以往的學術搜索引擎(例如開放式互聯網學術搜索引擎)相比，人工智能學術搜索引擎不再局限于單純地為用戶提供文獻檢索的簡單功能(例如關鍵詞搜索、模型化計量等)來逐層過濾相關度不高的論文，而是將大數據、深度學習技術應用到信息篩選過程中，基于大數據、深度學習的檢索系統能從海量數據中快速提取有效信息并進行科學統計分析，同時理解查詢者的需求和文獻的意思.人工智能可深度挖掘讀者需求，通過讀者行為(閱讀、評論、下載、轉發等)捕捉讀者研究背景和研究興趣;還可以根據學科領域內的熱門事件和熱點、前沿問題進行智能分析比對，快速推測出哪些內容更具前瞻性和話題性，有效提高選題策劃的效率.人工智能選題策劃是在開放的互聯網上進行的，搜索范圍更廣、內容更豐富，獲得的選題方向更全面、準確.由《紐時時報》數字部門的科學團隊研發的機器人Blossomblot，是基于協作工具Slack軟件上的一個虛擬智能機器人，它可以對社交網絡的海量文章進行大數據分析，預測哪些內容更有話題性，幫助編輯挑選出適合推送的素材.據《紐時時報》的統計數據，經Blossomblot篩選后推薦的文章點擊量是普通文章的38倍［10］.

1.1.2提升約稿對象的匹配度隨著科學技術的發展，學科間的交叉融合越來越多，學者進行跨學科研究的現象非常普遍;青年學者的學術影響力較弱.這些因素都可能導致編委或編輯不能準確、及時地獲取潛在約稿專家的信息及他們的科研動態.人工智能可協助期刊編委及編輯尋找潛在的約稿專家.與傳統的約稿方式(如在編輯部已有專家庫中選擇、其他專家推薦等)相比，借助大數據技術、知識圖譜技術、圖像識別技術甚至聲紋識別技術等，人工智能可在海量信息中檢索并標記可能相關的學術動態信息及其研究者，具有元數據結構的機器可“讀取”、描述這些科學人物，并對他們的研究成果相關性及研究質量進行搜索、分析和排序，估算這些研究者的學術影響力.比如，人工智能可以快速搜索相關領域重要學術會議的特邀專家、重大科研項目的第一責任人、省部級科技獎項獲得者等，分析這些研究者及所在課題組的科研軌跡和當前的研究方向，分析他們的科研產出，估算他們的科研活躍度;同時，通過學者關系網絡圖譜智能搜索與這些科學家合作密切的其他研究者.此外，人工智能還可根據當次約稿結果生成新的訓練數據，為下一次選題策劃、組稿約稿提供參考.人工智能賦能的學術搜索工具AMiner可采用知識圖譜技術結合人工智能技術自動生成全球人工智能領域最有影響力的學者榜單、全球計算機領域高校排名、全球學術會議綜合指數及排名等學術榜單，幫助編委和編輯在交叉領域和新興熱點領域尋找全球范圍內合適的約稿對象［9］.

摘要:媒體融合時代，智能技術為科技期刊的發展帶來了前所未有的便利，然而文獻的爆炸式增長也給科技期刊的精準傳播帶來了很大的挑戰。文章從擴展學術搜索的路徑、構建個性化的精準推送平臺和多元化的傳播模式、向用戶提供有針對性的服務方面探索在媒體融合形勢下如何提升科技期刊的精準傳播能力。

關鍵詞:科技期刊;媒體融合;知識服務;精準傳播

近年來，隨著計算機技術的進步，科技期刊出版正在經歷著前所未有的巨大變革。目前，信息技術已呈現出“人-機-物”三元融合的態勢，數據分析工具和基于云計算的數據資源成為期刊出版的重要特征［1］，期刊出版的數字化和集群化發展成為當下期刊發展的主流趨勢，人工智能也將在學術期刊的出版、存取、質量評價等多個環節上得到廣泛應用，并推動科技期刊出版方式的變革［2］。目前，在科技期刊界，學者們就如何促進科技期刊媒體融合發展開展了大量的研究，既包括理論層面的探討，又包括從實踐和案例的角度開展的應用研究［3-6］。與此同時，我們注意到，全球的科學產出以極快的速度增長，從第二次世界大戰結束以來，全球的科學產出相當于每9年就會翻1番［7］，讀者也更容易被無用的信息轟炸，難以在期刊論文的海洋中高效準確地找到自己需要的內容，科技期刊要想擴大自身的影響力也愈來愈難。信息爆炸時代，科技期刊關注讀者“需要什么”比“提供了什么”更重要。在智能技術變革的時展潮流中，科技期刊應如何順應時展趨勢，利用智能技術整合資源，更好地滿足讀者的需求，擴大期刊的影響力，創造科技期刊人、出版商、作者、讀者的共贏局面?本文從以上問題切入，嘗試從擴展學術搜索的路徑、構建個性化的精準推送平臺和多元化的傳播模式、向用戶提供有針對性的服務方面探索在媒體融合形勢下如何提升科技期刊的精準傳播能力，以期為我國科技期刊媒體融合建設增瓦添磚。

1借助人工智能，擴展學術搜索的路徑

互聯網時代改變了人們獲取信息的方式，搜索引擎在促進科技期刊的傳播、提高影響力等方面的功能逐漸凸顯。雖然現有的一些搜索門戶網站諸如Webofscience、PubMed、谷歌學術、各圖書館網站、中國知網、萬方數據知識服務平臺等搜索引擎可以幫助讀者檢索科技論文，但是仍不能滿足用戶多樣化的檢索需求。Tancheva等［8］針對康奈爾大學圖書館開展的一項調查研究發現受訪者“往往既對搜索方法的效率感到滿意，同時又對搜索的棘手和費力感到不滿……當研究人員無法完成一個特定的搜索任務，他們很可能放棄現有的方法(或工具或技術)，而不是找出如何使它工作”。為了解決這一問題，需要開發新的模式解決學術出版的過量負載，利用智能技術優化搜索引擎的現有功能。目前很多科技公司都在探索開發基于人工智能的學術搜索引擎和知識服務。例如Springer網絡平臺不斷對其功能進行集成，并提供個性化服務功能;Elsevier等出版商為用戶等提供搜索引擎培訓課程;微軟學術(MicrosoftAcademic)通過在實體之間建立有意義的關聯，自動生成可視化的知識圖譜，引導學者閱讀［2］;2014年，Wiley線上圖書館為用戶提供了增強型HTML文章服務(AnywhereArticle)，它將可讀性、交互性和可移植性設為用戶體驗的核心，使讀者能夠在頁面中快速找到最重要的信息［9］。一些關于科學出版的新模式和平臺被相繼開發，如Chorus［10］通過集成服務和開放APIs，優化了科技論文被搜索的路徑，并為政府機構、出版商、研究人員、圖書館員和作者提供可持續的解決方案。目前我國已經形成一些專業的期刊集群，一部分學術期刊數據庫平臺也開始進行語義出版形式的探索，對科技期刊內容進行深度加工和挖掘。不同的科技期刊具有不同的特點，在學術期刊的數據庫平臺建設過程中需要平臺開發團隊與期刊編輯充分交流［11］，發揮編輯的優勢和主導作用，凸顯本學科的學科特色。

2利用智能算法，構建個性化的精準推送平臺

技術是科技期刊創新發展的重要推手，技術應用能力也成為科技期刊發展的競爭資源，充分利用技術強化科技期刊的知識服務和加工能力，創新出版和傳播模式，滿足數字化時代的讀者需求，對于科技期刊的精準傳播和融合發展非常重要。在人工智能背景下，可以借助于算法實現科技期刊出版的智能化。算法的設計程序與設計者的思維密不可分，設計者選擇數據樣本、賦予數據意義、設計模型與算法，擁有數據并設定算法的智能化平臺具有很強的主導性［12］，因此設計者需要盡可能考慮并消除算法偏見和利益沖突對精準傳播帶來的負面影響。日前，騰訊研究院和騰訊AILab聯合的人工智能倫理報告指出“人工智能等新技術需要價值引導，做到可用、可靠、可知、可控”［13］。目前“智能算法+學術期刊”已成為創新趨勢，學術期刊可構建信息數據基礎環境，進一步完成動態精準信息推薦，最后以傳受關系交互實現長期有效的黏性連接［14］。一方面可以通過算法整合資源，實現大量科技期刊的數字資源的聚合;另一方面可以通過算法分析用戶的閱讀興趣、研究領域，基于用戶的需求建立相關用戶數據信息，從而進一步將數字資源和用戶數據相匹配，實現科技期刊的智能化精準傳播。如中國知網推出的“CNKI全球學術快報”整合全球文獻和超星集團推出的“域出版”超星學習通學術平臺［15］，用戶不僅可以在其App上進行文獻檢索、分版閱讀、專題閱讀等，還可以與作者進行互動交流。此外，還可以利用智能算法設計追蹤用戶的信息反饋，通過學術平臺進一步增加用戶的體驗感，提升科技期刊的精準傳播能力。