【作 者】范军、陈川：华中师范大学文学院
【摘 要】人工智能的蓬勃发展赋予了学术出版新的发展可能。在欧美学术出版领域，人工智能的应用主要表现在便捷学术生产、参与同行评议、助力开放获取几个方面，同时也存在放大学术偏见、侵犯用户隐私、加剧版权纠纷的风险。审视欧美智能学术出版的发展现状和潜在风险，中国学术出版界应注意促进人工智能与学术出版的有效融合：加大数据开放，拓展数据来源;确保人工智能的运行符合管理规定;凸显人在智能学术出版中的角色定位。
【关键词】人工智能；智能学术出版；欧美出版；学术出版；新兴出版
随着人工智能（Artificial Intelligence，简称AI）的蓬勃发展，传统出版业迎来了转型升级的新机遇。机器学习、自然语言处理、大数据分析、语音识别、文本识别等有关技术将重塑出版产业链，使出版物的组织策划、内容生产、编辑加工、营销传播逐渐走向自动化和智能化。尽管人工智能在驱动产业变革方面拥有巨大潜力，但出版业界对其认知却并不一致。德国高尔登芬奇公司和法兰克福书展在对全球4大洲、17个国家的200多位出版从业者调查后发现，有1/3的被调查者完全不了解人工智能，也有近1/3的人知道如何让人工智能与出版业产生关联。各公司对人工智能的资金投入也呈现两极分化的态势：一方面，8%的公司将研发总额的85%投向了人工智能；另一方面，一半以上的公司完全没有投资过人工智能。[1]该调查表明，由于从业者对人工智能较为陌生，在人工智能热潮面前，出版企业普遍趋向审慎及观望，但也不乏积极试水者。目前，较早与人工智能展开融合的出版机构已取得先发优势，并在新兴出版领域占有一席之地。这些探索性的智能出版实践正成为出版创新的“领头羊”，引导出版业既有生产方式的更新与重构。相应地，人工智能的渗入也赋予了学术出版新的发展可能。国际学术期刊巨头施普林格·自然（SpringerNature）的董事、总经理NielsPeterThomas断言，“AI能从根本上改变学术出版”，它“不仅有助于我们创造新知识，也有助于我们阅读和理解现有的内容”[2]。本文主要介绍人工智能在欧美学术出版领域的应用现状，分析其面临的主要风险，以期为中国学术出版的智能化提供启示。
一、人工智能便捷学术生产
在科学研究的范围不断延伸的时代背景下，学术出版的规模持续扩大。国际科学技术和医学出版商协会（International Association of Scientific，Technical and Medical Publishers，简称STM）发布的最新报告显示：两个多世纪以来，全球年出版论文数和期刊种数的增长率大约分别稳定在3%和3.5%，最近几年，这两项数字已增至4%和5%。学术出版市场看似繁荣，但僧多粥少的局面并未得到改善。报告同时指出，当前科研人员的总数预估在700万到800万之间，而2018年全球论文的发表总量为300万篇。[3]如果以人均至少一篇来算，那么在去年，有一半以上的学者没有公开出版过论文。除此之外，科研人员也饱受工作任务重、精神压力大等问题的困扰。《自然》（Nature）杂志的一份调查显示：有近40%的研究者一周的工作时间超过60小时，约2/3的人曾考虑放弃科研。[4]可见，同行竞争与科研压力干扰了学术出版成果的连续性和稳定性。由于同行竞争不可避免，所以在保证质量的前提下为科研工作减负，甚至开发一种新的学术产出方式具有一定的可行性。借助于人工智能技术，一些研究者和学术出版商率先进行了尝试。
互联网的兴起急速推动了学术出版的数字化进程，使知识传播达到了前所未有的深度和广度，与此同时也使用户陷入了信息超载的困境。面对海量数据，传统的按照关键词、主题、题名等进行检索的学术引擎已颇显不便，如何精准高效地筛选信息成为亟待解决的难题。美国深度学习研究专家Andrej Karpathy基于论文预印本文库arXiv创立的arXiv-sanity是智能学术搜索引擎的代表。arXiv-sanity的搜索结果以可视化形式呈现，除显示标题、作者等基本信息外，还附带论文缩略图，可帮助研究者观其大概，防止内容误判。该平台具备较强的推理和联想功能，只要点击论文缩略图上方“显示相似”，系统就会利用自然语言处理技术确定文章主题，进而生成论文推荐列表。用户在做出检索、浏览、保存动作的同时，会向搜索引擎传递信号，依据这些信号以及其他用户的使用习惯和偏好数据，平台就能定位你的研究兴趣，并推荐相应文章。通常来讲，用户传递的信息越多，推荐的结果就越准确。[5]
人工智能软件Iris.AI也旨在降低学术生产初期，即文献挖掘和阅读阶段的工作难度。作为世界上第一款人工智能科研助手，Iris.AI能从用户输入的文本中提取关键性语义概念，然后输出相关的研究话题或学术成果。它还能以知识图谱的形式呈现论文甚至是视频的核心内容，以便研究人员更为有效地利用现有的科学知识。该软件的研发公司宣称，Iris.AI解决问题的速度比手动操作快78%。[6]不同于前两者，牛津学术专著在线（Oxford Scholarship Online）主要采用知识链接法，提高学术内容的可发现性。该系统对学术图书的参考文献做了智能处理，使每条参考文献都能链接到对应数据库，便于读者发现新知识。[7]人工智能不仅可以参与学术搜索，也能从事学术写作。美国麻省理工学院的研究团队开发了一种神经网络算法，它能读取科学论文并输出一个简单的一两句话的英文摘要。虽然这只是一种有限的写作形式，但依然可以帮助编辑、作家和科学家阅读大量的论文，以初步了解它们的主要内容。[8]施普林格·自然则更进一步，出版了首部完全由机器写作的学术图书《锂离子电池：机器生成的当前研究摘要》（Lithium-Ion Batteries:A Machine-Generated Summary of Current Research）。这本250页的著作是公司旗下的内容平台“Springer Link”对2016年到2018年间发表的150篇权威论文的自动摘要，展示了锂离子电池研究领域的最新成果。Beta Writer算法是本书成型的技术关键，它使用基于相似性的聚类分析，将源文档排列成连贯的章节，然后创建简洁的文章摘要。该书的电子版中还添加了引文超链接，以便读者进一步浏览原始文献。[9]目前，人工智能生成的学术成果以论文摘要为主，且最终文本的准确性还有待提升。不过可以预见，随着技术的改进和完善，机器将使未来的学术生产更为多元。
二、人工智能参与同行评议
同行评议是学术出版的“把关人”和“过滤器”，在监督和保证学术成果的质量方面发挥了不可替代的作用。从17世纪中后期世界首批学术期刊诞生开始，编辑就意识到了专家意见对文章发表的重要性。时至今日，同行评议已成为欧美学术出版的通行做法，不过在具体实践中也面临不少问题。法国学者Michail Kovanis及其团队在对1990年到2015年生物医药行业的期刊文章调查后发现：研究人员的增长速度要快于所需审稿人的增长速度。[10]换言之，学术研究的生产量已经超过了学术评议的供应量。另据调查显示，全球论文投稿量也在大幅增长。以常用的论文投稿平台ScholarOne为例，2013年，该系统的收稿量为160万份，到2017年则有200万份，增幅达1/4。[11]大量的待评议论文无疑会进一步加重审稿人的负担，使审稿质量下降。另外，随着学科分类的细化，学术研究的专门化与专业化倾向日趋明显，导致不同学科甚至是研究方向之间壁垒分明。由于任务量的增加，审稿人时常会接触到跨学科或非本领域的研究论文，评审意见的准确性和权威性可能会受到质疑。人工智能的出现有望缓解同行评议的危机，提高论文评审的科学性和有效性。
全球最大的学术出版商爱思唯尔（Elsevier）于2015年推出的在线审稿和编辑系统Evise可被视为智能同行评议的先驱。Evise的业务流程相当自动化，当作者提交论文后，系统会与反剽窃软件关联，检测文章是否存在抄袭。它可以访问爱思唯尔的审稿人数据库，利用科研分析工具Scopus检索各审稿人的个人资料、科研成果和利益关系，以匹配最合适的人选。在审稿期间，Evise通过电子邮件与编辑、审稿人和作者保持沟通。它提醒审稿人审阅论文，如果他们没有回复则取消邀请，并在必要时继续邀请其他审稿人。待编辑决定录用后，Evise会自动通知作者和审稿人。[12]2018年，爱思唯尔的同行评议管理系统Aries Systems采用了一款名为StatReviewer的软件。StatReviewer拥有比Evise更为复杂的算法程序，它能够在全文分析的基础上识别审稿人不易察觉到的问题，如统计数据造假、关键信息遗漏、研究方法不当、研究结论偏差等，并生成类似评审意见书的评估报告供审稿人参考。据悉，包括爱思唯尔在内的十几家出版商测试了该软件。参与试验的投稿作者表示，不管是对审稿人还是StatReviewer的评阅意见，他们的满意度均没有差别。[13]为了加速实现人工智能评议论文的目标，爱思唯尔已经与伦敦大学博士后IsabelleAugen-stein签订了为期两年的合同，让对方设计智能同行评议的雏形。[14]
除了各大学术出版商，一些技术企业也在积极探索人工智能与同行评议的融合方式。位于丹麦的UNSILO是一家研发高级文本理解与处理工具的人工智能软件公司，它旨在打破不同学科或行业间的知识障碍，为研究者提供更加轻松、更有价值的工作方式。从2012年成立至今，UNSILO先后与施普林格·自然、卡尔格（Karger）、泰勒-弗朗西斯（Taylor & Francis）、ScholarOne、英国医学期刊（British Medical Journal，简称BMJ）等多家出版商或刊物展开合作，将自然语言处理和机器学习技术引入审稿工作之中。该公司提供的“UNSILO Evaluate”服务具备向编辑推荐审稿人的功能，还能在扫描论文后通过语义分析提取文章的主要观点或关键概念，帮助审稿人或编辑做出决策。人工智能为决定审稿人、检验学术不端、分析论文观点带来了便利，使同行评议的效率明显提升，但还未进步到可以让审稿人根据软件提供的信息决定录用结果的地步。限于人工智能的实际水平，多数学术出版商依然在坚持传统的同行评议模式，审稿人的决定权也不会在短期内被取代。
三、人工智能助力开放获取
开放获取（Open Access，简称OA）是一种让用户免费获取学术出版资源的知识传播方式，对于遏制出版垄断、促进学术民主具有积极意义。在相当长的一段时间里，欧美国家的学术出版活动主要由非营利性的学术机构或团体进行。到20世纪六七十年代，部分出版商开始通过收购、合并、重组的方式介入其中，由此开启了学术出版特别是学术期刊出版垄断化经营的序幕。加拿大蒙特利尔大学的一项研究显示，学术期刊产业正成为出版寡头的角力场。不管是在自然科学与医学领域，还是在社会科学与人文科学领域，前五大学术出版商控制的论文数都超过一半。[15]它们通过订阅付费将运营成本转嫁到研究者和公共机构身上，借机攫取了巨额利润。以爱思唯尔为例，该公司2018年营收25.38亿英镑，盈利9.42亿英镑，[16]净利润率达37%，比苹果、谷歌这样的科技巨头还要高。出版商垄断化的盈利模式给学术界造成了巨大的经济压力，德国、美国、瑞士、挪威等国的科研机构甚至不得不终止订阅，以示抗议。双方博弈的焦点在于，研究人员希望出版商实行开放获取，但出版商又难以舍弃丰厚的收入，以至文献数据库的开放化服务迟迟难以达成共识。
尽管学术“付费墙”依然存在，但推行开放获取已是大势所趋，一些出版商也在积极转型，谋求成为学术出版多样化的支持者和领导者。爱思唯尔便是其中的典型代表，作为世界上最大的绿色开放获取出版商，其每年出版的绿色OA文章达4.5万篇以上，在2018年发表的金色OA文章也超过3.4万篇，较前一年增长26%。[17]爱思唯尔之所以能在开放获取运动中占得先机，除了依赖旗下众多的OA期刊，也得益于一系列智能服务工具。例如，2016年，爱思唯尔收购了全球最大的开放获取知识库社会科学研究网（Social Science Research Network，简称SSRN）。该网站支持研究人员上传论文预印本，供有需要的用户免费下载。它能基于大数据对文章的上传量和下载量进行实时排名，还能使用算法准确提取新上传文章引用SSRN论文的内容。如果具备数字对象标识符（Digital Object Identifier，简称DOI）的论文被引用到SSRN之外，系统会自动获取DOI信息，经数据挖掘后向用户提供相应的引文链接。[18]2018年7月，爱思唯尔与另一家非营利性的开放获取数据库Impactstory达成协议，宣布将后者的学术检索引擎Unpaywall整合到Scopus之中，这一举措使Scopus的OA文章增加到了700万篇。Unpaywall可通过人工智能技术以简洁的语言对数据库中的期刊文章进行总结，帮助非专业研究者更为轻松地获取和理解Scopus中的开放获取内容。[19]在欧美大学出版社的开放获取实践中也能看到人工智能的身影。麻省理工学院出版社与麻省理工学院媒体实验室联合成立的麻省知识未来小组（The MIT Knowledge Futures Group，简称KFG）是一个还在试验中的开放获取服务平台。KFG正在开展一系列知识开放项目，促使出版发行由封闭的循环系统向开放式过程转换。Underlay工具便是其中之一，它主要用于抓取、链接和存储开放出版物中的内容及其来源，并根据所获得数据组建结构化的语义知识库，方便用户查找目标信息和所有的相关内容。总的来说，人工智能为学术出版商的开放获取业务提供了重要的技术支持，也降低了用户发表和获取开放获取文章的难度。
四、人工智能在学术出版领域应用的风险
凭借在数据分析、自然语言处理、机器学习方面的技术优势，人工智能为学术生产、同行评议和开放获取提供了不少便利。从某种程度上说，这些有限的应用实例或许会成为一种全新的智能学术出版模式的早期见证。即便如此，由于人工智能在出版领域的应用仍较为初级，所谓的智能学术出版并未真正成型，所以欧美学术出版界对人工智能的应用前景还存有疑虑。
首先，人工智能以“数据+算法”核心的运作机制会放大学术出版过程中的某些偏见。众所周知，人工智能做出的任何决策都必须经由“原始数据—机器学习—算法模型—最终决策”的内在过程，其中数据是基础和关键。如果数据本身隐含缺陷，就有可能影响决策的准确性。例如，在同行评议时，机器给出的意见看似客观公正，其本质仍然是对大量人类评议文本的联系和模仿。源文本中的某些共同偏见会被算法合理化甚至总结为规律，并在日后的审稿过程中得到再现和强化。更为严重的是，让人工智能学习已发表的论文会使机器转向对已有研究方法或结论的认同，丧失对新知识或新观点的辨别能力。如果智能同行评议系统不能及时更新或扩充人工智能利用的数据源，反倒会使其成为学术创新的阻力。人工智能并非不偏不倚的圣母，当它向人类学习时，当算式‘狼吞虎咽’地收集大量人类书写的文本词义时，它也采用了非常类似人类的思维模式，AI已经成为我们现有文化的延伸。[20]因此，“科研人员要发展人工智能，就必须保持警惕，必须让人工智能‘学习’到正确的价值观”[21]。
其次，人工智能的数据采集和应用流程可能会侵犯用户隐私，这是包括出版业在内的各行业在引入人工智能时面临的普遍性问题。人工智能只有在访问所有可用数据的前提下，才能对用户的行为进行实时监控和学习，才能提取和构建模型。这样一个从数据输入到输出的过程中间存在着人类无法察觉的真空层，即数据黑箱。数据黑箱中记录着用户的重要信息，但作为数据生产者的我们却无从知晓哪些信息会被采集、将被如何运用以及用往何处，一旦中间的任何环节出现漏洞都将严重危害个人信息安全。最近几年，企业过度收集和使用用户数据的行为愈演愈烈，导致大众对人工智能使用中的隐私风险越发担忧。今年8月，微软曾公开承认，智能语音助手Cortana的语音数据和录音会被收听，用以改善微软产品和服务的语音识别、翻译、意图理解等功能。此前，亚马逊的智能音箱Alex也屡次因隐私问题引发美国用户的质疑。虽然学术出版中的隐私侵犯和数据泄露问题尚不突出，但同样值得警惕。智能学术引擎通过浏览记录为用户“画像”、推送论文的行为促进了学术搜索向便捷化、个性化方向发展，实现了供需双方的良性互动。不过从深层看，这种关系又相当不平衡，用户必须以牺牲个人隐私为代价才能收到系统提供的靶向性信息，而系统获取用户数据的成本却相对低廉，企业还能利用数据牟取经济利益。长此以往，双方的矛盾必将激化，也将降低智能学术出版的可持续发展能力。
再次，人工智能扩大了开放获取，但也加剧了版权纠纷。实行开放获取的初衷是打破少数出版商对学术资源的垄断，人工智能也在一定程度上推动了开放获取业务的发展。不过，从事未经授权的开放获取活动仍然会遭到传统学术出版势力的强烈反对。事实上，一场由开放获取引发的学术自由与知识产权的战争已经打响，而智能技术在其中发挥了推波助澜的作用。2011年，哈萨克斯坦学者兼黑客亚历山德拉·埃尔巴克彦（Alexandra Elbakyan）创立了可以绕过“付费墙”获取学术资源的网站Sci-hub，它利用特殊的脚本智能获取下载密匙，帮助用户免费获取论文。Sci-hub现已成为全球最大的学术盗版网站，用户几乎可以从中获取各大出版商的所有文献资源。在广大科研工作者看来，Sci-hub是学术自由的福音，学术出版商却将其视为行业公敌。从2015年至今，爱思唯尔先后多次将Sci-hub告上法庭，指控其侵犯版权。面对出版商的步步紧逼，埃尔巴克彦不得不频繁更改网站域名，甚至远走俄罗斯寻求庇护。毫无疑问，从欧美国家现行的法律条文看，Sci-hub确实存在侵权行为，但从科学研究上看，Sci-hub又具备道德合理性。究其根本，是因为现行的学术出版制度首先保障的是出版商而非作者的利益。如果人工智能与开放获取走向深度融合，可能会引发更大规模的知识产权冲突。出版商该如何在学术出版的公益性和营利性之间取得平衡，开放获取又将如何发展还有待继续观察。
五、人工智能在欧美学术出版领域的应用对中国学术出版界的启示
与欧美国家相比，中国学术出版界似乎对人工智能不甚热心。目前，只有以中国知网为代表的少数出版商将人工智能应用到了产品服务中。例如，CNKI智能图文技术团队利用光学字符识别技术（Optical Character Recognition，简称OCR）构建了一个完整的文本检测与识别系统。该系统能识别含有文字符号的数字图像并转换为可编辑的数字文本，以实现对文本的进一步处理。尽管人工智能在中国学术出版领域的应用范围不广，但考虑到我国的人工智能水平、科研人员总数、论文生产规模均居于全球领先地位的事实，中国智能学术出版的前景依然广阔。审视欧美智能学术出版的发展现状和潜在风险，笔者认为中国学术出版界可从以下方面着手，促进人工智能与学术出版的有效融合：
首先，加大数据开放，拓展数据来源。数据是人工智能的“粮食”，没有海量优质的数据支撑，学术出版的智能化将举步维艰。当前全球各国都意识到了数据对于产业智能化的重要性，但中国的数据开放程度仍相当有限。在学术出版领域，中国知网、万方数据、维普网等学术出版商基于商业或隐私考量一般不轻易分享用户数据，而大学出版社和学术期刊又缺乏数据挖掘技术和开放意识，由此便形成了众多的数据孤岛，阻碍行业内数据的正常流动。此外，各出版机构的数据规范缺乏一致性，数据质量泥沙俱下，即使实现了数据开放，数据的整合又会成为新的难题。好在政府部门已从政策高度保障了数据开放的可行性，国务院印发的《新一代人工智能发展规划》强调，要“完善落实数据开放与保护相关政策，开展公共数据开放利用改革试点”[22]。就学术出版而言，业内亟须达成共识，合力建设标准统一的学术出版数据库，发展跨企业、跨平台的智能学术搜索引擎。同时，要尽可能拓展数据来源，让人工智能无监督学习（unsupervised learning）不带有人类选择标签的数据。虽然无监督学习的速度较慢，但能消除无意识偏见对人工智能的影响，保证机器审稿结果的客观性。
其次，确保人工智能的运行符合管理规定。中国虽还没有关于人工智能的成文法，但近年来也出现了一些相关的规范性条文。2019年5月，国内多所研究机构联合发布的《人工智能北京共识》，提出了人工智能研发、使用和治理中的15条规范。“共识”中的“知情与同意”“善用与慎用”原则值得学术出版商借鉴。学术出版商在收集和利用用户个人信息的过程中要遵循公开、合法、适度的原则，给予用户充分的知情权并取得其同意；不得以误导、欺骗的方式盗取用户数据，不收集与学术出版服务无关的数据，也不将数据挪作他用。只有划定了数据挖掘和使用的边界，才能保护用户的隐私权不受侵犯。在人工智能算法方面，有必要对算法进行监管，提升算法的透明度和可解释性，破除数据黑箱。据了解，欧美国家已开始采取措施，力促算法公开。欧盟于2018年5月正式实施的《通用数据保护条例》（General Data Protection Regulation，简称GDPR）就明确要求，所有算法都必须解释其输入原理。在国内，“今日头条”公司也主动公开了自己的算法原理，并接受各方建言，这一史无前例的举动充分体现了企业对技术发展的责任和诚意。或许中国的大型学术出版商也该紧跟潮流，以实际行动回应公众关切。
再次，凸显人在智能学术出版中的角色定位。人工智能常会给人们制造一种错觉，即人已经沦为技术变革中的遗留系统。人的工作低效、冗余又过时，仿佛越将其排除于学术出版流程之外，越能显示人工智能的成功。不过，人在学术出版中的主体地位依然不会被人工智能超越。由于计算机的程序性缺陷，人工智能还不具有抽象思维、推理能力、自我意识等类人化特征。更何况，学术出版商应用人工智能的初衷也并非取代人类。所以，不能因为人工智能取代了编辑或评审专家的部分工作而忽视人在出版活动中的价值。从现实的角度看，人机协同才是最有利于智能学术出版的操作模式。人工智能可以帮助寻找审稿专家，也能提供评审建议，但编辑的把关作用同样重要，对于一些难以被量化的人文社科类论文，实行人类评议的效果可能更好。在处理开放获取运动中被人工智能激化版权纠纷时，也要充分考虑出版商和用户的角色属性，兼顾双方利益，塑造更加公平的学术出版生态。
参考文献：
[1]柯林:《人工智能对出版业意味着什么?》,《出版商务周报》,2019年7月14日.
[2]樊文:《人工智能时代,AI能改变学术出版的未来么?专访施普林格•自然出版》,https://new.qq.com/rain/a/20190813A0KCZP00,2019年8月13日｡
[3]Inernational Association of Scientific,Technical and Medical Publishers:The STM Report:An overview of scientific and scholarly publishing,https://www.stm-assoc.org/2018_10_04_STM_Report_2018.pdf,2018年10月4日.
[4]Kendall Powell:Hard work,littlereward:Naturereaders reveal working hours andresearchchallenges,https://www.na-ture.com/news/hard-work-little-reward-nature-readers-reveal-working-hours-and-research-challenges-1.20933,2016年11月24日.
[5]王树义:《如何用人工智能帮你找论文?》,https://www.jianshu.com/p/b296be2fc19b,2018年2月7日.
[6]TheSaint:Aninterview withtheco-founderofIris.ai—the world 's first ArtificialIntelligencescienceassistant,http://www.thesaint-online.com/2018/06/an-interview-with-the-developers-of-iris-ai-the-worlds-first-artificial-intelligence-science-assistant/,2018年6月16日.
[7]肖超:《英国大学出版社数字学术出版转型探析》,《出版科学》,2019年第1期.
[8]David L,.Chandler:Canscience writingbeautomated?Aneu-ralnetworkcanreadscientificpapersandrenderaplain-English
summary,http://news.mit.edu/2019/can-science-writing-be-automated-ai-0418,2018年4月17日.
[9]Springer:Springer Naturepublishesitsfirst machine-generated book,https://group.springernature.com/fr/group/media/press-releases/springer-nature-machine-generated-book/16590134,2019年4月2日.
[10]Michail Kovanis,Raphael Porcher,Philippe Ravaud,Ludovic Trinquart,“The Global Burden of Journal Peer Reviewinthe Biomedical Literature:Strong Imbalancein the Collective Enterprise”,Plos One,11(2016).
[11]nernational Association of Scientific,Technical and Medical Publishers:The STM Report:An overview of scientific and scholarlypublishing,https://www.stm-assoc.org/2018_10_04_STM_Report_2018.pdf,2018年10月4日.
[12]anneI.Hukkinen,Peer review has its shortcomings,but AI is a risky fix,https://www.wired.com/2017/01/peer-review-shortcomings-ai-risky-fix/,2017年1月30日.
[13]Douglas Heaven,AI peerreviewers unleashedto ease publishing grind,https://www.nature.com/articles/d41586-018-07245-9,2018年11月22日.
[14]NikeStockton,If AIcanfix peerreviewinscience,AIcan do anything,https://www.wired.com/2017/02/ai-can-solve-peer-review-ai-can-solve-anything/,2017年2月21日.
[15]Vincent Larivière,Stefanie Haustein & Philippe Mongeon,“The Oligopoly of Academic Publishers in the Digital Era ”,Plos One,10(2015).
[16]甄紫珺:《五大国际出版集团2018年年报出炉》,《出版商务周报》,2019年3月24日,第24版.
[17]Elsevier,Elsevier at a Glance:Empowering Knowledge,https://www.elsevier.com/-data/assets/pdf-file/0011/874667/ELS-brochure-PDF-2019.pdf,2019年7月4日.
[18]Trish Wilga:SSRNlaunchesimprovedCitationsand References service,http://ssrnblog.com/2019/06/13/ssrns-new-cita-tions/,2019年6月13日.
[19]Holly Else,How Unpaywallistransforming openscience,https://www.nature.com/articles/d41586-018-05968-3,2018年8月15日.
[20]Anthony Greenwald著,晋楠编译:《人工智能也有“偏见”:科学家称AI是人类现有文化的延伸》,http://news.sciencenet.cn/htmlpaper/2017425205342443760.shtm?id=43760,2017年4月25日.
[21]Chadwick C.De Voss著,杨世勇编译:《人工智能:学术出版的未来》,《国际出版周报》,2017年6月19日.
[22]国务院:《国务院关于印发新一代人工智能发展规划的通知》,http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm,2017年7月8日.
