“近未来”图书馆人工智能相关研究的思考

　　摘 要：近年来，随着人工智能进入增长爆发期，图书馆与之相关的研究也呈激增态势。文章对图书馆与人工智能之间以知识为关联所呈现的学科交互性、人工智能技术应用与图书馆核心竞争力关系、相关人工智能技术研发与应用的局限性等问题进行了思考，并提出“近未来”图书馆在人工智能环境下只有坚持公益人文精神、善用技术才能保持图书馆的可持续发展。

　　关键词：人工智能;图书馆;学科交互性

　　人工智能 (Artificial Intelligence，AI) 起源于 20 世纪 50 年代，发展几经起伏。21 世纪以来，随着大数据激增、算法革新、算力提高，AI 进入了高速发展期，特别是近年来以阿尔法围棋 (AlphaGo)、春晚百度无人驾驶等事件为冲击，AI 这个词汇强势而迅速地进入了普通大众的视野。在国家政策支持及良好产业应用的影响下，AI 俨然已成为当代的一门显学，推动了各学科与 AI 的交叉相融研究。图书情报学作为一门与计算机技术、数据、信息、知识等关系极其密切的学科，本身就与 AI 技术及应用具有极强的黏性，因此，业界相关研究与 AI 发展基本一致。在 CNKI 中，选择文献分类为“图书情报与数字图书馆”，并以主题词“人工智能 or AI”进行检索，截至 2018 年 6 月 27 日，共检出 1981-2018 年相关文章 721 篇。从文献检索结果可知，相关文献发文量在前三十年基本平稳，2017 年起呈突增态势;计量可视化分析显示，共现关键词集中于“信息检索”“机器学习”“知识工程”“深度学习”“搜索引擎”“语义网络”“知识图谱”“专家系统”“情报检索”“神经网络”“数据挖掘”“机器人”“智慧图书馆”“本体”等，分论研究以 AI 技术方法、研究领域及在图书馆各业务系统中的相关应用为主;总论上概述 AI 对图书馆的影响、重塑及变革挑战等，所涉内容囊括了图书馆现有的资源建设、用户服务、管理等。傅平对国外近三十年的相关研究回顾也显示出了与国内差不多一致的研究脉络，[1] 但在一些具体应用研究上会比国内更前沿和深入。

　　人类社会的每次技术变革都会带来一些正反思辨，高速算力下的机器自我学习能力所呈现的不可预知、难以解析等问题，使人们担心 AI 可能朝着“失控”的方向极速前进。美国未来学家雷·库兹韦尔甚至提出“未来计算机会拥有人类大脑新皮质功能并超越人类，人类将与机器结合成为全新物种”。[2] 有学者认为，这种“人工智能毁灭论”加剧了自“图书馆消亡论”以来的图书馆人的忧患意识。[3] 图书馆员这一职业在 AI 时代是否能被轻易取代存在着极大的挑战：或许未来的某个时刻，人类在特定部位植入一个小芯片就可通过云端与各种知识库相连，随时随地进行智能检索，从而达到自我学习的目的，而无需专门的知识服务机构帮助，那时的图书馆将如何变革?但不可否认的是，图书馆不仅仅是信息知识储存与服务的机构，还是人类心灵滋养与人格教化的家园，这种独特魅力并不会因技术手段的提高而改变，而是会在越来越机器化的时代显示出无可取代的吸引力。因此，与其担忧 AI 如何取代人类及掌控各行各业这种遥不可及的未来，更应该关注的是“近未来”，即以现在或者即将实现的 AI 技术助力下的行业发展。有关 AI 技术方法及在图书馆的应用已有较多成果，以下仅就几个在图书馆人工智能相关研究中较少涉及而又饶有趣味的问题作初步探讨。

　　1 人工智能与图书情报学的交互性

　　1.1 二者都是以知识为中心而达到延伸人类智能的目的《人工智能标准化白皮书》(2018 版) 称：“AI 是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，是感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术与应用系统”。[4] Indira Dodiya 总结了与 AI 有关的十个因素，即习得 (获取新知识的能力)、自动化、理解、记忆管理、元控制 (控制智能行为中各个过程的能力)、数字运算能力、推理、社交能力、语言感知、视觉感知。[5] 这十种智能因素也是人的基础智能。人类智能一般可认为是知识与智力的总和。知识就是人的大脑在相关信息、数据基础上经过记忆存储、理解思考、重新组合并可迭代生产的系统化信息组合。知识是智能的基础，智力则是获取和应用知识解决问题的能力，智能就是知识的积累和应用。基于以上概念解析可推导 AI 作为模拟、延伸和扩展人的智能的一门学科，其本质也必然是基于知识的积累和应用，如斯坦福大学 AI 研究中心尼尔逊教授称，AI 就是研究如何表示知识、获得知识并使用知识的科学。[6] 只是相较于人对知识的积累、应用不同的是，AI 的实现需要将相关知识以计算机可理解的代码形式编写入芯片等硬件载体，达到对知识的存储、分析及应用求解，也可理解为二者之间的最基本区别是智能承载体不同：人类智能的承载体是“人”，而 AI 则把这种基于知识的能力赋予的对象是“机器”，通过机器对人类智能的自觉模拟完成对知识的积累和应用。这种拥有人类所期望的“智能”机器之上的科学技术是一种实现知识服务目标的对口技术，可为人类提供延伸自身能力的服务。

　　图书情报学也是以知识为微观研究对象的学科。人类将记忆、知识以文字的方式记录于文献，所有基于文献的服务其实都是以知识为微观研究对象的存储、组织、加工、传递与利用。[7] 信息时代的到来，使图书情报学的研究中心从简单的文献单元转向更广域、细粒度的信息、数据、知识领域。图书情报学以知识为微观研究对象的本质及其知识服务的中介属性从未改变，这也决定了其学科内容始终离不开知识的组织生产与应用。越来越为业界所提倡的以知识服务为中心的学科研究就是研究如何基于知识内容的各种资源、以用户需求为目标驱动、以相关知识分析助力用户得到解决问题的方案、使用户的知识能力得到提高的一门学科。图书馆通过 知识 服 务提 高了 用 户(人) 的智能。如果说 AI 是加强了计算机在超强记忆、运算功能下的推理、识别、学习等能力从而达到对人类智能的自觉模拟的话，图书馆则是基于不自觉模拟的对人脑智能的补偿手段。[8] 而图书馆注重 AI 等信息科学技术的研究与应用，目的是更好地服务于人脑智能的加强与延伸。

　　可见，图书情报学致力于人 (用户 / 馆员) 的知识获取从而提高个人智能，而 AI 致力于机器的智能模仿能力，这二者之间虽然目标对象不同，但以知识为联结点，必然存在一定的交叉与相互映射，其最终目的在延伸人类智能、服务人类上存在一致性。

　　1.2 二者在发展过程中有互补作用

　　图书情报学在发展的过程中一直注重对信息科学技术的吸收与应用。近年来，从书刊机读目录的使用到自动化集成系统的应用，图书馆在相关计算机、信息技术的支持下，逐步实现了各工作环节在程序控制下的自动化管理，相关服务也从广度到深度上得到了拓展。表现在学科建设上，计算机基础、编程语言、数据库等成为专业必修课，学科属性越来越向理科、综合学科方向倾斜。AI 兴起后，图书情报领域也积极跟进相关理论、方法与应用研究，如知识表达、专家系统、机器翻译、机器人等。近年来，AI 在机器学习、深度神经网络方面的突破，使其在图像识别、语音识别、自然语言处理、人机交互、智能搜索、自动驾驶、虚拟现实 / 增强现实等应用方面有了长足发展。图书情报领域结合相应技术，也促使各方向专业研究向纵深发展，如：智能搜索、自然语言处理等在构建知识库、发现平台、参考咨询等方面的应用研究;图像语音识别、机器学习在图书馆机器人馆员、参考咨询问答系统等方面的应用研究;深度学习、自然语言处理、情景识别等在个性化服务方面的应用研究等。AI 理论与技术将重塑图书馆的“知识获取→知识生产→知识认知→知识体验→知识推送” 业务链，同时也会使图书馆服务主客体行为发生一定质变。[9] 这些都将对图书情报学的学科架构起到越来越深刻的影响。

　　图书情报学作为一门早于 AI 发展起来的学科，在长期的知识存储、组织与利用过程中积累了一些专业化、系统化的理论方法，对于各种与知识相关的学科发展来说，都有很好的借鉴作用。如分类法、主题词法、索引等方法就广泛应用于许多网络搜索引擎。 1997 年，李彦宏申请的“超链分析技术”(Hypertext DocumentRetrievalSystemAnd Method，专利号 5,920,859)正是受自己当时在北大图书馆学情报学系 (现更名为 “信息管理系”) 所学的科技论文索引方法的启发。[10] AI 作为一门有关知识的学科，必然对图书情报学的相关理论方法有所借鉴。以知识表示为例，AI 中知识表示方法有语义网络表示法、框架表示法、谓词逻辑表示法、产生式表示法等。其中，框架表示法的框架最顶层是固定的一类事物，然后基于该事物概念的抽象程度表现出自上而下的分层结构，[11] 这种分层体系其实类似于图情学中的等级层累制分类法，只是 AI 以概念为中心展开架构，而 《中国图书馆分类法》 则以学科为架构体系。图情学与 AI 在相关基础学科上有一些共通点，能对二者研究起到一种思想或方法论上的指导的有哲学、数学、统计学等。20 世纪初发展起来的文献计量学就得益于数学、统计学理论方法的应用，[12] 其后所发展出的洛特卡定律、齐普夫定律、布拉德夫定律也逐渐应用到信息、情报、知识组织领域，信息计量学对 AI 的知识理解处理有一定的应用价值。同以知识为研究对象的二者在研究领域上必然存在重叠之处，如本体、知识图谱、数据挖掘、智能检索、自然语言处理等研究领域都是图情学与 AI 所共同着力的研究点。因此，近未来图情学应在此类领域多加发力，如澳门大学图书馆馆长吴建中称“图书馆可在加大自然语言检索的研究、探索图情方法在自然语言中的移植和实现途径方面有所作为”。[13] 另外，如图书馆已研制出的各种词表对 AI 的知识表示与组织也会有所帮助，图书馆界正着力于将这些成果开放使用，如美国国会图书馆已将其多种词表、编码规则、规范性文件等以开放关联数据的方式发布。[14]

　　综上所述，由于 AI 与图书情报学具有极强的学科交互性，近未来学术上的交流碰撞与互相借鉴嵌入将引领两个学科的共同发展。

　　2 人工智能应用与图书馆核心竞争力

　　随着计算机、互联网、移动终端的普及，各种搜索引擎、开放获取资源、问答社区、社交网络、阅读视频软件等都具备着某些原本由图书馆提供的信息知识服务功能。如，书吧、跨界书店等采取多功能复合的新运营模式，集书店、茶艺咖啡、画廊、手作等生活美学元素于一体，更在人文阅读空间体验上展示了独特的魅力。这些服务方所提供的多元化知识获取途径，以及空间、时间上的任意选择，使图书馆作为用户知识获取的首选地位受到极大挑战，[15]“图书馆” 的含义变得抽象，搜索引擎甚至是手机应用都可以成为“图书馆”。[16] 图书馆的地位和作用日益被边缘化，到馆读者数量和各种资源的借阅量都呈下降态势。图书馆所面临的行业竞争是否会因 AI 应用而改变?在图书馆提升竞争力、成为一个具有独特吸引力的主动而强大的知识服务供体方面，AI 是不是最关键的因素?在近未来，图书馆如何在 AI 助力下保有核心竞争力并朝着可持续性方向发展值得深思。

　　2.1 AI 在行业竞争中是一种共性因素，图书馆并不具应用优势

　　AI 技术确实能从基础设施、服务方式、空间、时间等方面改善图书馆的服务效能。如：图像识别技术改变了以往读者凭“读者证”这唯一凭证入馆、借阅文献的服务方式;语音识别可用于人机交互，能对查找的文献资源进行快速定位，解决了查阅资料耗时长等问题;机器学习、专家系统可用于智能检索、图书自动分类编目;自动驾驶可用于图书传递;智能调控阅览灯光、温度等也大大提升了读者的阅读体验;基于环境、个人资料、借阅记录等大数据智能分析可用于为读者提供个性化精准服务等。但这些服务助推说到底只是一种技术手段的施予与加强，放之其他服务平台也如之。而且，对于 AI 研发应用所需要的资金、技术、人才、数据等方面来说，商业性服务机构拥有更强大的实力和灵活的操作方式，更具优势。从技术角度看，图书馆通常处于学习方。

　　如，近年来许多图书馆虽已开始从单一馆藏目录转向在线“发现系统”，实现了异构资源的一站式检索，这一功能部分是受到 Google 采用的多格式接口启发，[17] 但在检索结果的智能优化匹配上不尽人意。一些主流搜索引擎早就开始应用深度神经网络等模型并经历无数次的技术升级迭代，利用 DNN 语义特征使搜索结果的相关度变得更高，在篇章理解、关注点感知等方面都有大幅提升。这些搜索引擎利用“Feed (信息流)”获得所需相关性最强的资料，即使对于用户暂时不关注的信息，不会出现在 Feed 里，也会合理被存储起来，像一座无形的“个人图书馆”供用户以后前往探寻。[18] 李开复等人认为，近年来利用 AI 技术在语音识别、自然语言理解、知识图谱、个性化推荐、网页排序等领域的长足进步，主流搜索引擎正从单纯的网页搜索和网页导航工具转变成为世界上最大的知识引擎和个人助理。[19]

　　又如，基于数据智能分析的个性化服务，亚马逊、脸书等早已实现根据用户画像来推荐用户可能感兴趣的各种信息。而大部分图书馆不仅在资金、设备、技术及人才储备上远不如这些大型商业化机构，以图书馆较独有的读者服务信息来说，目前大部分图书馆的贮存也不完整，一般只记录姓名、证件号、联系方式、图书借阅记录 (一些数据库的浏览点击下载记录等信息也需要通过数据库商才能获取) 等，[20]没有能构成读者精确画像的其他信息数据。而像亚马逊这样的公司拥有海量的用户及在浏览购买中形成的信息绘制，当其利用 AI 与数据配对时可以考虑到更复杂的多维分析，这种分析与仅面对有限读者的图书馆处理数据来说，将帮助更广泛的受众。[21] 一些有实力的公司甚至在资源总量上也远超大部份的图书馆，如 Google 公司早在 2004 年就开始大量扫描图书，打造世界上最大的数字图书馆，国内的超星、百度等都拥有巨量资源，只是出于版权和投资回报考虑，他们很难做到像图书馆这种公益机构在馆域范围内免费开放全文服务。

　　2.2 AI 技术助推图书馆核心竞争力发展应着力于公益平等人文精神下的知识服务优化

　　图书馆本质上是由国家提供经费以保障公民信息公平获取的社会制度安排，这种安排强调的是政府的服务性和公民的文化权益。[22] 公平是人类的社会理想，主要体现在教育公平、文化公平、信息公平等方面，形成图书馆公平服务的理论基础，也是图书馆所应承担的社会责任。政府财政投入下的图书馆以制度化和程序化的信息知识服务来保障公民基本文化权利、调节知识与信息的社会分配、缩小社会信息鸿沟。[23] 政府投入保证了图书馆服务的免费与公益性;公民的权利使其在对抗知识产权等私权上有了一定的合理使用权;在这个焦燥年代，图书馆这种具备文化艺术属性的特殊公共建筑里，历史积淀下来的独特人文精神及独有的人文学习生态环境更具有吸引力，这三方面是与基于营利的商业性服务机构的本质不同，也是图书馆的核心竞争力基础。商业性服务机构的知识服务特点之一是收费 (即使有些是免费也可能有广告等限制或潜在延伸消费，部分的免费是为了更大营利目标)，以营利为目的也阻碍了商业性服务机构能规避版权的深层次知识服务 (除非机构已获得明确的版权转让，这又会使收费更高昂)。因此，图书馆的 AI 技术应用研究应首先注重于以上优势的保障，如图书馆的全民教育服务。2013 年，国际图书馆协会联合会 (International Federation of Library Associations and Institutions，IFLA)发布的 《图书馆与发展声明》 称， “在许多地区，图书馆是唯一一个能让人们获取信息的地方，这些信息有助于改善他们的教育状况、开发新技能、寻求工作职位、建立企业、做出有关农业和健康的明智决策或洞察环境问题”。[24] 图书馆通过公益性教育与学习来提高全民素质，对国家发展、民族强大具有深远意义，在 AI 技术的助推下，使社会个人都能公平地获取基础素养教育、终身学习的机会，使偏远地区、弱势群体、残障人士摆脱差别服务，对图书馆的持续性发展至关重要。

　　当然，如果仅凭这些而不善于从新技术中学习提高自己的服务能力，图书馆在未来还是很难保有绝对的行业竞争力。以免费服务来说，现今在互联网下成长的一代已越来越接受“付费”享受知识服务的理念。据调查，掌阅平台 (iReader) 上，毕业 3 年的青年平均每年花费 102 元在数字阅读上;2016 年，阅文集团旗下各平台中，“90 后”付费用户占比为 43%，平均付费金额为 80 元，远高于其他年龄层用户。[25]因此，图书馆要在公益人文服务的基础上善用 AI 技术来优化知识服务，为读者提供更便捷、及时、友好、高效的服务。Margaret Ambrose 建议在 AI 时代，图书馆员要更积极主动，寻求和“我们的信息竞争对手一样精明的方法”，[26] 提高图书馆工作的人机交互能力、与用户交流沟通的能力、对用户潜在人文素养需求的挖掘能力及 AI 思维能力，发挥社会教育功能和创意孵化功能。[3]

　　“近未来”图书馆应始终以公益人文精神为指导，以消除信息鸿沟保障公民信息知识获取与智能提高为目标，充分利用 AI 来降低进入门槛，使服务朝着更人性化、更公平、更无区别、更优质的方向发展，才能使图书馆在 AI 时代保持核心竞争力。

　　3 人工智能研发与应用的局限性

　　3.1 人工智能技术的局限

　　AI 技术所依赖的主要是算法、算力和大数据三方面，近年来在深度学习算法、高性能计算机可承担的并行计算能力、互联网时代积聚的海量数据支持下， AI 有了突破性进展。但在对人类智能的认知与模拟实现上，AI 存在着一些很难跨越的碍阻。

　　(1) 目前，AI 在感知上进展神速，并以一些在精确度与速度上优于人类的感知能力推动可应用性投入产出，但它在认知上的能力还非常有限，这从知识表示、自然语言交互理解及思维推理上可看出。AI 的知识表示与人脑记忆功能有显著差异：“人脑记忆存在一些多重抽象的、可操作的、能表达复杂形状结构的信息元，并能从一些已有的信息元表征推出一些新的信息表征结构，而 AI 中的知识表达手段却无法有效描述这些信息元所对应的知识及综合新信息表征”。[27] ① 自然语言理解方面，虽然目前 AI 也发展了情感分析等方法弥补字面理解的不足，但自然语言处理的重点与难点在于：处理单词和语言中最小的有意义单位的语法和形态分析;较大的结构单位 (如句子) 中单词之间的关系;处理语言意思的语义学和研究语言表达与使用者之间关系的语用学。[5] 自然语言中所显示的内涵性 (其中语用上的内涵性就是所谓的言外之意)、模糊性、交互性 (从行为角度来看语言，它是动态性且多主体的) 仍然是 AI 试图将其转成形式化表达的极大障碍。[28] ② 思维推理方面，AI 把思维理解为符号的运算本身就只是一种可能性的解释，代表的仅为人类思维的一个片面。因为人处理的信息都是对主体具有一定的意义和价值，这些因素都会参与到人所进行的思维活动的控制过程中，人类思维必然具有涉身性和价值内涵，而机器并不具备人的生物性和意向性。“思维同意识一样，其最重要的特征应该是创造性，而不是可计算性，尽管其有计算的一面”。[29] 因此，AI 模拟人类思维推理的过程是一种程式化的推理过程，这种映射作用下的智能很难向人类智能看齐。如“中文屋悖论”的观点：AI 研究可能从来都不是去教机器真的智能，而始终都是在“完善那个中英文翻译程序”。[30]

　　(2) AI 算法存在失真和片面性。如，当算法只向给定的用户提供一些信息以匹配用户感知的偏好时，就会产生一个“过滤器”来最小化用户与已经持有的观点相冲突的信息接触。由于 AI 能够根据正在执行搜索人的相关信息对结果进行更深入的个性化处理，并且越来越多地控制信息的呈现和解读方式，这种倾向很容易变得更严重。此外，即使某项算法对 85%的用户而言非常有效，也表明它对于其他 15%用户中的大部分用户来说仍然存在问题。而且，这种在处理信息时的过滤与失真可能比人工处理更多，会在无意中阻止或限制相关信息访问。[17] 再如，目前数据驱动的 AI 所使用方法基本上属于分类、归纳、试错等经验与反馈方法，方法论上不够完备。机器学习所依赖的海量数据都是现实中已产生的，体现的是过去的类似经验，其模拟的智能理论上只能推广到有限的类似领域，而难以推广到所有领域，“且一般适用于与过去高度相似或接近的认知对象与环境，对新对象及新环境的理解和预测的有效性高度依赖于经验的相对稳定性，应对条件变化下的抗干扰能力十分有限，这在自动驾驶所产生事故的原因上可见一斑”。[31] 此外，别人委托代借代查的资料记录可能会影响 AI 判断用户的查阅习惯，造成错误推荐。又如，构建参考专家系统的知识工程师可能会有一位参考图书馆员作为他的设计顾问，但任何个体馆员都无法轻松地对不同类型的参考问题进行分类并解释用于回答不同类型问题的通用策略，基于此开发的专家系统性能必然存在偏差。[5]

　　可见，AI 在一些规则性强的应用上会表现出甚至比人更强的能力，但它不是万能的灵丹妙药。不只上述方面，AI 在审美、情感、机器移动等方面也存在一定缺陷，这些都可能影响到实际应用效果。

　　3.2 图书馆人工智能应用系统研发到落地应用的难度

　　目前，国内图书馆界真正将 AI 技术落地应用的例子并不多见，很多研究成果显示的可能都是些“原型”，如，重庆大学图书馆与该校自动化学院合作开发的“用户偏好检索原型系统”[32]、南京大学建立的面向 《中国图书馆分类法》 的基于机器学习的书目层次分类系统模型 [33] 等。在国外，也有专家指出，在许多图书馆中建立大量的原型智能专家系统，但很少能演变成操作系统。智能系统通常是利用称为“原型”的软件开发方法创建的，软件原型设计的目标是通过构建一个低成本的系统来验证所提出的设计，该系统具有足够的功能来测试关于示例的主要设计决策。原型开发允许开发人员快速创建一个或多个近似最终系统的系统，但是不能保证小规模原型中使用的软件技术能够在大规模生产系统中工作。熟练掌握各种 AI 相关工具与技术来构建真正意义上的智能图书馆系统并不是一件容易的事。而且越智能的系统所需付出的越多，如对专业技术人员的需要加上可能昂贵的开发工具及设备，使图书馆创建复杂的人工智能系统成为一项潜在的昂贵冒险。[5] 此外，图书馆现有的集成管理系统也没有预见未来的大数据使用及可能的数据共享，各系统相对独立，很难对 AI 系统所需的大数据应用形成支持。[34]

　　落地应用的难以实现，一方面，缘于深度学习算法突破及相关机器学习框架平台开源共享的发展时间较短，图书馆的相关研发还需要消化与学习时间;另一方面，受各个图书馆自身经费、技术、人才不足的制约，虽然有些资金与人才较充足的大型图书馆如斯坦福大学成立了图书馆 AI 项目组，清华大学和南京大学等自主开发一些人工智能的应用，但对大部分图书馆来说，从自主开发到落地应用都面临很大困难。这种态势下，解决方法之一是要待专业厂商投入、开发、生产出商业化的成果，也就是“交钥匙”智能系统时代 (即付费可用) 的到来。[1] Peter Fernandez 认为，一旦技术达到一定的阈值，深度学习将得到快速的发展，如果 AI 能学会适应新的情况，而不是需要广泛的独特编程来承担新的任务，那么图书馆将可以减少适应 AI 的努力并自如应用 AI，[17] AI 系统才可能在图书馆得到普及应用。

　　因此，近未来图情学相关研究应考虑如何弥补 AI 局限性下可能造成的相关服务不足及如何解决 AI 研发到广泛应用的问题，如机器馆员与读者的准确沟通、个性化服务的偏差、知识服务的精确性等。

　　4 结语

　　以上仅是图书馆与人工智能相关研究中的一些基础性问题思考，随着 AI 的发展，它将越来越深刻地影响到全社会、各行业、每个人，图书馆也将面临更多新问题，变革势在必行。从体制上说，我国的图书馆事业结构是以行政关系为基础，分系统建立各级各类图书馆，因此存在各自为政、协调合作困难的局面，但 AI 这种合作技术要求各系统、各地区打破局部利益观下的高度保守、排外束缚，实现数据共享、业务统一。[35] 图书馆界应该尽量克服制度障碍，打破各自为政的局面，集中有条件馆的经费、技术、数据，特别是针对一些适用于泛在应用的项目，实现一次开发、共同使用，充分利用协作带来的规模与效率。在图书馆内部管理上，AI 时代将对馆员职业结构产生较大影响，很多简单重复有规则可循的工种会被机器所替代。AI 环境下的图书馆员将由能开发并维护管理的计算机人员、具有较强创造性思维的馆员、AI 辅助馆员 (如数据标注员、机器人培训员) 及机器馆员等构成。目前，大部分图书馆员根本没有接受过 AI 知识培训，“这种正式或非正式培训的缺乏限制了我们的概念视野，并且降低了我们利用技术工具创建智能系统的可能，因此，必须为新一代图书馆员提供更深入的培训与教育”，[5] 图书情报学专业教育应该把 AI 课程引入教学大纲中。

　　基于合作与变革的发展需要，“近未来”每个图书馆可能都需要有专门负责 AI 的管理人员，他的主要责任包括：引入成熟的机器学习方法，把相关数据变成训练材料，塑造自动化机制;或者合理引入第三方 AI 流，支撑图书馆相关业务发展;开展跨职能部门合作，优化流程，加速反应、节约时间;组织馆员完成职业转换对接等。新技术的产生总是伴随着问题与挑战，但其所带来的机遇与进步总是远胜于前者。近未来，在感知、联结、数据和智能计算技术的发展下，传统意义上的时间、空间概念将不断被“压缩”，各社会领域都将形成多元利益主体密切协同的新型合作机制，而图书馆的类型、大小与服务差异也将随着合作共享理念下的 AI 技术支撑而逐渐缩小。如何在注重社会责任承担的基础上，善用 AI 技术，实现机器、图书馆员、社会同在回路的群体性智能、体系性智能，共同创造更有效率、更美好的智慧图书馆将是业界的重点思考方向。套用吴曼青院士文中的一句话：“如果现在你不创造未来，那么未来你将生活在过去”。[36]

　　[参考文献]

　　[1]傅平，等.回顾与展望：人工智能在图书馆的应用 [J].图书情报知识，2018 (2)：50-60.

　　[2]陈静.科技与伦理走向融合——论人工智能技术的人文化 [J].学术界，2017 (9)：102-111.

　　[3]唐步龙.人工智能时代的图书馆发展思考 [J].图书与情报，2017 (6)：64-69.

　　[4]中国电子技术标准化研究院.人工智能标准化白皮书 (2018 版)[EB/OL]. [2018-05-10]. [5] Indira Dodiya.Intelligent library systems: Artificial intelligence technology [J].Global Research Analysis， 2013，2 (5)：112-114.

　　[6]丁世飞.人工智能 [M].北京：清华大学出版社，2011：3.

　　[7]吴慰慈.图书馆学基础 [M].2 版.北京：高等教育出版社，2016：96.

　　[8]吴慰慈，董焱.图书馆学概论 [M].2 版.北京：国家图书馆出版社，2008：62-63

　　以上是图书馆论文范文《“近未来”图书馆人工智能相关研究的思考》内容，了解更多图书馆馆员论文发表期刊、论文发表范文，可以前往馆员职称论文发表浏览。

期刊VIP网，您身边的高端学术顾问

文章名称： “近未来”图书馆人工智能相关研究的思考

文章地址： http://www.qikanvip.com/zidonghua/48497.html