人工智慧時代的科學研究

# 人工智慧時代的科學研究

最近幾年，以深度學習為代表的人工智慧技術迎來了一次革命。目前，人工智慧最為熱門的方向在圖像識別、自動駕駛、語音識別等領域。和這些領域層出不窮的明星初創公司相比，人工智慧技術在科研領域的應用則相對少有人關注。然而，在這一領域，其實是有不少非常有趣的研究成果，本文將嘗試進行一些總結。

## 科研領域人工智慧技術的應用前景

科研可以說是人類探索未知的最前沿戰場，然而，和很多人所想像的不同的是，科研領域的生產力發展水平其實是相當低的。這一方面是由於科研領域眾多，研究方向分散，沒法大規模合作；另一方面是作為科研主體的研究生們價格十分低廉，採用手工作坊模式比較具有性價比。

但是科研發展到今天，尋找更有效率的工具既是美好的期望也是刻不容緩的現實需求。這是因為在大家的不懈灌水之下，現在科研論文的產出速度已經非常快了。即使是一個非常小眾的領域，一個人閱讀文獻的速度也很難跟上新文獻的產出速度。當然，我們可以通過個人經驗篩選出其中有價值的那些，但是這就像手工作坊依賴老師傅一樣，這樣抽象的經驗是否合理，能否傳承是一個大問題。

那麼，科學研究的哪些流程可以做的更好一點呢？這裡我們可以列舉一些：

1. 檢索。我們通常的搜索方式是在各個搜索引擎的搜索框里輸出文字，獲得返回的網頁、圖片等信息。但是對於科研來說，除了文字之外，我們還希望能夠檢索公式、專有名詞、圖片等等。這些檢索內容在通常的搜索引擎中很難獲得有效的結果。

2. 引文網路。對於一篇文獻來說，它引用的文獻和引用它的文獻都是很重要的參考信息。雖然很多出版商的網站提供了獲取文獻引文的選項，但是文獻通常是以PDF的形式傳播，我們希望能直接從離線存儲的PDF文件中還原出它的引文信息。此外，如果能夠從一片文獻出發，描繪出相關的引文網路，我們就能夠找到該領域的重要文獻，非常有利於我們快速的掌握一個領域的核心信息。

3. 知識記錄。一篇文獻的細節往往是非常之多的，一般情況下，我們只能通過在PDF文件或者引文管理軟體中標註來記錄重要的信息，可是，這樣的記錄方式顯然是不夠有效的，不僅很難講零散記錄的信息集中整理，時間一長也很容易遺忘當初標記的初衷。

## 問題的根源

為什們會有這些問題呢？究其根本，這是因為現在的科研出版體系還停留在紙質時代，然而我們的工作方式早已邁入了互聯網時代。令人悲觀的是，這些問題雖然引起了一些人的關注，但是可能很難在短期內解決。因為工作效率的低下耗費的只是研究生們的青春，而這個行業並不缺源源不斷湧入的勤勞的學生。而且，科研是一個壟斷行業，幾大國際出版商把持了絕對的話語權，如果他們沒有變革的動力，行業本身並不會發生根本的變化。

但是對於學生們來說，時間是寶貴的財富。工作效率是贏得時間的根本手段，因此我們非常有必要關注一些能提高效率的工具。這裡，我將列舉一些最新的工具，他們也許能在你的日常工作中派上用場。需要注意的是，這裡的很多工具具有實驗性質，他們的功能可能還相當不完善，因此需要你自己使用之後來判斷它的價值。

## 科研工具的搜索引擎——LabWorm

[LabWorm](LabWorm | Home)是一個用來搜索科研工具的搜索引擎，這裡有著各種五花八門的科研相關工具。

## 檢索工具

### 更具深度的文獻搜索引擎

[AMiner](AMiner)是由清華大學的團隊開發的文獻檢索引擎，相比傳統的文獻檢索引擎，它提供了更多更具深度的內容，比如，按照h-index排序檢索結果，給出作者的常見合作者，文章或者領域的歷年引用趨勢等等，同時它還提供一定的社交功能，可以對作者投票或者評論。可以說AMiner代表了文獻搜索引擎的未來。但是它主要側重計算機領域的文獻，其它領域的文獻信息不是非常完善。

### 用公式來搜索維基百科

[Koala](Koala)能夠讓你通過輸入Latex表達式形式的公式來檢索維基百科，它會自動分析相近形式的公式，給出相關維基百科條目的鏈接。

### 用公式來搜索網頁

[uniquation]((uni)quation)，如果你希望用公式來搜索所有網頁結果，可以試試這個，同樣需要以Latex形式輸入公式，也會給出相近形式的公式。如果你對Latex表達式的寫法不熟悉，可以搜索一些在線的Latex公式轉換器。

### 用圖片來搜索論文

[Viziometrics](VizioMetrics)是一個完全基於圖片的搜索引擎。其實論實用性，它估計比不上谷歌圖片搜索。它是直接提取論文中的圖片和圖片標題來生成相關搜索項，是一個非常有意思的工具，雖然打開速度很慢。

## 引文相關工具

### 自動提取PDF中的文獻信息

[cermine](Content ExtRactor and MINEr)是一個開源項目，它提供一個在線工具，能夠將你上傳的PDF格式的文獻中的關鍵信息提取出來，這些信息包括作者、單位、摘要、參考文獻等等。

### 引用文獻的逆向格式化

[CitationFinder](Citation Finder)是一個相當神奇的實用工具。我們知道，文獻管理軟體可以將資料庫導出成各種專有格式，這些格式可以轉換成txt。可是，反過來把TXT還原成文獻管理軟體能夠識別的格式卻是一個難題。這個網站可以將大段TXT格式的參考文獻列錶轉換成常用的文獻管理軟體能夠識別的格式，正確率相當高。

### 公式自動識別

[InftyReader](InftyReader Group)是一個OCR軟體，它的強大之處在於它能夠將pdf文件中的公式轉換成Word或者Latex格式，準確率是目前最高的。

### 引文網路分析

理論上來說，引文網路分析是科學研究中的重要內容，但是實際上卻很少有人去做這樣的事情。原因是多方面的，一是：引文網路本身涉及的方面非常多，比如作者之間的引用關係，期刊權重的排序等等；二是，一旦涉及到較深的層次，引文的數量將會非常龐大，導致獲取、分析和展示文獻信息都將變得非常緩慢；三是，如何將複雜的網路清晰的展現出來，並從中發掘有用的信息也是一個難題。所以，雖然現在已經有一些工具能夠實現引文網路的分析，但是學習成本相當高，普及率很低。目前，常用的引文分析軟體包括：CiteSpace、SCI2和HistCite，有興趣的人自行嘗試。需要注意的是，官方的HistCite版本有一些Bug，如果需要可以用[這裡](文獻引文分析利器 HistCite 詳細使用教程（精簡易用免安裝版本 HistCite Pro 首發頁面）)的版本。

## 科研知識管理

### 用思維導圖管理文獻

如果將數量繁多的文獻中有用的信息組織起來是一個難題，將文獻以思維導圖的形式組織起來是一個可供嘗試的方向。[Docear](Docear)就是為這一目的而生的軟體。它的功能比較完善，但是使用起來有些複雜。

### 與PDF閱讀器集成的文獻管理軟體

與思維導圖這一本身並不太普及的形式相比，直接在PDF文件上標註信息則實用的多，然而，如何將標註的信息組織起來呢？Mac和iOS上有一款國人開發的軟體[MarginNote](https://marginnote.com/?lang=zh-hans)就是為這一目的量身打造，它不僅可以將PDF文件中的信息用思維導圖組織起來，還可以生成記憶卡片，用作背誦之用，因而廣受醫學、法律專業的學生歡迎。遺憾的是，這一軟體並沒有Windows版本。

Windows用戶可以使用文獻管理軟體[Citavi](https://www.softhead-citavi.com/)，在提供常用的文獻管理，Word引文插入功能之外，它還提供了一個Adobe PDF 閱讀器的插件，可以直接在PDF文件上標註，這些標註的信息可以單獨組織管理，也可以導出到思維導圖軟體。這個軟體的另外一個亮點是，在Word中不僅可以插入文獻庫中的文獻，也可以檢索插入標註的文獻中的信息。

除了文獻管理軟體之外，還有一類更專業的文件標註工具，學名叫質性分析軟體，在心理學、社會學等學科比較常用。這類軟體能夠標註的文件類型更為廣泛，以常用的atlas.ti軟體為類，它除了可以標記PDF、Word之外，還可以標記音頻、視頻，標註的信息以節點方式組織，可以注釋、組合、鏈接。這類軟體適合分析含有大量文本、音視頻數據，需要提取抽象信息的項目。

## 幻想未來

科學研究有著理論上的巨大價值，但是對於身在其中的從業者，個中甘苦，唯有己知。本文介紹了很多具有實驗性質的工具，它們中到底哪些能夠真的普及，尚未可知。趁著人工智慧的東風，不妨讓我們暢想一下科學研究的未來，想像一下，人工智慧在科學研究中有哪些應用前景。

1. 自動提取PDF格式文獻的核心信息，識別其中的各個區域，生成結構化文件。這涉及到版面識別，文本OCR等方面。現在已經有一些相對成熟的工作。

2. 內容感知檢索。將PDF文件中的公式、專有名字、圖片加入針對性的檢索選項，可以一鍵搜索相關內容。

3. 學術專用的網路爬蟲。針對作者、單位，通過網路爬蟲搜索到課題組主頁、作者職稱、單位排名等信息。

4. 試劑、儀器識別。針對文獻中提到的試劑、儀器信息，自動給出相應的購買鏈接和參考價格。

5. 合作式的標註和社交化評論。不同地點的作者可以共同標記同一篇文獻，並且可以相互查閱。同時可以建立一個問答平台，作者和讀者可以直接交流。讀者可以點贊，也可以質疑。

6. 引文網路生成和文獻推薦。自動生成文獻的引用和被引網路，同時根據文獻的關鍵詞和相關文獻，自動推薦相關論文。

7. 知識鏈接。對於文獻中提到的知識，可以自動鏈接教科書中對應的內容。

8. 語義分析。自動分析文獻中語句含義，歸納提取關鍵信息，生成邏輯關係圖。

9. 語言翻譯。將英文自動翻譯成其他語言。

10. 鏈接企業。根據文獻信息，鏈接到關注或者從事相關技術的公司。

。。。。

可以想像的地方還有很多，但是要想完全實現上面的設想，恐怕需要一個堪比BAT規模的企業。

但是再完善的工具也只是工具，最核心的仍然是人類自身的創造力。