快速有效地搜尋和發現資訊的能力對於全世界的研究人員來說非常重要，而人工智慧(AI)應用程式正在日益改變研究人員的工作以及與已發佈內容互動的方式。

 

資訊探索的演變無疑與網路的演變密切相關，從最初Web 1.0，典型的唯讀、靜態內容，到Web 2.0帶來了更多的互動體驗和讀寫內容。隨著科技的進步，Web 3.0 增強了對資訊的理解和處理，達到對個人的關注以及利用知識共享的讀寫互動體驗，現在Web 4.0—智慧網路—它提供了更個人化、協作和以使用者為中心的體驗；從靜態到動態，再到個人化內容互動體驗，而內容的本質也從單純的內容，演變為資訊，然後再演變為基於知識的結果。

 

研究和出版過程大約歷經了選擇方向和重點領域、文獻回顧、假設的形成、實驗和結論、文章提交和審查、出版、發現與傳播等階段，然而研究人員經常迷失在海量的資訊中，查找相關資訊並提出獲取該資訊所需的正確問題通常很棘手；出版商也面臨挑戰，如何增強平台上的搜尋體驗、最大限度地提高使用者參與度和內容可發現性、過濾掉不適當的內容以及找到合適的讀者和評論者。

 

在生成式AI時代，新的搜尋工具和應用程式不斷湧現，我們可以看到AI如何參與和應用於資訊探索，以幫助研究人員：

1.多媒體內容發現

許多出版商利用AI從文字、圖像、影片、資料和其他資料元素中提取metadata，以便在其平台上實現多媒體內容查找。

2.文獻回顧與總結

AI工具可以幫助研究人員摘要和提取研究文章中的要點，從而節省時間並更輕鬆地發現和消化大量資訊。

3.重點研究工作確定

AI驅動的搜尋可用於自動識別與特定主題相關的關鍵出版品和其他資訊，以幫助初級研究人員熟悉特定領域，還可以幫助公司和投資者更佳了解目標研究領域及其歷史。

4.智慧搜尋理解

透過以傳統方式合併特定領域的同義詞、同義詞豐富的索引典、模糊比對和特殊字元搜索，檢索可以變得更加聰明，例如Google已經利用自然語言處理來幫助搜尋功能並找出更多有用的資訊。

5.推薦和個人化新聞推播

AI可以提供更相關的內容推薦，我們都熟悉「閱讀本文的人也閱讀了這些文章」的模型。事實上，推薦是AI最常見的應用之一，可以根據個人興趣提供更個人化的使用者體驗。

 

AI和資訊探索的下一步是什麼呢？我們已經看到如何應用AI來幫助整個研究和出版過程，從尋找合適的期刊到傳播與讀者相關的內容。AI已經並且正在改變獲取所需資訊的方式，AI正在引入一個巨大的轉變，從傳統的「點擊」到更自然的「對話」。使用者無需直接瀏覽結果頁面，相反地，他們可以提出問題並獲得帶有參考資料的直接對話答案，常見的工具有：

1.GenAI 原生應用程式：ChatGPT、Google Gemini(以前為Bard)、Microsoft Bing Copilot和Perplexity.ai等；

2.AI驅動的參考書目資料庫：Scopus和Dimensions等；

3.商業和研究為導向的探索工具：Elicit、Scite、SciSpace和Consensus等。

 

這些工具都利用AI來提供滿足研究人員需求的個人化使用者體驗，使用者可以將提示再添加到顯示的結果中，能更深入地研究這些結果並獲得正在尋找的知識，還可以上傳內容並使用AI作為研究助理，以最佳方式理解該內容，這種個人化的探索體驗意味著研究人員可以提取適合其特定需求的知識和資訊。

 

相關資訊請見：

The Impact of AI on Information Discovery: From Information Gathering to Knowledge Application

Towards Conversational Discovery: New Discovery Applications for Scholarly Information in the Era of Generative Artificial Intelligence