编译内容

免责声明：我们恰当地使用了人工智能工具来帮助总结网络研讨会，其输出作为本综述的大纲。

由学术语言专家创始人兼首席执行官、学术厨房作者Avi Staiman主持了“人工智能效率从提交到出版优化的工作流程”研讨会，会上讨论了人工智能在学术出版中的实用性和案例。小组成员对人工智能的可靠性、取代人类角色的潜力和提高效率的能力等问题采取了务实的态度，重点关注人工智能目前在出版工作流程中的实施情况。该网络研讨会以真实世界的例子为基础，探讨了从分析文本是否适合机器翻译到培训员工审查人工智能输出的所有内容。以下是每位小组成员的主要观点。

（1）莎拉·泰勒（Sarah Taylor），施普林格自然集团人工智能副总裁

尽管像人工智能这样的新工具和技术可能会让人感觉势不可挡，但神经网络已经存在了一段时间。目前改变的是模型训练的速度，以及构建这些模型所需的数据量减少。这些进步已经被用于出版，且通常是在操作工作流程的幕后。

根据施普林格·自然的经验，这些工具应该增加而不是取代人类的工作，让人们有更多的时间进行复杂的决策，从而提高出版质量。

泰勒分享了一个关于编辑过程自动化方面的案例研究。他们发现，尽管该工具进行了60%的更改，但仍有40%需要人工输入。该工具能够更容易地进行格式等内容的更改，但了解内容的人需要在不改变作者含义的情况下进行尽可能好的编辑。总体而言，该工具提高了编辑速度，从而降低了新工具的价格和再投资的投入。

最近，施普林格·自然推出了一款人工智能写作助手，可以提供数字编辑和翻译。他们预计未来会推出更多此类产品。

（2）茱莉亚·科斯托娃（Julia Kostova）博士，Frontiers出版总监

Frontiers的人工智能工具AIRA（人工智能审查助理）于2019年推出，有助于稿件提交和同行评审过程。AIRA进行20多项检查，包括剽窃、利益冲突、数据可用性、道德声明、作者身份等。它还可以分析和操作图像，评估语言质量，并检查参考文献。

AIRA自动（几乎即时）执行这些检查的周全性和能力超过了行业标准。然而，科斯托娃强调，AIRA并不能取代人类的判断。这些工具可以支持和增强决策，但每一个决策仍然需要人工验证。

Frontiers对AIRA进行了投资，以满足研究人员在出版过程中对质量和速度的需求。在一个初始检查可能需要几天时间的行业中，AIRA在几秒钟内完成这些检查的能力大大加快了审查过程，为编辑和审查人员节省了时间。它还执行详细的完整性检查，在评审员和编辑参与之前识别问题，从而在不断增长的科学产出面前实现可扩展性和效率。

最终，Frontiers将人工智能视为改变研究的传播方式、确保质量、支持决策、更快地出版以及建立科研诚信的关键工具。

（3）周宏（Hong Zhou），伟利合作伙伴解决方案智能服务集团总监

Wiley开发了一种用于内容自动分类的人工智能服务，也称为自动标记，这是学术出版中的一种流行应用。这项服务解决了内容分类方面的一些挑战，如分类法的创建和维护、劳动密集型文档标记以及分散的工作流程。传统的分类法创建可能既昂贵又耗时，通常需要6-18个月才能标记5000个术语。

人工智能分类工具的准确率提高了30%，并为每个标签提供了置信度分数，减少了管理员的工作量。该工具还提供了一个多学科的分类法，由人工智能和人类主题专家创建。该分类法包括250,000个标签，涵盖19个学科和6个层次。

自动标记服务已成功部署在多家出版商中，并应用于各种真实案例场景，包括在主题页面和内容项上显示主题，提高内容可发现性，促进受众分析，并在出版前阶段使用。

（4）达斯汀·史密斯（Dustin Smith），Hum联合创始人兼总裁

Hum将第一方数据和人工智能相结合，有效地定位和招募作者。这些数据是从用户内容交互中收集的，用于了解单个读者的主题相关性和参与度。总的来说，这些数据能够识别可能参与特定主题的受众。

Hum充当神经系统，从平台接收数据，了解个人行为，并提供见解、建议和预测。与此同时，他们的人工智能引擎Alchemist充当大脑，其中包含一个基础模型，用于解释数据以进行深入理解。

这一工具发挥作用的一个例子是选择特刊主题。出版商可以将高参与度、低内容的领域确定为潜在主题，然后通过生成模型推荐特刊主题和描述。然后可以从平台上发起有针对性的活动，将消息直接放在目标受众面前。

与网络研讨会中提到的其他工具一样，史密斯强调了通过人工干预持续监测和完善人工智能学习以确保最佳结果的重要性。