迎接后论文发表时代的到来 

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

在人类社会学术研究中，以论文发表为核心的机制长久以来被视为学术成就和研究质量的关键衡量标准。然而，随着人工智能技术的迅速发展和数字化信息的爆炸式增长，这一传统机制正在面临前所未有的挑战和颠覆性变化。本报告探讨了可能出现的未来变革方向，包括学术沟通方式的变革、评价标准的多元化、以及学术成果分享和传播的新模式。

首先，未来的学术研究可能不再将传统的论文发表作为唯一的成果展示方式。随着多媒体和互动技术的发展，研究成果的展示可以采取更为丰富和动态的形式，如数据可视化、交互式演示、甚至虚拟现实（VR）和增强现实（AR）技术的应用，使得学术交流更为直观和生动。

其次，评价标准的多元化将成为未来学术研究的另一大趋势。随着人工智能和大数据技术的应用，研究影响力的评估将不再仅仅依赖于论文的引用次数或影响因子，而是包括更广泛的指标，如社交媒体上的讨论度、公众参与度、以及跨学科领域的应用等。这种评价标准的多元化有助于更全面地反映研究的社会价值和实际影响。

再者，开放获取（Open Access）和预印本服务器（Preprint Servers）的兴起正在改变学术成果分享和传播的方式。这些平台的发展促进了学术成果的即时共享，加速了知识的传播和交流，同时也降低了获取知识的门槛。未来，这些平台可能会进一步发展，结合人工智能技术实现智能推荐和定制化阅读，使得学术研究的传播更加高效和个性化。

此外，协作研究的模式也可能因为数字化工具和平台的发展而发生变革。云计算、在线协作平台和社交网络的应用，将使得研究者跨越地理和学科界限进行合作变得更加便捷。这种跨界合作的增加有望促进创新思想的碰撞，加速科学发现的过程。

最后，学术诚信和伦理问题在未来学术研究中将更加受到重视。人工智能技术的应用，如自动检测抄袭和伪造数据的工具，将有助于维护学术研究的质量和诚信。同时，随着学术交流方式的多样化，如何确保研究成果的准确性和可靠性也将成为未来学术界需要面对的新挑战。

总之，随着技术的进步和学术交流模式的变化，学术研究的未来将更加开放、互动和多元化。这些变革将为学术界带来新的机遇，促进知识的创造、分享和应用。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼北京信用学会高级顾问、重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、海南省人工智能学会高级顾问、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。