施普林格•自然旗下汇聚了施普林格、Nature Portfolio、BMC、Discover、帕尔格雷夫•麦克米伦和《科学美国人》等深得信赖的品牌。
施普林格·自然（Springer Nature）于近期发布了2023年度进展报告，显示了公司对技术的持续投入正在发挥重要作用——进一步加快出版流程，保护学术记录的诚信，并为用户和客户带来持续增多的价值。
我们从年度进展报告中摘取了几篇“In the spotlight”专题文章，分别聚焦科研诚信、人工智能、SpringerLink学术平台和开放获取，以期让更多的读者了解施普林格·自然在推动开放科学、科研诚信实践、技术创新和促进探索发现等方面所做的努力。以下内容将围绕我们的人工智能实践展开。
AI在2023年迅猛发展，大众化的AI工具不断问世，在全球范围内的各种场合引起了广泛讨论，从工作场所到日常生活。施普林格·自然借助人工监管，在AI的使用方面已经积累了十多年的成功经验。我们致力于通过AI解决方案让出版流程更加顺畅、清除知识分享的障碍并提高透明度，以更好地服务学术界。
快速发展的AI技术在开放科学领域所展现出的潜力令人振奋，但前提是把它当作实现目标的一种手段，而非目的。无论是在学术界还是施普林格·自然内部，我们致力于以负责任的方式释放AI的潜力，坚持以人为本，聚焦于AI为用户带来的益处。这意味着我们在AI领域加大投资的同时也会谨慎行事，在发展能力、建立信心、提高接受度的同时审慎考虑法律、诚信和声誉风险。
此外，我们的专职AI团队加紧对内部同事开展培训，以增进他们对AI的理解，使其能够负责任地使用AI进行各种尝试和创新。为加快我们的AI计划，我们正在与专业公司建立伙伴关系，目前合作战略已经取得了卓越的成果。自2015年起，施普林格·自然就与Slimmer AI展开了密切合作，双方协力打造智能化AI解决方案，以加快并优化出版流程。这些共同开发的AI工具能帮助我们为稿件识别合适的编辑、推荐同行评审人，并通过自动检查抄袭来维护科研诚信。2023年，施普林格·自然收购了Slimmer AI的科学部门，进一步增强我们内部现有的专业能力。
随着AI技术，尤其是能用于创作新内容的生成式AI在近期的发展势头强劲，伦理意识的重要性日益凸显。施普林格·自然提出了五项原则，用于指导AI解决方案的设计、开发、部署和使用：尊严、尊重并最大限度减少损害；公平和公正；透明；责任；隐私和数据治理。为确保这些原则得到遵守，施普林格·自然建立了严格的管理流程，以监管从想法诞生到实际应用的创新各阶段。
有了这些保障措施，施普林格·自然能够负责任地不断探索和创新更多AI解决方案，以更好地服务学术界，促进公平、捍卫科研诚信，并推动探索发现。
用科技赋能科研：施普林格·自然AI解决方案
想要捕捉前沿科研动向，衡量您的科研表现，并统览科研全局，制定明智的战略规划？您需要的是我们的AI智能解决方案——自然科研智讯（Nature Research Intelligence）。
自然科研智讯以《自然》150多年在编辑与科研上的专业知识和深厚经验为助力，旨在帮助学术、政府和企业的科研决策者制定数据驱动的战略、衡量科研表现、发现潜在合作机会，并获得有关当前研究趋势的真知灼见，助您做出更加明智的战略决策，提升您的学术影响力，并对现实世界产生积极的影响（阅读更多：远见卓识，引领您的科研决策 | 自然科研智讯）。
自然科研智讯提供一系列按需定制、灵活的智能解决方案：
自然策略报告（Nature Strategy Reports）——全面深入地探究相关研究领域，并提供高质量的定制化报告，为重要的研究和资助决策提供依据。
自然引航（Nature Navigator）——AI驱动的科研进展概览，一站式提供全面的研究趋势，帮助您追踪新兴的研究领域并指导决策制定。
自然指数（Nature Index）——整体上衡量您的科研表现，您可以追踪科研进展，并提升未来的科研策略。
AI时代，您的科研团队还在用传统方式检索文献吗？科学的快速发展带来了前所未有的海量信息，新研究和新论文层出不穷，如何让您的研究人员无需为了获取有用信息而研读数百篇文章？您不妨了解下施普林格·自然的TDM工具。
TDM（text and data mining，文本和数据挖掘）使用计算工具和技术自动选择和分析大型文本数据集，能够从大量的科学数据中提取有价值的信息，并识别出通过传统人工分析难以或无法发现的模式、关联和趋势。TDM近年来已逐渐发展成为一种强大的工具，为研究人员提供了一种高效处理并充分利用工作中大量信息的方法。
施普林格·自然创建了一套正式的TDM流程并开发了多个API工具，此外，我们丰富的出版物资源和数据库包含大量扎实且经过验证的研究。先进的技术加持高质量的学术资源，赋予您的科研人员以“传统”渠道所不具备的检索和发现能力，让他们能够轻松获取前沿且值得信赖的信息。（阅读更多：何为文本和数据挖掘？对研发有何助益？）
版权声明：本文由施普林格∙自然上海办公室负责整理翻译。中文内容仅供参考，一切内容请以英文原文为准。欢迎转发分享本文，如需转载，请留言或联系China@nature.com。
© 2024 Springer Nature Limited. All Rights Reserved
欢迎点击“阅读原文”查看或下载施普林格·自然2023年度进展报告
