From Information Overload to Knowledge Integration: Generative AI as an AI-Enabled Information Management Capability in Science–Industry Innovation Ecosystems
基于对斯洛文尼亚创新生态系统利益相关者的访谈，本研究提出了一个概念框架，将生成式人工智能定位为一种由人类治理的信息管理能力，而非自主的中介机构，旨在通过增强知识可见性、匹配度及决策支持，同时确保透明度与问责制，来解决生态系统碎片化和信息过载的问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代科学与商业世界中，创造新想法的最大障碍不再是缺乏信息。几十年来，挑战仅仅在于寻找正确的专家或正确的数据。而今天，相反的问题已经占据了主导：信息太多了，且分散在太多地方。大学、公司和政府机构都在产生大量的知识，但这些知识往往被锁在独立的数字系统中，或者隐藏在个人网络之中。当一名科学家想要与一家公司合作，或者一家企业寻求一项新技术时，他们面临的是一个由互不相连的网站、令人困惑的资助规则以及难以阅读的简介所组成的混乱图景。真正的困难不在于在干草堆中找一根针；而是在干草堆被分成一千个不同的堆，且你不知道哪一个堆里藏着你需要的那根针时，如何找到那根正确的针。
这正是来自斯洛文尼亚纽沃梅斯托大学（University of Novo mesto）的一个研究小组致力于解决的核心谜题。他们想要了解人工智能，特别是被称为“生成式人工智能”（Generative AI）的一种技术，如何能帮助理清这一乱局。生成式人工智能是一种能够阅读、理解并总结来自不同来源的大量文本的技术，就像一个非常快速、博学多才的助手。研究人员提出了一个简单但至关重要的问题：如果我们拥有这样一个强大的工具，它究竟如何能帮助科学家和企业开展合作？他们并没有假设这项技术本身就能解决所有问题。相反，他们想知道一线人员面临的具体问题是什么，以及他们实际上需要什么样的计算机帮助。
为了寻找答案，研究人员与二十四位深度参与斯洛文尼亚创新体系的人士进行了交流。这些参与者包括大学研究人员、企业管理者以及负责资助和指导新项目的政府官员。研究团队进行了深入访谈，要求这些利益相关者描述他们的日常挣扎。他们想知道在尝试开展合作时，摩擦力究竟存在于何处。结果是清晰且一致的。受访者并没有说他们缺乏信息。他们说信息无处不在，但却是碎片化且令人应接不暇的。一位企业经理可能知道某种解决方案确实存在，但要找到拥有该方案的具体大学实验室，可能需要搜索十个不同的网站。一位研究人员可能知道某家公司需要帮助，但却不知道是哪家公司以及如何联系他们。问题不在于匮ola（稀缺），而在于无法在现有资源与实际需求之间建立起连接。
研究还表明，信任是一个重要因素。在过去，人们依靠人际关系来决定与谁合作。如果你认识某人，你就知道他们是可靠的。而在一个你可能并不认识对方的数字世界里，你需要证据。参与者解释说，他们需要看到过去的从业记录、具体技能的证明以及成功项目的历史，在他们感到可以安全进入合作伙伴关系之前，才能建立信任。他们对那些仅仅列出姓名而缺乏背景信息的系统保持警惕。他们不仅需要知道谁是可用的，还需要知道谁是可信的。
当研究人员询问这些利益相关者，希望通过人工智能工具来解决这些问题时，答案指向了一种特定类型的支持。参与者并不想要一个为他们做决定的机器。他们也不想要一个在没有他们参与的情况下就自动选择合作伙伴或撰写资助申请书的自动化系统。相反，他们将人工智能构想为一个强大的助手，能够整理这些混乱。他们描述了该工具可以提供帮助的五个主要方面。首先，它可以作为一个智能媒人，将公司的具体需求与研究者的特定技能进行匹配，超越简单的职位名称去寻找真正的兼容性。其次，它可以帮助应对复杂的资助世界，从数以千计的资助机会中筛选出真正符合项目目标的少数选项。第三，它可以让专业知识变得可见，创建清晰的档案，不仅展示一个人在做什么，还展示了他们实际取得了哪些成就。第四，它可以协助处理撰写提案时的繁重文书工作，通过总结规则和起草文件，让人们能够专注于创意。最后，或许也是最重要的一点，它可以支持决策，通过收集所有相关事实并清晰呈现，同时将最终的选择权留给人类。
研究人员发现，为了让这项技术获得信任，它必须具备透明度。受访者强调，他们需要理解为什么人工智能会建议某个特定的合作伙伴或资助来源。他们希望看到推荐背后的证据。他们还要求数据必须安全，并且始终由人类掌控最终决定权。人工智能被视为处理信息管理等繁重工作的手段，但人类被视为判断信息价值并建立关系的执行者。
这项研究表明，科学与工业合作的未来并不在于用机器人取代人类中介。相反，它在于利用人工智能来处理目前使系统陷入瘫痪的信息过载。通过整理碎片化的数据、验证资质并过滤掉噪音，这些工具可以使庞大的知识生态系统变得触手可及且易于使用。技术本身并不创造信任或合作伙伴关系；它只是扫清障碍，让人们能够去做他们最擅长的事情：判断、连接与协作。研究人员得出结论，如果这些系统在构建时以透明度和人类监督为核心，它们就能将目前的混乱状态转化为一个高效的环境，让新的想法最终得以扎根。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。