AI for Science 的完美实践——科研文献的智慧化提取获得“综述性文摘”的软件开发

 实践是检验真理的唯一标准！show your codes!

1 综述性文摘的需求

再简单不过了。

甲方（综述性文摘）需求：针对项目特征或描述，从几百篇相关的科研论文（PDF）中智能提取相关内容，包括但不限于文本、上下标、图片、表格、公式，并组成一篇相关度准确、精确重现文献内容的综述性文摘。

2 基于大模型LLM的实践与教训

鉴于甲方的实力与地位，甲方短期内邀请了包括国内最顶尖的几家自认为是AI头部的企业（QW、BC、ZP、BD。。。），历时6个多月，花费无数（训练），却全部铩羽而归！

失败的主要原因是什么呢？

因为他们的技术思路都是“大模型LLM”，咱们从大模型的优势与劣势进行简单的剖析。

2.1 大模型技术路线的优势

大模型基于海量的内容进行训练，大大减少了人工干预，其优势在于（看起来）（似乎）对自然语言的理解和生成能力强，（看起来）适用范围（似乎）很广泛。大模型具备多模态能力，可以处理多种类型的数据，包括文本、图像等。

大模型在编撰（非精确的）文本、（虚拟的）场景、（物理失常的）图片与影视信息方面，具有特别显著的优势。

2.2 大模型技术路线的永远无法解决的缺陷

因为大模型是基于统计学的，其显著缺点则是，其中的知识是参数化的隐式知识，存在事实的编造，缺乏可解释性，生成内容普遍存在幻觉的现象。对于技术文献而言，无法进行内容追溯也是致命的缺陷。

因而，对于要求严谨、准确、真实、可信的工业、医学、法律场景等等，大模型就显得无能为力，毫无用处，不过是一堆玩具。

在浪费了不少资金与宝贵时间之后，甲方寻求笔者团队给与支持。

既然大模型不行，我们团队用什么技术思路呢？

3 基于知识图谱的实践与成功经验

人工智能发展过程中，基于知识表达的推理一直处于主流。

近些年发展的知识图谱技术，也是该领域的进步，更是AI的唯一未来。

我们选择知识图谱及其相关技术实现本文的需求。

3.1 知识图谱的优势

结构化知识：知识图谱以实体及其关系构成的三元组为基本单位，能够清晰地表示知识的结构。

数据真实性：知识图谱中的数据通常具有较高的真实性和可靠性。

可解释性：其内部结构接近人类认知，便于提供解释和推理。

可追溯性：知识图谱获得的信息可以进行精确的原始文献追溯。

这些正是科研看重的。

3.2 智慧化提取获得“综述性文摘”的软件开发的实践

北京联高软件开发有限公司的“智慧文摘软件AISS”是基于“知识图谱”的智能综合性文摘软件及服务。

3.2.1 软件使用过程与功能简介

构建基础知识：AISS阅读并分析若干本专业的教材（文本），将教材转为“知识图谱”，学习一些常识、通识与基本的专业知识；

构建知识图谱：AISS使用专有的技术将科技文献转为“知识图谱”；

问与答：AISS按文摘的阶段性需求，从这些文献中摘录相关度最高的内容（文本、上下标、图片、表格、公式），并组成一篇综合性文献。

附件：AISS自动提取文献相关的图片、表格，并按顺序编号与组成《附图》、《附表》。

用户参与：AISS用户可自行设计文摘的内容需求；可指定匹配度达标的文献内容数量；可指定内容的时间、地理排序方式。

更多功能请咨询联高软件。

3.2.2 相关服务及甲方支持

实践过程中，甲方参与了下面这些（简单、占用时间少）的工作：

提供资料：甲方按时间要求提供相关教材、标准；足量提供科技文献（集）的文字版本PDF；

审阅与校正：甲方安排专人对学习阶段的文摘成果进行简单的审阅；

3.2.3 实践的成果

联高团队的AISS实践不过3个月，文摘准确度达到90%，文献内容（文本、上下标、图片、表格、公式）重现率99.5%，获得了甲方的好评。甲方承诺支持继续完善系统及邀请AISS参与其他AI项目。

甲方评价：

在我们对AI技术几乎失去信心时，AISS用最短的时间、最小的代价基本实现了我方的需求，确实出乎意外。

曰：

铺天盖地的AI宣传，熙熙攘攘的AI大咖，未必有能力解决实际的科研需求。

实践是检验真理的唯一标准！