|
人工智能已经变成了科技公司谈论的热词，包括 Google、亚马逊、微软等。现在，即便是像 Google 学术这类的学术研究用的小众搜索引擎，也开始使用人工智能了。 简单来说，学术搜索引擎跟普通用户使用的 Google、百度等没有差别，但检索结果来自于期刊、学术会议资料或者是学术机构的文献。 最近的消息是，微软联合创始人 Paul Allen 做的免费学术搜索引擎 Semantic Scholar 覆盖的学科从计算机科学扩展到了脑科学，计划是在 2017 年前覆盖生物学科。这个搜索引擎用上了机器学习的技术，希望减少科学家的检索论文的时间。 为了提升用户的效率，除了利用作者、出版商标注的关键词这种常用的方式外，Semantic Scholar 将机器学习的技术花在了信息筛选上，例如用计算机视觉等技术搜寻论文发布的会议名称、论文发布的时间，从论文文中筛选出关键词句等。这让搜索结果的信息看起来更加丰富。 对于科学研究人员来说，Semantic Scholar 看上去最大的用处是有更多信息筛选的角度，包括论文的影响力，媒体报道（Twitter 数据）、作者等，另外它直接提供图表预览，看起来能方便研究人员省下更多筛选的工作。 
Semantic Scholar 对比 Google 学术的搜索结果 Semantic Scholar 是 Paul Allen 创立的非盈利研究机构 AI2 推出的产品，这个搜索项目背后的团队有 70 人，Paul Allen 已经为这个机构提供了 2000 万美元。 从提供的文献检索数量、搜索引擎的性能来看，Semantic Scholar 还在相当早期的阶段。去年 11 月份推出这个产品时，AI2 机构的 CEO Oren Etzioni 称，这个搜索引擎能检索到 80% 的免费论文文献，大约有 300 万份，在数量上远不及 Google 学术。 这可能是学术搜索引擎这个细分市场的趋势。另一家覆盖生命科学、医疗等领域的学术搜索引擎公司 Meta 在去年 11 月拿到了 Google 等投资的 600 万美元，称他们用机器学习检索医疗论文中的人名和物件，并根据用户此前阅读的论文作相关论文推荐。 当然，专业的学术搜索在搜索引擎领域也是个比较小的市场，竞争就更加激烈了。搜索引擎 Bing 早前也有类似的学术搜索，但运营 5 年后宣布关闭，功能并入 Bing 搜索。现在，能不能用人工智能这项新技术获取更多的用户，是这些搜索引擎需要考虑的问题。 题图来自：pixabay |
|
|
