這個一站式的學術神器，的確有兩把刷子

2024年，OpenAI的Sam Altman提出了AI發展的五個階段——

“Chatbot、Reasoner、Agent、Innovator、Organization”。

而我們目前大致處于Agent階段，AI繼續推進的下一個階段則是“Innovator”階段。

在這個階段，AI會在人類發現新知識方面發揮關鍵作用。

事實上，不需要到Innovator階段，今天AI的能力其實也已經在輔助學術研究領域逐漸開始扮演越來越重要角色。

今天我們就通過一個產品來聊一聊AI可以如何幫助學術研究者更高效地做好研究。

一、科研工作者在做研究時的痛點到底是什么？

作為一名在深圳大學念完經濟學碩士而沒有選擇繼續讀博的“學術逃兵”，我至今對完成一篇高質量的學術論文心有余悸。

但仔細想一想，做學術研究和我寫科技類文章多少也有異曲同工的地方——

比如，首先你得選一個領域，然后你要對這個領域有足夠多的輸入，知道該領域的核心邏輯是什么樣的，其他人都做了哪些工作。

接下來你才能再次基礎上選擇一個獨特的切入點，深挖、發掘，從而寫出其他人沒有寫過的角度、做出其他人沒有做過的工作。

我念書的時候，論文指導老師說過這樣一句話——

“我們的前輩做研究的時候，圖書館都不多，我們這一代有了圖書館，而你們這一代有了互聯網，有了知網，方便太多了，至少做研究前的文獻綜述要便捷一個數量級。”

而今天，我們有了AI，又給了學術研究者一個強有力的輔助工具。

它能更高效地幫助學術人員更便捷地找到目標領域的科研成果，更直觀地閱讀前人的科研文獻，更方便地提供選題參考，更高效地輔助學術寫作。

接下來，我們就以AI重構過的百度學術為例，來看一看，AI可以如何成為真正有用的“研究助手”——

二、從點到面——通過“搜”和“讀”搞懂目標學術領域的已有成果

以一個學術研究的入門型選手碩士研究生為例，開始研究的第一步，通常是根據自己的專業和興趣，和導師確定一個大致的研究方向。

下一步就是海量的文獻輸入，也就是文獻綜述。

這往往是學術研究中最耗時、最枯燥，也最考驗研究者耐心和信息檢索能力的一環。

AI重構后的百度學術，在“搜”、“讀”、“創”、“編”這四個關鍵環節上，提供了一套組合拳，旨在將研究者從繁瑣的重復勞動中解放出來。

下面我們繼續以一個經濟學碩士的身份，來體驗撰寫一篇關于“信息經濟學”的論文會是怎樣的流程：

第一步，自然是“搜”。

在百度學術的搜索框中用自然語言輸入——

“請幫我搜索和“信息不對稱”相關的核心高引用量論文，包括國內論文和外刊論文”

其AI專業搜可以直接生成可溯源的學術性綜述，并支持多種格式的參考文獻引用和導出。

而AI全網搜能提供更宏觀、更通俗的背景知識，讓研究者能對該主題有一個綜合的了解，以便進一步尋找選題方向。

最基礎的文獻搜索保留傳統文獻篩選、排序功能，同時新增AI助手，在搜索頁可針對文獻內容進行AI問答，方便隨時理解論文內容。

這種設計，能讓研究者，尤其是一個領域的初學者，先通過全網搜索建立起一個基本的認知框架，再通過學術搜索精準地切入核心文獻，整個過程平滑且高效。

找到幾篇核心的入門文獻后，挑戰才剛剛開始。

一個領域的研究往往枝繁葉茂，如何快速摸清一個領域的脈絡，找到“學術地圖”？

這時，“論文圖譜”的功能就派上了用場，在任何一篇文獻的詳情頁，都可以一鍵生成它的“關系圖譜”。

這個圖譜并不是直接羅列，而是一個可視化的知識網絡。

比如，圖中每一個節點代表一篇論文，節點的大小代表被引用的次數，顏色深淺代表發表年份，節點間的距離則代表了內容的相關性。

通過這張圖，我可以很直觀地看到，“信息經濟學”這個領域有哪些開創性的、被引用最多的經典文獻（節點最大的），最新的研究進展是什么（顏色最深的），以及哪些研究方向和我的興趣點最接近（距離我當前查看的文獻最近的）。

點擊任何一個節點，就能直接跳轉到那篇論文，這讓研究者可以順著知識的脈絡，快速地從一篇文獻拓展到一個領域，完成知識的體系化構建。

找到了幾十篇相關文獻，下一個難題就是“讀”。

傳統的方式是一篇篇地啃，費時費力。

百度學術的“輔助閱讀”功能則試圖解決這個效率難題，用戶可以批量上傳PDF或Word格式的文獻，AI助手會對這些文獻進行結構化總結。

它可以按照研究內容、研究方法、創新性、局限性等維度，生成一份清晰的總結報告。

這意味著，我可以在短時間內快速過一遍幾十篇文獻的核心要點，篩選出與我的研究方向最相關、最需要精讀的幾篇，從而極大地提升了文獻閱讀的效率。

三、從輸入到輸出——通過“創”、“編”讓AI在研究中成為稱心的助手

完成了輸入，就進入了更關鍵的輸出環節——“創”與“編”，即寫作和編輯。

這也是AI能夠深度介入，成為研究者“副駕駛”的階段。

當一位研究生對“信息經濟學”的文獻有了足夠的了解后，“選題推薦”功能可以幫助其更好地構思。

比如，AI可以根據我們輸入的領域和興趣點，推薦相關的論文選題，或者針對研究者的初步想法，進行開題分析，探討其可行性和創新性。

這對于思路枯竭或者需要靈感碰撞的研究者來說，是個相當實用的功能。

在具體的寫作過程中，百度學術也內置了編輯器，支持插入復雜的數學或經濟學公式，讓寫作流程更連貫。

這是一個很實用的功能。

以前，研究者通常在文獻平臺和本地的寫作軟件（如Word）之間頻繁切換。

想要在草稿中插入一個復雜的計量經濟學模型或數學公式時，就不得不中斷思路，去調用獨立的公式編輯器，比如MathType，或者是在Word里用不那么順手的公式工具。

這個過程通常會打斷寫作時的心流狀態，后續從不同來源復制粘貼的內容還常常導致格式混亂，為后期的排版校對埋下工作量。

百度學術內置的編輯器正是為了解決這一痛點，它可以直接在平臺內開始撰寫。

對于經濟學研究而言，無論是微觀經濟學的效用函數，還是宏觀經濟學的動態模型，都可以通過其內置的公式編輯器方便地生成和插入。

此外，百度學術還接入了SPSSPRO這一專業的在線數據分析工具，對于經濟學這類需要大量實證分析的學科而言，是一個解決痛點的功能。

具體而言，經濟學、社會學、管理學等高度依賴實證分析的學科，裝統計SPSS這類統計軟件是必不可少的工序。

研究小白通常會面臨軟件學習成本高、授權費用貴等一系列問題。

而百度學術接入SPSSPRO，將原本需要在本地客戶端完成的描述性統計、回歸分析、因子分析、信效度檢驗等復雜操作，遷移到了云端。

這意味著，一位經濟學研究者在百度學術上確定了研究模型后可以直接調用SPSSPRO處理和分析自己的研究數據。

這對于以數據驅動的實證研究而言，是一個直觀的效率提升。

有了以上這些一站式的功能，意味著研究者可以在同一個平臺內完成從文獻檢索、論文寫作到數據處理與分析的全流程工作，進一步打通了學術研究的各個環節。

四、AI改造后的“百度學術”致力于為科研工作者提供一站式服務

經過AI重構，百度學術的目標顯而易見——成為一個覆蓋研究全流程的一站式服務平臺。

而實現這一目標的基礎，是其背后強大的學術資源。

從資源體量上看，它收錄了超過6.9億的文獻資源，位于全國領先。

其中，可免費獲取的全文內容量達到1.6億，它覆蓋了104萬個學術資源站點，日均更新文獻量高達42萬，中文文獻覆蓋率達97%，均位列國內第一。

與此同時，經過AI重構之后，其智能化程度也在全球學術產品中屬于第一梯隊。

在資源的權威性上，在國內，它與萬方、維普、知網這三大專業的學術數據庫達成了合作，實現了國內核心資源的廣泛覆蓋。

未來，百度學術希望從一個“知識的平臺”演變為一個綜合性的“學術交流平臺”。

例如，通過為每位學者建立獨一無二的學術身份系統，打造一個不下線的學術沙龍以促進線上交流，。

讓有價值的學術成果能出圈，真正實現其社會價值。

結語

1997年2月，美國公司Infoseek的一位名叫Robin Li的年輕技術專家申請了一個名為“超鏈分析”的專利(Hypertext document retrieval system and method，專利號5,920,859)。

這個給網頁排名算法的靈感源自其在北大念書所領悟到“引用量是論文聲譽和質量的核心來源”，而這個專利后來成為互聯網搜索引擎奠基技術之一。

28年之后，這個年輕人創辦的搜索引擎公司依然還在通過工具產品為學術研究賦能。

只不過，這一次，不是用古典的辦法，而是更有效率的AI。

的確，從“創編存管”到“找看用享”，百度學術這次的AI重構，并不是一個孤立的動作。

它其實是百度用AI重構和改造文庫、網盤和學術這三個產品的一個縮影，目前，這三個國民級產品已經成為百度AI重構最徹底、最全的產品。

而這個計劃的目標就是：讓AI更好地服務廣義上的“內容創作者”。

讓工具回歸本分，讓人回歸創造，或許就是這個階段AI賦能創作者的正確解法。

——End——

作者簡介：衛夕，公眾號“衛夕指北”出品人，科技專欄作者，專寫長文，專注剖析互聯網及社會科學的底層邏輯；不關注這個賬號，你都不知道你會錯過神馬！