0 引言 AI4S(AI for Science)是人工智能驱动的科学研究的简称，主要指应用智能科学与技术促进传统科学研究变革[1]。人工智能在科学领域的应用为科研工作注入了新的活力，带来了巨大的潜力和机遇。通过数据-知识双向驱动，科学家能够利用模型和算法分析海量数据，揭示模式和规律，并通过实现实验、数据分析和模型计算的紧密结合，有效地连接了科学研究的全生命周期。AI4S使科学家们能够更深入地理解自然规律、加速发现和创新，使科学研究演变进入到“智能科学”新范式阶段[2]。 数据、信息与知识的转化过程构成了科学创新的源泉，而信息资源管理领域提供的知识服务为科学创新的实现提供了有力的支撑[3]。伴随着AI4S对科学研究的推动，知识服务面临着多层次知识发现与获取、跨学科研究和创新和以用户为中心的参与式服务等更高层次需求的挑战和机遇。为此，需要重新定位在AI4S中知识服务的新角色，明确其在全面支撑科技创新进程中的新任务[4]。 知识创新服务是以科研用户知识创新需求为导向的，通过支持知识创新全流程中的数据采集、分析、集成并进一步转换为知识或情报产品，从而帮助知识创新主体实现创新[5]。作为面向科学创新需求而催生的一种知识服务发展的新形态，知识创新服务可以担负AI4S中知识服务的新角色。那么，AI4S背景下，知识创新服务将如何承担支撑科技创新进程中的新任务，是值得深入研究的课题。因此，本文针对AI4S背景下科学研究的新变化，以面向用户科技创新需求为出发点，以经典的SECI知识转化与创新模型为基础，借助微服务架构理论与领域驱动设计思想，构建知识创新服务应用模式，设计知识创新服务应用平台系统架构，并详细设计核心业务的微服务，为数智时代科学创新活动提供更有效的服务，助推新质生产力培育与支撑高质量发展。 1 研究现状与研究基础 1.1 研究现状 AI4S作为科学研究的新范式，知识创新服务是科学研究的有力支撑。下面分别对相关研究进行综述。 (1)AI4S 为了贯彻落实国家《新一代人工智能发展规划》，科技部会同国家自然科学基金委于2023年启动了“人工智能驱动的科学研究”专项部署，已促进人工智能技术深度融入科学研究领域，推动其成为解决基础学科重大科学问题的新范式。 学术界对于AI4S的研究可以分成两大类：一类是基于AI4S本身的基本原理和研究特征进行研究。王飞跃[1]等分析AI4S的基本概念和特点，基于多学科概括AI4S的发展现状。黄时进[6]探讨新一代人工智能对传统科学研究范式的挑战以及对新科学研究范式的构建。刘梦迪[7]等在梳理科学研究范式经典划分方法的基础上，提出AI4S能为科学研究范式的划分提供新视角；另一类研究是在AI4S的背景下，结合具体应用场景或者学科展开分析。李沫[8]等分析日本文开发战略中心发布的战略提案报告，阐述日本对AI自动化科研周期体系建立的一些战略方针。李亚玲[9]等以生物学领域为例，分析人工智能驱动生物学科研范式变革的机制和挑战。张智雄[4]提出构建AI4S知识底座，以支撑科技文献的深入挖掘和利用。 (2)知识创新服务 知识服务与知识创新在新的时代背景下迈向融合，逐渐衍生出了知识创新服务这一概念，对知识创新服务的内涵学者给出了不同的理解与探讨。范丽鹏[10]等人认为大数据发展与科研创新的有机结合，共同驱动着知识创新服务新业态的形成。张亚影[11]认为针对高校图书馆，需要充分利用信息化技术和大数据技术强化知识创新服务，并提出高校图书馆知识创新服务策略等相关内容。陶丽[12]等借鉴智库知识管理模式和知识创新的经验，提出知识创新服务可依托智库管理的核心要素构建知识创新服务框架，帮助用户优化知识结构并实现知识创新。国内的相关研究对知识创新服务的基本内涵进行了探讨，并从不同切入点对面向知识创新的服务模式进行探索[13-15]。国外则着重于平台系统架构体系和新兴技术的研究，并且有理论较为成熟的开源项目[16-17]。 综上可知，AI4S是科学研究的新范式，知识创新服务是支撑科学研究的新发展。而现有的知识创新服务研究，主要以自身具有的资源优势为出发点构建专题化的服务，更关注显性知识的再组织与揭示，未系统打通显性知识与隐性知识之间的边界及其服务场景，使得隐性知识难以被充分发掘与利用。因此，将AI4S与知识创新服务结合，采用AI技术更加有力地支撑数据处理与分析、知识发现与提取、知识创新与应用，焦距微服务实现，使知识创新服务应用模式向更加有效的个性化、多元化、智能化和专业化转变，是AI4S背景下科学研究的新需求与知识服务的新使命。 1.2 研究基础 (1)SECI模型和科研生命周期阶段 SECI模型揭示了知识创新的内在逻辑与基本模式[18]，即知识转化与创新可以被描述为隐性知识和显性知识之间互动产生的螺旋上升运动过程，这一过程可分为隐性知识转化为隐性知识的社会化(socialization)、隐性知识转化为显性知识的外在化(externalization)、显性知识转化为显性知识的组合化(combination)和显性知识转化为隐性知识的内隐化(internalization)四个阶段。将SECI模型应用于知识创新服务模式的构建当中，能够进一步深化服务内涵与面向知识创新的底层知识流动模式，促进显性知识与隐性知识的充分融合，化解知识利用有效性低的问题。 致力于使教育与研究数字化转型服务创新的JISC(Joint Information Systems Committee，英国联合信息系统委员会)将研究生命周期(the research lifecycle)划分为Ideas→Partners→Proposal writing→Research process→Publication五个阶段[19]，其中，Ideas主要指通过文献检索、背景阅读等发现新的问题或观点；Partners主要指通过网络工具寻找合作伙伴；Proposal writing主要指研究者需要撰写一份研究计划；Research process主要包括模拟、实验、观察，管理数据，分析数据和分享数据；Publication主要指在开放获取期刊或存储库中发布以提高研究的可见性。结合用户需求，本文以JISC科研生命周期阶段为支撑，嵌入知识创新，将科研生命周期表达为选题构思、组建团队、确定课题、研究探索、成果产出5个阶段，并以此分析不同阶段的用户需求[20]。
