我们的 AI 理念

Elsevier 的 AI 有何不同？

Elsevier 的 AI 与众不同之处，在于我们如何将信任融入工作流程的每一个步骤：

• 可信内容和数据，反映学术与临床记录

• 可归因、可引用的输出，可链接回原始来源

• 人工专业知识和监督，支持负责任的评估与使用

• 负责任 AI 治理，围绕隐私、知识产权保护、中立性、透明度和问责机制构建

• 持续质量评估，持续评估性能、安全性及证据适配性

适用于研究的 AI 工作流程包含哪些要素

1. 可信内容基础

我们以通过成熟学术流程遴选的科学和医学知识作为 AI 体验的基础。这有助于确保输出内容建立在用户能够验证并信赖的信息之上。

2. 可追溯的证据

AI 应当可供审查。我们优先强调：

• 指向原始出版物的链接

• 认可知识贡献的归属说明

• 可引用的语境，方便用户验证系统使用了什么以及为何使用

3. 领域专长和人工判断

AI 是提高效率的助推器，但决策仍需要专业判断。我们的解决方案旨在支持专家审阅，帮助科研人员和临床医生在语境中评估证据，并更有信心地做出决策。

4. 提高批判性思维的透明度

Elsevier 致力于让输出更易理解，帮助用户看到：

• 使用了哪些来源

• 答案如何构建（如适用）

• 哪里存在不确定性或局限

5. 负责任 AI 治理

信任还取决于系统的治理方式。我们的方法包括：

• 隐私和安全保护

• 知识产权保护

• 中立性考量

• 与负责任人工智能原则和标准保持一致的问责机制

这种理念如何体现在研究、临床和教育场景中

受治理的证据和人工问责机制有助于加快进展。

面向科研人员

在保留验证能力的同时，加快发现与综合：

• 更快开展证据探索

• 保持出处可见，便于复现和审阅

面向临床医生

以可追溯、有证据支持的语境支持决策：

• 将答案连接到同行评审文献

• 在诊疗现场增强信心

面向教育工作者和机构

支持负责任采用：

• 支持 AI 素养和治理准备

• 阐明可信内容和监督如何改善结果

与生态系统共同演进的治理

随着 AI 改变人们搜索、阅读和生成洞察的方式，我们将继续与合作伙伴一起，并依托基于标准的方法来加强治理。这包括透明度预期、归属可见性，以及对质量和风险的持续评估。