我們的 AI 理念

Elsevier 的 AI 有何不同？

Elsevier 的 AI 與眾不同之處，在於我們如何將信任嵌入工作流程的每一個步驟：

• 可信內容與資料，反映學術與臨床紀錄

• 可歸屬、可引用的輸出，可連結回原始來源

• 人工專業知識與監督，支援負責任的評估與使用

• 負責任 AI 治理，以隱私、IP 保護、中立性、透明度與問責機制為核心

• 持續品質評估，隨時間評估效能、安全性與證據適配性

適用於研究的人工智慧工作流程包含哪些要素

1. 可信內容基礎

我們將 AI 體驗奠基於透過成熟學術流程遴選的科學與醫學知識。這有助於確保輸出內容建立在使用者能夠驗證並信賴的資訊之上。

2. 可追溯的證據

AI 應該能夠接受檢視。我們優先並強調：

• 連結至原始出版品

• 認可知識貢獻的歸屬說明

• 可引用的情境，讓使用者能驗證系統使用了什麼以及為何使用

3. 領域專業知識與人工判斷

AI 是提升生產力的加速器，但決策仍需要專業知識。我們設計解決方案以支援專家審閱，讓研究人員與臨床醫師能在情境中評估證據，並更有信心地做出決策。

4. 透過透明度促進批判性思考

Elsevier 致力於讓輸出內容更容易理解，協助使用者看見：

• 使用了哪些來源

• 答案如何建構（如適用）

• 不確定性或限制所在

5. 負責任 AI 治理

信任也取決於系統如何治理。我們的方法包括：

• 隱私與安全保護

• IP 保護

• 中立性考量

• 與負責任的人工智慧原則和標準一致的問責機制

這如何體現在研究、臨床與教育應用場景中

受治理的證據與人工問責機制，有助於加快進展。

面向研究人員

在保留驗證能力的同時，加速探索與綜合：

• 透過證據探索加快進度

• 保留來源脈絡的可見性，便於再現與審閱

面向臨床醫師

以可追溯、有證據支持的情境支援決策：

• 將答案連結至同儕審查文獻

• 在照護現場強化信心

面向教育工作者與機構

推動負責任的採用：

• 支援 AI 素養與治理準備度

• 說明可信內容與監督如何改善成果

與生態系統共同演進的治理

隨著 AI 改變人們搜尋、閱讀與產生洞察的方式，我們將持續與合作夥伴一起，採用以標準為基礎的方法強化治理。這包括透明度期望、歸屬可見性，以及對品質與風險的持續評估。