对话：从“人类辅助AI”，到“AI辅助人类”

什么是TDM？为何它对研究人员如此重要？

TDM是指利用机器来阅读文本（如科学出版物和文档）、提取信息，并将其用于机器学习和人工智能 。TDM对研究人员极为重要，因为它开辟了药物发现、老药新用，以及用于命名实体识别的信息增强等多种用例。此外， 它使得不同行业的公司都能利用科技文献中的宝贵见解，以改善运营并取得变革性发现。

这些年来TDM是如何发展的？未来又会走向何方？

过去5年来，TDM已经实现了从“人类辅助AI”到“AI辅助人类”的转变，自动化比重日益加深。这一转变带来了更高的F1分数， 表明机器学习模型的准确率、精确率和召回率都有所提升 。另外，TDM也从利用spaCy一类的开源模型，发展到利用现存的内容集来创建新内容。展望未来，许多中小型公司有望能为更大的企业填补TDM分析的空缺，优化运营并驱动创新。

在TDM的实施过程中，尤其是在制造业、化工和半导体等行业中存在哪些挑战？

TDM的实施需要大量资源，在机器学习和算力方面尤其如此。不过，AI平台训练框架（如谷歌的BERT）有助于解决部分问题。尽管基于transformer的模型产出的结果更优，但人工智能幻觉等挑战依然存在，而且对传统机器学习模型的依赖度仍然很高。

关于TDM中的知识产权和授权许可，有哪些需要考虑的关键因素？

虽然底层数据集属于许可供应商，但通过TDM分析所产生的知识产权属于客户。研究人员必须咨询其法律团队，充分理解其中的法律问题和过程。关键在于遵守许可协议，合理使用数据集。倘若许可中断，研究人员则需清除或停用部分数据，以遵守条款和条件。

企业界和学术界对TDM的使用有何不同？

在企业中，TDM项目都是围绕着特定目的（如药物发现）而搭建的。而学术研究人员旨在开发出适用于多种用例的通用模型。然而，企业界与学术界的合作和资助安排已模糊了这一界线， 使双方都能受益于行业洞察与宝贵的研究成果 。

研究人员在着手一个TDM项目时，应该采取什么步骤？

研究人员应当确定他们的需求和所需要的具体内容。研究人员有必要联系出版机构，了解访问选项 ，例如开放获取内容API或数据馈送（data feeds）。然而，并非所有出版机构都提供这些选项，因此研究人员应当阅读并理解条款、条件、许可，以及与数据相关的隐私政策。他们应当知晓版权和许可限制，对于订阅式或付费内容尤其如此。建议研究人员向图书馆员或信息专家寻求帮助，以获得遵守版权限制方面的指导，因为团队合作对于实现TDM项目的产出和社会效益最大化至关重要。

拥抱知识的未来：释放文本和数据挖掘的力量

不可否认的是， TDM拥有变革性力量，能让研究人员和企业在广袤的知识海洋中发现隐藏的瑰宝 。TDM实践从“人类辅助AI”到“AI辅助人类”的发展展现了其不断成长和创新的潜力。尽管未来可能会出现诸多挑战，但研究人员、行业内专业人士，以及数据科学家的共同努力必将为更大的进步铺平道路。

不论您是瞄准具体结果的产业界专业人士，还是寻求通用模型的学术人员，TDM都是一种不受限制的强大工具 。学术界和产业界通力合作，发掘文本和数据的巨大潜力，就能推动知识进步和社会改善。

文本和数据挖掘（TDM）