Habsburg：比方说，我要找手机app设计的指导书，那这可能就不止一本，而是需要发散式阅读多行业书籍。问题在于，除非读者看到书所在的区域及名称，否则读者不知道自己需要的是那本书啊。
KingJulien：你这说的又是图书推荐功能了，是读者服务或者参考咨询的工作，而且影视剧里也能看到，资深图书馆员，就是帮助读者找书的。把这类工作，用ai技术集成到app上，是一个很好的应用方向。
Habsburg：@KingJulien传统的咨询，是以读者口述需求为导向的。
KingJulien：现在可以用大模型了。
Habsburg：那读者如果说不清楚自己需求呢，比如说他就知道一个‘我要研究人的灵魂重量变化情况’，这种研究连学科都不知道属于哪一种。
Habsburg：@KingJulien大模型是依据信息统计做选择，无法用于预测新事物。
KingJulien：图书馆馆藏是固定的，把馆藏数据做成知识库给大模型。
Habsburg：目前的大模型普遍表现出极度保守的倾向，换言之，但凡是现有文字定义下未被囊括的研究范围，大模型都无法有效认知。一样的，因为大模型无法匹配用户需求和馆藏图本。大模型只能匹配你需求中和他数据库存在一致的部分，新学科/新研究必然是存在不一致的，大模型目前对此无法认知。
KingJulien：既然做的是图书馆的应用，那必须基于图书馆的馆藏来分析问题，如果问题都超越图书馆了，这个问题也不应该由图书馆来解答，图书馆既没能力也没义务解答，这是chatgpt这类大模型的工作。
Habsburg：@KingJulien服务内容并没有超过馆藏所能提供范围，而是超过人工智能的认知范围。我刚刚已经说过了，问题在于人工智能无法正确认知用户需求，用户需求必须用户自己来判断。
KingJulien：你已经把这个话题绕的和最开始的ar没有关系了。
Habsburg：而用户判断的过程就是在图书馆区域内，对图书类型进行标签判断。
KingJulien：既然人工智能靠不住，那就坚持传统的馆员回答。
Habsburg：@KingJulien有的，没有ar设备，用户如何判断图书馆的书是否符合自己的需求？只能一本一本扒出来。而ar设备可以一次统计几百本，并且根据用户需求采用不同的方式进行组合式标签。
KingJulien：@Habsburg标签分类，人工智能做不了？
Habsburg：@KingJulien人工智能做的标注范式，一定是用户想要的标注范式吗？ar设备能保障，用户对书籍是否需要，是用户自己判断的。而大模型无法保障用户能够判断自己是否需要书籍。因为一本书不仅包括书名，文字，也包括它的载体、形式等，需要哪些模态，只有用户自己才能判断。
KingJulien：我都觉得好笑，你在和我争ar设备用什么算法，用什么分析软件。ar只是个引导工具，确实可以用在图书馆找书，可以集成在手机app上，通过摄像头拍摄，引导读者到图书位置，但是ar不适合放在未来学习中心，这就是我的观点。至于底层用什么软件，什么算法，那是开发人员的事，我说大模型就是举个例子，这不是我想争论的。
Habsburg：@KingJulien你说的是在图书馆里面没用。至于未来学习中心，这个是你提的，我都不知道为什么你一定要论证未来学习中心要不要摆ar设备。讨论的是图书馆需不需要这个。
KingJulien：你要是看我前面发的就知道，我非常反感未来学习中心里面弄这些浪费钱又没有实用价值的东西。我少打几个字，让你误解了。我后面说了，可以用在流通部。所以我觉得很奇怪，到底讨论的点在哪。
Habsburg：@KingJulien我姑且也只是一个提议。
KingJulien：ar可以直接应用在图书馆，而不是在未来学习中心做展示品。
Habsburg：从现实来看，许多类似的场景喜欢给用户配备虚拟现实之类的技术。
KingJulien：讲不好听点就是骗经费。
Habsburg：我的意思是，未来学习中心与其配备虚拟现实、3d打印这些设备，不如拿去买ar设备。问题是，购买展示型器材似乎难以避免。那我认为，与其买vr这样的前几年的热点，不如买ar这样的未来有前景的设备。
KingJulien：现在ar设备的技术也没到能应用的那一步，还是保守点吧。
Habsburg：就是因为还没有到啊。与其给虚拟现实搞噱头，不如把钱拿去支持增强现实搞研究，目前ar相比于其他信息技术，有些落后了。
吕品1988：@Habsburg如果实现这个功能，那就没必要去实体图书馆了，也不需要实体图书馆了。都把书的内容分析出来了，直接把内容反馈给用户就可以了。用户需要的是信息，不是‘书’。现在的书目信息，书目提要，联合检索，图书推荐能做好，就可以解决问题的大半。
Habsburg：@吕品1988问题是书的载体也是信息的一部分，而目前的图书馆之所以能存在，就是因为载体部分无法依靠现有的技术手段替代。
吕品1988：如果是纸质书的实体，那就更不需要这些东西了。
Habsburg：纸质书的载体本身就是重要的信息，尤其是古籍，这也是为什么图书目前仍未完全数字化的原因。
吕品1988：如果不是对纸进行研究，现在对古籍，甚至版本的研究，依托的是数字化影像和数据库。
Habsburg：@吕品1988人工智能用于训练的数据就是基于纯文字的，结果就是人工智能只能作为专业化工具使用。有机体才能做管理者，无机体只能当工具。
吕品1988：研究古籍，直接亲自翻阅古籍实体最好，但这种条件很难实现。很多古籍未能数字化，是现实客观的原因。
可能不是本人：有机体是啥。
Habsburg：@可能不是本人一种组织方式。有机体拥有‘组织度’这样一个特殊的物理属性。组织度。这个物理属性有专门的介绍，相当复杂。有机的组织方式是西方文明的终极目标，可以说整个古希腊文明都在追求有机构造。
吕品1988：@Habsburg太专业，不懂。图书收藏，阅览图书是两个方向。
Habsburg：@吕品1988以后图书馆可能需要增加鉴别图书的精力。价值不在于有好书，而是好书的比例高。
碧沚东楼：又回归到了老问题，什么是好书？
Habsburg：有几个硬标准。1、必须来源于人所创作，而非人工智能的信息整合。2、书籍能为其他学科的使用价值。3、能够被人使用。至少得满足这三点。
Habsburg：@hanna书的价值主要是给非本专业的人看。牛顿不需要阅读《自然科学的哲学原理》。
hanna：@Habsburg读者的主动性在哪？他们自己会去找适合自己看的书。书目信息做到位其实就足够。所谓AI、AR、VR更多是越殂代疱。@Habsburg看看也无妨，一本书而已。
道无言：对于不爱读书的家长，问孩子最多的是‘这本书喜不喜欢看’。孩子常给家长说的‘老师让读的’。读书应该是做拼图，搭建一个完整的知识结构，。
hanna：下围棋一样，刚开始东一个西一个，看似杂乱，其实有章法，最后围城。
Habsburg：@hanna读者想要找书和书的介绍之间不能之间对接。技术手段解决的就是中间的交互需求。信息系统是死的，人是活的，需要有能沟通生死的媒介来打通二者的链接。
吕品1988：你说的这种技术，现在的检索引擎，全文数据库等，只要个人上点心，很多可以解决。解决不了的，有不少不是技术问题，是现实客观问题。你说的应该现阶段应该很难实现，一电脑直接对人脑读取，不需要人的语音和文字，脑电波直接转为数据，二这些数据的存取管理在法律伦理现实利益等层面的保障。
Habsburg：@吕品1988ar的意义在于，让个人的边界突破目前的限制，你说的检索是增强信息系统的能力，这是完全不一样的。
吕品1988：你说的，在没有法律，资金的限制条件下，应该很好实现。或许已经实现，只是限于法律，资金等现实不能应用于图书馆。很多不是技术问题，是法律伦理，资金问题。
Habsburg：不是法律问题，是能力问题。目前的信息系统的能力存在重大缺陷。最终的问题在于无法理解人的需求。
吕品1988：其实很多技术已经实现，甚至在军事，医疗等特定领域限制应用。人工智能发展的瓶颈之一是伦理道德法律。
图谋：人工智能的未来仍然充满不确定性，我们有很多理由保持乐观，也同样有很多理由感到担忧。但一切都源于比单纯的技术更深层次、更有影响的问题：在我们创造的过程中，是什么在激励着我们的心灵和思想？我相信，这个问题的答案也许比其他任何问题的答案都更能决定我们的未来。很多事情都取决于问题由谁来回答。随着人工智能领域逐渐变得更加多元、更加包容、对其他学科的专业知识更加开放，我也越来越有信心：我们能正确回答这个问题。（（美）李飞飞（FEI-FEILI）著；灿译.我看见的世界李飞飞自传[M].北京：中信出版集团,2024.04：）。
吕品1988：比如霍金，他用的一些电脑设备技术，也是几年十几年前的技术了，现在能普及到图书馆或者个人吗。不是不理解人的需求，是没有条件理解实现。
Habsburg：人工智能面临不是道德问题，而是能力问题。
图谋：读到‘电子资源大数据联盟’微信群分享的‘MIT报告警告AI泡沫破裂担忧，95%企业AI投资无回报’信息。我进一步追踪了一下接近更源头的信息。《生成式AI的鸿沟：2025年商业AI的现状》的报告显示，尽管企业在生成AI上已花费了300至400亿美元，但95%的公司迄今并未能获得商业回报。生成式AI陷入了高采用率、低转化率的困境。一边是00后创办AI企业并融资上亿元，一边是仅有5%的商业回报率一边是AI专家警告AI或将接管人类，一边是企业高管对于AI供应商的销售邮件爱答不理。AI的世界为何如此割裂？本次报告或能带来一定的答案。(信息来源：DeepTech深科技.MIT报告揭生成式AI残酷现实：95%企业无回报，低转化率亟需破局.https://baijiahao.baidu.com/s?id=1841105450025728131&wfr=spider&for=pc2025-08-2121:04）该文篇幅很大，有些信息似乎让我对生成式AI的未来了解多一点点。两条信息或许有助于看到更多。
Habsburg：目前生成式ai只能作为专用人工智能，而无法作为通用人工智能使用。
麦子：@图谋人工智能的未来是什么样，我们不知道，但肯定会影响人类。而且是更大更快的变化。现在就是看谁能把这东西变成实实在在的东西，帮助企业赚大钱。当然，这是对一般劳动者来说多半不是好事。
图谋：图谋.理想与现实之间.https://blog.sciencenet.cn/blog-213646-1498996.html坦白说，李飞飞虽贵为‘AI教母’，我对她并没有进一步的感知与认知。前述摘录自传中的内容，让我知道，她也是人，不是神。论年龄我比她大一岁，她父亲的年龄比我父亲小5岁。书中许多内容是可以更好地感同身受的。书中呈现的内容，仅仅从摘录这小部分看，给我的印象是：真情实感，举重若轻，超凡脱俗，难能可贵。我与她之间均生活在现实世界，但她的精神世界以及现实世界与精神世界‘复合’世界，属于我的‘理想世界’，遥不可及的世界。给我的两点启示是：其一，有趣有味有料的人生，位于现实世界之中，既有看见的世界，亦有看不见的世界。其二，这世界，我来了（我来过），尽可能地潇洒走一回。
Habsburg：人工智能背后是哲学。大语言模型的祖师爷乔姆斯基就是哲学家。所以语言模型终归只是模仿有机体，而不能成为有机体。
图谋：‘智能’是一个横跨心理学、神经科学、计算机科学、哲学等多领域的复杂概念，其核心本质是个体或系统感知、理解、学习、推理、解决问题，并根据环境动态调整行为以实现目标的综合能力，并非单一技能，而是一系列高级认知功能的集合。从具体维度拆解，智能的核心内涵可分为以下几方面：感知与理解能力：这是智能的基础——能通过感官（如人类的视觉、听觉，AI的传感器）接收外部信息，并将其转化为可处理的‘认知符号’，例如人类识别‘苹果是红色圆形果实’，AI通过图像识别区分猫与狗。学习与记忆能力：能从经验或数据中提取规律、积累知识，并用于后续决策。比如儿童通过多次尝试学会骑自行车（经验学习），AI通过训练数据掌握语言翻译规则（数据学习），且两者都能记住关键信息（如骑车平衡技巧、翻译话术）。推理与决策能力：基于已有知识进行逻辑分析、判断，并选择最优方案。例如医生根据患者症状（已知信息）推理可能病因（逻辑分析），最终确定治疗方案（决策）；AI根据用户浏览记录（数据）推理兴趣偏好（算法逻辑），推荐相关内容（决策）。适应与创新能力：面对新环境、新问题时，能突破既有经验，调整策略甚至创造新方法。比如人类到陌生城市后，通过地图与问路快速适应出行（适应）；科学家提出新理论解释未被破解的自然现象（创新）。从不同领域视角看，智能的定义又有侧重：心理学视角：更关注‘人类智能’，认为智能是‘个体认识、理解和思考世界的能力’，经典的智力测试（如韦氏量表）会从语言理解、逻辑推理、空间想象等维度衡量。神经科学视角：将智能视为‘大脑神经元网络的复杂活动结果’，研究脑区（如前额叶负责决策、海马体负责记忆）如何协同实现认知功能。计算机科学视角：聚焦‘人工智能（AI）’，将智能定义为‘机器模拟人类认知的能力’，从早期的逻辑推理（如国际象棋AI），到如今的深度学习（如ChatGPT、图像生成AI），不断拓展机器智能的边界。需要注意的是，智能并非‘全或无’的属性，而是存在‘程度差异’（如人类的智力水平不同、AI的能力强弱有别），且其定义随技术发展和认知深化不断演变——例如，过去认为‘语言能力’是人类独有的智能，但如今AI已能实现高精度的语言理解与生成，这也促使人们重新思考‘智能’的本质边界。人工智能（AI）的发展边界并非固定不变的‘红线’，而是随技术迭代、社会规则与人类认知动态调整的‘弹性领域’。它本质上是AI技术能力、数据基础、伦理约束与人类核心需求共同作用的结果，核心可从技术局限、数据依赖、伦理安全、认知差异四大维度展开分析。AI的发展边界并非‘阻碍’，而是提醒我们：AI是人类工具的延伸，而非‘替代人类’的存在。它的边界会随技术进步（如通用人工智能的探索）、社会规则完善（如AI伦理立法）、数据治理升级（如隐私计算技术）不断拓展，但只要人类仍重视‘情感’‘价值’‘自我意识’的独特性，AI的边界就会始终围绕‘服务人类、尊重人类’展开——最终，AI的发展边界，本质是人类对‘如何与技术共生’的自我定义。关于人工智能，个体的感知与认知，千差万别。有宏观的，也有微观的。有乐观的，也有沮丧的。有主观的，也有客观的。有正确的，也有错误的。……。人工智能的英文表述‘artificialintelligence’。artificial是个形容词，常见释义包括:人工的，人造的，人为的;假的，假装的，矫揉造作的，模拟的;非原地产的，人工栽培的；intelligence是个名词，常见释义包括：智力;(尤指关于敌对国家的)情报;智慧;情报人员;才智。
图谋：借助生成式AI豆包回答：AI学术工具有哪些？当前的AI学术工具五花八门，且日新月异。豆包解答最后两句为：‘以上工具可通过官网或学术资源平台获取，部分需机构权限或订阅。建议根据研究阶段组合使用，同时注意学术规范与数据安全。’。当前讲解这方面的内容实际很不好讲。因为涉及的变量过多。虽然属于‘很不好讲’，但也确实有不少人在探究。群成员中估计会有不少高手。欢迎就相关主题进行进一步交流与分享。图书馆需要随着人工智能的进步而发展。这几年，圕人堂服务体系实际在做推动工作。圕人堂服务体系输出内容，今年有一定比例聚焦生成式AI，围绕其学与用，积极推动交流与分享。受到一些制约，所起的作用或者说作用范围受限。尽管如此，将继续努力。欢迎诸位成员积极关注与参与。
图谋：科学网圕人堂专题，2025年3月19日之前的博文暂未恢复访问权限，2018年6月12日至2025年3月18日期间的可以尝试检索圕人堂微信公众号阅读。
Habsburg：有没有多学科交叉的分享。我对多学科交叉、多模态比较感兴趣。历史上牛顿就是因为能实现海量的学科交叉，而发明了研究物理的数学工具。
图谋：当前的信息资源管理一级学科，实际也属于多学科交叉范畴。图书馆专业馆员做AI学术工具培训，理想的状态亦需要具备多学科背景。
Habsburg：群主可否多分享一些相关的工具？这是一座金矿。
图谋：善用AI工具，助力效率提升（主讲人:周建芳四川师范大学）回看地址：https://suyang.zxhnzq.com/lecture/ff3685eb-85d6-4804-8498-2ba384fef026专家简介：周建芳，博士，四川师范大学图书馆研究馆员，中国图书馆学会学术委员会信息素养工作组委员，长期从事信息素养教育的研究与教学，发表核心论文十余篇，出版专著两部，主编教材两部，主持建设的M00C在中国大学M00C、学习强国等多个平台上线，相被认定为国家精品在线开放课程、国家线上一流课程;主讲的课程2020年被认定为国家级线上线下混合式一流课程。内容简介：AI工具有很多，AI工具很强大，用好AI工具，可以大幅度提升做事效率。有哪些好用的AI工具?有哪些实用的AI方法和技巧?有哪些适合AI发力的应用场景?周建芳老师将为你呈现AI在终身学习、文档处理、数据分析、图表生成等多个场景下提升效率的具体案例，帮你认识AI，走近AI，欣赏AI，拥抱AI。这方面的分享别指望‘群主‘，群主的精力和能力有限，仅仅是尽一份绵薄之力。生成式AI，图谋这些年实际上花了大量时间观察与体验，科学网圕人堂专题博文中亦有‘蛛丝马迹’。当前的生成式AI，种类繁多，功能各异。有中文的、外文的，有收费的、免费的，有相对稳定的、也有很不稳定的……个体的体验，或多或少有盲人摸象的意味。2025年上半年，我花了不少时间和精力，体验多种中外文数据商的生成式AI产品与服务，给我的印象是比较沮丧的，期望值越高越失望。当前的氛围，追求速效，追求最省力最省事、追求投资少见效快，追求个人利益最大化……令人遗憾的是，‘欲速则不达’‘事与愿违’屡见不鲜。
图谋：储节旺.《人工智能及其在图书馆中的应用》ppt.https://www.calsp.cn/download/%e5%82%a8%e8%8a%82%e6%97%ba%e3%80%8a%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e5%8f%8a%e5%85%b6%e5%9c%a8%e5%9b%be%e4%b9%a6%e9%a6%86%e4%b8%ad%e7%9a%84%e5%ba%94%e7%94%a8%e3%80%8b/。2024年7月储节旺馆长做的《人工智能及其在图书馆中的应用》报告，内容很丰富（可以在智慧图书馆技术应用联盟网站下载）。2024年9月我曾联系储馆长，试图获得授权分享至圕人堂QQ群，储馆当时的答复是‘迟点时候再说’。储节旺《人工智能及其在图书馆中的应用》PPT见群文件：储节旺《人工智能及其在图书馆中的应用》.pdf。信息来源：2024年7月23日，2024年第6期‘智慧图书馆技术应用讲座’（总第32期），本期讲座邀请安徽大学图书馆储节旺馆长担任主讲嘉宾，报告标题为《人工智能及其在图书馆中的应用》。储馆长这个报告内容很丰富（共138页），具有较高参考价值。
biochem：一年前的PPT，里面的数据有些陈旧。
图谋：其实一点也不陈旧。储馆长的研究具有前瞻性。我粗略检索了一下，近3年，储馆长发表人工智能研究文献15篇。储节旺人工智能研究文献辑录1简版[1]储节旺,樊鑫鑫.智能体在智慧图书馆中的应用：特征能力、体系框架与构建路径[J].图书情报工作,2025,69(14):52-60.DOI:10.13266/j.issn.0252-3116.2025.14.005.[2]储节旺,刘青云.AIGC环境下信息污染的形成机理及防治策略研究[J/OL].情报理论与实践,1-11[2025-08-26].https://link.cnki.net/urlid/11.1762.G3.20250627.1330.002.[3]储节旺,周柯堰.知识增强生成赋能知识生产模式变革的研究[J/OL].现代情报,1-16[2025-08-26].https://link.cnki.net/urlid/22.1182.G3.20250417.1356.005.[4]储节旺,周艳,罗怡帆.AIGC失范表现与治理机制研究[J].图书情报工作,2025,69(03):37-46.DOI:10.13266/j.issn.0252-3116.2025.03.004.[5]罗怡帆,刘一迪,储节旺.信息资源管理研究生使用AIGC工具的科研行为影响因素研究[J].图书馆杂志,2025,44(03):56-67.DOI:10.13663/j.cnki.lj.2025.03.005.[6]储节旺,樊鑫鑫,刘博.AIGC赋能的智慧健康知识服务平台[J].图书馆论坛,2025,45(05):126-132.[7]杜秀秀,徐博文,储节旺.美国一流研究型高校图书馆生成式人工智能资源导航研究[J].图书馆杂志,2025,44(03):68-81.DOI:10.13663/j.cnki.lj.2025.03.006.[8]颜丽蓉,储节旺,李振延,等.生成式人工智能融入信息资源管理学科专业课程教学的路径探索研究[J].图书馆杂志,2025,44(01):128-138+157.DOI:10.13663/j.cnki.lj.2025.01.011.[9]储节旺,樊鑫鑫.AI驱动图书馆智慧化转型的若干思考[J].图书馆学刊,2025,47(01):15-21.DOI:10.14037/j.cnki.tsgxk.20240918.001.[10]储节旺,杜秀秀.生成式人工智能赋能科研知识生产研究述评[J].大学图书馆学报,2024,42(03):108-117.DOI:10.16603/j.issn1002-1027.2024.03.014.[11]储节旺,罗怡帆.人工智能生成内容赋能图书馆知识服务的路径研究[J].情报理论与实践,2024,47(08):34-42.DOI:10.16353/j.cnki.1000-7490.2024.