【CONCERT 回顧】AI 時代的圖書館專業：從挑戰到行動的關鍵時刻

在本次會議中，EBSCO 人工智慧與語意技術創新總監 Ashleigh Faith 博士 以「從政策到實踐：AI 素養、品質與治理在學術圖書館中的角色」為題，帶來一場兼具深度與前瞻性的分享。她以務實的角度指出：AI 的快速發展固然令人振奮，但真正決定其能否在學術與研究界負責任地落地，關鍵其實不在技術，而在於——圖書館員。

Ashleigh 認為，圖書館界正站在一個極其重要的轉折點上。研究者比以往更需要協助理解資訊來源、確認內容真實性、辨識偏誤與風險；而 AI 也比以往更需要高品質 metadata、權威詞彙與結構化知識來運作。換言之，AI 時代不是削弱圖書館員，而是讓其角色變得比以往更不可或缺。

本篇文章將分為兩個部分：第一部分為 Ashleigh 演講重點整理，第二部分則呈現她在 Q&A 中對圖資專業未來的深度回應。

以下內容取材自 Ashleigh Faith 博士於 CONCERT 報告現場的完整分享與後續問答。

在整場演講中，Ashleigh Faith 帶領聽眾重新審視當前 AI 發展所帶來的衝擊。她強調，圖書館界所面臨的挑戰，遠遠不只是科技更迭，而是整個知識結構、研究流程與真實性驗證方式的巨幅轉變。

她首先談到全球研究生態的改變。隨著越來越多國家在開放取用（Open Access）與出版協議上的立場調整，OA 的成長開始放緩，反而是「AI 爬蟲」成為新的壓力來源。許多圖書館網站因大量 AI 取用而癱瘓，迫使圖書館不得不重新思考資訊公開的界線。然而，矛盾的是——AI 的興起同時也讓更多使用者回到圖書館資源本身。研究者透過 Google 或 AI 工具更頻繁地接觸到圖書館館藏，這形成一種微妙但值得把握的契機。為了說明這點，Ashleigh 也提醒大家，當越來越多 AI 工具依賴網路上的一般知識（general knowledge）時，真正能支撐研究品質、避免誤導的，其實仍然是那些由圖書館保存、經過專業整理的第一手資料（primary sources）。她指出，AI 雖然能夠重新組合資訊，但無法自行判斷哪些資料具有可信度、哪些資料經得起學術檢驗，而這正是圖書館館藏在新研究生態中重新被看見的重要原因。

接著，她把重點轉向「信任」。AI 模型的不透明與幻覺現象，使得「誰能證明一段資訊的真實性」變得比以往更重要。許多事實查核工具與驗證框架應運而生，但它們都高度依賴高品質的 metadata 及學科專家。Ashleigh 明確指出：圖書館員在這裡扮演關鍵角色，因為我們最懂如何驗證資訊。 她甚至說，資訊素養所訓練的能力，比以往任何時候都更重要。

隨著生成式 AI 的普及，引用、版權與術語問題也隨之浮現。她提醒，許多研究者仍未理解將受版權保護的內容輸入 AI 工具的風險，而圖書館員正可在這裡發揮教育者的力量。更重要的是，AI 的語彙、分類法與邏輯常常模糊不清，反而凸顯了館員在主題詞彙（subject vocabularies）與分類架構上的專業價值。

Ashleigh 也分享了她最感興趣的趨勢之一：小語言模型（SLMs） 的崛起。她引用研究指出，經過特定機構資料精調的小模型，其準確度反而優於 LLMs。這意味著什麼？意味著圖書館的特藏資料、連結資料、文化典藏——這些平時藏於書庫深處的知識寶藏——將成為訓練世界模型（World Models）所需的核心原料。她描述未來圖書館可能自行訓練 LLM 的畫面時，全場都能感受到圖書館角色正悄悄升級：我們不只是保存知識，也開始塑造 AI 如何理解世界。

最後，她分享了 EBSCO 在 AI 上的實踐。EBSCO 堅持「Responsible AI」的原則，所有 AI 功能——無論是自然語言檢索、AI 洞察摘要、推薦系統，或是新一代的語意搜尋——都以透明、可驗證、基於真實全文為核心。她強調，EBSCO 不會將 AI 用於取代研究過程的批判性思考，而是希望與圖書館一起建立負責任的研究環境。

這一段演講中，她讓圖書館界看到兩件事：AI 帶來的不是終結，而是重新定位；圖書館的價值不是被削弱，而是被放大。她認為：「AI 可以生成，但圖書館員能賦予它理解世界的脈絡。」

圖書資訊專業人士的適應與生存

Q1: 面對生成式 AI 的快速發展，圖書管理員應如何具備「正確」的心態和行動，並學會良好地適應和生存？ 
(Facing the rapid development of genAI, as a librarian how shall I have the “right” mindset and action and learn to adapt and survive well?)

Ashleigh 強調，圖書管理員最關鍵的行動是成為倡導者（advocate）。

• 倡導資訊素養：大多數人需要協助來理解如何信任AI，這與確定如何信任研究本質上是相同的。圖書管理員具備資訊素養（Information Literacy）的技能，可以在這個領域提供最大的服務。這也是圖書管理員在 AI 時代的關鍵技能與角色。
• 運用專業技能驗證 AI：如果您是技術導向者，可以研究使用引用網絡分析（citation network analysis）來幫助研究人員判斷他們所看的文章是否為 AI 製造的假研究（fake research），因為這是極高的風險。
• 強調專業的精準性：應該強調圖書管理員工作中的精確性（precision）和特異性（specificity），例如主題標引（subject indexing）和唯一識別碼（unique identifiers）。一般的 AI 知識在這些方面表現不佳，圖書管理員在這方面擁有優勢。

Q2: AI 會取代圖書管理員的工作嗎？ 
(Will AI replace my job as librarian?)

Ashleigh 堅決地表示「不會」。她強調，如果您的工作是傳統圖書管理員，您仍然具備資訊素養和學科專業知識（subject matter expertise），這些是 AI 所不具備的。

• 圖書管理員可以將傳統資源（如具有唯一 ID 的主題詞彙或權威記錄）展示給從事 AI 開發的人員，以證明圖書管理員是「必要的」。這些傳統資源經常被 AI 領域的人低估或缺乏。
• 圖書管理員的知識可以幫助 AI 解決語言歧義性（ambiguous language）問題，並驗證 AI 所使用的實體（entity）是否正確且不具模糊性。

Q3: 我是一名圖書資訊學科的大學生，不確定未來的職業方向。能否分享一些個人經驗？ 
(I am a library science major student at college. Not sure where is my future job yet? Can you share some of your personal experience with me?)

Ashleigh 鼓勵學生：

1. 關注詮釋資料和唯一識別碼： 專注於如何使事物更精確，這通常代表使用唯一識別碼。理解這些唯一識別碼如何在資料中被使用，將對未來在圖書館或非傳統領域工作大有助益。
2. 探索非傳統工作機會： 許多公司正在招聘特殊圖書管理員（special librarians），來幫助他們提高元數據的有效性。這些工作與在一般圖書館所做的工作相似，但地點是在公司。
3. 參考個人經驗： 她建議學生追蹤她的 YouTube 頻道，因為上面有專門討論這些主題的影片，她也經常在 YouTube 上分享 AI 素養和檢索技術的影片。

Q4: 在您看來，圖書管理員的哪些核心能力或專業技能在 AI 時代是最重要和不可或缺的？ 
(In your opinion, which of the core competencies or professional skills of librarians is the most important and indispensable in the AI ​​era?)

從實作層面來看，最關鍵的是詮釋資料（metadata）和主題標引（subject indexing）的專業知識。

• 詮釋資料與精確性： 圖書管理員對詮釋資料非常熟悉，尤其像 MeSH 這類特定的學科詞彙（subject vocabularies），能幫助圖書管理員像進行館藏落差分析（collection gap analysis）一樣，理解 AI 回應或 AI 學習中的不足之處。
• 教學層面： 則是資訊素養（Information Literacy），這與 AI 素養所需要的技能是一致的。

檢索、教學與技術發展

Q5: 在 AI 時代，布林邏輯（Boolean logic）檢索仍然有必要嗎？圖書館教學應該走向何方？ 
“With AI, is Boolean logic searching still necessary? Where should library instruction go from here?”

布林邏輯仍然有必要。

• 布林與提示： Ashleigh Faith 博士認為，布林邏輯查詢（Boolean query）與 AI 提示（AI prompt）並沒有太大的不同，兩者都需要使用者非常具體和精確地指示系統執行特定操作（例如使用 AND, OR, 括號和字段代碼）。
• 教學機會： 擅長布林邏輯的圖書管理員，通常也會擅長 AI 提示。因此，這是一個很好的教學機會，她預計圖書館教學將會更多地轉向 AI 提示。
• EBSCO 的做法： EBSCO 的自然語言檢索（Natural Language Search）旨在在開放網路習慣的自然語言檢索與更進階查詢之間建立一座橋樑。EBSCO 會顯示自然語言查詢所對應的布林重寫（Boolean Rewrite），讓使用者學習進階查詢。

Q6: 您如何看待傳統圖書館供應商的 AI 工具落後於非圖書館公司（如 Amazon）的現象？ 
(What’s your view on AI tools from traditional library vendors lagging behind those from non-library companies, given your experience at Amazon?)

這種差異主要是由於服務對象、隱私考量和責任不同。

• 隱私與責任： 像 Google 和 Amazon 這樣的大公司服務於個人，個人可以選擇共享所有數據。然而，圖書管理員對他們的研究人員和學生負有責任，必須保護他們的資訊和隱私。
• 謹慎行事： 由於對研究人員隱私和資訊的保護職責，EBSCO 這類公司必須非常謹慎。這導致 AI 空間的進展不如 Google 或 Amazon 快速，因為後者可以基於大量的個性化數據進行開發。

Q7: 你們有將 MESH 納入 EBSCO 的 AI 工具中嗎？ 
(Do u put MESH into EBSCO AI tools?)

有。MeSH（Medical Subject Headings）是用於 EBSCO 的「統一主題索引」（Unified Subject Index, USI）的一部分。
運作方式： USI 是一個知識圖譜，整合了來自出版商夥伴和開放源資源（如 MeSH）的所有主題索引。在 EBSCOhost 和 EDS 上的每次查詢，都會利用 USI 進行主題擴展，這部分工作（主題標引）是由圖書管理員完成的，沒有 AI 參與。

Q8: 您是否比較過已經發布 AI 工具的學術出版商？他們是否有共同點或不同的發展重點？
(Have you ever compared the academic publishers that have released AI tools? Do you think they have any commonalities or different development focuses?)

Ashleigh Faith 博士認為許多出版商可能具有共同點。從一位有超過 15 年 AI 經驗的專家角度來看，AI 基本上歸結為兩到三個主要的應用案例：

1. 生成和總結（Generation/Summarization）： 包括聊天功能，即總結文本內容並生成回應。
2. 推薦（Recommendations）： 即預測分析（predictive analytics），如果 A 像 B，則建議 B。
3. AI 學習（AI Learning）： 學習語言如何運作，並從中找出聯繫。

她指出，所有的 AI 產品都是這三種主要用例的綜合體。

AI、內容與圖書館的未來

Q9: 圖書館如何改進我們的服務並與開放網路和 AI 共存？ 
(How the library can improve our service and co-exist with open web and AI?)

由於 AI 正在快速增加開放網路上的內容（2024 年約 54% 的內容由 AI 生成，而 2022 年僅為 11%），Ashleigh Faith 博士預測未來將出現以下趨勢：

• 對權威資源的需求不減： 由於 AI 的數據「燃料」正在耗盡，對於人們來說，對可信賴、高品質學術研究的需求將永遠存在。
• 小語言模型（SLMs）興起： 越來越多的圖書館將會開始使用小型或微調的語言模型（small or fine-tuned models），這些模型是利用圖書館獨特的資料（如特藏資料）訓練出來的。
• 控制權回歸： 圖書館將會掌控 AI 的行為，控制其存取權，而不是依賴大型模型。例如，一些大型圖書館已經開始利用他們的博物館特藏創建聊天機器人，以增加流量（已見到 9% 的流量增長）。

Q10: 儘管 AI 節省了許多工作量（提供摘要和翻譯等），您是否同意真實、聲譽良好的第一手資料仍然重要？ 
(Although AI saves lots of loadings (providing summaries, and translations, etc), do you agree that authentic and reputable primary sources are still important?)

絕對同意。摘要和翻譯等功能都依賴於良好、聲譽良好的主要來源。

• RAG 機制： EBSCO 在其 AI 洞察（AI Insights）功能中採用「檢索增強生成」（Retrieval Augmented Generation, RAG）流程。這就是將 AI 錨定在「真相來源」（source of truth），指示 AI 參考並確保其生成的所有內容都源自高品質的全文，以此來保護 AI 不被一般知識所影響。
• 特藏資料的價值： 像檔案館中的主要來源（primary sources）更加重要。一般知識模型（general knowledge models）不知道圖書館特藏中獨有的資訊。如果一所大學用自己的特有資訊訓練一個小型語言模型，則只有該 AI 模型能回答有關該獨特資訊的問題。

Q11: 貴館如何使用具爭議性的 OA 期刊內容來訓練 AI 工具？ 
(Regarding the content of those OA journals, some journals may be controversial. How does EBSCO use these resources in your AI tools?)

EBSCO 根本不使用任何開放獲取（OA）資訊來訓練 AI。

• 內容過濾： EBSCO 有一套嚴格的流程，會過濾掉**掠奪性期刊（predatory journals）**或那些不從事負責任研究實踐的「不良行為者」（bad actors）。如果具爭議性的期刊沒有出現在 EBSCO 的產品上，那麼 AI 空間也不會與之互動。
• 使用者選擇： 如果使用者選擇對一份 OA 期刊的文章啟用「AI Insights」（洞察），AI 則會總結該特定的 OA 期刊文章內容。

Q12: 鑑於圖書館預算緊張，AI 功能應該是收費還是免費的服務？ 
(Shall the AI features be as a for-fee or free service given the overall library budget constraints?)

目前 EBSCO 開發的功能，如 AI Insights、自然語言檢索、搜尋推薦和 Recommendations 2.0，目前都是免費的。

• EBSCO 的原則： 這是為了幫助研究人員和圖書管理員能更好地完成他們的工作。EBSCO 有一項內部規定，所有開發人員在選擇 AI 解決方案之前，都必須先嘗試其他替代方案。這樣做是因為 AI 開發確實有成本，必須確保負責任地使用。
• 未來趨勢： 隨著 AI 功能複雜性增加，將來可能會有成本評估，但目前的功能是免費且採用「選擇加入」（opt-in）機制。

Q13: 您認為定義和驗證研究的新穎性（novelty）是否會變得具有挑戰性，因為有些想法可能是由 AI 生成的？ 
(Do you think it might be challenging to define and verify the novelty of research when some of ideas could be generated by AI?)

Ashleigh Faith 博士認為，AI 並沒有原創思維。AI 只是在既有事物之間找到微弱的聯繫。

• 本質是統計模型： AI 是一種非常聰明的統計模型，或者說是一個「非常聰明的計算器」（very smart calculator）。
• 模仿行為： 生成式 AI 擅長模仿人類行為，但它在本質上仍然是一個大型數學方程式。如果 AI 想出一個點子，很可能這個點子已經在其他地方出現過。因此，驗證新穎性雖然具有挑戰性，但 AI 本身並不具備原創思想，只是將現有知識進行了統計上的重新連接。

Ashleigh 在演講結尾說：「AI 並不是在與我們競爭——它需要我們。」這句話或許是給圖資界最重要的提醒。

在一個資訊量倍增、真假混雜、語意模糊、演算法黑箱化的時代，我們比以往更需要：

• 能驗證來源的專家
• 能解析語意與結構的人才
• 能教導研究者負責任使用 AI 的導師
• 能守護知識品質與公平性的專業者

這些角色，都是圖書館員天生所具備、也無法被 AI 取代的專業與使命。

AI 的確正在重塑圖書館，但並不是要取代它，而是推動圖書館向新的高度演化。從教學到研究、從館藏到資料治理、從查詢到語意搜尋，圖書館員的價值不再僅僅是「提供資訊」，而是定義資訊如何被信任、被理解、被使用。

面對 AI，我們並不是被動接受者，而是積極的塑造者。也唯有透過圖書館員的專業與判斷力，AI 才能真正成為學術研究的助力，而不是阻力。

這是一個挑戰的時代，也是圖書館員最值得擁抱的時代。

在這段轉型旅程中，EBSCO 也希望成為圖書館值得信賴的合作夥伴。我們所推出的 AI 功能——無論是以自然語言和布林查詢透明連動的 Natural Language Search、以 RAG 技術錨定高品質全文的 AI Insights、幫助研究者延伸探索脈絡的GenAI Search Recommendations、提升相關性的 Recommendations 2.0，或是持續在前線以 EBSCO’s AI Lab 進行未來技術探索——這是一個由館員資料科學家（Librarian Data Scientists）與 AI 團隊合作的實驗平台，專注於對話式檢索、文獻回顧協助、引用不規則性分析與館藏落差研究等前瞻性方向——都以同一個核心精神打造：讓研究更可靠、讓圖書館員更具影響力、讓知識的品質在 AI 時代依然值得信任。

EBSCO 相信，負責任的 AI 不只是技術問題，而是一場需要圖書館、研究者與資訊專業者共同參與的文化工程。我們會持續與圖書館界並肩前行，推動更透明、更公平、更可持續的研究生態。

讓我們一起迎向新的知識生態，成為驅動負責任 AI 的核心力量。