هوش مصنوعی در تحقیق و توسعه صنعتی؛ معرفی ابزارهای Elsevier

هوش مصنوعی در تحقیق و توسعه صنعتی یکی از اصلی‌ترین و ارزنده‌ترین خدماتی است که بزرگترین ناشر پژوهشی جهان یعنی الزویر ارائه می‌کند زیرا امروزه هوش مصنوعی به یکی از فناوری‌های مهم در تحول فعالیت‌های تحقیق و توسعه (R&D) تبدیل شده است. شرکت‌ها برای توسعه محصولات جدید، شناسایی فناوری‌های نوظهور، بررسی پتنت‌ها، ارزیابی شواهد علمی و تصمیم‌گیری درباره سرمایه‌گذاری‌های پژوهشی، به اطلاعات دقیق و قابل اتکا نیاز دارند. بااین‌حال، افزایش حجم مقالات علمی، داده‌های فنی و اسناد مقرراتی، دستیابی سریع به اطلاعات مرتبط را دشوار کرده است.

شرکت Elsevier با ترکیب محتوای علمی معتبر و ابزارهای هوش مصنوعی، مجموعه‌ای از راهکارها را برای پاسخ‌گویی به این نیازها ارائه می‌کند. این ابزارها به تیم‌های تحقیق و توسعه کمک می‌کنند ادبیات علمی را سریع‌تر تحلیل کنند، ارتباط میان یافته‌ها را شناسایی کنند و تصمیم‌های پژوهشی را بر پایه شواهد مستند اتخاذ کنند.

در این مقاله، مهم‌ترین ابزارهای هوش مصنوعی معرفی‌شده در صفحه رسمی Elsevier، کاربردهای صنعتی آن‌ها و فرصت‌هایی که این رویکرد برای شرکت‌ها و مراکز تحقیقاتی ایجاد می‌کند، بررسی می‌شوند.

خلاصه سریع

• LeapSpace: محیط پژوهشی مبتنی بر هوش مصنوعی برای تحلیل ادبیات، تولید فرضیه و بررسی داده‌ها.
• Scopus AI Discovery: شناسایی موضوعات نوظهور، منابع بنیادی و ارتباطات مفهومی در پژوهش‌های علمی.
• Reaxys AI: جست‌وجو و تحلیل اطلاعات شیمی، مقالات علمی و پتنت‌ها.
• Embase AI: بازیابی و تحلیل شواهد پژوهش‌های زیست‌پزشکی.
• PharmaPendium AI: جست‌وجوی اطلاعات مقرراتی و سوابق مرتبط با دارو و توسعه محصولات دارویی.
• Knovel AI-enhanced Search: یافتن پاسخ‌های مستند در منابع فنی و مهندسی.

وجه مشترک این راهکارها، استفاده از هوش مصنوعی در کنار مجموعه‌های اطلاعاتی تخصصی است؛ یعنی به‌جای اتکا به پاسخ‌های عمومی، تلاش می‌کنند پاسخ‌ها را به منابع علمی یا فنی مرتبط متصل کنند.

چرا هوش مصنوعی در تحقیق و توسعه صنعتی اهمیت دارد؟

واحدهای تحقیق و توسعه باید هم‌زمان به چند پرسش پاسخ دهند: کدام فناوری ارزش سرمایه‌گذاری دارد؟ چه راهکارهایی پیش‌تر آزمایش شده‌اند؟ رقبای صنعتی روی چه موضوعاتی کار می‌کنند؟ کدام نتایج علمی قابلیت تبدیل‌شدن به محصول را دارند؟ و چه موانع فنی یا مقرراتی ممکن است توسعه محصول را متوقف کنند؟

پاسخ‌گویی به این پرسش‌ها معمولاً به جست‌وجو در منابع متعدد، مطالعه اسناد طولانی و ترکیب اطلاعات پراکنده نیاز دارد. ابزارهای هوش مصنوعی می‌توانند بخشی از این فرایند را تسریع کنند؛ از جمله با خلاصه‌سازی منابع، استخراج شواهد مرتبط، پیشنهاد پرسش‌های تکمیلی و سازمان‌دهی یافته‌ها.

بااین‌حال، سرعت بیشتر به‌تنهایی به معنای تصمیم بهتر نیست. کیفیت منابع، قابلیت ردیابی پاسخ‌ها، پوشش اطلاعات و امکان بررسی مستقل شواهد همچنان اهمیت اساسی دارند. رویکرد Elsevier بر استفاده از محتوای علمی معتبر و پیوند میان خروجی هوش مصنوعی و منابع اصلی تأکید دارد.

۱. LeapSpace؛ محیط هوشمند پژوهش و توسعه

LeapSpace یکی از راهکارهای معرفی‌شده Elsevier برای تیم‌های تحقیق و توسعه است. این محیط با هدف تسریع ایده‌پردازی، پشتیبانی از کشف علمی، بهبود تصمیم‌گیری و بهینه‌سازی گردش کار پژوهشی طراحی شده است.

طبق توضیحات رسمی شرکت، LeapSpace چند رویکرد فناورانه را با یکدیگر ترکیب می‌کند:

• هوش مصنوعی عامل‌محور (Agentic AI)
• هوش مصنوعی مولد (Generative AI)
• موتورهای استدلال
• تولید تقویت‌شده با بازیابی اطلاعات (RAG)

این ترکیب برای پشتیبانی از فعالیت‌هایی مانند تحلیل ادبیات علمی، تولید فرضیه‌های پژوهشی و کاوش داده‌ها به کار می‌رود.

کاربردهای احتمالی در صنعت

فرض کنید یک شرکت تولید تجهیزات صنعتی قصد دارد فناوری تازه‌ای را برای افزایش بهره‌وری انرژی بررسی کند. تیم تحقیق و توسعه می‌تواند از یک محیط پژوهشی هوشمند برای سازمان‌دهی پرسش‌های پژوهش، بررسی ادبیات مرتبط، شناسایی خلأهای دانشی و تدوین مسیرهای اولیه تحقیق استفاده کند.

البته خروجی چنین محیطی باید نقطه شروع تحلیل کارشناسی باشد، نه جایگزین آزمون‌های فنی، ارزیابی اقتصادی یا اعتبارسنجی تجربی.

۲. Scopus AI Discovery؛ کشف بینش در ادبیات علمی

Scopus یکی از پایگاه‌های شناخته‌شده اطلاعات استنادی و چکیده‌های علمی است. قابلیت AI Discovery در این محیط به کاربران اجازه می‌دهد پرسش‌های خود را به زبان و قالب دلخواه مطرح کنند و خلاصه‌ای از موضوع و شرح گسترده‌تری از آن دریافت کنند.

بر اساس صفحه رسمی Elsevier، این قابلیت امکاناتی از این دست دارد:

• ارائه پرسش‌های تکمیلی برای بررسی عمیق‌تر موضوع
• شناسایی اسناد بنیادی و اثرگذار در یک حوزه
• نمایش موضوعات و روندهای نوظهور
• ترسیم نقشه‌های مفهومی برای درک ارتباط میان موضوعات
• پشتیبانی از پژوهش عمیق‌تر و تدوین برنامه تحقیقاتی

کاربرد صنعتی

شرکتی که قصد ورود به حوزه هوش مصنوعی در تولید را دارد، می‌تواند از این قابلیت‌ها برای شناخت حوزه‌های پژوهشی مرتبط، بررسی مسیرهای تحقیقاتی و یافتن مطالعات پایه استفاده کند.

برای نمونه، یک تیم ممکن است موضوع «نگهداری پیش‌بینانه تجهیزات صنعتی با یادگیری ماشین» را بررسی کند و سپس منابع بنیادی، موضوعات جدید و پرسش‌های پژوهشی مهم را شناسایی کند.

نکته مهم این است که شناسایی روند علمی الزاماً به معنای اثبات تقاضای بازار یا سودآوری تجاری نیست. تصمیم سرمایه‌گذاری به بررسی شواهد صنعتی، هزینه‌ها، رقبا و نیاز مشتریان نیز نیاز دارد.

۳. Reaxys AI؛ هوش مصنوعی برای شیمی و نوآوری فناورانه

Reaxys پلتفرمی تخصصی برای دسترسی و جست‌وجو در اطلاعات شیمیایی است. قابلیت‌های هوش مصنوعی آن به کاربران کمک می‌کنند اطلاعات مرتبط را از مقالات علمی داوری‌شده و پتنت‌های شیمیایی بازیابی کنند.

طبق توضیحات Elsevier، خلاصه‌های تولیدشده با هوش مصنوعی یافته‌های مرتبط را برجسته می‌کنند و ارجاع‌هایی در اختیار کاربر می‌گذارند تا بتواند منابع اصلی را بررسی کند.

مهم‌ترین کاربردها

• پشتیبانی از کشف و بررسی ترکیبات شیمیایی
• کمک به برنامه‌ریزی سنتز شیمیایی
• بررسی اطلاعات فنی و علمی مرتبط با رقبا
• پشتیبانی از تحلیل اطلاعات مالکیت فکری و پتنت‌ها

برای مثال، یک شرکت شیمیایی می‌تواند با استفاده از منابع تخصصی این حوزه، پیشینه پژوهشی یک ترکیب را بررسی کند و اطلاعات مرتبط را برای ارزیابی مسیرهای تحقیقاتی گردآوری کند.

این ابزار جایگزین ارزیابی آزمایشگاهی، بررسی حقوقی پتنت یا نظر متخصص شیمی نیست؛ بلکه فرایند دسترسی و تحلیل اولیه اطلاعات را تسهیل می‌کند.

۴. Embase AI؛ جست‌وجوی هوشمند در پژوهش‌های زیست‌پزشکی

Embase یک پایگاه تخصصی اطلاعات زیست‌پزشکی است. قابلیت Embase AI امکان طرح پرسش به زبان طبیعی و دریافت خلاصه‌ای مبتنی بر مقالات مرتبط را فراهم می‌کند.

صفحه رسمی Elsevier به مجموعه‌ای شامل حدود ۵۰ میلیون رکورد اطلاعاتی باکیفیت اشاره می‌کند. این ابزار پاسخ را بر پایه ۱۰ مقاله مرتبط برتر از مجموعه مورد جست‌وجو خلاصه می‌کند. جست‌وجو همچنین می‌تواند گسترش یابد تا چکیده‌های کنفرانس‌ها، پیش‌چاپ‌ها و اطلاعات ClinicalTrials.gov را در بر گیرد.

کاربرد در صنعت سلامت

شرکت‌های دارویی، تیم‌های پژوهشی زیست‌پزشکی و گروه‌های توسعه فناوری سلامت می‌توانند از چنین ابزاری برای بازیابی سریع‌تر شواهد، مرور مطالعات مرتبط و تدوین پرسش‌های پژوهشی استفاده کنند.

بااین‌حال، خلاصه یک مجموعه منتخب از مقالات معادل مرور نظام‌مند کامل نیست. برای تصمیم‌های حساس، باید راهبرد جست‌وجو، معیارهای انتخاب مطالعات، کیفیت شواهد و منابع اصلی به‌طور مستقل بررسی شوند.

۵. PharmaPendium AI؛ تحلیل اطلاعات مقرراتی و دارویی

توسعه دارو فقط به کشف علمی محدود نمی‌شود. شرکت‌ها باید سوابق مقرراتی، شواهد مربوط به ایمنی و اثربخشی و الزامات نهادهای ناظر را نیز بررسی کنند.

PharmaPendium AI ابزاری برای جست‌وجوی زبان طبیعی در داده‌های جامع مقرراتی مرتبط با سازمان غذا و داروی آمریکا (FDA) و آژانس دارویی اروپا (EMA) است.

بر اساس معرفی Elsevier، این ابزار می‌تواند به متخصصان امور مقرراتی، توسعه دارو و پژوهش بالینی کمک کند سوابق مرتبط را سریع‌تر بیابند و احتمال نادیده‌گرفتن اطلاعات ضروری را کاهش دهند.

کاربردهای کلیدی

• جست‌وجوی سوابق و رویه‌های مقرراتی مرتبط
• پشتیبانی از برنامه‌ریزی توسعه دارو
• بررسی اطلاعات مورد نیاز برای تصمیم‌های مقرراتی
• تسریع دسترسی به شواهد مرتبط با ایمنی و اثربخشی

پاسخ هوش مصنوعی به‌تنهایی تأییدیه مقرراتی محسوب نمی‌شود و جایگزین بررسی اسناد اصلی و مشاوره متخصصان مقرراتی نیست.

۶. Knovel AI-enhanced Search؛ پاسخ‌های مستند برای مهندسان

Knovel یک پلتفرم دانش مهندسی است که جست‌وجو در منابع فنی منتخب و مدیریت‌شده را تسهیل می‌کند. قابلیت جست‌وجوی تقویت‌شده با هوش مصنوعی آن برای یافتن پاسخ در منابع مهندسی، راهنماهای طراحی، مجموعه مقالات کنفرانس‌ها و پایگاه‌های فنی به کار می‌رود.

یکی از ویژگی‌های مهم اعلام‌شده برای این ابزار، ارائه پاسخ‌های قابل استناد همراه با پیوند مستقیم به منابع اصلی است. در موارد مربوط، بخش دقیق متن منبع نیز برجسته می‌شود تا کاربر بتواند مبنای پاسخ را بررسی کند.

نمونه کاربرد

مهندسان یک کارخانه برای انتخاب ماده مناسب، بررسی ویژگی‌های فنی یا یافتن اطلاعات مورد نیاز طراحی ممکن است ناچار باشند چندین مرجع تخصصی را مطالعه کنند. جست‌وجوی هوشمند می‌تواند یافتن بخش‌های مرتبط را سریع‌تر کند؛ بااین‌حال، تأیید مشخصات، شرایط عملیاتی و استانداردهای قابل اجرا همچنان ضروری است.

مقایسه ابزارهای هوش مصنوعی Elsevier

این ابزارها جایگزین یکدیگر نیستند؛ انتخاب مناسب به حوزه فعالیت، نوع اطلاعات مورد نیاز، دسترسی سازمانی و گردش کار پژوهشی بستگی دارد.

چرا اتکا به منابع معتبر اهمیت دارد؟

یکی از تفاوت‌های مهم میان دستیارهای عمومی هوش مصنوعی و ابزارهای تخصصی پژوهش، نحوه اتصال پاسخ به منابع اطلاعاتی است.

در محیط تحقیق و توسعه، پاسخ نادرست یا غیرقابل ردیابی می‌تواند به تصمیم نامناسب درباره طراحی محصول، انتخاب فناوری یا برنامه‌ریزی آزمایش منجر شود. ازاین‌رو، قابلیت بررسی منابع، کیفیت مجموعه داده‌ها و امکان ارزیابی مستقل پاسخ‌ها اهمیت زیادی دارد.

Elsevier در معرفی راهکارهای خود بر محتوای علمی معتبر، امنیت و حفاظت از اطلاعات تأکید می‌کند. بااین‌حال، این تأکید به معنای بی‌خطا بودن خروجی‌ها نیست. کاربران همچنان باید ارجاعات، زمینه علمی، محدودیت‌های شواهد و تناسب نتایج با مسئله واقعی را ارزیابی کنند.

نکته مهم درباره استفاده از محتوای Elsevier در ابزارهای عمومی هوش مصنوعی

در پرسش‌های متداول رسمی Elsevier که در ۱۳ مه ۲۰۲۶ به‌روزرسانی شده‌اند، شرکت اعلام می‌کند که قراردادهای آن اجازه نمی‌دهند محتوای محصولاتش، از جمله Scopus، ScienceDirect، Reaxys، Knovel، PharmaPendium و Embase، از طریق ابزارهای عمومی هوش مصنوعی پردازش شود.

استفاده از ابزارهای خصوصی و محصور ممکن است با رعایت شرایط مشخص مجاز باشد؛ از جمله داشتن مجوز داده مناسب، ارزیابی ابزار و رعایت شرایط قراردادی. بنابراین، سازمان‌ها نباید فرض کنند که می‌توانند محتوای اشتراکی یا مجموعه‌داده‌های Elsevier را بدون بررسی مجوز در هر سامانه هوش مصنوعی بارگذاری کنند.

این موضوع برای شرکت‌هایی که قصد توسعه دستیار پژوهشی داخلی یا اتصال پایگاه‌های علمی به مدل‌های زبانی را دارند، اهمیت حقوقی و عملیاتی دارد.

فرصت‌های استفاده از این رویکرد برای شرکت‌های ایرانی

معرفی محصولات Elsevier یک نمونه از روند گسترده‌تر تخصصی‌شدن هوش مصنوعی در پژوهش است. برای شرکت‌های ایرانی نیز می‌توان چند مسیر عملی را در نظر گرفت؛ البته این پیشنهادها تحلیل کاربردی‌اند و به معنای تأیید دسترسی به محصولات یا خدمات یادشده در ایران نیستند.

۱. راه‌اندازی خدمات دیدبان علم و فناوری

یک تیم تخصصی می‌تواند تغییرات علمی و فناورانه یک صنعت را به‌صورت دوره‌ای رصد کند و گزارش‌هایی شامل فناوری‌های نوظهور، مقالات کلیدی، پتنت‌های مرتبط، شرکت‌های فعال و پیامدهای احتمالی برای کسب‌وکار ارائه دهد.

۲. خدمات تحلیل ادبیات و شواهد علمی

شرکت‌ها و واحدهای تحقیق و توسعه می‌توانند برای مرور ساختاریافته پژوهش‌ها، شناسایی خلأهای دانشی و تدوین نقشه پژوهش از خدمات تحلیلی تخصصی استفاده کنند. اعتبار این خدمات به کیفیت روش جست‌وجو، مستندسازی منابع و بررسی انسانی وابسته است.

۳. تحلیل فناوری و رقبا

ترکیب اطلاعات علمی، پتنت‌ها، اسناد فنی و اطلاعات عمومی شرکت‌ها می‌تواند به تهیه گزارش‌های تحلیلی درباره مسیرهای فناوری و موقعیت رقابتی کمک کند. این کار باید میان شواهد مستند، فرضیه‌های تحلیلی و پیش‌بینی‌ها تمایز قائل شود.

۴. آموزش هوش مصنوعی برای پژوهشگران و کارشناسان صنعتی

سازمان‌ها به آموزش‌هایی نیاز دارند که صرفاً به نوشتن پرامپت محدود نباشند و مهارت‌هایی مانند ارزیابی کیفیت منابع، راستی‌آزمایی پاسخ‌ها، مدیریت داده‌های محرمانه، مستندسازی فرایند و رعایت حقوق مالکیت فکری را نیز پوشش دهند.

۵. توسعه دانش سازمانی و سامانه‌های بازیابی تخصصی

در برخی سازمان‌ها، اطلاعات فنی و تجربه‌های پروژه‌ای در گزارش‌ها، اسناد داخلی و فایل‌های پراکنده نگهداری می‌شوند. سامانه‌های بازیابی دانش و دستیارهای داخلی می‌توانند دسترسی به این اطلاعات را بهبود دهند؛ مشروط بر اینکه حقوق دسترسی، امنیت داده و کیفیت پاسخ‌ها به‌درستی مدیریت شود.

چگونه یک سازمان ابزار مناسب را انتخاب کند؟

پیش از خرید یا استقرار هر ابزار هوش مصنوعی، بهتر است سازمان مسئله‌ای روشن و قابل اندازه‌گیری تعریف کند. برای مثال، به‌جای هدف کلی «استفاده از هوش مصنوعی در تحقیق و توسعه»، می‌توان هدفی مانند کاهش زمان مرور اولیه ادبیات علمی یا بهبود قابلیت ردیابی شواهد در گزارش‌های فنی تعیین کرد.

سپس یک آزمایش محدود با مجموعه‌ای از پرسش‌ها و منابع واقعی انجام شود و عملکرد ابزار از نظر زمان، پوشش منابع، صحت پاسخ، کیفیت ارجاعات، امنیت و هزینه بررسی شود.

معیارهای پیشنهادی ارزیابی عبارت‌اند از:

• کیفیت شواهد: آیا پاسخ به منابع مرتبط و معتبر متصل است؟
• قابلیت راستی‌آزمایی: آیا کاربر می‌تواند منبع و بخش پشتیبان پاسخ را بررسی کند؟
• پوشش اطلاعات: آیا منابع ضروری حوزه مورد نظر در دسترس‌اند؟
• امنیت و محرمانگی: داده‌های سازمان چگونه پردازش و نگهداری می‌شوند؟
• تناسب با گردش کار: آیا ابزار واقعاً یک فرایند مهم را بهبود می‌دهد؟
• هزینه و بازده: آیا بهبود عملکرد، هزینه مجوز، آموزش و استقرار را توجیه می‌کند؟

جمع‌بندی

راهکارهای هوش مصنوعی Elsevier نشان می‌دهند که آینده پژوهش صنعتی صرفاً به استفاده از مدل‌های زبانی عمومی وابسته نیست. اتصال هوش مصنوعی به منابع علمی و فنی تخصصی، قابلیت ردیابی پاسخ‌ها و هماهنگی با نیازهای واقعی تحقیق و توسعه، بخش مهمی از ارزش این ابزارها را تشکیل می‌دهد.

از LeapSpace برای گردش کار پژوهشی تا Scopus AI Discovery برای کشف روندهای علمی و Knovel برای بازیابی دانش مهندسی، هر ابزار بر بخشی مشخص از فرایند تولید و استفاده از دانش تمرکز دارد.

برای سازمان‌ها، مسئله اصلی انتخاب پرزرق‌وبرق‌ترین ابزار نیست؛ بلکه تعیین مسئله، آزمودن راهکار با داده‌های واقعی، سنجش کیفیت شواهد و حفظ نظارت کارشناسی است. همین اصول می‌توانند مبنای طراحی خدمات هوش پژوهشی و تحلیل فناوری در شرکت‌های ایرانی نیز قرار گیرند.

پرسش‌های متداول

هوش مصنوعی در تحقیق و توسعه صنعتی چه کاربردی دارد؟

این فناوری می‌تواند جست‌وجو و تحلیل ادبیات علمی، بازیابی اطلاعات فنی، شناسایی موضوعات نوظهور و تدوین فرضیه‌های پژوهشی را تسریع کند. تصمیم نهایی همچنان به بررسی شواهد و قضاوت متخصصان نیاز دارد.

تفاوت LeapSpace و Scopus AI Discovery چیست؟

LeapSpace به‌عنوان محیطی پژوهش‌محور برای پشتیبانی از گردش کارهای متنوع تحقیق و توسعه معرفی شده است. Scopus AI Discovery بر کشف بینش از محتوای علمی موجود در Scopus، شناسایی منابع بنیادی و بررسی موضوعات نوظهور تمرکز دارد.

آیا این ابزارها فقط برای دانشگاه‌ها مناسب‌اند؟

خیر. صفحه Elsevier مشخصاً بر نیازهای تیم‌های تحقیق و توسعه صنعتی نیز تأکید می‌کند. بااین‌حال، تناسب هر ابزار به صنعت، نوع مسئله و منابع اطلاعاتی مورد نیاز بستگی دارد.

آیا خروجی هوش مصنوعی را می‌توان بدون بررسی پذیرفت؟

خیر. حتی در ابزارهای تخصصی نیز باید منابع، ارجاعات، محدودیت‌های شواهد و تناسب پاسخ با مسئله بررسی شوند. خروجی هوش مصنوعی باید به تصمیم‌گیری مستند کمک کند، نه اینکه جایگزین راستی‌آزمایی شود.

آیا می‌توان محتوای اشتراکی Elsevier را در ChatGPT یا دیگر ابزارهای عمومی بارگذاری کرد؟

طبق راهنمای رسمی Elsevier، قراردادهای این شرکت پردازش محتوای محصولاتش از طریق ابزارهای عمومی هوش مصنوعی را مجاز نمی‌دانند. استفاده از ابزارهای خصوصی نیز ممکن است به مجوز داده و ارزیابی مشخص نیاز داشته باشد.

منابع

Elsevier. (n.d.). AI tools for research and development. https://www.elsevier.com/en-gb/solutions/ai-tools-for-industry

Elsevier. (n.d.). R&D solutions for industry. https://www.elsevier.com/industry

Elsevier. (2026, May 13). FAQs on the commercial use of Elsevier content with generative AI. https://www.elsevier.support/dataasaservice/news/faqs-on-the-commercial-use-of-elsevier-content-with-generative-ai