OECD发布《科技和创新的数字化：关键发展与政策》报告

2020年2月11日， 经济合作与发展组织（Organization for Economic Co-operation and Development，OECD）发布《科技与创新的数字化：关键发展与政策》（The Digitalisation of Science, Technology and Innovation:Key Developments and Policies）报告。报告指出，数字化对科技与创新以及相关政策产生了深远的影响；作为企业、科学界和政府最重要的创新载体，数字技术正以多元化的方式变革科学家的工作、合作和出版成果的方式；合理利用数字技术，可以促进科学发展、提高生活水平、帮助保护自然环境等等。本文对该报告的重要内容进行摘编。

一、提供政策支持，加速科学数字化变革

从议程设置到实验、知识共享和公众参与，数字化为科学的各个方面带来了变革，同时也正在促进开放科学的新范式（即让科学过程更加开放和包容）。开放科学有三个主要支柱：（1）对科学出版物和信息的开放获取；（2）提高对研究数据的访问能力；（3）加强同行间的合作。这三个支柱能提高科学的效率和效力，加速研究成果转化为社会经济效益。

由此需要政府为科学、技术和创新（science, technology and innovation，STI）提供政策支持，包括：考虑数据管理成本，增加预算，挖掘开放性科学研究的潜力；提高研究数据组织间的政策一致性和信任度，以促进跨界的公共研究数据共享；通过合作建立和提供对国际网络基础设施的访问；开放有关获取共享资源的激励措施，须符合研究资助者的要求；支持科学的平台技术，如分布式研究、开发网络以及数字 / 数据的存储；支持在科技创新过程中更好地利用先进数字技术；人工智能可以提高科学生产率，但需要高性能计算、技能和数据访问等方面的支持政策，以及解决科学界中人工智能带来的新政策问题，如机器发明涉及的知识产权制度等。

二、发挥数字技术在政策制定中的潜力

数字技术为支持科学和创新的政策制定提供了新颖的方式，包括：组织资金分配；通过数字技术来利用综合情报，预测机器与人协作的未来市场，利用集体智慧加强政策前瞻性；开发科学中的区块链应用，如为科学建立一种加密货币，存储和共享研究数据，保障创造性材料所有权的公开透明，扩大对超级计算机的访问等；使用社交媒体来帮助创新传播，针对不同目标人群制定相应的传播计划。

三、利用数字化促进企业创新

数字化正在塑造整个经济领域的创新，产生新的数字产品和服务。数字时代创新有以下四个趋势：（1）数据是关键的创新输入；（2）数字技术促进服务创新；（3）创新周期正在加快；（4）数字技术进一步促进协同创新模式。

企业利用数据进行创新，可能会出现新的政策问题，如限制跨境数据流会增加公司的经营成本；人工智能正广泛应用于工业活动，但企业可能无能力进行大数据分析。这时需要各国政府与利益相关者合作，制定自愿性示范协议和计划，以实现值得信赖的数据共享。对于更通用的人工智能应用程序，政府可以推进开放数据的计划，并确保公共数据以机器可读格式存在；与行业和社会合作伙伴一起制定路线图和部门计划，提供有效的部门支持；通过数字化众包和开放挑战，促进创新合作；加快先进数字技术的推广；为帮助数字技术应用到中小型企业，将中小企业的关键信息系统化，挖掘有关新技术预期投资回报以及技能革新的信息，为中小型企业提供专门知识来源、产品测试品种、新设备等。

四、开发数字技能

数字技术的通用性加剧了人才竞争，数字技能的需求上升对收入分配和经济生产率产生影响。“工业数据科学家”和“生物信息学科学家”等新出现的职业反映了技术变革的进程，这些变化导致数字技能的短缺。为此，一方面需要新的课程，如针对自动驾驶汽车行业的专门课程；另一方面需要对现有课程进行变革，如加强逻辑学习在人工智能中的基本作用，增加多学科教育。同时，许多国家应重视在数字技术领域中，男女比例严重失调的问题。在重大技术变革的背景下，终身学习成为工作中不可或缺的一部分，各国政府可以与社会伙伴合作，帮助开发制定全新的培训计划，发展数字技术技能。

五、支持公共部门研究

公共资助的基础研究对数字技术的发展至关重要。政府对一些主要经济研究的支持最近趋于平稳，甚至有所下降，一些新兴数字技术的复杂性甚至超越了最大个体公司的研究能力，因此需要广泛的公私合作及跨学科研究。人才聘用、晋升政策以及适用于传统学科的资助系统可能会妨碍跨学科研究，须给予高度重视。同时，政府须保障在跨学科部门工作的科学家的合法权益。

六、构建政府专业知识

如果政府不完全了解技术和产业部门，则可能会失去从数字技术中获益的机会。在以下三个方面需要用专业方法来重新设计规划：数据访问政策；采用和传播数字技术政策；支持数字技术行业应用发展政策。构建政府专业知识有助于对人工智能进行有效监管，更好地了解复杂的数字系统，保持政策上的灵活性，确保关键基础设施的可用性，从而避免对新技术产生任何不切实际的期望。

七、衡量科学和创新数字化

关于科学的数字化转型主要包括四个方面：（1）采用能够促进数字化的实践经验和工具；（2）获得数字化的科学成果，特别是出版物、数据和计算机代码；（3）进一步开发先进的数字程序，以使研究更多由数据驱动；（4）加强科学家之间的工作交流。

报告列举了一些科学中的数字行为。如：数字技术促进了科学知识的共享；在所有学科领域中，只有不到一半的受访者向期刊或出版商提供论文的数据或代码；美国公司运行和资助的研发项目，有三分之一与软件相关；从 2006 年到 2016 年，与人工智能相关的出版物每年增长 150%；硕博士阶段，在信息和通信技术 (information and communication technology，ICT) 领域毕业的男性远多于女性；OECD 的调查数据表明，年轻的科学家更有可能使用数字技术。

八、促进数字技术和工具的传播

技术传播有助于提高劳动生产率，大多数国家、地区和企业主要是技术用户，普遍将技术的传播设为优先事项。决策者倾向于承认技术传播的重要性，但在资源的总体分配中却未给予重视。不同的通信标准、数据类型、合规性要求等，可能会阻碍技术的传播。进行有效传播需要满足以下两个条件：（1）必须赋予技术传播机构权力和资源，以便实现长远目标；（2）评估指标必须强调长期开发的能力，而不是增加成果和创收。

九、确保基础设施互补

某些类型的基础设施有助于数字技术的利用，如高性能计算、云计算和光纤连接。在制造业中，高性能计算的使用已经超出了设计和仿真等应用领域的范围，并覆盖了对复杂生产过程的实时控制。云计算有助于科学过程中的数据共享和分析，但在不同国家、企业的使用差异较大。光纤连接对工业 4.0 是必不可少的一部分，需要政府制定包括全面检查有关的通信服务速度和覆盖范围、促进竞争和私人投资等相关政策。

十、提高数字安全

数字技术正面临全新的风险，如数据、知识产权等在科学过程中可能遭受黑客攻击等。增强数字服务的可信度，对于数据共享以及在某些国家 / 地区使用云服务变得至关重要。政府应鼓励及时共享有关数字安全威胁的信息；公共部门可以运行网络攻击模拟并分享经验教训；通过自愿性标准、法规、行业计划和信息共享网络，提高人们对数字安全性的关注；在各公私机构合作研究中，鼓励各个机构开发和验证相关保密方法，从而提高数字安全性。

十一、优化数字系统，加强科学和创新政策

数字科学与创新政策（Digital Science and Innovation Policy，DSIP）系统使用数字化过程与基础结构来帮助制定和传播科学与创新政策，用于监测政策干预措施、开发新的科学技术创新指标、评估资金缺口、加强技术前瞻以及识别领军专家和组织，数据主要来自资助机构、从事研发的组织、专业文献计量与专利数据库以及网络。DSIP 系统有多种类型，第一个是公共资助者数据库，如比利时的法兰德斯研究信息空间（FRIS），旨在加速创新，支持科学和创新政策制定，与公民共享有关公共资助研究的信息，并减轻研究报告的行政负担；第二个是在研信息系统，如爱沙尼亚研究信息系统（ETIS），爱沙尼亚高等教育机构可以通过 ETIS 管理研究信息并展示研究成果，公共资助者使用 ETIS 评估和处理拨款申请，国家研究评估活动利用 ETIS 进行科研评价；第三个是智能系统，如日本的政策制定智能协助系统（SPIAS），使用大数据和语义技术来检验研究的社会经济影响，有助于处理有关日本的研究成果、影响、资金、研发组织和研究项目的数据。

为利用 DSIP 系统来辅助科技创新政策的制定和实施，政府需确保三个方面的内容：

1. 所涉及数据集的互操作性。建立国际标准和词汇表，以改善科研管理中的数据共享和互操作性，如使用唯一的、永久的和普遍的标识符，为每个研究实体分配唯一的标准化代码，DSIP 系统可以采用这样的标准来链接大学、资助机构和出版物数据库的数据，从而将研究投入与研究产出联系起来。

2. 防止在研究评估中滥用该系统。在未来的科研评价中，研究活动的各种相关因素都会成为评价指标，以社交媒体为代表的替代计量指标比传统的学术引用指标更广泛、更及时，该类动态指标在多大程度上提供了有效的评价结果，需要决策者认真考虑。

3. 规范 DSIP 系统中非政府人员的行为。非政府参与者正在成为 DSIP 系统中的主要力量，私营公司可以通过其标准和产品来促进互操作性，扩展 DSIP 系统中使用的数据范围和规模。同时也带来风险，如失去对 DSIP 系统未来发展的控制，对数据的歧视性访问，甚至出现由于竞争激烈的网络效应而成为其控制的私有平台。

政府需调整 DSIP 生态系统以适应其需求，制定多机构之间的协调合作与资源共享，以及公共部门数据共享与复用的政策框架。DSIP 系统应涉及多机构的共同设计、共同创造和共同治理。DSIP 基础设施将为 STI 中的多个参与者提供最新的链接数据，政策框架将解决隐私和安全问题，在元数据标准方面的国家和国际合作将解决互操作性问题。

十二、预见潜在的不良结果

STI 数字化过程中也可能带来以下不良后果：一是数字化可能会扩大国家和地区在科技创新能力和收入方面的差距。主要有以下三种可能性：（1）科学中的集中效应。发达国家在产生数据的资本密集型科学工具方面具有相对优势；（2）地方政府的影响。补救措施之一是加强对技能和技术的投资；（3）超级计算的影响。拥有超级计算机和先进 AI 算法的国家，其能力显著提升。二是机器生态系统的过度复杂性和分散性，可能导致软件故障的频繁发生和影响范围的扩大。三是对科学过程产生负面影响，包括数据驱动型科学中无假设研究的增长、研究结果过早传播等。四是难以预见的社会性风险，如通过向恶意软件添加智能来降低数字安全性等。

来源：中国科协创新战略研究院《创新研究报告》第24期（总第452期）