“如果我看得更远，那是因为我站在巨人的肩膀上。”艾萨克·牛顿用这一既优雅又简洁的句子概括了科学探索的传承性，并且在其他许多方面也采取这样的策略。 牛顿把功劳归于之前已有的发现，表明了以实验为基础的探索之旅的递增性和相互关联性特征。
大约在 1450 年，古腾堡印刷厂的创新直接催生了科学信息的流通，而这种流通推动了基于实验的探索之间的相互关联性。 在牛顿之后的几个世纪中，这种由一个发现鼓舞下一个发现的动力仍然至关重要，且发展成为一个助力推动 20世纪涌现出大量科学成果的良性循环。
现代信息时代的创新
知识传播的增加为科学进步带来了意想不到的挑战——信息超载。 第一批学术期刊，包括英国的《哲学学报》和法国的《Journal des çavans》，于 1665 年创刊，旨在帮助科学家获取其所在领域的最新资讯，并更好地了解最新涌现的科学发现。 然而，随着科学家不断创新并开拓新发现，掌握最新信息的难度呈指数增长。 仅过去两年产生的数据就占到人类有史以来创造的数据总量的 90%。
为继续给科学领域带来重大、新颖的贡献，以加速科学发现之旅，科学家们理解并领会已有的科学成果变得至关重要。 例如，于 2005 年因“有机合成中复分解法的发展”而获得诺贝尔化学奖的三位研究人员 - Yves Chauvin、Robert H. Grubbs 和 Richard R. Schrock。关于他们的发现，诺贝尔奖委员会给予了高度评价：
Chauvin 的理论为化学家们寻找和设计有效实施交换方案的催化剂奠定了基础。 在考察了几种不同的候选金属后，Richard Schrock 发现含有过渡金属元素钼和钨的催化剂取得了这一效果，从而取得了初步突破。 然而，其不良反应倾向意味着反应并非总是完全按计划进行。 Robert Grubbs 开发了一种更有效的催化剂，将这项探索又往前推进了一步。这种催化剂以另一种过渡金属钌为核心，其中钌与其他分子的反应较少，而且更加稳定。
这个故事揭示了他们工作的连续性，并最终取得了一项诺贝尔奖成就。 每一项新发现都启发了另一项发现，所有发现通过科学著作中复杂的参考文献联系起来。 看看 Grubbs 迄今为止已发表的近 1,200 篇期刊文章的列表，简直让人叹为观止，而其后的出版物中，这些文章的参考次数超过 49,000 次。 实际上，Grubbs 于 1999 年发表的一篇期刊文章就被该领域的其他研究人员引用近 2,800 次！
人为收录成为未来变革技术的关键
每天，各个组织共产生 2.5 万兆（quintillion ，相当于 2.5*10^18）个字节的数据，能够发现特定的相关信息就变得更加重要。 虽然 SciFindern 之类的信息解决方案可以帮助当今的科学家在其需要时准确找到所需的信息，但人工智能 (AI) 技术也将在一个更全面的战略中发挥作用，管理不断增长的数据输入。
随着这些新的人工智能技术的发展，人为收录的高质量科学数据的重要性不容忽视，因为其是在生物科学、计算机以及其他领域中成功实施人工智能的基石。 从信息密集的数据源开始，人工智能可以提供各种信息类型的见解，帮助科学家发掘和理解蕴含在大量文献之中的智慧结晶。 通过将“数据湖”汇集到更易于管理的相关或补充信息“储存库”，基于人为收录的高质量数据的人工智能将帮助科学家最大限度地利用前辈们的知识和创新，并保证他们自己的发现可供下一代创新者使用。
CAS 明白，能够随时获取现有研究成果，对于加快科学家们的发现过程有多么重要。 在这一认识的指导下，我们为科学界服务了 110 多年。 虽然当今错综复杂且不断增长的数据环境带来了独特的挑战，但我们的科学家将继续阅读文献，以提取和组织所有有价值的细节并在其间建立连接，让您能站在巨人的肩膀上看得更远。
您可以借鉴哪些前辈的伟大智慧推进下一项发现？ 了解 CAS 可以提供哪些帮助。
