互惠协作：GLAM 融合经验如何促进跨学科 AI 研究

一篇 arXiv 论文指出，研究资助机构日益重视跨领域合作，AI 技术革命是主要驱动力，但当前跨学科合作常沦为单向模式：领域方只提供信息或伦理见解，技术方只负责搭建应用方案。作者以 GLAM（美术馆、图书馆、档案馆、博物馆）研究中的 convergence 历史为参照，提出互惠协作思路，并提出五项关键实践，试图弥合文化遗产业、AHSS 研究与技术主导的 AI 研究之间的鸿沟。

此前跨学科 AI 合作多被视为技术方输出工具、领域方提供数据的单向关系，领域知识常被压缩为辅助信息。该论文将 GLAM 领域长期积累的融合经验作为方法资源，转而强调双方共同理解与共同定义影响，这为资助机构评估合作质量提供了新的判据方向。

论文认为单向合作的根源在于技术与领域双方对彼此目标缺乏理解，导致领域方退化为信息提供者、技术方退化为服务承包方。其机制是把 GLAM 研究中已形成的 convergence 实践迁移为通用协作框架，通过五项实践让双方共同参与问题定义与影响识别，从而改变合作中的角色分配与知识流动方向。

对面向文化、艺术与人文领域的 AI 产品团队而言，该框架提示需求调研不能只收集数据与标签，而应让领域专家参与目标设定和效果评估。这可能改变产品路线图的形成方式、评审标准与交付定义，使研发成本结构从一次性交付转向持续共创。

• 为文化机构与 AI 团队设计联合工作坊模板，把五项协作实践转化为可执行的会议议程与角色分工表。
• 在 AI 项目中引入双向评审机制，让领域专家对模型目标与评估指标拥有否决或修改权。
• 开发记录协作过程的工具，用于追踪双方在问题定义、数据解释和影响评估中的实际贡献。
• 面向研究资助机构提供合作模式自评清单，帮助其在拨款评审中识别单向合作风险。

• 论文提出的五项关键实践具体内容尚未在证据中列出。
• 该框架是否已在真实 GLAM 或 AI 合作项目中被验证或试点。
• GLAM 的 convergence 经验迁移到其他学科时是否存在适用边界。
• 资助机构是否会据此调整跨学科项目的评审或拨款标准。