中国社会科学报记者 明海英

　　人工智能（AI）尤其是大语言模型（LLM）和多智能体模拟（ABM）的兴起，正在深刻重塑社会科学的研究范式与方法论。比如，给AI下达相关指令后，AI便会给出可验证假设、相关已发表文献摘要和可能的实验方法。从一定意义上说，AI为研究者提供了全新的工具和方法论，正逐渐介入人类科学研究的全过程。但伴随AI介入社科研究而来的技术滥用与伦理困境等问题，日渐引发学术界的高度关注和激烈讨论。

　　重塑科研流程释放创新潜能

　　通过整合文本、图像、音频等多模态数据，AI更全面地捕捉学习过程中的隐性信息，显著拓宽了研究视野与方法论边界。西南大学历史文化学院人类学与民族学系主任田阡表示，通过卫星遥感图像与历史地图比对，AI可自动识别流域生态变迁轨迹。结合其文本分析技术，学者能从古代文献中挖掘出人与自然互动的深层逻辑。学者借助AI不仅能对方言录音进行语义挖掘，还能通过情感分析揭示移民迁徙过程中集体记忆的演变。这使流域研究从单纯的地理空间分析转向对文化生态系统的动态重构。通过AI可以捕捉移民群体在社交平台的推文、视频中的情感波动，甚至构建他们对“家乡”与“新家园”的象征性叙事。还可以借助AI分析移民聚居区的建筑风格、服饰符号，揭示文化融合与冲突的微观图景。通过对比不同时期的图像数据，可以还原移民身份认同的流变过程。

　　2023年4月，美国斯坦福大学和谷歌的联合研究团队在一项研究中构建了一个虚拟小镇。将ChatGPT接入该小镇后，其中的25个虚拟居民就成为有记忆、会交流、能互动的生成式智能体。华南师范大学教育信息技术学院教授焦建利感叹，类似探索实现了社会互动的高保真动态模拟，为研究文化传播、群体决策等非线性现象提供了可控实验场。田阡表示，AI的数字化能力正在改变戏曲、传统手工艺等非遗项目的保护与传承方式。AI可通过语音识别技术解析口传技艺的术语体系，结合计算机视觉分析工艺流程生成可交互的数字档案，让非遗的活态传承突破物理空间限制。

　　生成式AI正在改变以人为主导、工具被动响应的知识生产格局。武汉大学信息管理学院院长王晓光表示，AI能生成研究假设、建构问题空间，主动响应并参与信息组织、用户建模与服务设计等关键过程，拓展了研究者的认知边界。在与AI的持续交互中，研究从以人为中心的解释活动，转向动态、反思性、开放式的人与AI的协同建构活动，为知识生产机制注入了新的结构性动能。《当代外语研究》主编杨枫表示，AI把学者从机械劳动中解放，使其回归探索者、思考者、阐释者的本质角色。AI与学者正形成“人类智慧主导—AI能力增强”的共生关系，并通过重塑科研工作流程释放创新潜能。

　　“AI使教育研究从‘单一维度推测’迈向‘全息动态解析’，为理解学习的本质、优化教育实践提供了革命性视角。”焦建利举例说，AI通过视频识别学生的手势、姿势与电子笔记的关联，揭示协作学习中的非言语互动规律。通过实时分析学生答题、语音提问和屏幕操作轨迹，提供精准化的教育干预策略。特别是通过机器学习、自然语言处理和大数据分析，AI突破了传统质性研究的解释边界与量化研究的样本局限，拓展了研究对象的时空维度。

　　警惕技术对复杂社会现实的简化

　　技术从来都是双刃剑，AI在哲学社会科学研究中的应用亦存在多重潜在风险与局限性。

　　“AI的数据分析是在既有数据上的抓取、复制、粘贴。具体领域所面对的材料、数据具有同质性，仅靠AI会出现大量雷同的结果。”湖北省作家协会副主席、华中科技大学人文学院教授周新民以文学批评为例说，批评家是以个人阅读感受、人生感悟、审美倾向和文化境遇等“主体”印痕为基础，对文本引起的当下情感、思考进行切实表达。AI是在对同类题材作品、同一作者相关研究分析的基础上的经验“复制”。王晓光表示，AI模型基于统计概率生成的结果，可能会掩盖文化理解与感知。AI虽然可用于对历史画像的数据提取和修复，但往往难以捕捉画像背后的符号意义和文化内涵，甚至将厚重的文化简化为视觉或文本上的“拟真”。这提醒我们，AI不能替代解释性任务。

　　AI对情感与文化的“理解”，本质是概率计算，而非真实体验。焦建利表示，人将情感倾诉交付AI，可能会在无意识中钝化自己的共情神经；当学生把苦思冥想的过程交给AI，智能代工、认知外包、思维钝化或成必然。AI广泛应用带来的伦理争议主要集中在数据隐私、学术诚信以及主体性削弱等方面。焦建利认为，即使最先进的伦理对齐技术，也无法完全消除模型中的隐性偏见。必须高度警惕数据殖民主义风险、方法论陷阱、人类主体性侵蚀之类的伦理困境、学术评价异化，以及知识生产断层。必须保持方法论自觉，将AI定位为“批判性对话伙伴”而非真理机器。

　　虽然AI能够辅助和增强科学研究，但是核心问题仍需留给人类研究者。周新民认为，学术研究是人类创造性和主体性精神的重要体现，是“属人”的。特别是在价值和意义领域，具有方向性、拓展性的研究应该由人类来完成。

　　“AI在深层意义建构、价值判断、伦理推理与文化解释等方面，存在根本性的局限。”在田阡看来，公共政策的公平性评估、文化遗产保护的优先级设定、教育目标的价值取向等，必须由具有社会责任感的人类学研究者权衡与讨论。社会正义与制度安排的哲学基础、数字时代的民主参与和公共理性、文化遗产保护中的伦理争议、教育中的人格塑造与价值观培育等，必须坚持人类主导地位。

　　“人类研究的不可替代性在于追问动机、价值与目的。在人文社科领域，保留这些问题的研究权，本质是守护学科的人文本质。”焦建利说，AI缺乏道德主体性，无法理解复杂的社会文化语境或承担伦理责任。在教育和人文社会科学领域，涉及伦理与价值判断的问题、需要主观体验与共情研究、对历史文本的语境化解读等方面，依赖研究者的哲学思辨和对社会权力的敏感度，AI仅能提供表面关联。创造性理论构建以及复杂情境中的决策制定，都需综合政治、文化等非结构化因素，由人类研究者完成。

　　谈到AI能每分钟生成一篇“合格”论文时，杨枫认为，真正的学术价值在于那些无法被算法复制的特质：对历史语境的敬畏、对人性复杂度的洞察、对意义的不懈追问。学术研究将走向人机深度协作新范式，要确保在技术变革中人类智慧的光芒不被遮蔽，在激发AI效能的同时，守护人文研究的创新本质。

　　建构使用与检测闭环体系

　　AI的滥用可能会导致思想同质化、学术能力退化等深层危机。作为知识传播的守门人，学术期刊在引导合理使用AI方面肩负关键责任。当前，期刊界对AI使用的规范呈现“允许辅助应用、禁止核心替代”的鲜明导向。

　　杨枫表示，期刊界AI使用规范约定的本质是通过责任锚定、透明披露、范围限定，捍卫学术研究的人类主体性。他建议，期刊界应联合构建“引导—约束—赋能”机制，动态调适AI学术治理框架。

　　王晓光表示，学术界与期刊界要双向发力。学术界要强化规范意识，在科研训练中系统引入AI使用伦理与方法边界，防止“生成内容”取代“学术思考”。田阡建议，高校与科研机构应设立专门的AI伦理委员会，制定适用于本学科的AI使用指南。

　　焦建利建议，学术界与期刊界应协作建立学术诚信与透明度机制。核心在于构建“披露—检测—问责—教育”的闭环体系，并将伦理考量嵌入研究全流程。