生成式人工智能赋能哲学社会科学研究

　　从数字化到数智化，技术演进已成为推动社会发展的关键要素。万物互联的数字文明新时代，人工智能作为人类探索机器智能的前沿技术，受到更为普遍和深入的关注，为各个领域带来了革命性的变化。为贯彻落实国家《新一代人工智能发展规划》，中华人民共和国科学技术部会同国家自然科学基金委员会于2023年3月启动人工智能驱动的科学研究(AI for Science)专项部署工作。如今，生成式人工智能(Generative Artificial Intelligence，GAI)的突破进一步推动科学研究边界拓展，权威科学期刊《自然》也将GPT-5等新一代AI的挑战列为未来最值得关注的科学事件之一。

　　生成式人工智能，亦称为大语言模型(Large Language Models，LLM)，起源于1956年达特茅斯会议诞生的人工智能概念，近十年受生成对抗网络、强化学习、预训练模型等核心技术的驱动而快速发展。在其建构与发展过程中，理论研究经历了从规则逻辑到机器学习再到深度学习的演进，运作模式也从识别和预测现有数据转到创造和生成新型数据，应用实践更从空中楼阁到落地生根，为各行各业带来了显著的价值跃升。相较于过往各阶段的人工智能，生成式人工智能的典型特征是运作逻辑的转变，即从分析式系统转向为生成式系统，极大提升了技术的感知易用性和感知有用性，使人类能够更便捷高效地应用先进技术。此外，生成式人工智能得益于数智环境下海量的互联网多模态数据以及先进的计算机硬件支持，通过学习和理解数据的分布，已经具备强大的生成能力、迁移能力和交互能力，展示出类人的感知与认知智能。当前，以ChatGPT为代表的生成式人工智能正加速成为人工智能领域的前沿发展方向，推动人工智能从庙宇高堂走进千户万家，对经济、社会以及科学研究的发展产生重大影响。

　　生成式人工智能承载着人类对于机器智能的丰富想象，与哲学社会科学密切相关。生成式人工智作为人类思考存在与认知等哲学问题的现代化表达，能够模仿人类思维的复杂过程，重塑人类获取、处理和创造信息的方式。生成式人工智能作为数智环境中的变革性技术，正在为哲学社会科学提供新的研究视角和工具。在新文科建设背景下，哲学社会科学正与时俱进，强调与新一轮科技革命和产业变革交叉融合发展[1]。探索生成式人工智能在哲学社会科学中的赋能作用，是学科持续发展的关键问题。交叉融合作为新文科建设的重要指导思想，赋予了现代社会科学研究对话科技与人文的重任。如何在技术变革的背景下抓住机遇?这不仅是学科之问，更是时代之问。为科学地回答这一问题，需把握数智环境引发的研究思路转变，也需剖析与技术原理相契合的科学研究变化，才能系统地把握生成式人工智能对于哲学社会科学的赋能机理。

　　一、生成式人工智能赋能哲学社会科学研究的前提基础

　　哲学社会科学作为源自实证科学的学科，通过借鉴自然科学的思维逻辑和研究方法，研究人类社会的发展规律、结构制度等方面[2]。然而，与自然科学以严格的控制实验和系统思想为主导不同，哲学社会科学体现出更加复杂与多样的研究特性。总体而言，哲学社会科学不如自然科学拥有相对稳定的整体性规律，而在研究中呈现如下典型特征：一是研究方法论重机制而非法则，即哲学社会科学的理论和模型往往只能在特定的、有限的情境下成立；二是研究对象具备高度的复杂性，哲学社会科学研究的对象是人类社会及其行为，这些对象存在结构与功能之间的松散型连接；三是研究过程难度大且意义有限，自然科学通过严格的控制实验来设计研究过程，而社会科学实验往往难以在完全可控的环境中进行，即控制影响社会现象的复杂因素几乎是不可能的，一定程度上导致研究结论只见树木不见森林。这些特性决定了哲学社会科学研究存在显著的立场和价值观念问题。现代化进程赋予人更加多元的价值观念，这无疑为社会科学研究增添了诸多复杂性。面对纷繁复杂的社会现象，传统的归纳演绎以及基于小样本数理统计的方法，往往难以有效地拟合和重构。

　　现代社会正经历从信息时代向数智时代的演进，这为更好地解决哲学社会科学难题提供了新契机。信息时代以数据结构化为目标，关注数据处理与信息管理问题，将信息化建设视为主要任务，强调将数据和信息保存在信息系统中，实现各项业务信息的自动化管理。数智时代则致力于解决信息时代遗留的信息孤岛问题，其核心目标转向数据智能化，更加注重知识挖掘与智能决策，强调运用新型技术，集合数字资产积累和智能化分析手段，推动科技与研究的全面创新发展[3]。在这一过程中，技术演进始终是发展的关键驱动力。自工业革命以来，以自然科学为基础，自动化技术被用于解放人力资源。而今的数智革命，以大数据、物联网、云计算、人工智能驱动的数智技术，正表现出可量化、实时化、可迭代、可视化和智能化的核心特征，不仅加深了对自然现象的洞察，更重塑着人类社会的组织与运作模式[4]。在新兴的数智环境下，大数据驱动的研究范式和正在兴起的人工智能驱动的科学智能研究范式(AI for Science，AI4S)日趋成为主流[5]。前者通过对海量数据的深度挖掘，揭示潜在的关联规律及因果关系，捕捉事物的本质联系；后者则着重解决以往范式难以解决的科学组合的维度灾难问题，赋能决策者全面洞悉科学前沿动态，推动知识与技术的不断迭代更新，这两种范式可以挖掘以往社会科学研究中潜在且难以言喻的机制与模式。此外，数智时代相比信息时代更加强调类人的智能化，而不仅仅是机器的自动化，更需要前沿技术与哲学社会科学携手共进。