从工具到主体:人工智能对哲学社会科学学术影响的三重张力

一、引言

2026年世界人工智能大会提出“当机器开始思考，人类如何与之相处”的时代之问，这一提问本身即宣告了一个事实：人工智能已不再只是技术领域的革命性事件，而是成为重塑人类认知方式与知识秩序的结构性力量。对于哲学社会科学而言，这一冲击尤为深刻——它所触及的不仅是研究效率的提升或工具手段的更新，而是学科安身立命的根基：什么是知识、谁来生产知识、知识为谁服务。

学界对此已有清醒认知。有学者指出，人工智能与哲学社会科学的结合“超越了简单的工具性应用，触及研究范式、知识生产逻辑与学术生态的深层结构”。这意味着我们需要在理论层面回应一个根本性问题：当算法可以完成文献综述、当大模型可以生成理论假设、当智能体可以模拟社会演化，哲学社会科学的独特价值何在？本文试图从三重张力出发，勾勒这场变革的理论图景。

二、知识生产逻辑之变：从人本中心到人机耦合

传统哲学社会科学的知识生产以“人本中心”为核心，遵循“理论—经验—归纳—解释”的链条，研究者的个体思辨与学术判断构成知识合法性的最终来源。人工智能的介入正在打破这一逻辑。

最直观的变化体现在知识发现方式的革新上。大模型和机器学习能够从海量数据中识别传统方法难以捕捉的关联模式，文献检索、数据清洗等大量重复性工作被显著简化，研究者得以将精力投入到真正具有创造性的科学问题中。然而，这一“效率解放”的背后隐藏着更深层的逻辑转换：知识生产的驱动力正从研究者的理论直觉和问题意识，部分转移至算法的模式识别与数据关联。正如有学者所概括的，知识生产方式正在“从以人为中心的单向生产转向以人机耦合为核心的协同探索”。

这一转变在计算社会科学领域表现得尤为显著。以经济学为例，主流经济学长期依赖“代表性个体”假设，而AI驱动的多智能体系统天然支持大规模异质性建模，每个智能体可以具有独特的特征和决策偏好，使社会科学第一次可以系统性地研究“少数个体如何通过网络效应改变全局”这类传统模型无法处理的问题。更值得关注的是“计算实验”方法的兴起——在虚拟环境中构建包含大量异质智能体的社会系统，设定不同初始条件和政策参数，观察系统动态演化。清华大学AgentSociety平台已成功模拟了UBI政策效果和信息传播治理效果，结果与真实世界高度一致；复旦大学SocioVerse在美国大选预测中，34万智能体的预测准确率超过90%。这意味着社会科学第一次拥有了自己的“实验室”。

但理论上的深层问题随之浮现：当知识的合法性越来越多地依赖于算法输出而非学者论证，学术共同体赖以运作的“论证—反驳—共识”机制将如何调适？这构成了本文讨论的第二重张力。

三、解释传统之困：算法逻辑与人文理解的张力

哲学社会科学的学术传统中，“解释”与“理解”构成一对核心概念。狄尔泰以降的诠释学传统强调，社会现象的意义不能被化约为因果规律，而需要研究者以“投入式理解”把握其文化语境与价值内涵。这一传统正面临算法逻辑的系统性挑战。

首先，大模型驱动的社会科学研究存在“预测”压倒“解释”的倾向。深度学习模型往往只提供预测结果而缺乏直观的解释力，当AI模型的预测精度远超人类理论模型时，研究者是否应该接受一个“无法解释但有效”的结论？这一问题迫使我们重新审视“解释”与“理解”的边界。有学者敏锐地指出，强大的“向量化表征”取代了透明的操作化指标，在提升测量效度的同时也带来了“有效性黑箱”；“人机共创”的理论构建新模式则面临着深刻洞见被精致平庸所取代的“理论退化”危机。

其次，质性研究传统面临被技术性消解的隐忧。以民族学为例，人工智能在文本、影像和音频分析方面展现出强大能力，但其算法识别往往倾向于将复杂文化现象简化为可量化标签，容易忽略实践背后的丰富语境与深层文化意义。田野调查中“在场”的身体经验和文化共情，是任何算法都无法替代的认知通道。正如一位学者所言，人工智能“可以丰富哲学社会科学研究对象，提高研究效率，改变知识生产方式，却无法从根本上取代人的真切思考”。

然而，将AI简单排斥于质性研究之外亦非明智之举。有研究指出，计算社会科学与质性研究并非对立关系，未来社会科学应建立在两者“协作共生的数据治理”基础之上。关键在于：研究者是否能够在利用AI处理海量文本、识别潜在模式的同时，保持对“技术输出”与“社会结构”之间关系的反思性把握。这恰恰要求一种能够连接模型技术输出与背后社会结构的“新社会学的想象力”。

四、主体性之问：人机协同中学术自主的重建

当AI从“辅助工具”升级为“研究伙伴”，学术主体性便成为一个无法回避的理论问题。这里的核心张力在于：人机协同在拓展研究能力边界的同时，是否也在悄然侵蚀学者的自主判断与批判意识？

一个值得警惕的现象是“技术封建主义”在学术领域的潜在蔓延。有研究指出，数字平台通过数据租金提取、算法行为引导和路径依赖锁定等机制，正在对学术自主性构成系统性侵蚀。当研究者的选题方向、分析框架乃至写作风格都日益受到平台推荐算法和预训练模型知识分布的影响时，学术研究的个体创造性和批判性空间可能被无形压缩。更深层的问题在于主体性的认知悖论：“机器越来越像人，而人越来越像机器”。

这一困境并非无解。关键在于建立一种有意识的“人机分工”伦理。有学者将伦理层面的学术作者身份重新定义为“连贯性的守护”——在人机协作中维持比例、修复与透明度，而非简单地声明或否认AI的参与。这提示我们，学术主体性的重建不应表现为对AI的防御性排斥，而应体现为一种更具反思性的协作伦理：研究者需要对AI工具的使用边界、知识来源和潜在偏见保持清醒认知，同时将自身的核心贡献定位于提出重要问题、构建理论框架和形成科学判断之上。

在制度建设层面，国内学术界已经开始回应这一挑战。中国科学院科研道德委员会发布的《关于在科研活动中规范使用人工智能技术的诚信提醒》，要求在论文中声明AI工具的名称、版本、使用过程，反对未加声明直接使用。知网也明确声明不接受AI作为论文署名作者，强调“AI无法承担学术核查、整改、追责等相关义务”。这些规制措施触及了一个核心原则：学术责任的承担必须归属于具有道德判断能力的人类主体，AI的使用不能成为学术问责的“避风港”。

但制度的有效性最终取决于学术共同体的自觉。有学者提出，应推动哲学社会科学评价逻辑“从关注成果外部表征转向识别知识贡献和创新价值”，这意味着学术评价的核心标准需要从“产出数量”转向“思想贡献”。只有当学术共同体能够有效识别和珍视真正的理论创新，AI带来的效率提升才不会以思想深度的降低为代价。

五、结语：在技术理性与人文价值之间

人工智能对哲学社会科学的影响，本质上是一场关于“知识何以可能”的认识论变革。它既不是简单的工具升级，也不应被视作学科存亡的威胁，而是一次迫使哲学社会科学重新审视自身独特价值的契机。自然科学决定人工智能能够达到什么高度，哲学社会科学则应回答人工智能将把人类社会带向何方。

在这一意义上，哲学社会科学的应对之道在于：以价值理性锚定技术理性，在人机协同的新生态中坚守问题意识、理论建构与价值判断这三项不可让渡的核心能力。正如有学者所言，“问题意识、理论建构和价值判断仍是哲学社会科学创新的关键”。唯有在拥抱技术的同时保持学术的自主性与批判性，哲学社会科学才能在这场深刻的范式转型中不仅求得生存，更实现知识生产能力的真正跃升。