纪要|午间学术报告会:作为助手的人工智能

壹 / 前言

2026年5月22日中午，北京大学社会学系2026年春季学期第四期午间学术报告会暨“社谈数智”系列第二期讲座在理科五号楼201、269室顺利举行。本次报告由北京大学社会学系教授邱泽奇、长聘副教授范新光、预聘副教授张洋、助理教授乔天宇分享，北京大学社会学系副主任、长聘副教授田耕主持。四位老师以“作为助手的人工智能”为题作了精彩的学术报告，共同分享了人工智能在社会科学，尤其是社会学领域的应用经验、潜在挑战以及人机关系的理论反思。现场气氛活跃、讨论热烈。

贰 / 讲座纪要

会议伊始，邱泽奇老师作为开场分享人，回顾了开设“社会学的人工智能课”的初衷与体会。他指出，随着大模型技术的爆发，2026年的机器智能与2022年相比已经发生了本质的区别。邱老师借助了费孝通先生的“三级两跳”框架来阐述这一变化。

“第一级”是自然语言对话阶段，机器能够根据人类的指令快速生成文本。这种技术跨越的基础在于训练数据的颗粒化和上下文窗口的飞速提升，使机器具备了极强的截面计算、理解和推理表达能力。但是机器在加工表达时容易将低概率事件挑出，导致了“AI幻觉”的产生。

随后，技术完成了关键的“第一跳”，跨越到了“技能模式”。这一跳的核心在于人工智能不再仅仅满足于语言对话，而是能够主动调用某一个特定的功能模块来执行基本任务，最新技术已经能够实现对人类电脑屏幕的自主操作。对此，邱老师提示研究者注意数据隐私与安全。同时，这一跳也催生了利用知识库开展研究的新范式。

接下来，技术实现了更加关键的“第二跳”，并最终跃升至“第三级”，即目标式的分工组合智能体（Agent）阶段。这一级代表着人工智能完成了从“受托”到“自主”的本质跨越。所谓智能体，在社会学意义上可以被理解为一个“类人行动者”，它能够全盘接收人类下达的一个宏观目标，并在后台自主进行任务拆解、功能组合与流程执行，最后直接将完工的成果交付给人类。

邱老师判断，处于第三级的人工智能在有确定边界、思考模式结构化的工作中超越了人类，但是由于机器的思考本质上依然是在要素之间寻找统计概率关系，在涉及灵感与创新的问题上，人类仍然是不可替代的。针对文科领域的缺失，邱老师强调，社会学应当在主体性、行动的社会价值以及人机关系等核心议题上积极回应AI时代。

邱泽奇老师分享

随后，乔天宇老师发言，并从数据收集、文件和文献管理以及数据探索三个维度分享了AI作为助手的应用实践。他指出，在数据收集和分析领域，AI能够最大程度地提供帮助，尤其是智能体（Agent）的出现，彻底改变了线上数据获取的方式。过去研究者需要耗费大量时间编写复杂的爬虫程序，而现在只需通过自然语言与智能体对话，便能让其自主执行任务、编写代码，甚至调用地图API接口去抓取特定地点的卫星图快照并生成结构化数据。

在文件整理方面，面对格式不一、命名混乱的大量会议投稿，AI助手能在短短十几分钟内按照研究者的指令对文件进行编号、分类并提取作者单位、电话等关键信息，自动生成规范的电子表格，整个过程体现了机器在面对错误代码时自我修正、来回调试的自执行能力。

在文献管理上，模型上下文协议（MCP）的开发建立了智能体与本地文献管理软件之间的桥梁，使研究者能够用自然语言检索文献、阅读笔记并进行文件转移，甚至可以通过与智能体对话来修补代码中的漏洞以扩展软件功能，但乔天宇老师也特别提醒，使用此类协议时需注意数据缓存带来的安全风险。

在数据探索阶段，AI虽然能够协助完成基础统计与分析、输出可视化图表等任务，但研究者在实际应用中仍应保持谨慎，检查其生成的代码是否完全契合原本的科研意图。

乔天宇老师分享

接下来，范新光老师从记忆能力与反思能力两个关键点切入，分享了他利用人工智能进行科研探索的经验。他认为，要让AI在大型、跨对话框的研究项目中持续发挥助手作用，就必须构建独立的模块来强化其记忆，并让其学会在接收人类反馈后进行自我反思，从而避免重复犯错。

他以全球人口普查微观数据下载的研究项目为例，展示了AI如何帮助拟定研究计划、自动申请并创建账号、甚至通过截屏识别验证码来跳过验证程序，从而高效完成繁重的并行任务。

同时，他利用AI进行文献梳理和因果推断，发现只要任务明确且数据结构清晰，AI能完成绝大部分的清理和分析工作，但在面对社会学定量研究中的缺失值处理等难题时，由于其缺乏对背后复杂社会机制的理解，往往只会进行简单的删除或常规插补，仍需依赖人类的学术洞察。

此外，范新光老师还分享了他在极短时间内搭建王夫之《读通鉴论》知识库的案例。通过这些实践，范老师总结道，工程性思维是先有图景再搭桥梁，AI对此极其擅长；而科研思维则是在探索中让问题逐渐清晰，AI目前只能扮演执行层面的助手，无法提供充分的理论理解。

范新光老师分享

最后，张洋老师从教学视角，详细介绍了AI在辅助教案生成、课程案例设计、课堂互动以及PPT形象设计中的应用。为了应对繁重的备课压力，她借助第三方知识库管理平台，将自己积累的课件、教材和期刊文章上传，在设定的有限知识边界内通过对话的形式让AI设计教学安排、生成知识脉络和思维导图，在确保知识准确性的同时有效避免了机器幻觉。

在讲授具有挑战性的知识点时，她通过AI将枯燥复杂的公式转化为直观的动态动画，或生成可用于课堂手算的神经网络数字计算案例，极大地增强了课堂的生动性。AI也展现出强大的类比寻找能力，能找到贴合特定知识点的热门新闻、影视片段或公众人物案例，补齐了案例教学中的经验缺口。AI甚至通过设定提示词调用固定模板，协助教师快速构建大批量教学或科研PPT的骨架。

不过，张洋老师同样强调，教师日常积累形成的独特知识网络、在课堂上即兴发挥出的洞见火花、丰富的科研田野经验以及师生之间面对面连接的教学“在场性”，都是人工智能无法替代的核心价值。