劉永謀：人工智能賦能哲學社會科學研究的哲學反思

*中國人民大學吳玉章 講席教授劉永謀首發于微信公眾號，保留一切知識產權，侵犯必究。此文將交給合作者成文發表，寫成一萬五千字左右的大文章，敬請關注。

近來，人工智能賦能哲學社會科學研究（AI4SS）興起，既給哲學社會科學研究帶來巨大沖擊，亦給哲學尤其科技哲學帶來諸多理論挑戰。從哲學的視角看，究竟應該如何認識AI4SS、定位AI4SS，又應該如何推動AI4SS健康地可持續發展？這是本文試圖回答的問題。

一、AI4SS的現狀、趨勢、問題

鳥瞰AI4SS發展的現狀（包括技術基礎、應用狀況）、問題（或特征），概括出總體的發展趨勢，預計AI4SS遠期發展的可能性。

可以從研究環節、功能實現、學科門類等不同角度進行總結梳理。應該說，AI4SS的影響已經遍及社會科學研究的各個環節、各個學科門類，主要發揮著5大功能，包括數據處理、模擬實驗、內容生成等三大知識生產的內部功能和成果評價、政策運用等兩大知識應用的外部功能。

數據處理功能包括相關研究的資料與（多模態）數據的收集、整理/翻譯、分類、歸納，文獻綜述的形成，AI數據處理能力與AI時代的數據豐裕現象相適應、相匹配。

模擬實驗指的是用AI模擬社會調查和實驗，主要形式是ABM。在個體層面，AI即可以模擬被試，也可以模擬主試。在群體層面，AI可以模擬一定規模的社會運動，最典型的是HAI。模擬實驗的目標是生成社會數據和社會事實。

內容生成功能是對社會數據和社會事實進行分析和推理，以完成社會知識的生成，主要包括模式識別、知識推理、生成AIGC內容以及文本輸出等。這個功能是如今人文社科雜志最為頭疼的功能，主要原因在于無法完全區分個人創作和AI生成。

AI成果評價是將AI用于社會科學評價的各個環節，包括同行評議、期刊評價、科研組織評價和個體評價等。

AI4SS政策運用指的是將AI4SS知識生產的成果應用于社會政策和公共治理領域中，本質上屬于智能治理活動的一部分。

二、智能體在認知活動中的定位

從認識論層面反思AI4SS，AI的認識論位置是最為核心的問題。簡言之，該問題是：在AI4SS中，AI智能體（AI大模型）是社會科學研究的認識主體嗎？

我們的觀點是：AI單獨不是認識主體，而是與人融合為“混合心智”來作為認識活動的主體，離開人AI非主體。（《非主體：人工智能的定位與治理》《混合心智：AIGC時代認知活動的新主體》）按照這種理解，AI4SS仍然是一種社會科學研究的復雜工具，而非社會科學知識生產的“自動機”——它沒有認識的意志、動機和目標。在AI-人組成的混合心智中，人仍然是主體性的根源，AI依附于人之上獲得某種隨附主體性。

與上述核心問題相關，AI4SS還給哲學認識論提出兩個必須回答的挑戰：

第一，AI大模型生成的社會科學知識是否是客觀的，或者客觀性如何？有些人認為，AI4SS知識以大數據技術為基礎，掌握海量的社會數據和社會事實——甚至一些人認為，作為AI基礎的大數據是“全數據”，能夠實現類似自然科學的客觀推導，極大地甚至徹底消除傳統社會科學的主觀性、模糊性的一面。如何看待這種觀點？首先，AI4SS并不真正研究社會，而是收集、歸納和整理數據，研究的是“數據中的世界”。把世界等同于數據中的世界，是認識論數據主義最根本的主張。其次，AI4SS出現的錯誤如AI幻覺，與人類在認識活動中受到主觀性干擾出錯不同，本質上是統計學預測模式的缺陷，而非類人的主觀性干擾。

第二，AI4SS是一種社會科學研究的新范式嗎？為什么？如果AI是“另一種主體”，AI4SS必然是新范式。如果AI僅僅是AI-人組成的混合心智，稱AI4SS究竟意味著什么？我們歸納針對該問題的看法，認為AI4SS仍然是計算社會科學、數據社會科學發展的新階段，難以成為庫恩意義上的新范式。

與之相關的問題是，AI4SS能實現統一科學的理想嗎？即以AI-數據為基礎，能否將所有人類科學都變成數據科學？這種想法與邏輯實證主義的統一科學主張有很大的不同。

三、牢記AI4SS方法論的有限性

從方法論層面反思AI4SS，方法論的有限性是最為核心的問題。對AI4SS方法論有限性的分析，意味著劃定AI4SS在社會科學知識生產中的邊界。

在社會科學知識生產的內部活動中，AI4SS主要作用于數據處理、模擬實驗、內容生成三個方面，均存在無法避免的方法論有限性問題。

在數據處理方面，這些問題包括：隨機鸚鵡與AI幻覺，數據毒性與質量，數據隔絕與數據孤島，數據的文化性與地方性（不同文化和地方同一社會現象數據不同，并沒有普遍性結論）。

在模擬實驗中，社會模擬器有4大有限性：1）模擬實驗本身的有限性。AI模擬實驗屬于數學模型實驗的一種，帶有模型實驗的局限性，AI并沒有改變這種情況。2）模擬人的行為主義迷思，即人不可能完全數學模擬；3）環境模擬的不可能性，及環境尤其是文化環境過于復雜，無法完全數字孿生；4）社會實然與應然的復雜關系，即社會模擬器無法解決社會未來應然發展方向的穩定，社會模擬器知識習慣性地維持現狀和趨于保守。

AI生成社會科學知識存在的問題包括：AI偏見，AI諂媚，AIGC的意識形態性，知識產權問題等問題。在AI內容生成過程中，大模型會進行數據挖掘（模式或關聯性識別）、推理、預測。從數據挖掘、數據推理、數據預測方面，可以分析AI4SS內容生成的有限性。

從本質上說，AIGC是統計學的語元（token）排序，而不是對真實社會的理解或說明。網上所有的社會科學相關數據，是AI4SS內容生成的基礎。總體上說，這些數據良莠不齊，各種陰謀論盛行，因此用AI直接生成社會科學知識的質量非常可以。并且，這些網上數據并沒有客觀性，以它們為基礎的AIGC何來客觀性呢？

四、警惕AI4SS應用的社會風險

從價值層面反思AI4SS，繞不開AI4SS知識應用的兩大外部功能形式，即1）成果評價（即AI用于社會科學評價）和2）政策運用（即AI4SS成果用于社會治理，這屬于技術治理中的智能治理），在這兩方面都存在不少的價值、倫理和風險問題。

第一，AI用于社會科學評價，對于當前科學社會建制的健康發展非常關鍵，也牽涉到學術期刊改革、學術道德堅守、社會科學獎勵等一系列AI倫理或AI研究（AI Studies）的復雜問題。

大家容易關注的是：1）AI賦能學術成果的同行評議peer review。比如，預評審：篩選與匹配的智能化，包括案頭評審，審稿人匹配；評審中：從評分到意見的生產，包括同行評議，元評審；后評審：影響力評估與成果推廣，包括影響力分析，推廣增強。實際上，AI對社科評價的助力，還可以深入到2）期刊評價3）科研組織評價4）研究個體評價當中去。這些工作以前主要有科學計量學來討論，AI發展對科學計量學有重要的促進作用，值得深入研究。

第二，在AI4SS政策運用問題中，有兩個問題必須討論：1）HAI的政策運用，涉及到智能治理和超級智能；2）智能決策支持系統IDSS問題，涉及到DSS最新進展。

這兩個方法都是決策支持方法，而非決策替代選項。但是，在技治社會中，后者往往發生，導致巨大的風險。換言之，決策者和政策制定者對AI過于相信甚至崇拜，導致各種問題。

DSS是20世紀70、80年代那一波AI熱中的拳頭產品，主要針對半結構化決策問題而設計。隨著GAI的出現，DSS又被賦予新升級的可能。一般而言，DSS由語言系統、問題處理系統和知識系統三個部分組成。GAI起碼可以在1）用自然語言人機互動和2）提高更強大的推理能力上提升DSS的能力，使之成為IDSS即智能決策支持系統。

有人認為，DSS能力指標中數據分析能力最為重要，因而數據挖掘技術非常重要。數據挖掘技術涉及數據庫、AI、機器學習、神經計算和統計分析等多種技術，是AI的重要基礎。基于agent的IDSS也是當前的熱點。知識、目標和能力是agent本身的三項最重要指標。

而前者，即HAI的政策應用。我們在多篇文章中進行過深入討論，如《AI時代人的機器化憂思》《超級智能的超級隱憂》《超級人工智能的科技倫理治理》《智能治理的哲學反思》等論文。相對于AI文明危崖的擔心，我個人更為擔心的是人的機器化。我認為，AI時代最大的問題不是機器人變成人，而是人變成機器。

五、積極推進AI4SS的健康發展

經過上述分析和討論，為推動AI4SS健康而可持續地發展，我們可以提出哪些針對性的建議呢？

我們的建議包括理念原則層面的建議，也包括在理念原則指導下的具體措施建議。總的來說，我們的觀點屬于我們提出的有限人工智能理論的一部分。該理論認為，AI發展有所為、有所不為，應該對AI發展道路進行選擇、調整和控制，使之有利于人類福祉和社會進步。為此，有限AI進路主張非主體、去道德的基本主張。

在理念層面上，我們至少認為，1）AI對于社會科學研究而言，始終是有力的新型工具，極大地提高社會科學研究的效率，但并不能統一社會科學的研究范式，或促動社會科學研究范式變革。2）作為社會科學研究的多元進路之一，AI4SS要更好地發揮功能，最重要的在于AI賦能而非替代研究者，即1）區分好人類環節與AI環節的分工，2）融合好人類能力與AI能力，形成人機知識共創的新模式。3）反對AI崇拜與AI4SS迷信，牢記AI4SS的有限性，努力用好AI4SS，為增進社會福祉和人類利益服務。

在上述理念的指導下，結合當前AI4SS發展的現狀和趨勢，我們將提出一些更為具體的建議。比如，打破學科壁壘，尤其是文理對立，按照問題邏輯來組織社會科學研究和人才培養。

合作者需要把我所有AI4SS相關的言論、論文收集起來仔細研讀，系統地把握我的立場和觀點，尤其注意以審度的態度看待AI4SS的發展。