近年來，學(xué)術(shù)界關(guān)于“數(shù)智化賦能社會科學(xué)”的討論日漸增多，但多數(shù)討論仍停留在用更強的算力處理更多的數(shù)據(jù)，用更好的算法發(fā)現(xiàn)更隱蔽的模式，用更快的速度完成更繁重的文獻(xiàn)檢索。這些進(jìn)步當(dāng)然重要，但它們本質(zhì)上是在傳統(tǒng)范式的框架內(nèi)做量的提升。AI正在同時從數(shù)據(jù)、方法和認(rèn)識論三個層面沖擊哲學(xué)社會科學(xué)的根基，要求哲學(xué)社會科學(xué)研究者在深入思考的基礎(chǔ)上，運用AI推動真正意義上的研究范式革命。

第一，數(shù)據(jù)革命：從小樣本到全域數(shù)據(jù)。傳統(tǒng)社會科學(xué)的數(shù)據(jù)采集高度依賴問卷調(diào)查、深度訪談和田野觀察。數(shù)字化時代從根本上改變了這一格局。社交媒體上每天產(chǎn)生數(shù)十億條交互記錄，電子支付系統(tǒng)積累了幾乎所有人的消費行為數(shù)據(jù)，城市傳感器網(wǎng)絡(luò)實時捕獲人口流動和環(huán)境變化信息。社會科學(xué)家現(xiàn)在面對的不是“數(shù)據(jù)不夠”的問題，而是“數(shù)據(jù)太多、維度太高、變化太快”的全新挑戰(zhàn)。但數(shù)據(jù)革命的本質(zhì)不只是“更多數(shù)據(jù)”，而是從根本上改變了社會科學(xué)的觀察粒度。更深層的影響在于，全域數(shù)據(jù)暴露了真實社會的復(fù)雜性遠(yuǎn)超傳統(tǒng)理論模型的處理能力，進(jìn)而呼喚方法論層面的根本變革。

第二，方法革命：從統(tǒng)計推斷到計算實驗。在以經(jīng)濟學(xué)為代表的社會科學(xué)研究中，統(tǒng)計推斷是一種核心方法，但它只能分析已經(jīng)發(fā)生的事情，無法回答“如果情況不同會怎樣”的反事實問題。AI帶來了計算實驗的可能性。在虛擬環(huán)境中構(gòu)建包含大量異質(zhì)智能體（Agent）的社會系統(tǒng)，設(shè)定不同的初始條件和政策參數(shù)，觀察系統(tǒng)動態(tài)演化的“計算實驗”方法為社會科學(xué)研究增加了一個全新的維度。計算實驗讓社會科學(xué)第一次擁有了自己的“實驗室”——可以在其中反復(fù)試驗、控制變量、比較方案。關(guān)鍵的質(zhì)變在于大語言模型（LLM）驅(qū)動的多智能體系統(tǒng)中，Agent具有自主決策能力，使得宏觀現(xiàn)象從微觀交互中“涌現(xiàn)”，成為復(fù)雜系統(tǒng)的“自然”產(chǎn)物。

第三，認(rèn)識論革命：從觀察世界到“生成世界”。傳統(tǒng)社會科學(xué)的核心方法論范式是“觀察—歸納—理論建構(gòu)”。AI社會模擬器開啟了一種全新的認(rèn)識論可能：通過“生成”一個“社會”來理解社會。LLM驅(qū)動的Agent具有類人的認(rèn)知、推理和決策能力，其行為是基于對環(huán)境的“理解”而“生成”的，可以產(chǎn)生研究者未曾預(yù)設(shè)的新奇行為和涌現(xiàn)現(xiàn)象。這是從“解釋已發(fā)生之事”到“模擬可能發(fā)生之事”的范式躍遷。從馬克思主義的方法論角度看，這種轉(zhuǎn)變有其深層合理性——馬克思強調(diào)社會經(jīng)濟現(xiàn)象是人的實踐活動的產(chǎn)物，而非抽象規(guī)律的自動展開。計算實驗恰恰是從人的具體行為出發(fā)，通過模擬實踐活動的復(fù)雜交互，觀察社會經(jīng)濟規(guī)律如何從實踐中生成，這在方法論上與歷史唯物主義的邏輯具有內(nèi)在一致性。

同時，AI還在四個維度上帶來學(xué)術(shù)研究的重構(gòu)。一是從“代表性個體”到“異質(zhì)性群體”。以經(jīng)濟學(xué)為例，主流經(jīng)濟學(xué)長期依賴“代表性個體”假設(shè)。但真實社會中不存在“理性人”，重大社會現(xiàn)象恰恰是由個體之間的差異性和互動性驅(qū)動的。AI驅(qū)動的多智能體系統(tǒng)天然支持大規(guī)模異質(zhì)性建模，每個Agent可以具有獨特的特征和決策偏好。這意味著社會科學(xué)終于可以系統(tǒng)性地研究那些傳統(tǒng)模型遺漏的關(guān)鍵問題：少數(shù)個體如何通過網(wǎng)絡(luò)效應(yīng)改變?nèi)郑窟吘壢后w對政策的響應(yīng)為何與主流群體截然不同？社會規(guī)范如何在局部互動中自發(fā)生成和演化？

二是從“事后解釋”到“事前推演”。傳統(tǒng)社會科學(xué)的核心工作模式是事后解釋，而AI社會模擬器使政策“預(yù)演”成為現(xiàn)實。決策者可以在虛擬社會中同時測試多個政策方案，比較短期效果和長期后果。如清華大學(xué)AgentSociety平臺已成功模擬了UBI政策效果、信息傳播治理效果等，結(jié)果與真實世界高度一致；復(fù)旦大學(xué)SocioVerse在美國大選預(yù)測中，34萬智能體的預(yù)測準(zhǔn)確率超過90%。

三是從“學(xué)科分立”到“計算統(tǒng)一”。學(xué)科分化導(dǎo)致經(jīng)濟學(xué)、社會學(xué)、政治學(xué)、心理學(xué)、新聞傳播學(xué)等學(xué)科各有方法論傳統(tǒng)。AI社會模擬器提供了一個統(tǒng)一的計算框架，可以在同一個模擬環(huán)境中同時研究經(jīng)濟行為、社會互動、政治態(tài)度、心理變化和信息傳播。這將更貼近真實社會中上述維度不可分割的現(xiàn)實，也有望推動社會科學(xué)從學(xué)科分立走向問題導(dǎo)向的整合。

四是從“靜態(tài)快照”到“動態(tài)演化”。傳統(tǒng)社會調(diào)查捕獲的是某個時間點的社會“快照”。AI模擬生成連續(xù)的、高時間分辨率的社會動態(tài)過程，可以觀察社會系統(tǒng)從一個穩(wěn)態(tài)到另一個穩(wěn)態(tài)的完整轉(zhuǎn)換路徑，包括臨界點、相變、路徑依賴等非線性動態(tài)特征。社會變遷不是從狀態(tài)A直接跳到狀態(tài)B，會經(jīng)歷復(fù)雜的中間過程——有些是漸進(jìn)的，有些存在突變；有些是可逆的，有些一旦跨過臨界點就不可逆。

我們必須清醒地認(rèn)識到，AI并不是萬能的。AI可以對社會科學(xué)研究產(chǎn)生顛覆性的影響，但我們需要誠實地劃定能力邊界，明確AI不能做什么。

緘默知識不可模擬。AI精于處理編碼化的外顯知識，但對“意會”的緘默知識，如文化底蘊、隱性規(guī)范、社區(qū)記憶、情感邏輯等常常解釋乏力。研究者仍然需要通過田野調(diào)查、深度訪談、參與式觀察等傳統(tǒng)方法去觸碰那些無法被數(shù)據(jù)化的社會現(xiàn)實，做到返本開新。

價值判斷不可委托。社會模擬器可以告訴研究者政策會導(dǎo)致的結(jié)果，但它不能告訴我們哪個結(jié)果更好。關(guān)于公平與效率如何取舍、多數(shù)人的便利與少數(shù)人的權(quán)利如何協(xié)調(diào)等重大價值判斷是人主體性的表現(xiàn)，不能也不應(yīng)該委托給機器。

系統(tǒng)性偏差必須警惕。LLM是在人類產(chǎn)出的文本數(shù)據(jù)上訓(xùn)練的，這些數(shù)據(jù)本身攜帶著特定文化、時代、群體的偏見。復(fù)旦大學(xué)SocioBench評測顯示，個體行為模擬精度總體仍低于40%，欠發(fā)達(dá)地區(qū)模擬精度更低。規(guī)模大不等于更真實，“精確的錯誤”比“模糊的正確”更危險。

方法論互補而非替代。AI社會模擬不是要取代傳統(tǒng)社會科學(xué)方法，而是作為重要補充。最理想的研究范式是：計算實驗產(chǎn)生假說，傳統(tǒng)方法驗證假說；傳統(tǒng)方法發(fā)現(xiàn)困惑，計算實驗拆解困惑，兩者互補共進(jìn)。

作者系清華大學(xué)馬克思主義學(xué)院教授

來源：中國社會科學(xué)報

責(zé)任編輯：問嚴(yán)鍇

新媒體編輯：程可心

如需交流可聯(lián)系我們