眼下学界谈论“数智化赋能社会科学”的声音不少,但多数讨论还停留在用更强算力处理更多数据、用更好算法发现更隐蔽模式、用更快速度完成繁重文献检索的层面。这些进步当然有价值,本质上却是在传统范式框架内做量的提升。真正值得关注的,是AI正同时从数据、方法和认识论三个层面冲击哲学社会科学根基,推动真正意义上的研究范式革命。
这事得这么看:过去社会科学家做研究,最头疼的永远是数据不够。问卷调查样本量有限,深度访谈覆盖面窄,田野观察耗时费力,这些局限决定了传统社会科学只能在小样本基础上做推断。数字化时代彻底改变了这一格局。社交媒体每天产生数十亿条交互记录,电子支付系统积累了几乎所有人消费行为数据,城市传感器网络实时捕获人口流动和环境变化信息。社会科学家面对的问题不再是“数据不够”,而是“数据太多、维度太高、变化太快”。
数据革命的本质不只是“更多数据”,而是从根本上改变了社会科学的观察粒度。全域数据暴露了真实社会的复杂性远超传统理论模型处理能力,进而呼唤方法论层面的根本变革。传统统计推断只能分析已经发生的事情,无法回答“如果情况不同会怎样”的反事实问题。AI带来了计算实验的可能性。在虚拟环境中构建包含大量异质智能体(Agent)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,为社会科学研究增加了一个全新维度。计算实验让社会科学第一次拥有了自己的“实验室”,可以在其中反复试验、控制变量、比较方案。关键的质变在于大语言模型驱动的多智能体系统中,Agent具有自主决策能力,宏观现象从微观交互中“涌现”,成为复杂系统的“自然”产物。
值得拎出来单独说的一个层面是认识论层面的跃迁。传统社会科学的核心方法论范式是“观察—归纳—理论建构”。AI社会模拟器开启了一种全新的认识论可能:通过“生成”一个“社会”来理解社会。大语言模型驱动的Agent具有类人认知、推理和决策能力,其行为是基于对环境的“理解”而“生成”的,可以产生研究者未曾预设的新奇行为和涌现现象。这是从“解释已发生之事”到“模拟可能发生之事”的范式跃迁。从马克思主义方法论角度看,这种转变有其深层合理性——马克思强调社会经济现象是人的实践活动的产物,而非抽象规律的自动展开。计算实验恰恰是从人的具体行为出发,通过模拟实践活动的复杂交互,观察社会经济规律如何从实践中生成,在方法论上与历史唯物主义逻辑具有内在一致性。
AI还在四个维度上带来学术研究的重构,这几个维度值得逐一展开。
第一个维度是从“代表性个体”到“异质性群体”。主流经济学长期依赖“代表性个体”假设,但真实社会中不存在“理性人”,重大社会现象恰恰由个体差异性和互动性驱动。AI驱动的多智能体系统天然支持大规模异质性建模,每个Agent可以具有独特特征和决策偏好。这意味着社会科学终于可以系统性地研究那些传统模型遗漏的关键问题:少数个体如何通过网络效应改变全局?边缘群体对政策的响应为何与主流群体截然不同?社会规范如何在局部互动中自发生成和演化?
第二个维度是从“事后解释”到“事前推演”。传统社会科学核心工作模式是事后解释,AI社会模拟器使政策“预演”成为现实。决策者可以在虚拟社会中同时测试多个政策方案,比较短期效果和长期后果。清华大学AgentSociety平台已成功模拟全民基本收入政策效果、信息传播治理效果等,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%。这些案例说明,计算实验已经从理论构想走向实际应用。
第三个维度是从“学科分立”到“计算统一”。学科分化导致经济学、社会学、政治学、心理学、新闻传播学等各有方法论传统。AI社会模拟器提供了一个统一计算框架,可以在同一个模拟环境中同时研究经济行为、社会互动、政治态度、心理变化和信息传播。这将更贴近真实社会中上述维度不可分割的现实,也有望推动社会科学从学科分立走向问题导向的整合。
第四个维度是从“静态快照”到“动态演化”。传统社会调查捕获的是某个时间点的社会“快照”。AI模拟生成连续的、高时间分辨率的社会动态过程,可以观察社会系统从一个稳态到另一个稳态的完整转换路径,包括临界点、相变、路径依赖等非线性动态特征。社会变迁不是从状态A直接跳到状态B,会经历复杂的中间过程——有些是渐进的,有些存在突变;有些是可逆的,有些一旦跨过临界点就不可逆。
有一种读法认为,AI将彻底取代传统社会科学研究方法。这个判断过于乐观,也偏离了实际。AI可以对社会科学研究产生颠覆性影响,但必须诚实地划定能力边界,明确AI不能做什么。
缄默知识不可模拟。AI精于处理编码化的外显知识,但对“意会”的缄默知识,如文化底蕴、隐性规范、社区记忆、情感逻辑等常常解释乏力。研究者仍然需要通过田野调查、深度访谈、参与式观察等传统方法去触碰那些无法被数据化的社会现实,做到返本开新。
价值判断不可委托。社会模拟器可以告诉研究者政策会导致什么结果,但它不能告诉我们哪个结果更好。关于公平与效率如何取舍、多数人的便利与少数人的权利如何协调等重大价值判断是人主体性的表现,不能也不应该委托给机器。
系统性偏差必须警惕。大语言模型是在人类产出的文本数据上训练的,这些数据本身携带着特定文化、时代、群体的偏见。复旦大学SocioBench评测显示,个体行为模拟精度总体仍低于40%,欠发达地区模拟精度更低。规模大不等于更真实,“精确的错误”比“模糊的正确”更危险。
方法论互补而非替代。AI社会模拟不是要取代传统社会科学方法,而是作为重要补充。最理想的研究范式是:计算实验产生假说,传统方法验证假说;传统方法发现困惑,计算实验拆解困惑,两者互补共进。
这事得这么看:社会科学正站在一个关键转折点上。数据革命让全域观察成为可能,方法革命让计算实验成为现实,认识论革命让“生成世界”成为理解社会的新路径。四个维度的重构正在重塑学术研究的底层逻辑。但技术再强大,也无法替代研究者对社会的深度理解、对价值的审慎判断、对偏差的清醒认知。AI是工具,不是答案;是实验室,不是裁判。社会科学的未来,取决于研究者能否在拥抱新技术的同时,守住学科的根本关怀——理解人、理解社会、理解实践。计算实验与传统方法互补共进,才是范式革命的完整图景。
本文基于(刘震:清华大学马克思主义学院教授)发表于:光明网《人工智能推动研究范式革命》一文解读。
—— 名家智库-党建培训讲师_党课讲师邀请_干部培训师资_党员培训课程_宏观经济专家_党性教育培训 ——
电话:010-68998188
微信:
邮箱:cmsa@cmsa.org.cn
免责声明:本网站所提供的信息仅供参考之用,并不代表本网站赞同其观点,也不代表本网站对其真实性负责。如需转载或引用,请自行核实相关内容。如有关于作品内容、版权或其它问题,请与我们联系。