AI賦能下綜合性人文社會科學學術期刊發(fā)展之反思

AI的涌現(xiàn)和AI技術的不斷迭代對社會諸多領域產生了巨大沖擊，由此引發(fā)的對人類能力及人自身的“替代\"之聲此起彼伏，似乎形成了對個體乃至行業(yè)生存的巨大挑戰(zhàn)。學者們對這一問題的討論尤其能體現(xiàn)人對技術的反思性前瞻，彰顯人類的使命和責任擔當。世界萬物皆有道可循，技術亦如此。作為人類的創(chuàng)造物，技術理應服務人、輔助人，一旦失去其道，技術就會帶來災難性后果。當我們還在討論學術期刊如何在構建中國哲學社會科學自主知識體系中發(fā)揮應有功用之時，當我們還在摸索話語體系學術表達的時候，AI強大的技術已經逐漸從學術內部突圍，對期刊及編輯主體發(fā)起全新的拷問與挑戰(zhàn)。那么，綜合性人文社會科學°學術期刊作為一種具有個性化、多元化、差異化，且不拘泥于單一學科的學術發(fā)表平臺，將會面臨怎樣的境況？筆者試圖以這一問題為思考起點，淺談AI賦能下對綜合性文科學術期刊的幾點想法。

一、對AI及人類關系的幾點認知：引入

首先，來看看AI和人的區(qū)別。

人具有生物性和社會性。馬克思認為：“人的本質并不是單個人所固有的抽象物，實際上，它是一切社會關系的總和。\"5也即人的本質屬性是社會性，本質屬性即規(guī)定性，也就是與其他之物的根本性、具有標識性的區(qū)別。生物性是人與生俱有的，而社會性是人后天建構的產物，是人在生命歷程中的經驗累加和過程積淀。反觀AI，既沒有生物性也沒有社會性，只是計算機系統(tǒng)模擬人類智能的產物，是以NLP（Natural LanguageProcessing，自然語言處理)為基礎的LLM(LargeLanguageModel，大型語言模型)的大數據、大算力和深度學習路徑結合的技術。無論未來如何發(fā)展，AI的認知邊界都由大模型框架和算力基礎所決定，其數據生成也嚴格遵循模型邏輯。所以，AI和人具有本質性區(qū)別。

諾貝爾物理學獎得主辛頓說，ChatGPT4作為先進的語言模型，有1萬億個參數，而人類大腦則有100萬億個突觸連接。但是AI能整合吸收遠超人類個體所能接受的知識規(guī)模，在特定領域有著人類無法比擬的能力。當然，AI與人也是一個彼此受益、相互“成就”的“友好”連接體，如腦神經科學助力了AI發(fā)展，同時AI也幫助人類更好地理解大腦運作機制。

其次，來看看AI和人的各自優(yōu)勢。

AI在記憶、歸總、數據方面擁有人類難以比擬的優(yōu)勢，但是它完全依賴過去的經驗積累，時常面臨成長瓶頸，原因在于人類社會的動態(tài)發(fā)展使得新任務場景溢出了訓練數據的范式。同時，如同學術大家的產生需要時間沉淀一樣，技術突破也同樣依賴時間的積累。目前DeepSeek等很多技術的涌現(xiàn)在辛頓看來僅僅是知識權重開放（即在已有大模型基礎上微調)的結果，而沒有質性突破，AI技術在社會上的廣泛與成熟應用還需要很長的時間。與此相對，人可以從有限性向無限性躍遷，尤其是人類思維具有跳躍性突破和非線性發(fā)展的特征，這是AI所不具備的優(yōu)勢。如此看來，只能說AI和人類各自的優(yōu)勢領域不同，AI的長處正是人類短板，而人類的長處也是AI的短板。如NLP就是基于語言符號的數字表達，但其在語義深度、情感認知、數據依賴、泛化能力及創(chuàng)造思維等方面遠不如人類；LLM也同樣因為其強烈依賴數據及其規(guī)律，即使進行相關訓練，也依然缺乏認知深度和創(chuàng)造力。齊澤克很早就在其“生成機器”概念中通過對比機械重復與生成性重復的差異指出：“機械運作遵循顯性因果律，而人類存在本質上是‘生成機器’一其重復不是機械復制，而是每次事件都作為根本性再創(chuàng)造呈現(xiàn)。\"2](13-14)

但對于知識，尤其是單一性專業(yè)知識的獲取和學習，AI無論在獲取速度還是在獲取廣度上都遠勝于大多數人。所以明白相互的短板和優(yōu)勢，人類才能理性擁抱AI，并時刻保持反思的態(tài)度。

二、AI對人類的挑戰(zhàn)：破題

在工業(yè)革命早期，自動化等顛覆性技術的出現(xiàn)也曾帶來顯著的社會陣痛，導致工人大量失業(yè)和工資下降，但隨著時間推移，工業(yè)化也催生出新的工作機會。從歷史經驗來看，技術變革常常帶來系列變化和巨大挑戰(zhàn)，同時也使人與技術處于自愿或不自愿的融合態(tài)中，并最終實現(xiàn)人與技術的“和諧共生”，當然這一過程往往也需要政策干預和科技專家的介人。

如今AI的發(fā)展也帶來各種潛在的長短期風險，如失業(yè)風險、研發(fā)風險、全球不安全和不穩(wěn)定風險、貧富差距擴大等。

矛盾是事物發(fā)展的內在動力，我們需要反思的是，AI給人類帶來挑戰(zhàn)的同時，是否也意味著它為人類未來的生存空間提供了可能的路徑指引？對此，筆者將探討以下幾個問題。

其一，AI是萬能的嗎？不可否認，AI在海量復雜數據處理和規(guī)律探索方面具有卓越的能力，對標準化復雜作業(yè)完成度高，善于尋找相關性（而并非能進行真正的邏輯推理)，在自然語言生成理解以及圖像、視頻、語言處理等方面能力優(yōu)秀，在精確性、客觀性及規(guī)律性要求高的應用場景中優(yōu)勢顯著。然而個性化、碎片化、無規(guī)律性、情感倫理類事件的處理卻是AI難以完成的。人類作為具備創(chuàng)造性思維與有限性突破能力的主體，始終主導著AI硬件迭代、算法升級及其認知邊界拓展的全過程。

其二，AI的擬人化不等于AI就是人本身。人們有時可能錯誤地認為AI具有人類的感知、情感和創(chuàng)造力，認為AI能夠理解或感受人類的情感。事實上，AI只是根據預設的算法和數據來模擬情感反應，而且其系統(tǒng)也可能出現(xiàn)錯誤或偏差，尤其是在面對復雜、不確定或新情況時。古希臘哲學家赫拉克利特說，人不能兩次踏入同一條河流，人會隨著時間、地點乃至天氣、周遭情境隨時變化，對各類事物作出不同的反應與應對，這是單純的邏輯所無法推演模擬的。

其三，關于AI發(fā)展的雙刃劍效應。技術爆炸需要人類理性回應。LLM就像一本教科書，它可以容納乃至學習遠超人類個體所能接受的知識，但紙上得來終覺淺，LLM在實踐應用中的突破還有很長的路要走。知技術之優(yōu)勢和人之短板才能在推進與發(fā)展技術同時，把人類反思放在重中之重。技術發(fā)展需要秉持“以人為本”的核心邏輯，要在實踐應用中充分發(fā)揮技術推動社會進步的正向效應，而不能一味追求技術泡沫。2024年底、2025年初上線的DeepSeek、Manus等新一代智能工具，可能更多從工程學意義上講，通過開源架構節(jié)約了大量成本，但在投入應用方面可能還需要很長時間。這背后有個問題可以追問：當前技術變革的力度究竟有多大？此外還需要注意的是，在技術發(fā)展的同時，對應的風險預警和社會治理應及時跟進，以保證社會安定、有序和高效發(fā)展。所以在追蹤前沿技術的同時，要把反思放在首位，而具備反思能力的恰恰就是人。

其四，AI式幻象的因果邏輯之辨證。受數據辨識和算法偏見的制約，AI所具有的強大數據處理和分析能力在實際應用中往往會打折扣，進而會產生所謂的AI幻覺。也就是AI所謂的“因果邏輯”推理可能并不成立，甚至會據此得出荒謬的結果。實際上，事物發(fā)展并非依循簡單的線性邏輯，如工業(yè)革命時期技術顛覆性發(fā)展在帶來大量失業(yè)同時也產生了一些新的工作機會，而并非單一線性邏輯：技術代替人，人大量失業(yè)。與此類似，AI所引發(fā)的失業(yè)和行業(yè)挑戰(zhàn)不一定具有完全的負面效應，也可能為我們帶來破局時機。

其五，AI對具有規(guī)范性特征的編輯工作所帶來的挑戰(zhàn)?？萍碱悓W術論文有很強的規(guī)范性，從數據搜集、處理到分析呈現(xiàn)、結論輸出，AI都能參與其中。如何處理AI在科技類論文寫作和發(fā)表中的關系，關涉知識產權、學術規(guī)范倫理責任主體等系列問題。由此反觀，文科類學術論文寫作和學術期刊又該如何自處呢？文科類論文會不會、能不能、可不可以用AI寫作？如果上述回答是肯定的話，那么應該在何種程度上應用AI？進一步來說，文科類學術期刊還有繼續(xù)存在的必要嗎？如果不可行，AI在學術期刊中應有怎樣的位置？

三、AI賦能綜合性文科學術期刊：解題

上述問題引發(fā)了對AI時代下綜合性文科學術期刊發(fā)展境遇的追問。

(一)技術功能論還是技術本體論：學術編輯該何為

AI的設計者是人，進一步來說，技術即人造之物最終要服務于人類，因此技術是功能論意義上的技術。如果AI完全取代人類，那么技術就是本體論意義上的了。馬克思指出：“在實踐上，人的普遍性正是表現(xiàn)為這樣的普遍性，它把整個自然界一—首先作為人的直接的生活資料，其次作為人的生命活動的對象(材料)和工具一變成人的無機的身體。自然界，就它自身不是人的身體而言，是人的無機的身體。\"3](6)因此，技術亦是人的無機身體，是人體器官的外化延伸，其本質在于突破人體和人腦的生理限制。所以技術，無論是工業(yè)革命時期讓人類社會躍遷了一大步的機器大生產，還是2023年開始的AI技術的顛覆性突破，都是外在于人的對象化事物，它不是人本身，也不能取代人本身。因而當我們擁抱技術的時候，需要保持一種仰望式的學習態(tài)度和俯瞰式的包容心態(tài)。這種俯瞰既包含對技術創(chuàng)新的包容，也有對技術倫理的約束。把技術擁抱人懷，就是要使技術處于可控的邊界之中。這種仰望，是一種對技術持有反思與批判的學習態(tài)度。作為期刊編輯，應該清晰認識到編輯工作的哪些環(huán)節(jié)適于利用AI提效增能，哪些領域（如積極開展具有創(chuàng)新性的選題策劃、與學界進行深度多維互動、深入思考學術期刊的特色定位等）應當充分發(fā)揮學術期刊主體的創(chuàng)造性。

（二）AI發(fā)展背景下的學術與學術期刊：誰之問題

兩千多年前，古希臘著名哲學家柏拉圖在雅典城的阿卡德摩(Academus)建立了學園(即現(xiàn)代意義的學院、大學，后人因此指稱“學術”），吸引無數雅典城邦熱愛學術之人來此求學，在古希臘盛極一時。蔡元培先生也提出為學術而學術的原則，學術是獨立于實用目的，僅以真理本身為終極導向的。對學術之本質的理解在古今中外竟是如此驚人相似。1906年6月，東吳大學創(chuàng)辦《東吳月報》，創(chuàng)刊號《學桴》的發(fā)刊詞即已開宗明義：“表學堂之內容，與當代學界交換智識。\"4可見學報創(chuàng)立之初旨在增進學術自由交流，彰顯學術之魅力。51022-130)

AI的發(fā)展讓我們不得不去思考：隨著大模型學習能力逐漸強大，AI能按照所謂的學術規(guī)范快速，甚至以超越絕大多數人能力的速度不斷產出學術論文的時候，學術出版還有沒有意義？進一步追問，學術到底應該為何？可以說，AI的出現(xiàn)倒逼人類真正去思考學術本質這個本源性的問題。至于學術期刊，尤其是綜合性文科學術期刊被詬病“大、全、散、弱”，以及學界對核心期刊評價標準的各類質疑等問題，似乎能再次在何為“真正的學術”之追問中得到回應。能被技術代勞之學術還是真學術嗎？能被技術評價的學術期刊就一定是好的學術期刊嗎？其實，這些問題早就存在，只是AI發(fā)展和技術爆炸讓這些問題變得更加凸顯和緊迫。AI的應用必須限定在輔助于人的范圍之中，而作為主體的人則應做AI所不能做的創(chuàng)造性工作。機器能像人一樣思考不可怕，可怕的是人像機器一樣思考。如學術的生成及其成果過度依賴于技術，陷入所謂的規(guī)范性表達的窠白，這才是一個最具挑戰(zhàn)性和令人深思的問題。

（三）打破碎片化的創(chuàng)造性活動生成：編輯主體性的激活

雖然AI處理查重排版、錯別字校對等規(guī)范化、碎片化事務的效率高，但其實際效果卻不盡如人意。在編輯實務工作中，尤其是文科期刊的校對中，僅就錯別字校對本身而言，就筆者及同行使用AI校對工具的經驗來看，目前AI能起到的輔助作用微乎其微，更遑論用其處理邏輯銜接、因果推論等深層次校對工作。雖然不能排除未來技術迭代與AI學習能力加強可能帶來的挑戰(zhàn)，但當前，AI在學術期刊校對工作中仍處于十分有限的輔助地位。在文科領域尤其如此：一方面，很多學術話語和邏輯表達，不僅在不同學科領域具有明顯差異，而且同一學科的不同學者也往往有著個性化的表達習慣，甚至同一學者在不同刊物上發(fā)表的學術成果，經不同學科背景的編輯潤飾加工后，其話語表達亦呈現(xiàn)出差異化特征。另一方面，從選題、策劃的角度來看，綜合性文科學術期刊一曾被不少學人詬病為“大雜燴\"的刊物——其多學科性、個性化特征及內容復雜性，反而在AI技術涌現(xiàn)的當下，凸顯出其獨特價值。與單一性知識可以通過DeepSeek等智能工具進行深度追蹤不同，綜合性文科學術期刊以問題意識為導向的選題機制，讓AI明顯難以勝任。以DeepSeek為例，其搜集資料、整理深挖材料的強大能力，也需要人類設計者的數據投喂及所謂的大算力來支撐，這一點同時也決定著AI和人類的差距。多學科甚至跨學科的選題，需要依靠編輯主體網狀立體多維的知識拓展體系，從已有學術研究中挖掘未知領域和可能領域，更需要具有對常規(guī)線性邏輯的跨越式突破的能力，這是奠基于已有數據庫或者語料庫的AI所難以實現(xiàn)的。

（四）AI時代到底需要怎樣的學術期刊編輯

AI時代對學術期刊編輯這個看似“程式”化的職業(yè)提出嚴峻挑戰(zhàn)，需要時間沉淀而AI無法替代的能力才是編輯生存之道，因為依賴強大數據庫支撐的AI能快速從數據庫提取分析所需資料，這是編輯所無法企及的。所以，新時代的編輯隊伍建設應從構建編輯學術素養(yǎng)和業(yè)務能力的長期培養(yǎng)體系著力，堅決摒棄短視思維與功利化傾向（因為這是AI所擅長的，而恰好是人類的短板）。

以GPT的發(fā)展歷程為例，盡管2015年相關研發(fā)工作就已在進行，但其成效卻長期不甚理想，如果遵循急功近利的研發(fā)思維，就根本不可能迎來其2023年的爆紅?？茖W的發(fā)展規(guī)律也是如此，無論是自然科學還是人文社會科學領域的大師都需要長時間培養(yǎng)乃至幾代人的傳承積淀?；A學科尤其需要長期積累，比如哲學這種極具個性化的基礎學科，其訓練思維模式，絕非單純依靠LLM里面所謂的各種向量、模式匹配等法則，以犧牲真正的推理為代價的模型所能達到的。無論是依靠強大的算力還是利用多層神經網絡，AI對人類思維的模擬都仍處于低水平，遠遠不能復現(xiàn)人類特有的創(chuàng)造性思維。

學術期刊的編輯需要具備的各種能力，如學術眼光、學術鑒賞力和學術敏銳性，等等，其實是在長期的學術積淀、思維訓練及深度的學術對話中形成的。學術期刊編輯不同于單純意義上的學者，綜合性學術期刊編輯尤其擔負著打通學科壁壘、凝練期刊特色的使命。筆者一直強調學術與學術平臺是兩個不同的概念，[679-8所以走特色和個性化之路無疑是學術期刊在AI時代的生存之道。綜合性文科學術期刊突破了單一學科界限，不像專業(yè)類刊物拘泥于某個學科，當前學界對綜合性學術期刊的批判和質疑，恰恰印證了其跨學科資源整合優(yōu)勢，凸顯出其不可替代的學術價值。湖北省綜合性文科核心學術期刊均具有自身獨特的“品牌”，如《武漢大學學報(哲學社會科學版)》以強勢文科見長，《湖北大學學報（哲學社會科學版）》以傳統(tǒng)文史哲見長，《華中師范大學學報（人文社會科學版）》以師范類基礎學科、教育學科見長，《華中農業(yè)大學學報（社會科學版）》以農業(yè)經濟見長，筆者所在的《華中科技大學學報（社會科學版)》也以強烈的問題引導聚焦多學科跨學科選題見長，《理論月刊》《學習與實踐》等社科聯(lián)系統(tǒng)綜合文科刊物以新銳選題見長，等等。

筆者最后擬圍繞在AI賦能下綜合性文科學術期刊如何作為的問題談一下自己的淺見。其一，綜合性文科學術期刊編輯需積極擁抱AI，但更需要做好自身的學術積累和業(yè)務能力積淀。編輯在選題策劃的前期階段可以利用AI梳理相關學術成果，但新關鍵詞的提取與學術問題的凝練則需要編輯與學者深度互動，并通過系列邏輯分析、推導與論證工作來完成。例如：分析已有研究成果和研究范式，探索未涉及之視角領域和新學科的突破方向，乃至挖掘全新的前沿選題或尚未被研究過的基礎問題等。對上述問題挖掘切入的深度直接由編輯的學術修養(yǎng)、眼界、格局等決定，因此，文科類綜合期刊編輯應在時間的積淀中做好學術素養(yǎng)和業(yè)務能力的積累。這正是目前AI難以企及的。其二，AI技術賦能對學術期刊，尤其是科技類學術期刊帶來了巨大挑戰(zhàn)?？萍碱悓W術研究的詞匯、工具、數據庫等有著嚴格的規(guī)范，且容易被大數據收集、識別、處理。同時科技類期刊的審稿以及編?？赡苡葾I實現(xiàn)。人文社會科學雖與之不同，但所謂的學術規(guī)范和寫作范式（尤其是經濟管理這類應用型學科)似乎也在AI賦能中促逼我們去思考所謂的學術到底為何，學術期刊是否需要所謂的評價標準，或者需要怎樣的評價標準。諸如此類關涉學術期刊存亡與否，或者如何存在的問題，已經變成了亟待解決的現(xiàn)實危機。

綜合性文科學術期刊應把尊重學術和觀照社會作為自己的使命，利用AI賦能，讓中國學術走向世界，讓世界讀懂中國。2024年首部國產3A電子游戲《黑神話：悟空》的火爆出圈，在以一種新的傳播方式讓世界了解中華優(yōu)秀傳統(tǒng)文化的同時，[7](28-35)也促使我們深刻思考如何利用技術優(yōu)勢讓中華優(yōu)秀傳統(tǒng)文化以學術的形式走向世界。探索在AI賦能下，我國綜合性文科學術期刊如何提升其學術傳播力的路徑，及其在構建中國哲學社會科學自主知識體系、推動學術創(chuàng)新的過程中發(fā)揮正向效應、釋放強勁動能，更持久、更有力和更有效地發(fā)出中國學術的聲音，將是綜合性文科學術期刊人的使命和職責所在。

參考文獻：

[1]馬克思，恩格斯.馬克思恩格斯全集：第3卷[M].北京：人民出版社，1960.

[2]Zizek S. Organs Without Bodies: On Deleuze and Consequences[M]. London:Routledge，2012.

[3]馬克思，恩格斯.馬克思恩格斯文集：第1卷[M].北京：人民出版社，2009.

[4]黃振元.學桴發(fā)刊詞[J].東吳月報，1906，（1).

[5]吳蘭麗.高校學報自信之重建[J].澳門理工學報，2017，（4).

[6]吳蘭麗.編輯主體性辨析—從高校學報編輯學者化談起[J].東北農業(yè)大學學報（社會科學版），2024，(5).

[7]吳蘭麗.數智時代中華優(yōu)秀傳統(tǒng)文化傳播新敘事——“第九藝術\"文化傳播整體性話語敘事建構探賾[J].天津社會科學，2025，(2).

責任編輯 孔德智