AI驅(qū)動人文社會科學(xué)范式升維：從工具依賴到知識共生

中圖分類號：C03 文獻標(biāo)識碼：A DOI：10.11968/tsyqb.1003-6938.2025029

Al-Driven Paradigm Elevation in the Humanities and Social Sciences： From Tool Dependency to Knowledge Symbiosis

AbstractAgainstthemacro-backgroundof theacceleratingconvergenceofthe \"FourthParadigm\"（data-intensive science）andthe\"Fiftharadigm\"（A-drivenscience），thedata-intellgencescientificparadigm，withthein-depthsyer gyofdataandintellgenceatitscore，isgraduallybecominganimportant trendandkeyfeatureintheevolutionofcontemporaryscientificresearchparadigms.Artificial Intelligence （AI）has transcendeditsroleasamereuxiliarytoolforenhancingresearcheficiencyandisincreasinglybecominganindispensableparticipantandcollaboratorintheknowledgeproduction process.This paper begins byanalyzing thecurrentstageofAI'sinstrumental application intheSocial Sciences andHumanities （SSH），outliningitsphasedcharacteristics，typical scenarios，andinherentlimitations.Itthenelaborates onthe conceptofAI-powered knowledgesymbiosisanditscorecomponents，emphasizingthathuman-machinecollaborativemodelofnowledgeproductioniscriticalforovercomingthebotteneckoftooldependencyandinvigoratinginnovation within SSH.Further，thepaper articulates threefoundational pathways forconstructinganAIknowledge symbiosis ecosystem： buildingasoliddata foundationcenteredonsemanticrestructuring;leveraging powerful algorithmic engines characterized byopen evolutionand fostering human-machineco-creation through mechanisms of agent-based colaboration.Buildingonthis framework，thepaperexplores howAI-powered knowledgesymbiosiscanempower theconstructionofanautonomous andlocally-grounded knowledgesystem，particularly highlighting its potential todismantle the monopoly of external discourses andenhance the narrativecapacityofdomesticscholarshipon theintermational stage. Keywordssocial sciences and humanities;artificial intelligence（AI）;research paradigm; knowledge symbiosis;

數(shù)據(jù)密集型\"第四范式”科學(xué)發(fā)現(xiàn)與AI驅(qū)動的“第五范式”2科學(xué)研究的融合發(fā)展，正在全球范圍內(nèi)形塑一個以AI為核心驅(qū)動力的數(shù)智科研新生態(tài)。AI技術(shù)從提升科研效率的輔助工具，轉(zhuǎn)變?yōu)樯疃惹度肟蒲腥鞒痰膬?nèi)生要素與關(guān)鍵變量。在自然科學(xué)領(lǐng)域，AI已展現(xiàn)出“科學(xué)加速器”的巨大潛能，其應(yīng)用成果斐然，如AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測中的革命性突破[3]以及AI在材料設(shè)計[4]藥物研發(fā)[5]、氣候建模等領(lǐng)域的廣泛滲透。相比之下，人文社會科學(xué)（SocialSciencesandHumanities，SSH）領(lǐng)域?qū)I的應(yīng)用雖日益拓展，但其貢獻仍多停留在文本分析、數(shù)據(jù)挖掘等方法工具層面，尚未深度重塑SSH的知識生成邏輯與理論建構(gòu)方式。即便是作為交叉前沿的計算社會科學(xué)（Computational Social Science，CSS）與數(shù)字人文（DigitalHumanities，DH）為SSH引入了數(shù)據(jù)驅(qū)動與計算思維，極大地拓展了研究方法的邊界，但在理論原創(chuàng)性與范式革新性方面，仍未擺脫對工具性邏輯的依賴[7]。

這一現(xiàn)象的深層原因在于AI技術(shù)邏輯與SSH學(xué)科屬性之間結(jié)構(gòu)性張力：SSH的核心關(guān)切在于理解動態(tài)、多義、充滿價值反思的社會現(xiàn)實與人類經(jīng)驗，而當(dāng)前主流AI技術(shù)則擅長于可計算、以相關(guān)性為導(dǎo)向的數(shù)據(jù)模式分析。這種根本性差異決定了AI在SSH中的應(yīng)用不能簡單照搬自然科學(xué)的模式。更值得警惕的是，當(dāng)前這種“人主導(dǎo)、機輔助\"的工具依賴模式，不僅限制了AI的潛力，還帶來了一系列負(fù)面效應(yīng)。研究表明，對AI工具的過度依賴可能導(dǎo)致使用者批判性思維能力的下降，即所謂的認(rèn)知卸載[8]。同時，在學(xué)術(shù)和專業(yè)場域，AI的使用者還可能面臨一種社會懲罰[9]，即被他人認(rèn)為能力較弱或動機不足，從而損害其專業(yè)聲譽。

這些負(fù)面效應(yīng)并非孤立的用戶端問題，而是當(dāng)前人機關(guān)系中深層矛盾的表征。當(dāng)AI被視為一個不透明的“黑箱\"計算器時，使用者傾向于卸載認(rèn)知責(zé)任，而觀察者則因無法明晰人機貢獻邊界而產(chǎn)生不信任。這種模式在提升效率的同時，也帶來了認(rèn)知與社交層面的代價，形成了一種不可持續(xù)的悖論。為突破這一局限，需要以\"知識共生\"（Knowledge Sym-biosis）為核心，構(gòu)建一種AI賦能型SSH研究新范式，即將AI從單純的工具角色轉(zhuǎn)型為深度參與知識構(gòu)建、理論創(chuàng)新與價值表達的共生智能體。為實現(xiàn)這一目標(biāo)，本文將系統(tǒng)探討AI從工具邏輯走向知識共生的理論意涵與實現(xiàn)機制，為智能時代SSH的范式轉(zhuǎn)型提供方法論參考與路徑啟示。

1AI在SSH研究中的工具依賴階段

過去十余年間，自然語言處理（NLP）、機器學(xué)習(xí)、知識圖譜和計算機視覺等AI技術(shù)已深度嵌入SSH學(xué)術(shù)研究全過程，成為后大數(shù)據(jù)時代研究者普遍依賴的方法論手段和實踐工具。這一階段可被視為AI應(yīng)用的工具依賴階段，其核心特征在于AI被視為一種外在于研究主體、服務(wù)于特定研究任務(wù)的高效能工具，應(yīng)用場景不斷豐富和深化。

1.1工具性應(yīng)用的技術(shù)譜系與功能定位

AI作為研究工具，其應(yīng)用已滲透到SSH的多個層面，形成了特定的技術(shù)譜系和應(yīng)用場景。據(jù)統(tǒng)計，超過八成的學(xué)生在學(xué)習(xí)與研究中使用AI工具，且半數(shù)以上每周至少使用一次[0]。在專業(yè)咨詢領(lǐng)域，這一比例甚至接近 80%^[11] 號

（1）自然語言處理與文本分析。文本是SSH研究的核心素材之一。NLP技術(shù)，如命名實體識別、情感分析和主題建模等，大幅提升了研究者處理海量文本的能力。如歷史學(xué)者利用NLP技術(shù)追蹤特定概念在數(shù)字化史料中的語義變遷[12]，或用句向量技術(shù)追溯思想的譜系[13]；文學(xué)研究者則可進行文體分析、作者歸屬鑒定4；社會學(xué)者分析社交媒體文本來洞察公眾情緒、輿論熱點與社會趨勢[15]

（2）機器學(xué)習(xí)與預(yù)測建模。機器學(xué)習(xí)為SSH研究提供了強大的建模與預(yù)測能力。如社會學(xué)家利用機器學(xué)習(xí)識別影響社會不平等的關(guān)鍵因素，或通過分析職位描述和課程文本數(shù)據(jù)，揭示社會回報最高的技能與知識[16]；政治學(xué)家訓(xùn)練模型預(yù)測選舉傾向或政策采納可能性[17]。

（3）知識圖譜與關(guān)系發(fā)現(xiàn)。知識圖譜以圖結(jié)構(gòu)將實體及其語義關(guān)系組織起來，實現(xiàn)知識系統(tǒng)化組織與語義推理。在SSH中，構(gòu)建領(lǐng)域知識圖譜有助于理清復(fù)雜社會關(guān)系與思想結(jié)構(gòu)，支持知識可視化與邏輯導(dǎo)航。尤其在數(shù)字人文領(lǐng)域，知識圖譜廣泛用于整合文化遺產(chǎn)資源、實現(xiàn)跨資源語義映射與交互式探索[18]，增強了SSH研究的系統(tǒng)性與交互性。

（4）計算機視覺與多模態(tài)內(nèi)容分析。對于依賴圖像、視頻等非文本材料的研究領(lǐng)域（如藝術(shù)史、考古學(xué)、媒體研究），計算機視覺技術(shù)提供了圖像識別、自動標(biāo)注與模式提取等手段，擴展SSH的材料解讀能力。如AI可輔助藝術(shù)作品風(fēng)格分類與溯源[19]，或?qū)脊盼奈镞M行虛擬復(fù)原與年代判斷[20]。

這些AI工具的廣泛應(yīng)用，催生并推動了計算社會科學(xué)（CSS）和數(shù)字人文（DH）這兩個新興交叉學(xué)科領(lǐng)域的蓬勃發(fā)展[2I1-22]。CSS利用大數(shù)據(jù)和機器學(xué)習(xí)算法來預(yù)測和理解社會行為，如通過大規(guī)模社會媒體數(shù)據(jù)分析獲得全景式輿論演變觀察和社會網(wǎng)絡(luò)結(jié)構(gòu)[23]，或利用機器學(xué)習(xí)方法來預(yù)測移民流動趨勢[24]，為循證決策提供支持；DH則強調(diào)運用計算方法研究傳統(tǒng)人文學(xué)科議題，如歐洲時光機（TimeMachine）項目[25構(gòu)建了超大規(guī)模的歷史數(shù)據(jù)平臺，為研究者提供了前所未有的宏觀分析能力。

在當(dāng)前階段，AI在SSH領(lǐng)域主要發(fā)揮工具性作用，其功能定位主要集中于提升研究效率、深化數(shù)據(jù)驅(qū)動范式和催化跨學(xué)科融合。AI承擔(dān)了大規(guī)模文獻篩選、數(shù)據(jù)處理等重復(fù)性勞動，使研究者能聚焦于理論分析與批判性思維等高級研究活動。它推動SSH研究從小樣本定性分析轉(zhuǎn)向大數(shù)據(jù)驅(qū)動、多模態(tài)感知的模式，并促進了計算機科學(xué)與人文學(xué)科的深度對話。

在這一“人主導(dǎo)、機輔助\"的工具論范式下，研究者主導(dǎo)提出問題、設(shè)計分析流程，并調(diào)用AI工具執(zhí)行特定的計算分析任務(wù)。AI被視為一種增強研究者感知與分析能力的技術(shù)義肢26，在信息檢索、數(shù)據(jù)標(biāo)注、模式發(fā)現(xiàn)、語言生成等環(huán)節(jié)顯著增強和延展了研究者的感知范圍與分析能力。然而，在從數(shù)據(jù)-信息-知識的轉(zhuǎn)化鏈條中，人機交互是單向的工具性關(guān)系，AI的計算過程與人類的意義建構(gòu)之間存在明確界限，最終的知識闡釋權(quán)、理論創(chuàng)新與價值判斷仍完全掌握在人類研究者手中。

1.2工具依賴模式的深層局限性

盡管AI工具在SSH研究中成效顯著，但其工具性邏輯也暴露出日益嚴(yán)重的結(jié)構(gòu)性局限，成為學(xué)界反思的焦點。這些局限并非孤立的技術(shù)缺陷，而是形成了一個阻礙知識創(chuàng)新的自我強化循環(huán)。

（1）數(shù)據(jù)偏見與算法黑箱。AI模型對訓(xùn)練數(shù)據(jù)高度依賴，若數(shù)據(jù)本身蘊含偏見，AI模型不僅會繼承，還可能在應(yīng)用中放大這些偏見，影響研究的中立性和多元性[27]。同時，多數(shù)AI模型，特別是深度學(xué)習(xí)模型，其“黑箱\"特性使其推理路徑難以被理解。在強調(diào)理論透明性和邏輯可溯性的SSH研究中，這種不可解釋性構(gòu)成了根本障礙，因為不可解釋的結(jié)論難以被學(xué)術(shù)共同體信任和采納[28]。數(shù)據(jù)隱私侵犯、知情同意缺失、算法歧視等倫理風(fēng)險亦日益突出[29]，不僅威脅社會公正，也影響學(xué)術(shù)公信力和研究正當(dāng)性[30]。

（2）理論創(chuàng)新滯后與認(rèn)知成本。AI強大的技術(shù)能力容易誘導(dǎo)研究者過度關(guān)注數(shù)據(jù)處理與模型應(yīng)用，而忽視對問題本質(zhì)的理論反思，導(dǎo)致研究趨于技術(shù)化、形式化。更深層次的問題在于，對AI工具的依賴可能引發(fā)\"認(rèn)知卸載”[8]，即研究者將認(rèn)知任務(wù)外包給機器，從而削弱自身的批判性思維能力。已有研究發(fā)現(xiàn)，頻繁使用AI工具與批判性思維能力的下降存在顯著負(fù)相關(guān)[31]。此外，使用AI還可能帶來\"社會懲罰”。研究表明，使用AI工具的個體在專業(yè)場合可能被他人評價為能力不足或不夠勤奮，這反過來又會抑制研究者公開、透明地與AI進行合作[9]。

（3）知識主權(quán)弱化與算法殖民。這是工具依賴模式最隱蔽也最深刻的風(fēng)險。當(dāng)前，前沿的大型語言模型（LLM）主要由少數(shù)西方科技巨頭研發(fā)，其訓(xùn)練數(shù)據(jù)和算法設(shè)計不可避免地隱含了特定的文化立場和價值觀。這種模式構(gòu)成了潛在的“認(rèn)知殖民\"或“算法殖民”，表現(xiàn)為算法壓迫、剝削與剝奪[32-33]。如果SSH研究者不加批判地直接應(yīng)用這些模型，可能會在不自覺中強化已有的敘事結(jié)構(gòu)與理論范式，抑制本土經(jīng)驗的表達，阻礙多樣性知識體系的生成。長遠來看，這種對外部模型的依賴，即本土知識生產(chǎn)被動依附于外部提供的工具和框架，無疑會進一步削弱本土學(xué)術(shù)在國際話語體系中的主動性和創(chuàng)造力。

綜上所述，這些局限性共同構(gòu)成了一個相互關(guān)聯(lián)的惡性循環(huán)：占主導(dǎo)地位的西方“黑箱\"模型是一種算法剝奪，集中了知識權(quán)力；這些模型因數(shù)據(jù)偏見而導(dǎo)致對非西方視角的算法壓迫；其不透明性又鼓勵了用戶的認(rèn)知卸載，并因貢獻邊界模糊而引發(fā)社會懲罰。這個循環(huán)將使SSH研究者陷于被動的、依賴性極強的技術(shù)關(guān)系中，阻礙理論創(chuàng)新和真正的知識主權(quán)追求。因此，需要超越這一階段，探索一種全新的知識生產(chǎn)關(guān)系，在這種關(guān)系中，AI不再是單向執(zhí)行的工具，而是與研究者進行深度對話、動態(tài)交互和雙向賦能的認(rèn)知伙伴。

2AI驅(qū)動的知識共生與SSH范式升維

面對AI工具依賴模式的種種局限，亟須把握AI能力演進的新趨勢，推動其從被動工具向主動協(xié)作者轉(zhuǎn)變，使之能夠與人類研究者共同參與知識的發(fā)現(xiàn)、建構(gòu)、驗證與傳播。知識共生范式的核心，正在于重構(gòu)人機協(xié)同機制，激發(fā)AI在SSH領(lǐng)域的創(chuàng)造潛能，實現(xiàn)人機關(guān)系與知識生產(chǎn)范式的根本性轉(zhuǎn)型。

2.1知識共生的概念及其核心內(nèi)涵

“知識共生（KnowledgeSymbiosis）\"概念借用生態(tài)學(xué)中“共生（Symbiosis）\"的思想，指的是不同生物體在特定環(huán)境下形成的共同生存和協(xié)同進化關(guān)系[34]。20世紀(jì)末以來，隨著系統(tǒng)論與復(fù)雜性理論的發(fā)展，這一生態(tài)隱喻被引入知識管理、教育研究和跨學(xué)科協(xié)作等領(lǐng)域，逐步演化為描述知識系統(tǒng)之間相互作用的新范式。如Morin的復(fù)雜性理論強調(diào)，知識不再是封閉、孤立的個體產(chǎn)物，而是在系統(tǒng)間互動、協(xié)同和反饋中不斷演化的動態(tài)結(jié)構(gòu)[35]；Jiang和Thagard進一步明確提出“知識共生\"這一術(shù)語，用以解釋個體與組織在社會創(chuàng)新過程中知識的共同建構(gòu)與共享機制[3。此外，這一概念在多學(xué)科合作、城市治理以及數(shù)字學(xué)習(xí)環(huán)境等場景中得到進一步應(yīng)用和拓展[37-39]。

如今，隨著AI在科研活動中的深化應(yīng)用，我們將這一富有啟發(fā)性的\"共生\"隱喻引入人機協(xié)同的語境之中，用以界定一種全新的知識生產(chǎn)范式，指代人類與AI智能體圍繞知識生產(chǎn)形成的一種共存共進、交互演化的關(guān)系。這一范式超越了傳統(tǒng)的“人-工具”二元對立，旨在將AI從外部輔助工具轉(zhuǎn)變?yōu)樯疃惹度胫R生態(tài)系統(tǒng)、具備高度自主性與能動性的認(rèn)知伙伴。由此，知識共生的核心內(nèi)涵可從以下幾個維度來理解：

（1）知識生產(chǎn)角色的共生性。知識生產(chǎn)不再是人類研究者的獨角戲，AI智能體憑借其強大的信息處理、模式識別和復(fù)雜推演能力，成為知識生產(chǎn)過程中不可或缺的參與者。人類與AI共同參與到研究問題的定義、數(shù)據(jù)的解釋、理論模型的建構(gòu)以及研究成果的評價等核心環(huán)節(jié)中（當(dāng)然，最終的意義闡釋權(quán)和價值裁定權(quán)仍由人類所掌握），AI由此在知識對話中獲得認(rèn)知代理的地位[40]，與人類研究者形成深度協(xié)同、優(yōu)勢互補的共生關(guān)系，從而極大地豐富了知識生成的動力結(jié)構(gòu)。

（2）認(rèn)知過程的共生性。AI深度介人人類的認(rèn)知過程，包括問題設(shè)定、概念生成、假設(shè)形成、邏輯推理、因果推斷、意義闡釋等環(huán)節(jié)。AI可以通過分析海量數(shù)據(jù)，發(fā)現(xiàn)人類研究者因認(rèn)知局限而可能忽略的微弱信號或非顯性關(guān)聯(lián)[41]，從而啟發(fā)新的研究問題或理論視角。在理論建構(gòu)方面，AI可以輔助研究者進行思想實驗、構(gòu)建形式化模型，并快速檢驗一個理論的內(nèi)部邏輯一致性和外部經(jīng)驗有效性，成為理論思辨的強大對話者[42]。

（3）數(shù)據(jù)與語義的共生性。在知識共生模式下，數(shù)據(jù)不再是靜態(tài)的分析對象，而是與AI和人類研究者共同建構(gòu)和迭代的動態(tài)語義空間。人類通過領(lǐng)域知識、理論框架和價值判斷為數(shù)據(jù)賦予意義和語境；AI則通過算法模型從數(shù)據(jù)中抽取模式、構(gòu)建關(guān)聯(lián)、生成新的語義表征。這一過程的雙向迭代，形成數(shù)據(jù)、模型、語義、知識之間相互反饋、共同演化的良性循環(huán)。人機協(xié)同構(gòu)建和維護特定領(lǐng)域的本體庫和知識圖譜，就是這一共生實踐的典型范例。

（4）平臺與生態(tài)的共生性。知識共生的實現(xiàn)需要一個開放、協(xié)同、可持續(xù)的技術(shù)平臺和學(xué)術(shù)生態(tài)作為支撐。這包括符合FAIR原則[43]的共享數(shù)據(jù)資源、可解釋和可定制的算法模型庫、支持多智能體協(xié)作的計算平臺以及與之匹配的學(xué)術(shù)規(guī)范、倫理準(zhǔn)則和評價機制。這種生態(tài)系統(tǒng)鼓勵跨學(xué)科合作、知識共享和集體智慧的涌現(xiàn)，AI在其中扮演著連接者、催化劑和賦能者的關(guān)鍵角色。

（5）人機雙向賦能與協(xié)同進化。知識共生的核心在于人類智能與人工智能之間的優(yōu)勢互補與雙向賦能。人類研究者憑借豐厚的領(lǐng)域知識、批判性思維、創(chuàng)造力和對復(fù)雜社會文化情境的整體把握，為AI的探索應(yīng)用設(shè)定價值方向、劃定倫理邊界；AI則依托強大的計算、記憶與模式識別能力，拓展人類認(rèn)知疆域，顯著提升知識發(fā)現(xiàn)與研究效率。二者在持續(xù)互動中形成“人類開發(fā) 賦能人類 $$ 人機共生智能躍遷 AI 持續(xù)迭代升級”的螺旋式演化鏈條。這種循環(huán)不斷強化認(rèn)知互補與系統(tǒng)共演，促成高效協(xié)作的人機智能協(xié)同體系，實現(xiàn)人類與AI在認(rèn)知層面的協(xié)同進化與持續(xù)躍升。

與傳統(tǒng)的工具協(xié)同相比，知識共生的邏輯躍遷在于其強調(diào)AI的主動參與性、認(rèn)知深度和價值共創(chuàng)能力。它要求AI不僅僅是執(zhí)行型工具，更是能夠進行有意義的對話和有創(chuàng)造性貢獻的伙伴。這一理念與混合人-AI（HybridHuman-AI，HHAI）系統(tǒng)的目標(biāo)高度一致，即AI應(yīng)放大而非取代人類智能[44]。在SSH領(lǐng)域，由于知識本身的解釋性和價值結(jié)構(gòu)，AI的介人不僅要提升知識生產(chǎn)效率，更要輔助人類進行更深刻的理解、更豐富的解釋，以及提供更多元的價值視角以供考量。最終，SSH的知識生產(chǎn)從工具范式轉(zhuǎn)向共生范式，就必然要求作為共生智能體的AI具備高度的透明性、可追溯性與可協(xié)商性，以此建立人機之間必要的信任關(guān)系。

2.2從輔助工具到認(rèn)知伙伴：AI在SSH中的角色躍遷

知識共生范式的實現(xiàn)，本質(zhì)上是AI在科研領(lǐng)域中角色定位的根本性躍遷，即從工具性角色向伙伴共生型角色的躍遷。這一進程不僅映射了AI技能從自動化到自適應(yīng)的持續(xù)演進，也標(biāo)志著人機關(guān)系從單向的主從式的工具使用，轉(zhuǎn)向雙向的伙伴式價值共創(chuàng)。這一演進軌跡，與廣義的AI驅(qū)動科學(xué)范式（AI4S與AI4SSH）旨在將AI從單純的效率工具提升為科學(xué)發(fā)現(xiàn)的引擎的演化路徑緊密耦合，而知識共生范式正是其在人機關(guān)系層面的核心體現(xiàn)

（1）工具型范式—AI作為輔助工具

這是AI在科研中的初級形態(tài)，對應(yīng)以任務(wù)自動化為主的工具依賴階段。此時AI主要作為提升效率的外部工具，人類研究者是知識生產(chǎn)的絕對主體，AI是被動的計算執(zhí)行者。人機之間是單向的“指令-執(zhí)行\(zhòng)"關(guān)系，計算過程與意義闡釋處于分離狀態(tài)。這是當(dāng)前SSH中絕大多數(shù)AI應(yīng)用遵循的主要路徑。

（2）共生型范式—AI成為認(rèn)知伙伴

作為知識共生的理想狀態(tài)，其核心在于AI的角色從被動的工具質(zhì)變?yōu)橹鲃拥恼J(rèn)知伙伴，人機共同構(gòu)成一個新的、整合的知識生產(chǎn)單元。其實現(xiàn)過程遵循從初級協(xié)作到深度共生的連續(xù)發(fā)展譜系。

共生型范式的初級階段，AI開始展現(xiàn)出顯著的功能性能動性[45-46]，能夠自主執(zhí)行任務(wù)、生成假設(shè)并適應(yīng)復(fù)雜環(huán)境，成為一個能夠與人類進行對話的智能助手和協(xié)作型伙伴。如被稱為“AI協(xié)同科學(xué)家”（AICo-Scientist）的多智能體系統(tǒng)，可以協(xié)助人類進行文獻研究、提出假設(shè)、設(shè)計實驗等多種復(fù)雜科學(xué)活動。此時，AI已經(jīng)突破了工具的范疇，成為一個主動的合作者。這是共生關(guān)系的入口，標(biāo)志著人機協(xié)同進入了雙向交互的全新階段。

隨著耦合的加深，AI成為結(jié)構(gòu)上不可或缺的認(rèn)知伙伴，展現(xiàn)出高度自主性，共生范式由此演進到高級形態(tài)。在此階段，人機之間不再是簡單的協(xié)助關(guān)系，而是形成了一個不可分割的、共同演化的共生體，在人機交互中共建意義和新知識[48]。如AI科學(xué)家（AI Scientist）[49]、機器人科學(xué)家（Robot Scientist）[50]自主通用科學(xué)家（Autonomous Generalist Scientist）[51]等，它們展示了AI獨立或與人類科研工作者協(xié)同完成科研任務(wù)的能力。在SSH領(lǐng)域，雖然尚未出現(xiàn)像自然科學(xué)中的“AI科學(xué)家”，但AI在自動化重建歷史事件敘事、計算闡釋與意義生成等核心任務(wù)中扮演共生型認(rèn)知伙伴的角色，也已經(jīng)通過多種前沿應(yīng)用和項目雛形展現(xiàn)出來[48.52]?？梢哉f，這些共生型認(rèn)知伙伴的涌現(xiàn)，正是AI4SSH這一新興范式從愿景走向現(xiàn)實的關(guān)鍵一步，標(biāo)志著AI正在真正融人SSH研究的知識內(nèi)核。

2.3范式升維的三維路徑：AI驅(qū)動知識共生的實踐框架

知識共生并非空泛理念的簡單疊加，而是AI與人類研究者在知識生成全過程中形成的深度耦合與持續(xù)對話。這一機制的核心，是圍繞數(shù)據(jù)、方法與認(rèn)知三個關(guān)鍵維度層面建立的交互回路，它們相互關(guān)聯(lián)、層層遞進，共同驅(qū)動學(xué)術(shù)研究范式的系統(tǒng)性升維。

（1）數(shù)據(jù)回路：共構(gòu)動態(tài)演化的共享語義空間

知識共生的基礎(chǔ)，在于建立由人機協(xié)同塑造和理解的共享語義空間。交互不再是單向的“數(shù)據(jù)投喂”，而是一個融合了微觀語義標(biāo)注與宏觀知識共建的循環(huán)生成過程。這一回路的實現(xiàn)，依賴于從大數(shù)據(jù)邏輯向深語義數(shù)據(jù)思維的轉(zhuǎn)型。

人機回路的起點，在于AI的初步建構(gòu)。研究者提出初始問題或輸入多模態(tài)資料，AI基于大模型進行模式分析與多維關(guān)聯(lián)，生成一個初步的知識圖景（如主題網(wǎng)絡(luò)、模擬模型等），作為對人類意圖的首次計算性呈現(xiàn)。

其核心環(huán)節(jié)是人的詮釋與校準(zhǔn)，這是注人深層語義的關(guān)鍵。研究者憑借其領(lǐng)域知識與批判性思維，對AI的輸出進行解讀與校準(zhǔn)。經(jīng)由識別潛在偏差、補充關(guān)鍵上下文、增刪或重組關(guān)系等方式，完成交互式語義標(biāo)注，為機器的計算結(jié)果注入深層語義。

最終，AI的內(nèi)化與擴充，驅(qū)動了回路的閉環(huán)與增益。AI在吸收研究者的標(biāo)注與反饋后，會動態(tài)更新其內(nèi)部參數(shù)及知識結(jié)構(gòu)。更進一步，AI能將內(nèi)化的規(guī)則進行泛化，自主執(zhí)行更高級別的數(shù)據(jù)智能標(biāo)注、深層模式發(fā)現(xiàn)與語義網(wǎng)絡(luò)擴充，從而實現(xiàn)知識體系的持續(xù)學(xué)習(xí)與自我演進。

通過以上人機循環(huán)迭代交互，在微觀層面提升數(shù)據(jù)標(biāo)注與語義標(biāo)簽的質(zhì)量及粒度，也在宏觀層面推動共享語義空間的演化與新知識的涌現(xiàn)。最終，原始數(shù)據(jù)在多輪人機交互中經(jīng)過語義標(biāo)注與結(jié)構(gòu)化處理，逐步形成多層次的知識體系，完成從靜態(tài)數(shù)據(jù)集到動態(tài)知識體的根本性躍遷。

要將這一回路從機制轉(zhuǎn)化為實踐，關(guān)鍵在于構(gòu)建一個可持續(xù)的深語義數(shù)據(jù)生態(tài)。第一，重構(gòu)深語義語料體系。面對SSH研究對象的復(fù)雜性，數(shù)據(jù)不應(yīng)僅是算法訓(xùn)練的原料，而應(yīng)是人機共同建構(gòu)的語義共生體。這需要系統(tǒng)化地構(gòu)建領(lǐng)域本體，并對多模態(tài)語料進行整合與精細化語義標(biāo)注53。此外，應(yīng)大力建設(shè)體現(xiàn)本土問題意識、歷史語境與文化價值的特色語料庫[54]，為人工智能認(rèn)知與生成能力提供基礎(chǔ)的價值護欄和上下文約束。第二，遵循FAIR原則構(gòu)建動態(tài)共享生態(tài)。借鑒CLARIN和DARIAH等歐洲數(shù)字人文基礎(chǔ)設(shè)施的經(jīng)驗，通過賦予數(shù)據(jù)持久性標(biāo)識符、可共用的領(lǐng)域本體及附加清晰的使用許可，確保數(shù)據(jù)資源的可發(fā)現(xiàn)、可訪問、可互操作和可重用（FAIR），從而促進跨機構(gòu)、跨領(lǐng)域的知識共享與可持續(xù)演化[55]。第三，建立人機協(xié)同的數(shù)據(jù)建構(gòu)機制。旨在深度融合AI的高效模式發(fā)現(xiàn)能力與人類對復(fù)雜因果、隱含偏見和深層理論的洞察力，實現(xiàn)計算與闡釋的優(yōu)勢互補。如開放研究知識圖譜（OpenResearchKnowledgeGraph，ORKG）在數(shù)字史學(xué)、語言學(xué)及社會學(xué)研究中，通過人在回路的工作流，將AI自動從非結(jié)構(gòu)化歷史文獻中抽取的時間線、人物網(wǎng)絡(luò)與事件因果關(guān)系，交由領(lǐng)域?qū)＜疫M行多輪語義標(biāo)注與本體完善[5，實現(xiàn)計算與闡釋的優(yōu)勢互補。

（2）方法回路：構(gòu)建人機協(xié)同的計算闡釋框架

數(shù)據(jù)回路奠定了共享語義空間的基礎(chǔ)，而方法回路則在此基礎(chǔ)上，構(gòu)建機器規(guī)模分析與人類闡釋深度結(jié)合的人機協(xié)同研究框架。它不是AI方法與SSH傳統(tǒng)方法的簡單拼接，而是追求通過兩者的雙向互補與耦合，形成結(jié)合規(guī)模化計算與人文深度闡釋、強調(diào)可解釋性與認(rèn)知護欄[7并保障人機互信與糾錯閉環(huán)的創(chuàng)新性混合研究方法論。

一方面，AI方法的尺度拓展與模式增敏是基礎(chǔ)。AI的計算與模式識別能力，為傳統(tǒng)的歷史考證、文本細讀等提供了規(guī)模化的證據(jù)檢索與模式分析支持，尤其適用于從海量多模態(tài)材料中甄別微弱線索、檢測異常模式或追蹤跨域關(guān)聯(lián)，顯著拓展SSH研究的廣度與深度。

另一方面，人文方法的認(rèn)知反塑與價值護欄是方向。SSH強調(diào)的理論洞察、價值敏感性與批判性思維，能夠深度介入模型的設(shè)計、調(diào)優(yōu)與解釋，形成認(rèn)識論護欄[57]。這可有效抑制算法偏見與數(shù)據(jù)噪聲，確保技術(shù)服務(wù)于深刻的學(xué)術(shù)問題，而非停留于表面關(guān)聯(lián)與模式輸出。

實現(xiàn)這種\"計算-闡釋\"方法融合的關(guān)鍵，在于一個兼具闡釋性與推理能力的算法引擎。這正是可解釋AI（XAI）和神經(jīng)符號AI發(fā)揮核心作用的領(lǐng)域。XAI旨在打開AI的“黑箱”，使其推理過程對人類透明、可理解[58]。這在SSH研究中尤為重要，因為它不僅要求技術(shù)層面的解釋，更強調(diào)以領(lǐng)域?qū)＜铱衫斫獾姆绞街噩F(xiàn)推理邏輯，增強學(xué)術(shù)信任[59]。神經(jīng)符號AI則是實現(xiàn)XAI的一條重要路徑，它結(jié)合神經(jīng)網(wǎng)絡(luò)的模式識別與符號AI的邏輯推理，將知識圖譜等符號結(jié)構(gòu)與深度學(xué)習(xí)模型相結(jié)合，使AI在處理歷史文獻等復(fù)雜任務(wù)時，其結(jié)論可追溯到明確的知識實體與關(guān)系，而非僅依賴模糊的統(tǒng)計相關(guān)性[6]。這顯著提升了研究的可解釋性與可信度，成為推動AI與人文社科知識共生的重要技術(shù)前沿。

通過搭建面向特定領(lǐng)域的算法平臺，并優(yōu)先采用以神經(jīng)符號AI為代表的可解釋模型，可以構(gòu)建一個開放且可糾錯的人機閉環(huán)。在這個閉環(huán)中，AI的計算過程是可以被人類理解、批判和引導(dǎo)的推理過程，從而實現(xiàn)計算與闡釋的真正協(xié)同。

（3）認(rèn)知回路：形成人機協(xié)同的分布式智能系統(tǒng)

知識共生的更高形態(tài)，是在上述數(shù)據(jù)回路與方法回路的基礎(chǔ)上，形成一個AI增強的分布式認(rèn)知系統(tǒng)[]。這一系統(tǒng)中，認(rèn)知活動不再局限于單一人腦，而是作為一個跨人機網(wǎng)絡(luò)的動態(tài)過程，被深度共享、協(xié)同分擔(dān)并持續(xù)演化。

首先，AI承擔(dān)外在認(rèn)知。AI系統(tǒng)憑借其強大的記憶、計算和模式識別能力，成為人類外在認(rèn)知[的理想載體。它負(fù)責(zé)處理可規(guī)?；恼J(rèn)知任務(wù)，構(gòu)建并維護龐大的知識基礎(chǔ)，充當(dāng)人類思考的“腳手架”，拓展認(rèn)知探索的廣度與效率。

其次，人類主導(dǎo)內(nèi)在認(rèn)知。人類聚焦于算法難以替代的高階認(rèn)知活動，包括提出價值觀驅(qū)動的問題、構(gòu)建原創(chuàng)性的理論模型、進行復(fù)雜的倫理與價值判斷。人類認(rèn)知為系統(tǒng)注入意圖、方向和意義，主導(dǎo)認(rèn)知探索的深度與方向[63]

這種分工依賴于人機認(rèn)知閉環(huán)以實現(xiàn)動態(tài)耦合：AI持續(xù)減輕人類的基礎(chǔ)認(rèn)知負(fù)荷，并通過數(shù)據(jù)驅(qū)動的模式分析提供洞察；人類對AI生成的結(jié)果進行闡釋、批判與重構(gòu)，反向引導(dǎo)算法優(yōu)化與推理迭代，從而推動集體智慧的自我演化。

將這一認(rèn)知回路付諸實踐，意味著要構(gòu)建一個以人機深度協(xié)同為中樞的知識共創(chuàng)系統(tǒng)。當(dāng)前，這一領(lǐng)域最前沿的實現(xiàn)方式是生成式智能體建模（GenerativeAgent-BasedModeling）[64]。這種方法利用LLM驅(qū)動的智能體來模擬大規(guī)模、復(fù)雜的社會互動，從而進行計算社會科學(xué)實驗，本質(zhì)上是一種依托多智能體功能編排與網(wǎng)絡(luò)化協(xié)作，邁向人機共生型集體智能體系的演進路徑[65]：一是多智能體功能編排的科研網(wǎng)絡(luò)，其借鑒多智能體系統(tǒng)（Multi-AgentSystems，MAS）的理念和方法[6]，將不同功能的AI設(shè)計為可編排組合的智能體，嵌入學(xué)術(shù)網(wǎng)絡(luò)。如微軟的Discovery平臺將人類研究者定位為“認(rèn)知編排者”，負(fù)責(zé)統(tǒng)籌任務(wù)拆解，并調(diào)度文獻綜述智能體、模擬分析智能體等協(xié)同工作[]。二是基于生成式智能體的社會模擬，這是認(rèn)知回路最具變革性的應(yīng)用。研究人員可以創(chuàng)建擁有個性、記憶和動機的LLM驅(qū)動智能體，在一個模擬的社會環(huán)境中進行互動，從而研究復(fù)雜的社會現(xiàn)象。如斯坦福大學(xué)的研究團隊通過對1052名真人進行深度訪談，創(chuàng)建了相應(yīng)的生成式智能體，這些智能體在社會調(diào)查中的回答與真人的重復(fù)測試回答準(zhǔn)確率相當(dāng)（達到真人自我重復(fù)回答準(zhǔn)確率的 85% ），成功模擬了個體的態(tài)度和行為[68]。另一個名為AgentSociety的項目則旨在模擬超過一萬個智能體的社會生活，以研究社會極化、信息傳播和經(jīng)濟政策影響等宏大議題[69]。

在這種模式下，人類研究者設(shè)計實驗、設(shè)定初始條件并解釋宏觀涌現(xiàn)的現(xiàn)象（內(nèi)在認(rèn)知），而成千上萬的AI智能體則負(fù)責(zé)執(zhí)行微觀層面的互動和行為（外在認(rèn)知）。這正是分布式認(rèn)知系統(tǒng)的具體體現(xiàn)，它將SSH研究從觀察和解釋歷史，推向了模擬和預(yù)測未來的新階段。

綜上所述，真正的知識共生范式，并非追求AI的對等主體性，而是通過構(gòu)建分工明晰、可驗證、可調(diào)適的人機認(rèn)知網(wǎng)絡(luò)，最大化AI在大規(guī)模數(shù)據(jù)處理與模式發(fā)現(xiàn)中的價值，同時保障人類研究者在意義建構(gòu)與價值判斷中的核心地位。這正是SSH領(lǐng)域設(shè)計共生智能的核心立場與可持續(xù)演進之道。

3以知識共生賦能自主知識體系構(gòu)建

在模型即知識的智能時代，AI在SSH領(lǐng)域正從技術(shù)性工具角色演變?yōu)樯疃葏⑴c知識生成和認(rèn)知演化的關(guān)鍵力量。AI驅(qū)動的知識共生，其根本使命不只是簡單提高研究效率或打造智能工具鏈，而在于引發(fā)知識生產(chǎn)關(guān)系的變革，賦能國家和文化共同體構(gòu)建自主的知識體系[70。這并非要構(gòu)建封閉排他的知識壁壘，而是在全球化語境下，為形成具有文化主體性、理論原創(chuàng)性與國際對話能力的知識系統(tǒng)提供生成性動力。傳統(tǒng)的知識生產(chǎn)模式往往受限于個體認(rèn)知能力與有限的資料，而在AI共生范式下，出現(xiàn)了前所未有的機遇，可以系統(tǒng)性地將文明深厚的歷史經(jīng)驗、復(fù)雜的社會結(jié)構(gòu)與獨特的價值觀念，轉(zhuǎn)化為結(jié)構(gòu)化、可計算、可推演的知識形態(tài)。

3.1AI語境下的自主知識體系

所謂自主知識體系，旨在構(gòu)建一個能夠獨立于外部主導(dǎo)力量、具備自我發(fā)展和演化能力的知識生產(chǎn)、傳播與應(yīng)用生態(tài)。在中國語境下，這意味著知識體系應(yīng)根植于中華優(yōu)秀傳統(tǒng)文化，能夠有效處理中文語料，并服務(wù)于國家戰(zhàn)略需求，同時具備國際交流與互鑒的能力。因此，其核心在于爭取與確立應(yīng)有的認(rèn)知主權(quán)與敘事能動性[71-73]，并非走向與世界隔絕的封閉自守，而是一種立足本土、面向全球的開放型知識范式。它強調(diào)在AI等先進技術(shù)支撐下，構(gòu)建兼具本土語義邏輯、地方問題意識和全球?qū)W術(shù)表達力的知識系統(tǒng)，既扎根本國歷史經(jīng)驗與文化語境，又積極參與國際學(xué)術(shù)對話，推動不同文明體系的知識平等交流與互鑒。

當(dāng)前，全球AI生態(tài)面臨嚴(yán)重的失衡，大型預(yù)訓(xùn)練模型的語料高度傾斜于英語及西方語境。如在常用的CommonCrawl數(shù)據(jù)集中，中文網(wǎng)頁占比僅為約1.4% ，遠低于英文網(wǎng)頁的 55%^[74] 。這種顯著的語料不平衡，導(dǎo)致本土語言和知識在AI模型的語義空間中嚴(yán)重“失聲”。如果非西方學(xué)者不加批判地套用這些模型，往往會強化現(xiàn)有敘事結(jié)構(gòu)，壓縮本土經(jīng)驗的表達空間。這種模型即話語的隱性支配現(xiàn)象，構(gòu)成了潛在的\"認(rèn)知殖民\"或\"認(rèn)知帝國主義”75]，限制了AI走向包容、公平發(fā)展的可能，威脅到發(fā)展中國家的文化主權(quán)和人類文明的多樣性。

在此背景下，“主權(quán)AI\"（SovereignAI）的概念應(yīng)運而生。它被定義為一個國家使用自己的基礎(chǔ)設(shè)施、數(shù)據(jù)、勞動力和商業(yè)網(wǎng)絡(luò)來生產(chǎn)人工智能的能力[76]這一理念主張由國家自主開發(fā)、訓(xùn)練、部署AI，以確保AI在本土社會文化語境下做出符合價值觀的智能決策，從而保障文化與經(jīng)濟安全[77]。然而，主權(quán)AI也伴隨著主權(quán)陷阱（Sovereigntytrap）風(fēng)險[78]。若采取一種完全由國家主導(dǎo)的保護主義AI戰(zhàn)略，可能導(dǎo)致以犧牲開放性與多元創(chuàng)新為代價，催生新的中心化治理結(jié)構(gòu)，在無意中強化集中治理的邏輯，損害社會多樣性及邊緣群體的利益。

因此，構(gòu)建一個真正自主的知識體系，必須在主權(quán)AI的政策和去殖民化AI的倫理關(guān)懷之間找到平衡。它需要利用主權(quán)AI提供的基礎(chǔ)設(shè)施和資源作為手段，來打破對外部技術(shù)的依賴；同時，必須將去殖民化AI倡導(dǎo)的公平、多元和賦權(quán)作為目標(biāo)，確保新技術(shù)服務(wù)于知識的多樣性而非新的霸權(quán)。這種雙重策略，正是知識共生范式在宏觀層面的體現(xiàn)。

在知識共生的驅(qū)動下，自主知識體系的建設(shè)可從兩個層面推進：一是認(rèn)知建構(gòu)層面，通過人機協(xié)同將分散的本土經(jīng)驗上升為抽象概念和理論模型，推進本土知識體系化；二是文化多元層面，利用AI的語言生成與跨語境對齊能力，促進本土知識在多語言環(huán)境中的有效傳播與互鑒。

3.2從模型接受到算法共建的方法論自主

在AI時代實現(xiàn)方法論自主，已成為構(gòu)建自主知識體系的核心議題。破解外部范式主導(dǎo)的關(guān)鍵是依托知識共生范式，構(gòu)建“數(shù)據(jù)-算法-語義\"三位一體的本土智能體系，使AI從被動接受外部模型的“模型接受者”，轉(zhuǎn)變?yōu)橹鲃訁⑴c算法共建的\"認(rèn)知協(xié)作者”。

（1）本土深語義數(shù)據(jù)資源建設(shè)。方法論自主的根基在于數(shù)據(jù)的語義主權(quán)。AI模型本質(zhì)上是對數(shù)據(jù)模式的壓縮提取，若訓(xùn)練數(shù)據(jù)無法反映本土文化語境和社會結(jié)構(gòu)，再先進的算法也無從輸出符合本土邏輯的知識表達。因此，首要任務(wù)是構(gòu)建覆蓋多模態(tài)、多層級的本土深語義語料體系。以中國為例，應(yīng)系統(tǒng)化整合涵蓋歷史經(jīng)典、方志檔案、社會調(diào)查、民族語言等多源數(shù)據(jù)，并輔以領(lǐng)域本體與知識圖譜，確立明確的語義錨點與概念關(guān)系網(wǎng)絡(luò)。同時，借鑒CLARIN等國際經(jīng)驗，構(gòu)建兼顧本土深語義與國際對接能力的“活數(shù)據(jù)體”，為AI模型提供可持續(xù)的知識供給。

（2）發(fā)展文化適配的算法體系。擁有本土深語義數(shù)據(jù)后，仍需可適配的算法模型與可解釋的推理機制。當(dāng)前，中國在本土大模型研發(fā)方面已取得顯著進展，這為方法論自主奠定了技術(shù)基礎(chǔ)。如清華大學(xué)研發(fā)的GLM-130B模型采用中英雙語混合訓(xùn)練，在英文基準(zhǔn)任務(wù)上的表現(xiàn)達到GPT-3水平，并在多項中文任務(wù)評測中超過了參數(shù)規(guī)模更大的本土模型ERNIETitan26OB；百川智能的Baichuan-2開源模型在中文理解和垂直領(lǐng)域應(yīng)用上也表現(xiàn)優(yōu)異[80]，其7B/13B參數(shù)模型不僅在通用基準(zhǔn)上匹敵同規(guī)模最新開源模型，還在醫(yī)學(xué)、法律等本土領(lǐng)域表現(xiàn)突出。這些發(fā)展清晰地表明，方法論自主是一個正在進行中的、充滿競爭的過程。本土模型在經(jīng)過特定領(lǐng)域語料的深度訓(xùn)練后，完全有能力在專業(yè)任務(wù)上超越國際頂尖模型。這證明了構(gòu)建本土化、領(lǐng)域化模型的技術(shù)可行性和必要性。未來的發(fā)展路徑應(yīng)包括：

采用分層域適配架構(gòu)，將大模型的通用能力與小模型的領(lǐng)域微調(diào)相結(jié)合；并引人神經(jīng)符號AI等技術(shù)，將顯性的領(lǐng)域規(guī)則和邏輯嵌入推理鏈條，有效降低語義偏移和文化誤讀風(fēng)險。

（3）推進本土化知識表示與推理機制。數(shù)據(jù)和算法之外，最具創(chuàng)新潛力的是打造本土化的知識表示與符號推理體系。以中文領(lǐng)域為例，知識共生的目標(biāo)不只是讓模型“懂”中文，更重要的是使其能按中國的概念網(wǎng)絡(luò)去推理，生成符合本土語境的新知識單元。一方面，要加快構(gòu)建面向本土的知識圖譜和本體體系，精細定義本土核心范疇的語義邊界和推理路徑。如將“仁、義、禮、智、信\"等儒家范疇與西方倫理學(xué)對應(yīng)概念建立映射錨點，既方便跨文化對比研究，也為AI推理提供雙向參照。另一方面，開發(fā)特定領(lǐng)域的本土符號推理模塊。如在法律AI中，讓模型內(nèi)置《中國民法典》《刑法》等規(guī)范，根據(jù)本土法理進行演繹推理，而非套用西方法律案例生成模式。此類“嵌入式推理\"在實驗中已展現(xiàn)更高的本土合法性與社會適配性。

通過“數(shù)據(jù)-算法-語義\"三方面的共生重構(gòu)，AI才能從被動接受外部模型轉(zhuǎn)向主動參與算法共建，進而反哺人文社科研究的理論創(chuàng)造力，實現(xiàn)真正的認(rèn)知自主和理論獨立。這正是知識共生賦予方法論自主的深層技術(shù)支撐和范式變革。

3.3AI共生引導(dǎo)下的理論共創(chuàng)與國際敘事

如果說方法論自主解決了如何用AI表達本土化故事的問題，那么更進一步，AI知識共生正推動非西方學(xué)術(shù)由被動的知識輸入走向知識生成的核心環(huán)節(jié)，實現(xiàn)從跟隨到并行創(chuàng)造的躍遷[81]。這不僅意味著\"自說自話”，更要求在全球語境中實現(xiàn)可對話、可共創(chuàng)與可檢驗，打破單一話語體系對國際敘事的長期壟斷。為此，可以從以下幾方面入手：

（1）多語種語料與跨文化對齊訓(xùn)練。這是破除語言單極化的重要前提。近年來，BigScience項目的BLOOM模型支持46種語言[82]，Meta公司\"No Lan-guageLeftBehind\"計劃已將機器翻譯能力擴展到200種語言[83]。這些多語種基座模型證明了AI有能力成為多元文化對話的技術(shù)中介。對于中國等非英語語境，應(yīng)系統(tǒng)建設(shè)高質(zhì)量的多語種本土語料庫，并開展跨文化對齊訓(xùn)練，提升模型對非西方語言結(jié)構(gòu)與概念體系的識別與轉(zhuǎn)換能力。如此，AI不僅能“用中文思考”，還能“把中國的話用世界聽得懂的方式說出來”，最大程度降低本土概念在跨語言傳播中的失真。

（2）本土知識的AI重構(gòu)與全球語匯對接。大模型卓越的信息檢索和模式比對能力，可充當(dāng)知識共生場景中的概念橋梁。即AI可協(xié)助研究者將本土原生概念標(biāo)準(zhǔn)化、模塊化，并與國際主流學(xué)術(shù)語匯建立映射，形成新的理論交叉點。如有學(xué)者曾嘗試?yán)么竽Ｐ吞剿魅寮覀惱碇小叭?、義、禮”與西方倫理學(xué)“Virtue、Justice、Ethics\"之間的重合與張力，再輔以符號推理，生成可供跨學(xué)科檢驗的新倫理框架[84]這種語義橋梁有望把長期處于邊緣的本土理論推向全球共享的概念層面。

（3）AI驅(qū)動的全球敘事響應(yīng)機制。本土理論在國際傳播中常因文化誤讀、語義偏差或成見壁壘而難以得到有效傳達。AI能模擬全球敘事場景，作為“敘事沙盤”[85]。研究者可利用多智能體對話，讓AI充當(dāng)“國際評論員”，圍繞本土議題生成可能的文化反饋與質(zhì)疑，反復(fù)調(diào)適，從而在發(fā)表前完成對論述的多輪跨語境壓力測試，提升國際接受度。

（4）差異性與共通性的知識接口。知識共生的國際敘事還應(yīng)平衡差異性與共通性。一方面，強調(diào)文化獨特性，展現(xiàn)本土思想的內(nèi)在價值；另一方面，主動尋求全球公共議題的對接點。如“共同富?！崩砟?，可通過AI語義映射與證據(jù)檢索，與聯(lián)合國可持續(xù)發(fā)展目標(biāo)（如減貧、促進公平）對齊，生成兼具本土色彩與普遍共識的敘事接口，增強話語的全球共鳴力。

綜上，AI知識共生不僅是學(xué)術(shù)界擺脫工具依賴、實現(xiàn)方法論自主的技術(shù)路徑，更是推動本土知識體系走向全球共創(chuàng)的范式引擎。通過“多語種語料-本土模型-語義對齊-全球敘事\"這一協(xié)同鏈，AI將從單一的工具助手升級為趨勢感知者、語際協(xié)調(diào)者與語義守護者，助力本土學(xué)術(shù)完成從輸入到生成、從被動到并行的躍遷。

4結(jié)語與展望

當(dāng)前，AI在SSH領(lǐng)域的應(yīng)用已取得顯著進展，但其在原創(chuàng)性理論構(gòu)建、深層意義理解與價值判斷等高階認(rèn)知任務(wù)中仍存在明顯局限。本文系統(tǒng)論證了當(dāng)前以“工具依賴”為特征的應(yīng)用模式，不僅限制了AI的潛力，更帶來了認(rèn)知降級、社會懲罰乃至算法殖民等一系列深層風(fēng)險。這促使我們必須推動AI在SSH中的角色從被動的輔助工具向積極的“知識共生\"伙伴轉(zhuǎn)型，即由被動輔助者發(fā)展為積極參與理論建構(gòu)與意義闡釋的共創(chuàng)智能體。

本文主張以“知識共生\"理念升維AI在SSH領(lǐng)域的應(yīng)用范式。這一范式強調(diào)人機深度融合、相互啟發(fā)與協(xié)同創(chuàng)新，其核心在于融合AI的計算優(yōu)勢與人類的洞察力和創(chuàng)造力。本文詳細闡述了實現(xiàn)這一范式升維的三大關(guān)鍵路徑：數(shù)據(jù)筑基，即構(gòu)建高質(zhì)量、遵循FAIR原則的深語義語料資源；算法強擎，即開發(fā)以可解釋AI（XAI和神經(jīng)符號AI為代表的、適應(yīng)SSH復(fù)雜性需求的算法模型；人機共創(chuàng)，即建立以生成式智能體為代表的、可實現(xiàn)深度交互的嵌入式協(xié)同機制。

尤為重要的是，AI知識共生范式對中國自主知識體系建設(shè)具有深遠的戰(zhàn)略意義。它為我們提供了一條具體的技術(shù)和方法論路徑，以應(yīng)對全球AI發(fā)展中的知識主權(quán)挑戰(zhàn)。通過平衡“主權(quán)AI\"的戰(zhàn)略需求與“去殖民化AI”的倫理關(guān)懷，該范式有望助力我們構(gòu)建符合中國歷史文化與社會語境的原創(chuàng)理論，改變過去在部分領(lǐng)域長期存在的理論“逆差\"狀況，提升中國SSH在國際學(xué)術(shù)舞臺上的話語權(quán)和影響力。

展望未來，AI與SSH的深度融合潛力巨大，但仍面臨諸多挑戰(zhàn)，包括人機認(rèn)知機制的理論深化、跨學(xué)科協(xié)作的制度創(chuàng)新以及學(xué)術(shù)評價體系的相應(yīng)變革。同時，數(shù)據(jù)隱私、算法偏見與學(xué)術(shù)倫理等問題將日益突出，亟需健全的治理框架與制度保障。實現(xiàn)知識共生，最終需要技術(shù)共同體與人文學(xué)術(shù)共同體的深度對話與攜手共進，始終堅守人文精神與社會責(zé)任，確保AI的發(fā)展真正服務(wù)于人類福祉與文明的繁榮共生。

參考文獻：

[1]HEYT，TANSLEYS，TOLLEKM.Thefourth paradigm：data-intensivescientificdiscovery[M].Microsoftresearch Redmond， WA，2009.

[2]GUOJIEL.AI4R：Thefifthsientific researchparadigm[J].BuletinofChineseAcademyofSciences，2024，39（1）：1-9.

[3]JUMPERJ，EVANSR，PRIZELA，etal.HighlyaccurateproteinstructurepredictionwithlphaFoldJ].Nature，21，96 （7873）：583-9.

[4]CHENGM，F(xiàn)UC-LOKABER，etal.AI-riven materialsdesign：amini-review[J].arXivpreprintarXiv：250202905，2025.

[5]MAKK-K，WONGY-H，PICHKAMR.ArtificialintellgenceindrugdiscoveryanddevelopmentJ].Drugdiscoveryandevaluation：safety and pharmacokinetic assays，2024：1461-1498.

[6] CAMPS-VALLSG，F(xiàn)ERNamp;NDEZ-TORRES M-A，COHRS K-H，etal.Arificial intellgence for modelingandunderstanding extreme weather and climate events[J].Nature Communications，2025，16（1）：1919.

[7]BAIBURINA，BEREZKINY，BOITSOVAO，et al.FORUM60：AIIN THESOCIALSCIENCES AND HUMANITIES.proceedings of the Antropologicheskij Forum[C].Russian Academy of Science，2024：11-68.

[8]GERLICHM.AITolsinSociety：ImpactsonCognitiveOffoadingandtheFutureofCriticalThinking[J].Societies，2025，15 （1）：6.

[9]REIFJA，LARRICKRP，SOLLJB.EvidenceofasocialevaluationpenaltyforusingAI[J].ProceedingsoftheNationalAcademy of Sciences，2025，122（19）：e2426766122.

[10]DIGITALEDUCATION COUNCIL.Global AI Student Survey 2024[EB/OL].[2025-04-15].htps：//wwwdigitaleducationcouncil.com/form/global-ai-student-survey-2024.

[11]MARKETLOGIC SOFTWARE.AIadoption forresearch and insights：The transformation taking place[EB/OL].[2025-05- 10].https：//marketlogicsoftware.com/blog/adoption-of-ai-for-research-and-insights/.

[12]汪朝光，金以林，李金錚，等.中國歷史學(xué)研究的新視野，新理論與新方法（筆談）[J].華中師范大學(xué)學(xué)報（人文社會科 學(xué)版），2025，64（3）：1-32.

[13]HaMaLaNENM，HMANE，MYAGAWAS，etal.Proceedingsof the4thInternationalConferenceonNaturalLnguagePro cesingforDigital Humanities[C].proceedingsof theProceedingsofthe4thInternationalConferenceonNaturalLanguage Processing for Digital Humanities，2024.

[14]BONOMI G.Dep Learning Techniques forAuthorshipAtributionofLiterary Texts：Adapting aBERT-Based Modelfor Analyzing II Fiore and Detto d'Amore[J].2024.

[15］關(guān)爽，王長峰，楊龍飛.重大輿情與突發(fā)事件輿論演變與引導(dǎo)機制研究述評［J].Systems Engineering amp; Electronics， 2024，46（8）.

[16]THEUNIVERSITYOFHONG KONGFOSS.Unveiling New Dimensions with Computational Social ScienceZ].The Universityof Hong Kong，F(xiàn)acultyofSocial Sciences，2025.

[17]GADDE N，KUMAR S，ALTAFR，etal.PredictingUS Elections：A MachineLearning Approach[DB/OL].2025-05-10]. https：//doi.0rg/10.21203/rs.3.rs-5440358/v1.

[18]KHOOCS，TANEA，NGS-G，etalKnowledgegraphvisualizationinterfacefordigitalheritagecollctionsJ]foation Technology and Libraries，2024，43（1）：1-26.

[19]ZHAO Z.Enhancingartisticanalysis through deep learning：agraphicart elementrecognition model basedon SSDand FPT[J].PerJ Computer Science，2024，10：e1761.

[20]GiRBACIAFAnAnalysisofResearchrendsforUsingArtificialInteligenceinCuturalHeritageJ]ectronics，24 （18）：3738.

[21]BAOH，ZHANGJ，CAOM，etal.FromDivisiontoUnity：ALarge-Scale Studyonthe EmergenceofComputational Social Science，1990-2021[C].proceedings of the Companion Proceedings of the ACMon Web Conference 2025，2025.

[22]YANJ，IQ，LIUHDefiningdigitalhumanitiesandexaminingitsrelationshipwithlinguisticsthroughthelensofDigital Scholarship in the Humanities[J].Digital Scholarship in the Humanities，2025，40（1）：354-380.

[23]QUATTROCIOCCHI W，CALDARELLIG，SCALAA.Opinion dynamics on interacting networks：media competitionand social influence[J].Scientific reports，2014，4（1）：4938.

[24]ROBINSONC，DILKINAB.Amachinelearning approachtomodelinghumanmigration[C].procedings of teProceedingsof the 1st ACM SIGCAS Conference on Computing and Sustainable Societies，2018.

[25]MACHINE T.Time Machine：A New Era forour Past-The Time Machine CSA Final Report[R]，2020.

[26]MOHANV.Ontheuseofblockchain-basedmechanisms totackleacademic misconductJ].ResearchPolicy，2O19，48（9）： 103805.

[27]徐磊，胡亞豪，潘志松.針對大語言模型的偏見性研究綜述[J].計算機應(yīng)用研究，2024，41（10）：2881-2892.

[28]FENWICK A，MOLNAR G.The importance of humanizing AI：usingabehaviorallens to bridge the gaps between humans and machines[J].Discover Artificial Intellgence，2022，2（1）：14.

[29]RICHARDSNM，KINGJH.Big Data Ethics[J].Wake Forest LawReview，2014，49（2）：393-432.

[30]CALISKANA，BRYSONJJ，NARAYANANA.Semanticsderivedautomaticall fromlanguagecorporacontain human-like biases[J].Science，2017，356（6334）：183-186.

[31]MORALES-GARCiA W C，SAIRITUPA-SANCHEZ L Z，MORALES-GARCiA S B，et al.Development and validationof a scalefordependenceonartificialintellgenceinuniversitystudentsC].proceedingsoftheFrontiers inEducation，024.

[32]MOLLEMA WJT.Decolonial AI as disenclosure[J].arXiv preprint arXiv：240713050，2024.

[33]MOHAMEDS，PNGM-T，SAACWDecolonialAI：Decolonial theoryassociotechicalforesightiarticialintellgce[J]. Philosophyamp; Technology，2020，33（4）：659-684.

[34］曹云.共生思想及其在區(qū)域空間演化的應(yīng)用：兼論開發(fā)區(qū)與城市空間的共生演化[J].人文雜志，2013（3）：40-45.

[35]MORIE.FromtheoneptofsstemtothearadigmofomplexityJ]Joualofocialandevolutionarystems，992，15 （4）：371-385.

[36]JIANG M，THAGARDP.Creativecognitioninsocialinnovation[J]Creativityresearchjoual，2014，26（4）：375-88.

[37]FRODEMANR，KLEINJT，PACHECORCDS.TheOxford handbook of interdisciplinarity[M].Oxford UniversityPess， 2017.

[38]NAMT，PARDOTA.Conceptualizing smart citywithdimensions of technolog，people，andinstitutionsC].proceedingsof theProceedingsofthe12thannualinternationaldigital governmentresearchconference：digital government innovationin challenging times，2011.

[39]ZAWACKI-RICHTERO，MARiNVI，BONDM，etal.Systematicreviewofresearchonartificialintellgence applicationsin highereducation-wherearetheeducators？JInternationaljouralofducationaltechnologyinhigherducation，2019，16 （1）：1-27.

[40]SATYANARAYANA，JONES G M.Inteligence asagency：Evaluating thecapacityof generativeAI toempoweroronstrain human action[EB/OL].[2025-01-08].htps：//doi.org/10.21428/e4baedd9.2d7598a2.

[41]韓盟，陳悅，王玉奇，等.弱信號識別研究綜述：尋找微弱的未來信號[J].情報學(xué)報，2023，42（8）：996-1008.

[42]WANGH，F(xiàn)UT，DUY，etalientificdiscoveryitheageofartificialintellgeneJ].Nature，，62（797）：4760.

[43]WILKINSONMD，DUMONTIER M，AALBERSBERGIJ，etalTheFAIR Guiding Principles forscientificdata management and stewardship[J].Scientificdata，2016，3（1）：1-9.

[44]LORIGF，TUCKERJE，LINDSRoMAD，et al.HHAI 2024：Hybrid Human AI Systems for the Social Good：Proceedings of the Third International Conference on Hybrid Human-Artificial Intelligence[M].IOS Press，2024.

[45]DATTATHRANIS，DE’R.TheConceptofAgencyintheeraofArtificialInteligence：dimensionsanddegres[J].Information Systems Frontiers，2023，25（1）：29-54.

[46]VANRIMENAMM，LOGUED.Revising the \"scienceoftheorganisation\"：TheorisingAIagencyandactorhood[J].Iovation，2021，23（1）：127-144.

[47]GOTTWEISJ，WENG W-H，DARYINA，etal.TowardsanAIco-scientist[J].arXiv preprint arXiv：2502.18864，2025.

[48]UNDERWOODT.Theimpact of language modelsonthe humanitiesandviceversa[J].Nature Computational Seiene，2025： 1-3.

[49]LUC，LUC，LANGERT，etal.Theaiscientist：Towardsfulyutomatedopen-endedsientificdiscoveryJ].arXivprepint arXiv：240806292，2024.

[50]LIX，GUOY.Paradigmshiftsfromdata-ntensivesciencetorobotscientists[J].Science Buletin，2025，7（1）：14-18.

[51]ZHANGP，ZHANGH，XUH，etal.Autonomous GeneralistScientist：TowardsandBeyond Human-LevelScientificResearch with Agentic and Embodied AI and Robots[J].

[52]AGOHAEC，AMADIEC.ExploringAITools forEnhancing BiblicalResearchandInterpretation［J]ISRGJournalofArts， Humanities and Social Sciences，2025，3（1）：590-597.

[53]BRANCOA，ESKEVICHM，F(xiàn)RONTINIF，etal.TheCLARINinfrastructureasaninteroperable anguage technologyplatform for SSHand beyond[J].Language Resources and Evaluation，2023：1-32.

[54]張凌寒.加快建設(shè)人工智能大模型中文訓(xùn)練數(shù)據(jù)語料庫[J].人民論壇·學(xué)術(shù)前沿，2024（13）：57-71.

[55]INITIATIVE GF.GOFAIR Initiative |Implementing the FAIR Data Principles[Z].2024.

[56]JARADEHMY，OELENA，F(xiàn)ARFARKE，etal.Openresearch knowledge graph：next generation infrastructureforsmantic scholarlyknowledgeC].proceedingsoftheProceedingsofthe1Oth internationalconferenceonknowledgecapture，2019.

[57］何祎金.生成式人工智能技術(shù)治理的三重困境與應(yīng)對[J].北京工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2024，24（2）：124-134.

[58]TIWARIR.Explainableai （xai）anditsapplicationsinbuilding trustandunderstandinginaidecisionmakingJ].Inteational JSciRes Eng Manag，2023，7：1-13.

[59]BOBEKS，KRAKOWSKAM，MOZOLEWSKIM，etal.User-centric evaluationof explainabilityofAI withandforhumans：a comprehensive empirical study[J].arXiv preprint arXiv：241015952，2024.

[60]BHUYANB，RAMDANE-CHERIFA，TOMARR，etalNuro-symbolicartificialinteligence：asurvey[J].NeuralComputing and Applications，2024，36（21）：12809-12844.

[61]JENNINGS NR，SYCARA K，WOOLDRIDGE M.A roadmapof agent research anddevelopment[J].Autonomousagentsand multi-agent systems，1998，1：7-38.

[62]CLARK A，CHALMERS D.The extended mind[J].analysis，1998，58（1）：7-19.

[63]SHNEIDERMAN B.Human-centered AI[M].Oxford University Press，2022.

[64]LUY，ALETAA，DUC，etal.LLMsandgenerativeagent-basedmodelsforcomplexsystemsresearchJ].PhysicsofLifeReviews，2024，51：283-293.

[65]RIEDLC，DECREMERD.AIfor collective intelligence[J].Collective Intelligence，2025，4（2）：26339137251328909.

[66]DORRI A，KANHERE S S，JURDAK R.Multi-agent systems：A survey[J].Iee Access，2018，6：28573-28593.

[67]DATARA.TransformingRamp;DwithAgenticAI：Introducing MicrosoftDiscoveryEB/OL].[225-04-7].htps：//zuremicro soft.com/en-us/blog/transforming-rd-with-agentic-ai-introducing-microsoft-discovery/.

[68]PARKJS，ZOUCQ，SHAWA，etalGenerativeagentsmulatiosof00peopleJ]arXivpreprintarXiv：2419，24.

[69]PIAOJ，YANY，ZHANGJ，etal.AgentSociety：Large-ScaleSimulationofLLM-Driven GenerativeAgentsAdvancesUnder standing of Human Behaviors and Society[J].arXiv preprint arXiv：250208691，2025.

[70］中共中央辦公廳，國務(wù)院辦公廳.關(guān)于加快構(gòu)建中國特色哲學(xué)社會科學(xué)的意見[S].2017.

[71]DESOUSASANTOSB.Theendofthecognitiveempire：Thecomingofageofepistemologiesof heSouth[M].dukeuniversity Press，2018.

[72]WHYTEK.Indigenousclimatechangestudies：Indigenizing futures，decolonizingtheAnthropocene［J].Englishlanguage notes，2017，55（1）：153-162.

[73]CONNELL R.Southern theory：Social science and the global dynamics of knowledge[M].Polity，2007.

[74]JUY，MAH.Training Data forLargeLanguage Model[J].arXiv preprint arXiv：241107715，2024.

[75]OFOSU-ASAREYCognitiveimperialisminartificialintellgence：couteractingbiaswithindigenousepistemologies[J]AI amp; society，2024：1-17.

[76]RAYT.TheFuture of AI is Sovereign：How it Evolves is Upto Us[J].The Reckoning，2025.

[77]HUANG J.Nvidia CEO Huang says countries mustbuild sovereign AI infrastructure[N/OL].The Econmic Times，（2024- 02-12）[2025-04-27].htps：//conomictimes.indiatimes.com/tech/technology/nvidia-ceo-jensen-huang-says-countries must-build-sovereign-ai-infrastructure/articleshow/107620508.cms.

[78]KOMAITISK，LE6NEPD，RAYT，etal.TheSovereigntyTrap：HowthePromiseofSovereignAIObscures ItsPitfals[Z]. Digital Forensic Research Lab（DFRLab）.Washington，D.C.2024.

[79]ZENGA，LIUX，DUZ，etal.Glm-13Ob：Anopenbilingualpre-trained model[J].arXiv preprintarXiv：221002414，2022.

[80]YANGA，XIAOB，WANGB，etal.Baichuan2：Openlargescalelanguage models［J].arXivpreprintarXiv：2309103052.

[81]諸大建.強可持續(xù)性范式與中國發(fā)展C模式[J].探索與爭鳴，2024（11）：9-12，209.

[82]LESCAOT，F(xiàn)ANA，AKIKIC，etalBloom：A176b-parameteroenaesmultilinguallanguageodelJ].arivpnt arXiv：2211.05100，2023.

[83]TEAMN，COSTA-JUSSaMR，CROSSJ，etal.Nolanguageleftbehind：Scaling human-centeredmachinetranslationrXiv preprint arXiv：220704672，2022.

[84]LIUJ.Human-n-the-loopethicalAIforcarerobotsandConfucianvirtueethics;procedingsof teInternationalConference on Social Robotics，F(xiàn)，2022[C].Springer.

[85]GAOC，LANX，LIN，etal.Largelanguagemodelsempoweredagent-basedmodelingandsimulationAsurveyandspectives[J].Humanities and Social Sciences Communications，2024，11（1）：1-24.

作者簡介：祝忠明，研究員；寇蕾蕾，助理研究員。