数智时代人文社会科学创新的双重命题

　　作者：吕培明（同济大学常务副校长）

　　当前，新一轮科技革命和产业变革深入发展，以人工智能为代表的数智技术加速演进，正在重塑知识生产、学术研究和人才培养的基本形态。对哲学社会科学而言，这不仅是研究工具的更新，更是研究对象、研究方法、学科边界和知识生产方式的系统性变革。人工智能时代，人文社会科学创新必须直面的双重命题：抢抓数智变革带来的新机遇，加快自主知识体系构建。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》明确要求“全面实施‘人工智能+’行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合”，强调“加快构建中国哲学社会科学自主知识体系”。前者指向技术之变，后者关乎学术之本。高水平大学建设应主动顺应这一趋势，不断增强中国哲学社会科学的主体性、原创性和国际影响力。

　　数智变革重塑人文社科研究范式

　　数智赋能人文社会科学，不能简单理解为给传统文科增加技术工具，而应着眼于知识生产方式、学术组织形态和人才培养模式的深层变革。自然语言处理、知识图谱、机器学习、多模态分析、智能体模拟等技术的快速发展，使过去难以汇聚、难以分析的大规模人文社会资料转化为新的研究资源。例如，城市治理研究可融合人口、空间、交通、经济等多源数据动态把握运行规律；公共政策研究则可从事后解释拓展到情景推演、政策模拟和风险预判。

　　这一变化的实质，是研究范式的整体跃迁。长期以来，人文社会科学研究受制于数据获取与处理能力不足，多以抽样调查、个案观察和文本细读为基础，通过局部推断把握整体。数智技术使研究者得以在接近全域的数据空间中观察社会，把静态的截面分析推进为动态的过程追踪，并借助计算模型和多智能体模拟在虚拟环境中推演社会进程与文化变迁。数智技术提升的不只是效率，更是新的观察能力、分析能力和实验能力。

　　然而，技术能够提升处理信息的效率，却不能自动产生深刻思想；研究能够发现数据之间的相关性，却不能替代对因果机制、历史逻辑和价值意义的判断。数据越丰富，越需要理论来设定问题、界定变量、解释机制，否则容易陷入“数据丰裕而思想贫乏”的困境。因此，数智赋能不是以机器取代学者，而是形成更高水平的人机协同，即让人工智能承担检索、识别、关联、计算和模拟等可形式化的劳动，让学者把更多精力投入问题提出、理论建构、意义阐释和价值判断，以技术拓展研究边界，以思想决定学术高度。

　　中国问题牵引自主知识体系建设

　　中国式现代化的伟大实践，为哲学社会科学理论创新提供了丰富的现实土壤。自主知识体系之“自主”，包含三重含义：提问的自主，即从中国实践中发现真问题，而非在西方理论框架中寻找待验证的假设；解释的自主，即用中国概念、中国范畴解释中国经验；对话的自主，即以原创性成果进入国际学术议程。习近平总书记指出：“我们的哲学社会科学有没有中国特色，归根到底要看有没有主体性、原创性。”提问的自主之所以是前提，正在于它决定了知识生产围绕谁的问题意识展开。

　　中国经济社会快速深刻转型，超大规模城市持续演进，人与城市、技术与社会、发展与治理之间形成大量新关系、新问题。能否从这些实践中发现规律、提炼理论，是新时代哲学社会科学必须回答的重大课题。作为人文社会科学创新的重要阵地，高校要紧扣中国式现代化建设进程中的重大理论与实践命题，聚焦习近平新时代中国特色社会主义思想研究阐释，深耕人民城市建设与治理、可持续发展与国际组织、区域国别与国际传播、数字经济与智能社会治理、国家安全与网信治理等领域，形成一批具有辨识度的理论研究和咨政服务成果。文科的原创能力并非来自概念的自我演绎，而来自对中国问题的持续追问。

　　数智时代构建自主知识体系，还须加强知识基础设施建设。数智赋能要探索“如何让人工智能更好理解中国”。中华文明和中国式现代化进程中积累的知识资源，大量以非结构化、地方性和默会形态存在，需要加以系统整理与转化。要推进高质量数据集、语料库、知识库和知识图谱建设，把长期积累的思想、概念、范畴和实践经验转化为数字环境下可识别、可关联、可研究的知识资源。这些都是从中国实践中提出中国问题、形成中国概念、建构中国理论的必经环节。

　　交叉融合拓展精品文科发展边界

　　今天的重大理论和现实问题，越来越难以由单一学科独立回答。人工智能深入经济、社会、文化、医疗、交通和城市治理等领域，带来算法治理、数字经济、智能社会、人工智能伦理等一系列新问题。这些问题既是技术问题，也是经济、法律、社会、伦理和治理问题。因此，高水平大学的文科发展不能停留在文科内部循环，而要以数智技术打破传统学科壁垒，推动文理医工深度交叉，在重大现实问题面前重新组织研究力量。

　　需要强调的是，这种交叉应是双向赋能，而非单向依附。一方面，人工智能和数据科学拓展人文社会科学的研究方法和研究边界；另一方面，哲学社会科学为人工智能发展提供价值判断、伦理规范、社会洞察和制度设计。技术回答“能不能做”，而人文社会科学要回答“该不该做”“为什么做”“为谁而做”。这些价值层面的追问，恰恰是技术自身无法给出的。

　　自主知识体系不是封闭的知识体系。越是强调中国学术的主体性，越要加强文明交流互鉴和全球学术对话。高校要把中国在人民城市、可持续发展、智能社会治理等领域的实践经验转化为具有世界意义的学术成果，用国际通行的学术表达阐释中国理论，避免沦为西方理论的注脚。

　　高水平人才队伍支撑哲学社会科学创新发展

　　哲学社会科学发展的基础在人，数智转型最终也要落实到人才培养上。智能时代的优秀文科人才，既要有扎实的理论基础、深厚的人文素养和鲜明的问题意识，也要具备数字素养、计算思维和跨学科协同能力。二者的结合不是简单叠加，而是要在同一个研究主体身上形成贯通理论与技术的能力结构。

　　这里存在一个值得深思的悖论：人工智能越容易给出答案，大学越要训练学生提出重要问题的能力；机器越能快速生成文本，越要培养学生独立判断、严谨求证和原创思考的能力；知识获取越便捷，越要强化经典阅读、理论训练和价值判断。大学培养的不能是依赖人工智能的人，而应是能够理解技术、驾驭技术、反思技术并超越技术的人。

　　高水平大学应以重大项目、重点平台为牵引，建强哲学社会科学人才队伍，筑牢自主知识体系建设的人才根基。从培养机制看，需要在三个方面作出调整。培养目标上，把数字素养与计算思维纳入文科人才培养的基本要求，同时防止技术类课程挤占经典研读和理论训练的空间。培养方式上，推动从“单科导师”走向“跨界导师组”，把人才培养与重大科研任务、重大平台建设、重大现实问题结合起来，让青年学生在跨学科协同和真实场景中成长。评价机制上，以创新能力、质量、实效、贡献为评价导向，为跨学科成果、智库成果和数智化研究成果建立合理的评价通道，避免用单一尺度衡量交叉研究。

　　人工智能正在打开新的知识边界，也正在重新定义哲学社会科学的发展条件。高水平大学要以构建中国哲学社会科学自主知识体系为战略牵引，以重大问题为导向，以人工智能赋能研究范式创新，以文理医工交叉拓展学术边界，以全球视野促进文明交流互鉴，不断提升哲学社会科学的原创能力、服务能力和国际影响力。需要深刻认识到，数智赋能哲学社会科学，最终要增强的不是机器生产知识的能力，而是学者从中国实践中发现问题、从中华文明中汲取智慧、以原创理论阐释中国道路并与世界对话的能力。技术可以更快地处理信息，但只有人能够赋予信息意义；算法可以模拟社会运行，却无法代替人对美好生活的判断与追求。这既是智能时代哲学社会科学必须承担的使命，也是高水平大学加快构建中国特色哲学社会科学的重要责任。