中圖分類號(hào)：C03 文獻(xiàn)標(biāo)識(shí)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(dòng)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(gè)以AI為核心驅(qū)動(dòng)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(cè)中的革命性突破[3]以及AI在材料設(shè)計(jì)[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(huì)科學(xué)（SocialSciencesandHumanities，SSH）領(lǐng)域?qū)I的應(yīng)用雖日益拓展，但其貢獻(xiàn)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(shí)生成邏輯與理論建構(gòu)方式。即便是作為交叉前沿的計(jì)算社會(huì)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(dòng)與計(jì)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(duì)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(dòng)態(tài)、多義、充滿價(jià)值反思的社會(huì)現(xiàn)實(shí)與人類經(jīng)驗(yàn)，而當(dāng)前主流AI技術(shù)則擅長(zhǎng)于可計(jì)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(jiǎn)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(jī)輔助\"的工具依賴模式，不僅限制了AI的潛力，還帶來(lái)了一系列負(fù)面效應(yīng)。研究表明，對(duì)AI工具的過(guò)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(shí)，在學(xué)術(shù)和專業(yè)場(chǎng)域，AI的使用者還可能面臨一種社會(huì)懲罰[9]，即被他人認(rèn)為能力較弱或動(dòng)機(jī)不足，從而損害其專業(yè)聲譽(yù)。

這些負(fù)面效應(yīng)并非孤立的用戶端問(wèn)題，而是當(dāng)前人機(jī)關(guān)系中深層矛盾的表征。當(dāng)AI被視為一個(gè)不透明的“黑箱\"計(jì)算器時(shí)，使用者傾向于卸載認(rèn)知責(zé)任，而觀察者則因無(wú)法明晰人機(jī)貢獻(xiàn)邊界而產(chǎn)生不信任。這種模式在提升效率的同時(shí)，也帶來(lái)了認(rèn)知與社交層面的代價(jià)，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(shí)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(shí)構(gòu)建、理論創(chuàng)新與價(jià)值表達(dá)的共生智能體。為實(shí)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(shí)共生的理論意涵與實(shí)現(xiàn)機(jī)制，為智能時(shí)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(guò)去十余年間，自然語(yǔ)言處理（NLP）、機(jī)器學(xué)習(xí)、知識(shí)圖譜和計(jì)算機(jī)視覺等AI技術(shù)已深度嵌入SSH學(xué)術(shù)研究全過(guò)程，成為后大數(shù)據(jù)時(shí)代研究者普遍依賴的方法論手段和實(shí)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(chǎng)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(gè)層面，形成了特定的技術(shù)譜系和應(yīng)用場(chǎng)景。據(jù)統(tǒng)計(jì)，超過(guò)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(hào)

（1）自然語(yǔ)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(shí)體識(shí)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(yǔ)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(jìn)行文體分析、作者歸屬鑒定4；社會(huì)學(xué)者分析社交媒體文本來(lái)洞察公眾情緒、輿論熱點(diǎn)與社會(huì)趨勢(shì)[15]

（2）機(jī)器學(xué)習(xí)與預(yù)測(cè)建模。機(jī)器學(xué)習(xí)為SSH研究提供了強(qiáng)大的建模與預(yù)測(cè)能力。如社會(huì)學(xué)家利用機(jī)器學(xué)習(xí)識(shí)別影響社會(huì)不平等的關(guān)鍵因素，或通過(guò)分析職位描述和課程文本數(shù)據(jù)，揭示社會(huì)回報(bào)最高的技能與知識(shí)[16]；政治學(xué)家訓(xùn)練模型預(yù)測(cè)選舉傾向或政策采納可能性[17]。

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

（4）計(jì)算機(jī)視覺與多模態(tài)內(nèi)容分析。對(duì)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(jì)算機(jī)視覺技術(shù)提供了圖像識(shí)別、自動(dòng)標(biāo)注與模式提取等手段，擴(kuò)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(jìn)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(dòng)了計(jì)算社會(huì)科學(xué)（CSS）和數(shù)字人文（DH）這兩個(gè)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(jī)器學(xué)習(xí)算法來(lái)預(yù)測(cè)和理解社會(huì)行為，如通過(guò)大規(guī)模社會(huì)媒體數(shù)據(jù)分析獲得全景式輿論演變觀察和社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)[23]，或利用機(jī)器學(xué)習(xí)方法來(lái)預(yù)測(cè)移民流動(dòng)趨勢(shì)[24]，為循證決策提供支持；DH則強(qiáng)調(diào)運(yùn)用計(jì)算方法研究傳統(tǒng)人文學(xué)科議題，如歐洲時(shí)光機(jī)（TimeMachine）項(xiàng)目[25構(gòu)建了超大規(guī)模的歷史數(shù)據(jù)平臺(tái)，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(dòng)范式和催化跨學(xué)科融合。AI承擔(dān)了大規(guī)模文獻(xiàn)篩選、數(shù)據(jù)處理等重復(fù)性勞動(dòng)，使研究者能聚焦于理論分析與批判性思維等高級(jí)研究活動(dòng)。它推動(dòng)SSH研究從小樣本定性分析轉(zhuǎn)向大數(shù)據(jù)驅(qū)動(dòng)、多模態(tài)感知的模式，并促進(jìn)了計(jì)算機(jī)科學(xué)與人文學(xué)科的深度對(duì)話。

在這一“人主導(dǎo)、機(jī)輔助\"的工具論范式下，研究者主導(dǎo)提出問(wèn)題、設(shè)計(jì)分析流程，并調(diào)用AI工具執(zhí)行特定的計(jì)算分析任務(wù)。AI被視為一種增強(qiáng)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(yǔ)言生成等環(huán)節(jié)顯著增強(qiáng)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(shí)的轉(zhuǎn)化鏈條中，人機(jī)交互是單向的工具性關(guān)系，AI的計(jì)算過(guò)程與人類的意義建構(gòu)之間存在明確界限，最終的知識(shí)闡釋權(quán)、理論創(chuàng)新與價(jià)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(diǎn)。這些局限并非孤立的技術(shù)缺陷，而是形成了一個(gè)阻礙知識(shí)創(chuàng)新的自我強(qiáng)化循環(huán)。

（1）數(shù)據(jù)偏見與算法黑箱。AI模型對(duì)訓(xùn)練數(shù)據(jù)高度依賴，若數(shù)據(jù)本身蘊(yùn)含偏見，AI模型不僅會(huì)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(shí)，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(qiáng)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?yàn)椴豢山忉尩慕Y(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(xiǎn)亦日益突出[29]，不僅威脅社會(huì)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(qiáng)大的技術(shù)能力容易誘導(dǎo)研究者過(guò)度關(guān)注數(shù)據(jù)處理與模型應(yīng)用，而忽視對(duì)問(wèn)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(wèn)題在于，對(duì)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(jī)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(lái)\"社會(huì)懲罰”。研究表明，使用AI工具的個(gè)體在專業(yè)場(chǎng)合可能被他人評(píng)價(jià)為能力不足或不夠勤奮，這反過(guò)來(lái)又會(huì)抑制研究者公開、透明地與AI進(jìn)行合作[9]。

（3）知識(shí)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(xiǎn)。當(dāng)前，前沿的大型語(yǔ)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(jì)不可避免地隱含了特定的文化立場(chǎng)和價(jià)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(huì)在不自覺中強(qiáng)化已有的敘事結(jié)構(gòu)與理論范式，抑制本土經(jīng)驗(yàn)的表達(dá)，阻礙多樣性知識(shí)體系的生成。長(zhǎng)遠(yuǎn)來(lái)看，這種對(duì)外部模型的依賴，即本土知識(shí)生產(chǎn)被動(dòng)依附于外部提供的工具和框架，無(wú)疑會(huì)進(jìn)一步削弱本土學(xué)術(shù)在國(guó)際話語(yǔ)體系中的主動(dòng)性和創(chuàng)造力。

綜上所述，這些局限性共同構(gòu)成了一個(gè)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(shí)權(quán)力；這些模型因數(shù)據(jù)偏見而導(dǎo)致對(duì)非西方視角的算法壓迫；其不透明性又鼓勵(lì)了用戶的認(rèn)知卸載，并因貢獻(xiàn)邊界模糊而引發(fā)社會(huì)懲罰。這個(gè)循環(huán)將使SSH研究者陷于被動(dòng)的、依賴性極強(qiáng)的技術(shù)關(guān)系中，阻礙理論創(chuàng)新和真正的知識(shí)主權(quán)追求。因此，需要超越這一階段，探索一種全新的知識(shí)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(jìn)行深度對(duì)話、動(dòng)態(tài)交互和雙向賦能的認(rèn)知伙伴。

2AI驅(qū)動(dòng)的知識(shí)共生與SSH范式升維

面對(duì)AI工具依賴模式的種種局限，亟須把握AI能力演進(jìn)的新趨勢(shì)，推動(dòng)其從被動(dòng)工具向主動(dòng)協(xié)作者轉(zhuǎn)變，使之能夠與人類研究者共同參與知識(shí)的發(fā)現(xiàn)、建構(gòu)、驗(yàn)證與傳播。知識(shí)共生范式的核心，正在于重構(gòu)人機(jī)協(xié)同機(jī)制，激發(fā)AI在SSH領(lǐng)域的創(chuàng)造潛能，實(shí)現(xiàn)人機(jī)關(guān)系與知識(shí)生產(chǎn)范式的根本性轉(zhuǎn)型。

2.1知識(shí)共生的概念及其核心內(nèi)涵

“知識(shí)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(jìn)化關(guān)系[34]。20世紀(jì)末以來(lái)，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(shí)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(shí)系統(tǒng)之間相互作用的新范式。如Morin的復(fù)雜性理論強(qiáng)調(diào)，知識(shí)不再是封閉、孤立的個(gè)體產(chǎn)物，而是在系統(tǒng)間互動(dòng)、協(xié)同和反饋中不斷演化的動(dòng)態(tài)結(jié)構(gòu)[35]；Jiang和Thagard進(jìn)一步明確提出“知識(shí)共生\"這一術(shù)語(yǔ)，用以解釋個(gè)體與組織在社會(huì)創(chuàng)新過(guò)程中知識(shí)的共同建構(gòu)與共享機(jī)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(chǎng)景中得到進(jìn)一步應(yīng)用和拓展[37-39]。

如今，隨著AI在科研活動(dòng)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(jī)協(xié)同的語(yǔ)境之中，用以界定一種全新的知識(shí)生產(chǎn)范式，指代人類與AI智能體圍繞知識(shí)生產(chǎn)形成的一種共存共進(jìn)、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(duì)立，旨在將AI從外部輔助工具轉(zhuǎn)變?yōu)樯疃惹度胫R(shí)生態(tài)系統(tǒng)、具備高度自主性與能動(dòng)性的認(rèn)知伙伴。由此，知識(shí)共生的核心內(nèi)涵可從以下幾個(gè)維度來(lái)理解：

（1）知識(shí)生產(chǎn)角色的共生性。知識(shí)生產(chǎn)不再是人類研究者的獨(dú)角戲，AI智能體憑借其強(qiáng)大的信息處理、模式識(shí)別和復(fù)雜推演能力，成為知識(shí)生產(chǎn)過(guò)程中不可或缺的參與者。人類與AI共同參與到研究問(wèn)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(píng)價(jià)等核心環(huán)節(jié)中（當(dāng)然，最終的意義闡釋權(quán)和價(jià)值裁定權(quán)仍由人類所掌握），AI由此在知識(shí)對(duì)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(shì)互補(bǔ)的共生關(guān)系，從而極大地豐富了知識(shí)生成的動(dòng)力結(jié)構(gòu)。

（2）認(rèn)知過(guò)程的共生性。AI深度介人人類的認(rèn)知過(guò)程，包括問(wèn)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(guò)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(hào)或非顯性關(guān)聯(lián)[41]，從而啟發(fā)新的研究問(wèn)題或理論視角。在理論建構(gòu)方面，AI可以輔助研究者進(jìn)行思想實(shí)驗(yàn)、構(gòu)建形式化模型，并快速檢驗(yàn)一個(gè)理論的內(nèi)部邏輯一致性和外部經(jīng)驗(yàn)有效性，成為理論思辨的強(qiáng)大對(duì)話者[42]。

（3）數(shù)據(jù)與語(yǔ)義的共生性。在知識(shí)共生模式下，數(shù)據(jù)不再是靜態(tài)的分析對(duì)象，而是與AI和人類研究者共同建構(gòu)和迭代的動(dòng)態(tài)語(yǔ)義空間。人類通過(guò)領(lǐng)域知識(shí)、理論框架和價(jià)值判斷為數(shù)據(jù)賦予意義和語(yǔ)境；AI則通過(guò)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(yǔ)義表征。這一過(guò)程的雙向迭代，形成數(shù)據(jù)、模型、語(yǔ)義、知識(shí)之間相互反饋、共同演化的良性循環(huán)。人機(jī)協(xié)同構(gòu)建和維護(hù)特定領(lǐng)域的本體庫(kù)和知識(shí)圖譜，就是這一共生實(shí)踐的典型范例。

（4）平臺(tái)與生態(tài)的共生性。知識(shí)共生的實(shí)現(xiàn)需要一個(gè)開放、協(xié)同、可持續(xù)的技術(shù)平臺(tái)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(kù)、支持多智能體協(xié)作的計(jì)算平臺(tái)以及與之匹配的學(xué)術(shù)規(guī)范、倫理準(zhǔn)則和評(píng)價(jià)機(jī)制。這種生態(tài)系統(tǒng)鼓勵(lì)跨學(xué)科合作、知識(shí)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(jī)雙向賦能與協(xié)同進(jìn)化。知識(shí)共生的核心在于人類智能與人工智能之間的優(yōu)勢(shì)互補(bǔ)與雙向賦能。人類研究者憑借豐厚的領(lǐng)域知識(shí)、批判性思維、創(chuàng)造力和對(duì)復(fù)雜社會(huì)文化情境的整體把握，為AI的探索應(yīng)用設(shè)定價(jià)值方向、劃定倫理邊界；AI則依托強(qiáng)大的計(jì)算、記憶與模式識(shí)別能力，拓展人類認(rèn)知疆域，顯著提升知識(shí)發(fā)現(xiàn)與研究效率。二者在持續(xù)互動(dòng)中形成“人類開發(fā) 賦能人類 $$ 人機(jī)共生智能躍遷 AI 持續(xù)迭代升級(jí)”的螺旋式演化鏈條。這種循環(huán)不斷強(qiáng)化認(rèn)知互補(bǔ)與系統(tǒng)共演，促成高效協(xié)作的人機(jī)智能協(xié)同體系，實(shí)現(xiàn)人類與AI在認(rèn)知層面的協(xié)同進(jìn)化與持續(xù)躍升。

與傳統(tǒng)的工具協(xié)同相比，知識(shí)共生的邏輯躍遷在于其強(qiáng)調(diào)AI的主動(dòng)參與性、認(rèn)知深度和價(jià)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(jìn)行有意義的對(duì)話和有創(chuàng)造性貢獻(xiàn)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(shí)本身的解釋性和價(jià)值結(jié)構(gòu)，AI的介人不僅要提升知識(shí)生產(chǎn)效率，更要輔助人類進(jìn)行更深刻的理解、更豐富的解釋，以及提供更多元的價(jià)值視角以供考量。最終，SSH的知識(shí)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(jī)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(shí)共生范式的實(shí)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(jìn)程不僅映射了AI技能從自動(dòng)化到自適應(yīng)的持續(xù)演進(jìn)，也標(biāo)志著人機(jī)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(jià)值共創(chuàng)。這一演進(jìn)軌跡，與廣義的AI驅(qū)動(dòng)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(shí)共生范式正是其在人機(jī)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(jí)形態(tài)，對(duì)應(yīng)以任務(wù)自動(dòng)化為主的工具依賴階段。此時(shí)AI主要作為提升效率的外部工具，人類研究者是知識(shí)生產(chǎn)的絕對(duì)主體，AI是被動(dòng)的計(jì)算執(zhí)行者。人機(jī)之間是單向的“指令-執(zhí)行\(zhòng)"關(guān)系，計(jì)算過(guò)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(shí)共生的理想狀態(tài)，其核心在于AI的角色從被動(dòng)的工具質(zhì)變?yōu)橹鲃?dòng)的認(rèn)知伙伴，人機(jī)共同構(gòu)成一個(gè)新的、整合的知識(shí)生產(chǎn)單元。其實(shí)現(xiàn)過(guò)程遵循從初級(jí)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(jí)階段，AI開始展現(xiàn)出顯著的功能性能動(dòng)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(gè)能夠與人類進(jìn)行對(duì)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(jìn)行文獻(xiàn)研究、提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)等多種復(fù)雜科學(xué)活動(dòng)。此時(shí)，AI已經(jīng)突破了工具的范疇，成為一個(gè)主動(dòng)的合作者。這是共生關(guān)系的入口，標(biāo)志著人機(jī)協(xié)同進(jìn)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(jìn)到高級(jí)形態(tài)。在此階段，人機(jī)之間不再是簡(jiǎn)單的協(xié)助關(guān)系，而是形成了一個(gè)不可分割的、共同演化的共生體，在人機(jī)交互中共建意義和新知識(shí)[48]。如AI科學(xué)家（AI Scientist）[49]、機(jī)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(dú)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(dòng)化重建歷史事件敘事、計(jì)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(guò)多種前沿應(yīng)用和項(xiàng)目雛形展現(xiàn)出來(lái)[48.52]?？梢哉f(shuō)，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(shí)的關(guān)鍵一步，標(biāo)志著AI正在真正融人SSH研究的知識(shí)內(nèi)核。

2.3范式升維的三維路徑：AI驅(qū)動(dòng)知識(shí)共生的實(shí)踐框架

知識(shí)共生并非空泛理念的簡(jiǎn)單疊加，而是AI與人類研究者在知識(shí)生成全過(guò)程中形成的深度耦合與持續(xù)對(duì)話。這一機(jī)制的核心，是圍繞數(shù)據(jù)、方法與認(rèn)知三個(gè)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(jìn)，共同驅(qū)動(dòng)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(dòng)態(tài)演化的共享語(yǔ)義空間

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

人機(jī)回路的起點(diǎn)，在于AI的初步建構(gòu)。研究者提出初始問(wèn)題或輸入多模態(tài)資料，AI基于大模型進(jìn)行模式分析與多維關(guān)聯(lián)，生成一個(gè)初步的知識(shí)圖景（如主題網(wǎng)絡(luò)、模擬模型等），作為對(duì)人類意圖的首次計(jì)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(yǔ)義的關(guān)鍵。研究者憑借其領(lǐng)域知識(shí)與批判性思維，對(duì)AI的輸出進(jìn)行解讀與校準(zhǔn)。經(jīng)由識(shí)別潛在偏差、補(bǔ)充關(guān)鍵上下文、增刪或重組關(guān)系等方式，完成交互式語(yǔ)義標(biāo)注，為機(jī)器的計(jì)算結(jié)果注入深層語(yǔ)義。

最終，AI的內(nèi)化與擴(kuò)充，驅(qū)動(dòng)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(huì)動(dòng)態(tài)更新其內(nèi)部參數(shù)及知識(shí)結(jié)構(gòu)。更進(jìn)一步，AI能將內(nèi)化的規(guī)則進(jìn)行泛化，自主執(zhí)行更高級(jí)別的數(shù)據(jù)智能標(biāo)注、深層模式發(fā)現(xiàn)與語(yǔ)義網(wǎng)絡(luò)擴(kuò)充，從而實(shí)現(xiàn)知識(shí)體系的持續(xù)學(xué)習(xí)與自我演進(jìn)。

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

要將這一回路從機(jī)制轉(zhuǎn)化為實(shí)踐，關(guān)鍵在于構(gòu)建一個(gè)可持續(xù)的深語(yǔ)義數(shù)據(jù)生態(tài)。第一，重構(gòu)深語(yǔ)義語(yǔ)料體系。面對(duì)SSH研究對(duì)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(jī)共同建構(gòu)的語(yǔ)義共生體。這需要系統(tǒng)化地構(gòu)建領(lǐng)域本體，并對(duì)多模態(tài)語(yǔ)料進(jìn)行整合與精細(xì)化語(yǔ)義標(biāo)注53。此外，應(yīng)大力建設(shè)體現(xiàn)本土問(wèn)題意識(shí)、歷史語(yǔ)境與文化價(jià)值的特色語(yǔ)料庫(kù)[54]，為人工智能認(rèn)知與生成能力提供基礎(chǔ)的價(jià)值護(hù)欄和上下文約束。第二，遵循FAIR原則構(gòu)建動(dòng)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(yàn)，通過(guò)賦予數(shù)據(jù)持久性標(biāo)識(shí)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(wèn)、可互操作和可重用（FAIR），從而促進(jìn)跨機(jī)構(gòu)、跨領(lǐng)域的知識(shí)共享與可持續(xù)演化[55]。第三，建立人機(jī)協(xié)同的數(shù)據(jù)建構(gòu)機(jī)制。旨在深度融合AI的高效模式發(fā)現(xiàn)能力與人類對(duì)復(fù)雜因果、隱含偏見和深層理論的洞察力，實(shí)現(xiàn)計(jì)算與闡釋的優(yōu)勢(shì)互補(bǔ)。如開放研究知識(shí)圖譜（OpenResearchKnowledgeGraph，ORKG）在數(shù)字史學(xué)、語(yǔ)言學(xué)及社會(huì)學(xué)研究中，通過(guò)人在回路的工作流，將AI自動(dòng)從非結(jié)構(gòu)化歷史文獻(xiàn)中抽取的時(shí)間線、人物網(wǎng)絡(luò)與事件因果關(guān)系，交由領(lǐng)域?qū)＜疫M(jìn)行多輪語(yǔ)義標(biāo)注與本體完善[5，實(shí)現(xiàn)計(jì)算與闡釋的優(yōu)勢(shì)互補(bǔ)。

（2）方法回路：構(gòu)建人機(jī)協(xié)同的計(jì)算闡釋框架

數(shù)據(jù)回路奠定了共享語(yǔ)義空間的基礎(chǔ)，而方法回路則在此基礎(chǔ)上，構(gòu)建機(jī)器規(guī)模分析與人類闡釋深度結(jié)合的人機(jī)協(xié)同研究框架。它不是AI方法與SSH傳統(tǒng)方法的簡(jiǎn)單拼接，而是追求通過(guò)兩者的雙向互補(bǔ)與耦合，形成結(jié)合規(guī)?；?jì)算與人文深度闡釋、強(qiáng)調(diào)可解釋性與認(rèn)知護(hù)欄[7并保障人機(jī)互信與糾錯(cuò)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(jì)算與模式識(shí)別能力，為傳統(tǒng)的歷史考證、文本細(xì)讀等提供了規(guī)?；淖C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(cè)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(jià)值護(hù)欄是方向。SSH強(qiáng)調(diào)的理論洞察、價(jià)值敏感性與批判性思維，能夠深度介入模型的設(shè)計(jì)、調(diào)優(yōu)與解釋，形成認(rèn)識(shí)論護(hù)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(wèn)題，而非停留于表面關(guān)聯(lián)與模式輸出。

實(shí)現(xiàn)這種\"計(jì)算-闡釋\"方法融合的關(guān)鍵，在于一個(gè)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(hào)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(guò)程對(duì)人類透明、可理解[58]。這在SSH研究中尤為重要，因?yàn)樗粌H要求技術(shù)層面的解釋，更強(qiáng)調(diào)以領(lǐng)域?qū)＜铱衫斫獾姆绞街噩F(xiàn)推理邏輯，增強(qiáng)學(xué)術(shù)信任[59]。神經(jīng)符號(hào)AI則是實(shí)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(shí)別與符號(hào)AI的邏輯推理，將知識(shí)圖譜等符號(hào)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(xiàn)等復(fù)雜任務(wù)時(shí)，其結(jié)論可追溯到明確的知識(shí)實(shí)體與關(guān)系，而非僅依賴模糊的統(tǒng)計(jì)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(dòng)AI與人文社科知識(shí)共生的重要技術(shù)前沿。

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

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

知識(shí)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(gè)AI增強(qiáng)的分布式認(rèn)知系統(tǒng)[]。這一系統(tǒng)中，認(rèn)知活動(dòng)不再局限于單一人腦，而是作為一個(gè)跨人機(jī)網(wǎng)絡(luò)的動(dòng)態(tài)過(guò)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(qiáng)大的記憶、計(jì)算和模式識(shí)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(hù)龐大的知識(shí)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(dòng)，包括提出價(jià)值觀驅(qū)動(dòng)的問(wèn)題、構(gòu)建原創(chuàng)性的理論模型、進(jìn)行復(fù)雜的倫理與價(jià)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(jī)認(rèn)知閉環(huán)以實(shí)現(xiàn)動(dòng)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(guò)數(shù)據(jù)驅(qū)動(dòng)的模式分析提供洞察；人類對(duì)AI生成的結(jié)果進(jìn)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(dòng)集體智慧的自我演化。

將這一認(rèn)知回路付諸實(shí)踐，意味著要構(gòu)建一個(gè)以人機(jī)深度協(xié)同為中樞的知識(shí)共創(chuàng)系統(tǒng)。當(dāng)前，這一領(lǐng)域最前沿的實(shí)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(dòng)的智能體來(lái)模擬大規(guī)模、復(fù)雜的社會(huì)互動(dòng)，從而進(jìn)行計(jì)算社會(huì)科學(xué)實(shí)驗(yàn)，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(jī)共生型集體智能體系的演進(jìn)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(jì)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(tái)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(xiàn)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(huì)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(gè)性、記憶和動(dòng)機(jī)的LLM驅(qū)動(dòng)智能體，在一個(gè)模擬的社會(huì)環(huán)境中進(jìn)行互動(dòng)，從而研究復(fù)雜的社會(huì)現(xiàn)象。如斯坦福大學(xué)的研究團(tuán)隊(duì)通過(guò)對(duì)1052名真人進(jìn)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(huì)調(diào)查中的回答與真人的重復(fù)測(cè)試回答準(zhǔn)確率相當(dāng)（達(dá)到真人自我重復(fù)回答準(zhǔn)確率的 85% ），成功模擬了個(gè)體的態(tài)度和行為[68]。另一個(gè)名為AgentSociety的項(xiàng)目則旨在模擬超過(guò)一萬(wàn)個(gè)智能體的社會(huì)生活，以研究社會(huì)極化、信息傳播和經(jīng)濟(jì)政策影響等宏大議題[69]。

在這種模式下，人類研究者設(shè)計(jì)實(shí)驗(yàn)、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(wàn)的AI智能體則負(fù)責(zé)執(zhí)行微觀層面的互動(dòng)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(cè)未來(lái)的新階段。

綜上所述，真正的知識(shí)共生范式，并非追求AI的對(duì)等主體性，而是通過(guò)構(gòu)建分工明晰、可驗(yàn)證、可調(diào)適的人機(jī)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(jià)值，同時(shí)保障人類研究者在意義建構(gòu)與價(jià)值判斷中的核心地位。這正是SSH領(lǐng)域設(shè)計(jì)共生智能的核心立場(chǎng)與可持續(xù)演進(jìn)之道。

3以知識(shí)共生賦能自主知識(shí)體系構(gòu)建

在模型即知識(shí)的智能時(shí)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(shí)生成和認(rèn)知演化的關(guān)鍵力量。AI驅(qū)動(dòng)的知識(shí)共生，其根本使命不只是簡(jiǎn)單提高研究效率或打造智能工具鏈，而在于引發(fā)知識(shí)生產(chǎn)關(guān)系的變革，賦能國(guó)家和文化共同體構(gòu)建自主的知識(shí)體系[70。這并非要構(gòu)建封閉排他的知識(shí)壁壘，而是在全球化語(yǔ)境下，為形成具有文化主體性、理論原創(chuàng)性與國(guó)際對(duì)話能力的知識(shí)系統(tǒng)提供生成性動(dòng)力。傳統(tǒng)的知識(shí)生產(chǎn)模式往往受限于個(gè)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(jī)遇，可以系統(tǒng)性地將文明深厚的歷史經(jīng)驗(yàn)、復(fù)雜的社會(huì)結(jié)構(gòu)與獨(dú)特的價(jià)值觀念，轉(zhuǎn)化為結(jié)構(gòu)化、可計(jì)算、可推演的知識(shí)形態(tài)。

3.1AI語(yǔ)境下的自主知識(shí)體系

所謂自主知識(shí)體系，旨在構(gòu)建一個(gè)能夠獨(dú)立于外部主導(dǎo)力量、具備自我發(fā)展和演化能力的知識(shí)生產(chǎn)、傳播與應(yīng)用生態(tài)。在中國(guó)語(yǔ)境下，這意味著知識(shí)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(yǔ)料，并服務(wù)于國(guó)家戰(zhàn)略需求，同時(shí)具備國(guó)際交流與互鑒的能力。因此，其核心在于爭(zhēng)取與確立應(yīng)有的認(rèn)知主權(quán)與敘事能動(dòng)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(shí)范式。它強(qiáng)調(diào)在AI等先進(jìn)技術(shù)支撐下，構(gòu)建兼具本土語(yǔ)義邏輯、地方問(wèn)題意識(shí)和全球?qū)W術(shù)表達(dá)力的知識(shí)系統(tǒng)，既扎根本國(guó)歷史經(jīng)驗(yàn)與文化語(yǔ)境，又積極參與國(guó)際學(xué)術(shù)對(duì)話，推動(dòng)不同文明體系的知識(shí)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(yǔ)料高度傾斜于英語(yǔ)及西方語(yǔ)境。如在常用的CommonCrawl數(shù)據(jù)集中，中文網(wǎng)頁(yè)占比僅為約1.4% ，遠(yuǎn)低于英文網(wǎng)頁(yè)的 55%^[74] 。這種顯著的語(yǔ)料不平衡，導(dǎo)致本土語(yǔ)言和知識(shí)在AI模型的語(yǔ)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(huì)強(qiáng)化現(xiàn)有敘事結(jié)構(gòu)，壓縮本土經(jīng)驗(yàn)的表達(dá)空間。這種模型即話語(yǔ)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(guó)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(guó)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(yùn)而生。它被定義為一個(gè)國(guó)家使用自己的基礎(chǔ)設(shè)施、數(shù)據(jù)、勞動(dòng)力和商業(yè)網(wǎng)絡(luò)來(lái)生產(chǎn)人工智能的能力[76]這一理念主張由國(guó)家自主開發(fā)、訓(xùn)練、部署AI，以確保AI在本土社會(huì)文化語(yǔ)境下做出符合價(jià)值觀的智能決策，從而保障文化與經(jīng)濟(jì)安全[77]。然而，主權(quán)AI也伴隨著主權(quán)陷阱（Sovereigntytrap）風(fēng)險(xiǎn)[78]。若采取一種完全由國(guó)家主導(dǎo)的保護(hù)主義AI戰(zhàn)略，可能導(dǎo)致以犧牲開放性與多元?jiǎng)?chuàng)新為代價(jià)，催生新的中心化治理結(jié)構(gòu)，在無(wú)意中強(qiáng)化集中治理的邏輯，損害社會(huì)多樣性及邊緣群體的利益。

因此，構(gòu)建一個(gè)真正自主的知識(shí)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(lái)打破對(duì)外部技術(shù)的依賴；同時(shí)，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(shí)的多樣性而非新的霸權(quán)。這種雙重策略，正是知識(shí)共生范式在宏觀層面的體現(xiàn)。

在知識(shí)共生的驅(qū)動(dòng)下，自主知識(shí)體系的建設(shè)可從兩個(gè)層面推進(jìn)：一是認(rèn)知建構(gòu)層面，通過(guò)人機(jī)協(xié)同將分散的本土經(jīng)驗(yàn)上升為抽象概念和理論模型，推進(jìn)本土知識(shí)體系化；二是文化多元層面，利用AI的語(yǔ)言生成與跨語(yǔ)境對(duì)齊能力，促進(jìn)本土知識(shí)在多語(yǔ)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(shí)代實(shí)現(xiàn)方法論自主，已成為構(gòu)建自主知識(shí)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(shí)共生范式，構(gòu)建“數(shù)據(jù)-算法-語(yǔ)義\"三位一體的本土智能體系，使AI從被動(dòng)接受外部模型的“模型接受者”，轉(zhuǎn)變?yōu)橹鲃?dòng)參與算法共建的\"認(rèn)知協(xié)作者”。

（1）本土深語(yǔ)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(yǔ)義主權(quán)。AI模型本質(zhì)上是對(duì)數(shù)據(jù)模式的壓縮提取，若訓(xùn)練數(shù)據(jù)無(wú)法反映本土文化語(yǔ)境和社會(huì)結(jié)構(gòu)，再先進(jìn)的算法也無(wú)從輸出符合本土邏輯的知識(shí)表達(dá)。因此，首要任務(wù)是構(gòu)建覆蓋多模態(tài)、多層級(jí)的本土深語(yǔ)義語(yǔ)料體系。以中國(guó)為例，應(yīng)系統(tǒng)化整合涵蓋歷史經(jīng)典、方志檔案、社會(huì)調(diào)查、民族語(yǔ)言等多源數(shù)據(jù)，并輔以領(lǐng)域本體與知識(shí)圖譜，確立明確的語(yǔ)義錨點(diǎn)與概念關(guān)系網(wǎng)絡(luò)。同時(shí)，借鑒CLARIN等國(guó)際經(jīng)驗(yàn)，構(gòu)建兼顧本土深語(yǔ)義與國(guó)際對(duì)接能力的“活數(shù)據(jù)體”，為AI模型提供可持續(xù)的知識(shí)供給。

（2）發(fā)展文化適配的算法體系。擁有本土深語(yǔ)義數(shù)據(jù)后，仍需可適配的算法模型與可解釋的推理機(jī)制。當(dāng)前，中國(guó)在本土大模型研發(fā)方面已取得顯著進(jìn)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(yǔ)混合訓(xùn)練，在英文基準(zhǔn)任務(wù)上的表現(xiàn)達(dá)到GPT-3水平，并在多項(xiàng)中文任務(wù)評(píng)測(cè)中超過(guò)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(gè)正在進(jìn)行中的、充滿競(jìng)爭(zhēng)的過(guò)程。本土模型在經(jīng)過(guò)特定領(lǐng)域語(yǔ)料的深度訓(xùn)練后，完全有能力在專業(yè)任務(wù)上超越國(guó)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(lái)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(hào)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(yǔ)義偏移和文化誤讀風(fēng)險(xiǎn)。

（3）推進(jìn)本土化知識(shí)表示與推理機(jī)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(shí)表示與符號(hào)推理體系。以中文領(lǐng)域?yàn)槔?，知識(shí)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(guó)的概念網(wǎng)絡(luò)去推理，生成符合本土語(yǔ)境的新知識(shí)單元。一方面，要加快構(gòu)建面向本土的知識(shí)圖譜和本體體系，精細(xì)定義本土核心范疇的語(yǔ)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(duì)應(yīng)概念建立映射錨點(diǎn)，既方便跨文化對(duì)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(hào)推理模塊。如在法律AI中，讓模型內(nèi)置《中國(guó)民法典》《刑法》等規(guī)范，根據(jù)本土法理進(jìn)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(shí)驗(yàn)中已展現(xiàn)更高的本土合法性與社會(huì)適配性。

通過(guò)“數(shù)據(jù)-算法-語(yǔ)義\"三方面的共生重構(gòu)，AI才能從被動(dòng)接受外部模型轉(zhuǎn)向主動(dòng)參與算法共建，進(jìn)而反哺人文社科研究的理論創(chuàng)造力，實(shí)現(xiàn)真正的認(rèn)知自主和理論獨(dú)立。這正是知識(shí)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(guó)際敘事

如果說(shuō)方法論自主解決了如何用AI表達(dá)本土化故事的問(wèn)題，那么更進(jìn)一步，AI知識(shí)共生正推動(dòng)非西方學(xué)術(shù)由被動(dòng)的知識(shí)輸入走向知識(shí)生成的核心環(huán)節(jié)，實(shí)現(xiàn)從跟隨到并行創(chuàng)造的躍遷[81]。這不僅意味著\"自說(shuō)自話”，更要求在全球語(yǔ)境中實(shí)現(xiàn)可對(duì)話、可共創(chuàng)與可檢驗(yàn)，打破單一話語(yǔ)體系對(duì)國(guó)際敘事的長(zhǎng)期壟斷。為此，可以從以下幾方面入手：

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

（2）本土知識(shí)的AI重構(gòu)與全球語(yǔ)匯對(duì)接。大模型卓越的信息檢索和模式比對(duì)能力，可充當(dāng)知識(shí)共生場(chǎng)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(guó)際主流學(xué)術(shù)語(yǔ)匯建立映射，形成新的理論交叉點(diǎn)。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(hào)推理，生成可供跨學(xué)科檢驗(yàn)的新倫理框架[84]這種語(yǔ)義橋梁有望把長(zhǎng)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(dòng)的全球敘事響應(yīng)機(jī)制。本土理論在國(guó)際傳播中常因文化誤讀、語(yǔ)義偏差或成見壁壘而難以得到有效傳達(dá)。AI能模擬全球敘事場(chǎng)景，作為“敘事沙盤”[85]。研究者可利用多智能體對(duì)話，讓AI充當(dāng)“國(guó)際評(píng)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(duì)論述的多輪跨語(yǔ)境壓力測(cè)試，提升國(guó)際接受度。

（4）差異性與共通性的知識(shí)接口。知識(shí)共生的國(guó)際敘事還應(yīng)平衡差異性與共通性。一方面，強(qiáng)調(diào)文化獨(dú)特性，展現(xiàn)本土思想的內(nèi)在價(jià)值；另一方面，主動(dòng)尋求全球公共議題的對(duì)接點(diǎn)。如“共同富?！崩砟?，可通過(guò)AI語(yǔ)義映射與證據(jù)檢索，與聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)（如減貧、促進(jìn)公平）對(duì)齊，生成兼具本土色彩與普遍共識(shí)的敘事接口，增強(qiáng)話語(yǔ)的全球共鳴力。

綜上，AI知識(shí)共生不僅是學(xué)術(shù)界擺脫工具依賴、實(shí)現(xiàn)方法論自主的技術(shù)路徑，更是推動(dòng)本土知識(shí)體系走向全球共創(chuàng)的范式引擎。通過(guò)“多語(yǔ)種語(yǔ)料-本土模型-語(yǔ)義對(duì)齊-全球敘事\"這一協(xié)同鏈，AI將從單一的工具助手升級(jí)為趨勢(shì)感知者、語(yǔ)際協(xié)調(diào)者與語(yǔ)義守護(hù)者，助力本土學(xué)術(shù)完成從輸入到生成、從被動(dòng)到并行的躍遷。

4結(jié)語(yǔ)與展望

當(dāng)前，AI在SSH領(lǐng)域的應(yīng)用已取得顯著進(jìn)展，但其在原創(chuàng)性理論構(gòu)建、深層意義理解與價(jià)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(lái)了認(rèn)知降級(jí)、社會(huì)懲罰乃至算法殖民等一系列深層風(fēng)險(xiǎn)。這促使我們必須推動(dòng)AI在SSH中的角色從被動(dòng)的輔助工具向積極的“知識(shí)共生\"伙伴轉(zhuǎn)型，即由被動(dòng)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(shí)共生\"理念升維AI在SSH領(lǐng)域的應(yīng)用范式。這一范式強(qiáng)調(diào)人機(jī)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(jì)算優(yōu)勢(shì)與人類的洞察力和創(chuàng)造力。本文詳細(xì)闡述了實(shí)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(yǔ)義語(yǔ)料資源；算法強(qiáng)擎，即開發(fā)以可解釋AI（XAI和神經(jīng)符號(hào)AI為代表的、適應(yīng)SSH復(fù)雜性需求的算法模型；人機(jī)共創(chuàng)，即建立以生成式智能體為代表的、可實(shí)現(xiàn)深度交互的嵌入式協(xié)同機(jī)制。

尤為重要的是，AI知識(shí)共生范式對(duì)中國(guó)自主知識(shí)體系建設(shè)具有深遠(yuǎn)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(duì)全球AI發(fā)展中的知識(shí)主權(quán)挑戰(zhàn)。通過(guò)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(guó)歷史文化與社會(huì)語(yǔ)境的原創(chuàng)理論，改變過(guò)去在部分領(lǐng)域長(zhǎng)期存在的理論“逆差\"狀況，提升中國(guó)SSH在國(guó)際學(xué)術(shù)舞臺(tái)上的話語(yǔ)權(quán)和影響力。

展望未來(lái)，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(jī)認(rèn)知機(jī)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(píng)價(jià)體系的相應(yīng)變革。同時(shí)，數(shù)據(jù)隱私、算法偏見與學(xué)術(shù)倫理等問(wèn)題將日益突出，亟需健全的治理框架與制度保障。實(shí)現(xiàn)知識(shí)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(duì)話與攜手共進(jìn)，始終堅(jiān)守人文精神與社會(huì)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(xiàn)：

[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(guó)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(bào)（人文社會(huì)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(zhǎng)峰，楊龍飛.重大輿情與突發(fā)事件輿論演變與引導(dǎo)機(jī)制研究述評(píng)［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(duì)大語(yǔ)言模型的偏見性研究綜述[J].計(jì)算機(jī)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(hào)識(shí)別研究綜述：尋找微弱的未來(lái)信號(hào)[J].情報(bào)學(xué)報(bào)，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(yǔ)料庫(kù)[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(duì)[J].北京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)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(guó)務(wù)院辦公廳.關(guān)于加快構(gòu)建中國(guó)特色哲學(xué)社會(huì)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(qiáng)可持續(xù)性范式與中國(guó)發(fā)展C模式[J].探索與爭(zhēng)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(jiǎn)介：祝忠明，研究員；寇蕾蕾，助理研究員。