迅猛发展的人工智能技术正以前所未有的方式介入人文研究，不仅为其提供了跨学科融合的新路径，也深刻改变了传统人文学问题的提出与解答方式。
01
“消失”的百科全书式学者
人类思想史与学术史上不乏百科全书式的学者，其知识视域跨越多个领域，思想成果往往兼具广度与深度。这些学者体现出试图统摄整个人类知识体系的志向和能力。这类“通才”的出现，不仅与当时知识总量相对有限、学科分野尚未彻底固化有关，更与前现代社会中知识被视为统一整体这一认识论传统密切相关。
然而，自工业革命及现代性进程加速以来，学术生产机制发生了根本性转变。随着社会分工不断细化，知识领域亦呈现出高度专业化和碎片化趋势。马克斯·韦伯所形容的“理性牢笼”在学术领域降临，学科制度、专业期刊、学术共同体及评价体系日益强调精深与专攻。这一转变在提升研究效率、深化局部认知方面取得显著成就，但同时也导致学术视野的窄化和研究壁垒的森严。学者往往在特定学科乃至子学科领域深耕，成为执掌一方的“专才”，而那种横跨文理、融通诸学的“通才”则几乎消失在现代学术体制的地平线上。
这一现象背后是现代知识生产的内在逻辑：一方面，知识的专业化和爆炸式增长使单个个体无法全面掌握多个学科的前沿内容；另一方面，学术体制的职业化和竞争性鼓励学者在特定范围内持续深耕，进而产出可评估、可发表的专门成果。其结果不仅是通才的式微，更在某种程度上造成 C. P. 斯诺所警示的“两种文化”——人文学科与自然科学之间的理解鸿沟。
然而，在专才主导的时代中，一种新型的“跨学科通识能力”正逐渐受到重视。它不再追求个体掌握一切知识，而是强调具备跨越学科边界进行对话、整合与创新的能力。人工智能技术的兴起，尤其在大规模知识整合与智能推理方面展现出的潜力，为打破学科壁垒、重构知识整体性提供了新的可能。
02
人工智能
对人文学科研究视野的拓展
人工智能技术和大语言模型日新月异的发展给人文学者架起了通往多学科的桥梁，使学者拥有了更广阔的学科、知识和研究视野。
首先，人工智能特别是大语言模型和知识图谱技术，能够跨学科语义扩展与关联识别人文学者输入的议题。例如，一位研究“汉代丝绸之路物质文化交流”的历史学者，在利用AI平台处理出土简牍、器物铭文及图像数据时，不仅可以获得古文字识读、文本转录的辅助，还能触发AI的跨学科关联机制。平台可能会自动推荐环境史中关于距今2000年欧亚大陆气候重建的数据，展示其中干旱化趋势与绿洲城邦兴衰的关联；同时关联分子人类学关于欧亚人群古DNA谱系流动的最新研究成果，提供生物基因层面人群迁徙的证据；甚至提示经济学中关于“比较优势理论”和长途贸易模型的讨论，为理解丝绸、玉石、玻璃器等特定商品的流通动力与定价机制提供理论框架。AI通过解析“丝绸之路”“物质文化”“多民族交流”等核心概念的深层语义网络，主动桥接了历史学、气候科学、遗传学和经济学等多个学科领域，为学者呈现出一个立体、多维度的研究视角，从而助力其重构一个更宏大、更精确的“跨欧亚交流网络”叙事。
其次，人工智能可承担“方法论翻译者”的角色。不同学科往往使用迥异的研究方法和数据表达形式，如社会网络的图计算、语言学中的语料库分析、经济学中的回归模型分析等。人工智能工具能够将某一学科的问题“转译”为另一学科可理解的分析形式，甚至自动生成相应代码或建模建议。例如，人文学者仅需提出“我想从传播学角度分析《诗经》版本的流变”，人工智能工具便可给出研究方法和具体路径。
最后，生成式人工智能在假设生成与理论建模方面也表现出卓越的辅助效能。它可基于既有跨学科知识，为人文议题提供创新性的解释框架或研究假设。例如，探讨“宋代山水画与自然观念变迁”的学者，可通过AI获取环境史、认知心理学中关于“自然感知”的研究线索，甚至建议将气候数据与画作意象变化进行关联分析，从而引导学者构建出融合视觉分析、历史气候学与思想史的复合论证模型。
因此，在这个由人工智能赋能的时代，人文学者不再需要成为“行走的知识书橱”，而是应该转变为知识的整合者和灵活运用者。
03
人工智能
对人文学科研究层次的深化
人工智能不仅是一座连接外部学科的“桥梁”，更是一枚聚焦于学科内部的“透镜”。它赋予人文学者前所未有的能力，以重新审视、解析并深化其自身领域中的根本问题。这一“透镜”功能并非将视野引向他处，而是通过增强观察精度、拓展分析维度与重塑问题意识，使学者得以穿透传统方法的局限，发掘人文材料中潜藏的深层次结构与意义。
其一，在方法论层面，人工智能提供了大规模文本与图像数据的精细化分析工具。例如，数字文献学中，基于深度学习的Transkribus等手写体识别模型，不仅能够高效转录古代手稿，还能通过笔迹比对、墨迹分析等功能，辅助判定文献的年代、流传路径甚至作者身份。在文学研究中，主题建模、风格计量分析等技术可深度挖掘庞大语料的语义结构，识别出单纯靠人工阅读难以察觉的主题演变、文体影响与叙事模式，从而推动文学史研究的“代表性解读”走向“系统性理解”。
其二，在阐释能力层面，人工智能增强了人文学者对复杂符号和文化模型的敏感度与解释力。例如，在艺术史中，卷积神经网络可用于画作的构图分析、色彩分布与风格传承研究，量化比较不同时期、流派或个体的视觉特征，进而揭示文化影响、技术条件与审美偏好之间微妙的互动关系。同样，在历史学中，借助自然语言处理模型对日记、报刊、档案进行情感分析或网络分析，研究者能够重构历史事件中的公众情绪变迁、社会关系网络或话语策略运作，从而对历史动因提出更精准化的解释。
其三，人工智能推动了一种批判性新视角的生成。它不仅是工具性的“加速器”，更可激发学者对本学科核心概念和研究问题的反思。例如，艾布拉姆斯提出的文学活动四要素“世界、作者、作品、读者”在算法生成文本的挑战下，需要加以重新检视、讨论和重构；“经典”的形成机制可通过接受历史数据的计算分析变得有迹可循，不再是看不见的传播“黑箱”；人工智能的出现也成为伦理学的热门话题，催生了计算伦理学和人工智能伦理的探讨等。人工智能在此扮演着“诠释伙伴”的角色，它基于计算的“观察”结果未必提供答案，但常常能提出新的问题，迫使学者回到理论层面深入反思与创新。
因此，作为“透镜”的人工智能，并未使人文学科脱离其理解人类经验与价值的复杂性根本使命，反而通过技术赋能和加持，使这一使命以更严谨、更系统、更具想象力的方式得以践行。
人工智能既非取代人文，亦非淹没其独特价值，而是在方法论与认识论层面为人文学科注入了新的活力。在人工智能的辅助下，当代人文学者有望超越“专才”与“通才”的传统二元认知，成为一种新型的“智识策展者”——既不放弃深度，又重新拥抱广度；既善于提问，又勇于整合。而这或许正是人文精神在技术时代中的一次真正复兴：不是在知识的记诵中重复过去，而是在人类创造中开启未来。
原文标题：《桥梁与透镜：人工智能时代人文学科的创新向度》作者系武汉大学文学院副教授
来源 ： 中国社会科学报
责任编辑： 项江涛
新媒体编辑：张雨楠
如需交流可联系我们
热门跟贴