AI时代，人文社科不会被取代|人文社科|时代|社会科学|论文

香港中文大学（深圳）校长讲座教授、人文社科学院院长唐文方教授在《深圳特区报》发表题为《AI时代人文社科生存与发展的思考》的署名文章。文章认为，AI给社会带来巨大便利，但在人文社科领域不会取代人类。在AI时代，人文社科的发展需要重视数据和数据分析能力，同时避免“只有理论没有数据”或“只有数据没有创新”两种倾向。总体而言，人文社科教育应培养学生的创造力、理论思考能力和跨学科能力，把数据分析与理论研究结合起来，实现转型发展。

AI（人工智能）的发展，为人类社会带来了革命性的变化，它不仅使人们的生活更加便利，工作效率飞跃式提高，也为许多行业带来了被取代的危机和焦虑。

在高等教育领域，一些人心目中似乎产生了一种印象，认为人文社科将会被人工智能取代。本文将对这种看法作出一些初步思考，结论其实很简单，只要人类社会存在，人文社科就不会被取代。与此同时，人文社科也要学会在人工智能时代找到自身发展的新方向。

AI能写出好论文吗？

AI的出现，为人文社科领域的学者和学生提供了很大的便利。常见的一个场景是，让AI写论文。AI真的能写出好论文吗？

首先，AI写不出A水平的论文。AI可以写出中规中矩的文献总结、政策回顾的论文，但它很难给出有创造性的解决问题的方法。从这个意义上讲，AI可以帮你写出B水平的论文，但写不出真正有创意的A水平的论文。

在AI时代，当低端和中端的训练被人工智能取代时，如何培养学生创造性的思维，是新文科高等教育的重中之重。这是AI无法取代的。AI对创造性思维的束缚可能是当下被人忽视的问题。AI虽然能帮助人们提高生产力，也会帮助研究者写论文，但是它也会限制人的一些思考，会让一些人顺着它的思路走，从而忽视思考的重要性，甚至使人丧失创造性。概言之，AI写出来的作品会缺乏“个性”，而这个“个性”，又偏偏是人文社科研究中不可或缺的元素。

数据是AI时代新文科生存与发展的关键词

在可预见的未来，AI可能无法取代人文社科，无法写出有创造性的论文，但是人文社科高等教育也需要认识到数据科学的重要性，这一点在AI时代尤为重要。

人文社科的发展离不开AI，而AI的发展和应用又离不开数据，特别是离不开无所不包的海量的大数据。社会科学的各个领域，以及文学、历史、考古、艺术等人文学科，都应建立大数据资料库。AI会在这些大数据的基础上建立一些模型，也就是说建立一些如何分析、处理这些数据的方法以及提供这些方法在人文社科领域的应用。人文社会科学今后的发展是离不开数据的。AI时代的社会科学高等教育应当注重学生对数据的敏感性，教会学生如何去收集、整理和分析数据。

数据是一个广义的概念，它包括了人工智能所使用的大数据，例如我们每天会产生的大量的网络和社交媒体上的文字、音频和视频数据。同时，数据也可以是小数据，例如调查数据，包括问卷调查、网络调查和电话调查的数据，以及实验室产生的数据，这些数据要通过研究者自己去收集。AI可以帮助研究者设计问卷，协助调查员进行面访，并对数据进行分析，但是还无法取代研究者的主导作用。

AI时代人文社科应当避免的两种趋势

当前人文社科领域存在两个趋势。第一个趋势，有些人具备很有新意的理论，但是没有第一手的数据和可靠的科学方法的支撑，这种现象在一些比较传统的哲学社会科学学者中比较普遍。第二个趋势是有很好的数据和很前沿的方法，但无新意，证明了一些已知的事情。

这两种倾向无助于人文社科的发展。AI时代的人文社科高等教育，最重要的是应该让学生学会从理论到数据的细化和从数据到理论的升华。要学习科学思维，用证据说话，但不能只停留在数据上，要训练学生如何向更大的理论问题升华以及展开挑战，这种升华和挑战需要足够的社会经验、足够的社会科学理论的积累。

AI时代的高等教育，特别是在人文社科方面，应该训练学生去想大问题，比如说文明的起源、发展、交流，国家的起源与制度建设等等。但是大问题不能空想，要学会从数据入手来回答。

质性研究（qualitative research）是目前我国人文社科领域的主要研究方法。当前，质性研究也会用到以数据为基础的人工智能，从这个意义上讲，质性研究也不可避免地用到数据。从质性研究向数据研究的转变，并不是说要学习多少高深的统计方法，更重要的是思想的转变，也就是说从如何用访谈案例来说明问题，到如何用数据来证明问题。当然，比较理想的做法是两者的结合，在量化研究的基础上增加访谈的内容，就会让研究变得更加丰富多彩，更加有说服性，更容易让读者理解。

关于跨学科发展的可行性

新文科建设是高等教育高质量发展的重要组成部分。现在学术界已经形成了一个共识，新文科应该强调跨学科协同发展，这无疑是非常必要的。其实，交叉学科在人文社科领域早已开始了，例如政治心理学、环境社会学、认知心理学、组织社会学等等，都是目前已经存在的交叉学科和研究方向。

AI时代，新文科的跨学科交叉发展还在于与数据科学的结合。数据科学在人文社科领域的应用可以称为计算社会科学，也就是把数据和计算方法引入传统的人文社科各个领域。此外，还有一些新型的前沿交叉学科有待开发，例如基因与环境对人的社会行为和态度影响，称为表观遗传学（epigenetics），这种将医学与人文社科结合的交叉研究，具有极为重要的理论意义和广泛的开拓前景。

AI不等于无所不能，但离开AI就有可能落在他人之后。传统的低端和中端的技能训练可以由AI来完成。人文社科各个领域的老师和学生亟需提升理解、提出、分析、解决问题的能力、对数据的敏感性，以及培养更重要的理论思考和原创性能力。总之，AI时代的新文科建设面临转型的挑战，任重而道远。

来源：深圳特区报。