《國務院關於深入實施“人工智能+”行動的意見》提出，推動哲學社會科學研究方法向人機協同模式轉變，探索建立適應人工智能時代的新型哲學社會科學研究組織形式，拓展研究視野和觀察視域。

此前，本版曾推出專題報道《人工智能：來自科學，改變科學》，探討了人工智能給自然科學研究帶來的變化。本期走進哲學社會科學領域，邀請專家學者談談他們在日常研究工作中使用AI的探索和思考。

古籍整理與研究有了得力“助手”

講述人：北京師范大學文學院教授、漢字漢語研究與社會應用實驗室主任 王立軍

一部未經整理的古籍，其字形認同、句讀標點、詞義考辨、典故溯源，每一項工作都對研究者的專業學養和時間投入提出極高要求。傳統的人工整理模式不僅周期長、成本高，也因專業人才的稀缺，使得大量古籍文獻難以得到及時有效的整理和利用。我們一直在思考，能否借助現代科技，為這項古老而崇高的事業注入新的能量？

人工智能技術的快速發展，為我們提供了解決這一難題的新思路。2022年，在國家文化數字化戰略的指引下，我們團隊獲批承擔國家語委重大項目，致力於利用人工智能前沿技術，攻克古籍整理數字化和智能化中的關鍵難題。

這條道路充滿挑戰。通用大語言模型在標引或釋讀古漢語文本時，容易出現內容篡改和事實性錯誤等“幻覺”現象，無法做到對古漢語專業領域知識的准確理解。因此，我們選擇從頭訓練垂直領域模型，利用大規模、高質量的專業古籍語料來應對通用大語言模型的這一弊端。為致敬近代國學大師章太炎先生，我們將該模型命名為“AI太炎”。過去，一位學者整理一部典籍的初稿可能需要數月乃至數年﹔如今，“AI太炎”能在短時間內完成一部古籍文本的自動標點、注釋生成、文白翻譯、典故提取等基礎性工作。

然而，這並不意味著AI將取代學者。恰恰相反，它將我們從大量煩瑣、重復的基礎勞動中解放出來，使我們能夠聚焦於更具深度和創造性的學術探究。譬如，在漢語詞義的演變研究中，我們利用“AI太炎”的智能釋義技術，對近2億字語料進行全量標注。當古今漢語詞匯的意義流變軌跡，以系統性數據的形式清晰呈現時，我們得以用一種全新的、數據驅動的方式，去觀察和分析語言演變的宏觀規律。這在過去是難以想象的。

學術成果的生命力在於其社會價值。我們積極推動“AI太炎”在多元場景中落地應用：與出版機構合作，將AI融入古籍數字化整理的工作流程﹔研發多語種翻譯功能，支持將文言文翻譯為英、法、俄、日等語言﹔建設文言文知識庫和分級閱讀語料庫，研發學習難點自動識別、知識點自動關聯等教學輔助技術，服務一線語文教學需求……

當然，我們對AI的應用邊界和潛在風險保持高度的審慎。首先，AI並非全知全能，對於知識盲區和復雜情境可能輸出不准確內容，因此其結果應作為“參考”而非“定論”，專業人士的審核把關不可或缺。其次，要警惕因技術依賴導致的思維惰性，尤其在人才培養中，原典閱讀和句讀訓練等傳統方法仍十分必要。此外，人文學科更應堅守人文關懷和對文史知識的深刻洞察——AI雖能高效處理信息，卻難以觸及文字背后的復雜情感和深邃思想。人文學者的創造力與洞察力，始終是古籍整理與研究中不可替代的核心。

作為新時代人文學科的研究者，我們既要積極擁抱技術變革，也要堅定守護人文學科的核心價值與學術精神。我們相信，通過人機協同的創新實踐，那些沉睡在典籍中的古老智慧，必將得到更有效的活化與傳承，在新時代綻放出更加璀璨的光芒。

這可能是考古學的“第三次革命”

講述人：山東大學文化遺產研究院院長、講席教授 方輝

當前，陶器研究逐漸從編年史的視角轉向對其與社會關系的關注，陶器社會研究因此成為重要話題。陶器社會研究可以說是碳-14測年技術帶來的，它使考古學家有了絕對年代標尺，對考古學來說是一次革命性發展。如果說碳-14測年解決的是年代序列問題，那麼DNA研究則觸及了人本身以及社會組織的問題，為考古研究又帶來革命性轉變，而且這個轉變還在進行中。

目前，在考古中有一種現象還沒有引起足夠重視，那就是跨坑拼對現象。我們在發掘中曾遇到這種情況：一個陶器散落在相距40米的不同地方，但由於它上面有暗紋，無意當中一拼對，發現它們是同一件器物。出土這兩個陶片的兩個不同的灰坑，圍繞著一個大祭壇分布，形成了一個共時的活動遺留。這提示我們，跨坑拼對，對於微觀聚落的共時性建構是非常重要的。

然而，考古工作者總是要處理海量的文物遺存，人工拼對有時候很難進行識別，因為這不隻涉及一個灰坑、一個地層，甚至是一個遺址。面對海量的陶片，通過人力實現拼對從而証明不同單位的共時性是很難的。但是，人工智能卻是可能實現的，它可以快速進行識別，並嘗試加以驗証。

從2024年起，我們選取濟南大辛庄遺址中的一個灰坑開展考古工作，這個灰坑分為14層，包含18000多片陶片。我們在對每一片陶片進行編號、拍照、記錄等數據採集過程中發現，這些陶片都有層位信息，可以實現跨層拼對。但由於數量龐大，人工拼對短期內難以完成，我們決定試試AI。

於是，我們向全球開放了這些珍貴的考古數據，並發起了“大辛庄陶片拼合AI挑戰賽”，要求參賽團隊開源其解決方案。我們希望參賽者能夠開發出具有通用性和可解釋性的算法模型，有效應對陶片歷經3000年風化、磨損和顏色失真等復雜情況。

最終，參賽者提交了300多份解決方案，但因為陶片的正反面信息、厚度、曲率都會對AI拼對造成困難，需要龐大的算力支撐，最終實現有效拼對的不是很多。目前，據不完全統計，在18000多片陶片中，有效拼對的大約有60個。

不過，基於AI的陶器研究，其意義並非僅僅在於單純地增加可拼對的器物數量。實際上，它的潛在價值對於微觀聚落考古的共時性建構至關重要。拼合出的器物形態與數量，可以作為我們理解當時社會組織、生活圖景和文化交流的重要線索。相信隨著AI拼對技術的成熟，它未來可能會給考古學帶來對古代社會不一樣的理解。也許，這正是考古學的“第三次革命”。

為國際傳播提供更科學精准的參考

講述人：湖南師范大學人工智能與精准國際傳播實驗室主任 高協平

過去，要研究一個國際熱點事件的媒體報道，通常會抽樣選擇一些有代表性的媒體，統計分析其數百篇報道。這就像通過隨機取幾個水樣，來推測整片海洋的成分。而現在，AI給了我們“駕馭整片海洋”的能力。

我們曾做過一項關於“一帶一路”倡議全球傳播的研究。通過AI驅動的網絡爬虫，在幾小時內就採集到上百個國家和地區、數十種語言、長達五年跨度的數百萬篇新聞報道和社交媒體帖子。這個數據量，是傳統方法很難做到的。但這只是第一步。面對這片信息的“汪洋”，如何分析？我們引入大數據方法和自然語言處理技術。AI模型可以自動對海量文本進行情感分析，精准識別不同國家媒體對該倡議的態度。通過主題建模，它能像一位不知疲倦的助手，自動歸納出外媒報道中最常出現的議題，譬如是聚焦“經濟合作”還是“地緣政治”？是強調“基礎設施建設”還是“文化影響”？這讓我們從過去對“點”的推測，躍升到對“面”甚至“體”的精確描繪。我們不再只是“覺得”某個議題很重要，而是能通過數據“看到”它在整個信息生態中的權重、演變和關聯。這種研究范式的轉變，是革命性的。

隨著以“我即媒體”為象征的社交媒體時代來臨，傳播學早已不限於文字形態，圖片、表情包、短視頻成為新時代的“世界語”。傳統研究方法面對這些非文本內容，常常感到無力。但AI中的計算機視覺技術，為我們打開了新世界的大門。

我們研究過一些國際社交媒體上的中國形象傳播。以前做這種研究需要招募一大批志願者，人工觀看成千上萬的視頻，記錄其中出現的長城、高鐵、京劇臉譜等中國元素，效率極低且主觀性強。現在，我們訓練AI模型，讓它可以自動識別視頻中的視覺符號，分析畫面構圖、色彩基調，甚至結合字幕和語音，進行更深刻的挖掘，做出更綜合的判斷。AI賦能下的多模態分析，讓我們能夠更全面、更立體地解讀這個視覺化的傳播時代，讓那些“隻可意會”的視覺修辭，變得“可以言傳”，甚至可以量化分析。

可能有人會問：AI的“冷冰冰”數據，會不會取代人文社科的“溫度”與深度思考？我們的回答是：不會。AI不是取代思想的“魔法”，而是解放生產力的“利器”。它將我們從煩瑣、重復的勞動中解放出來，讓我們有更多精力去進行理論構建、提出更具創見的假設，去解讀數據背后深刻的社會、文化與心理動因。

展望未來，我們正嘗試構建更智能的“精准國際傳播”模型。希望利用AI，不僅分析“已經發生了什麼”，還能預測“將產生怎樣的結果”，更能精准建議“如何面向對未來”，從而為講好中國故事提供更科學、更精准的決策參考。

“數智決策”改變金融理論與實踐

講述人：西南財經大學大數據研究院副院長 徐亮

我來自西南財經大學大數據研究院“地方金融動態監測及系統性風險預警”團隊。在AI技術飛速發展和國家“金融強國”戰略結合日益緊密的當下，我越來越深刻地感受到，AI驅動的“數智決策”正在深刻改變金融理論與實踐。

金融理論和實踐，離不開預測和決策兩個環節。預測就是對未來收益或者行為的預期。在數字時代，數據基礎發生了根本變化，多模態混頻數據，如交易流水、輿情文本、財報圖像等文本、數字和圖片同時存在，極大增加了預測難度。決策就是投資的決定或者面臨風險的處置方式。傳統的基於模型計算結果的決策模式，缺乏自我調節和修正能力，而“先預測、后決策”分離范式容易導致“預測准確但決策效果不佳”。

我在研究中面臨多模態數據預測的一個典型場景，是“電碳融合”背景下的企業信用評級。以往的企業信用評級多基於企業財務信息。隨著電力賬戶和碳賬戶數據的融合，有了更高頻度和更多模態數據來源，如每15分鐘更新一次企業電力負荷數據等。我們團隊和國網湖北經研院及銀行合作，將企業電碳賬戶和綠色金融深度融合，利用時間序列大模型，創新“多模態數據對齊表征技術”，對企業未來的用電負荷進行有效預測，針對細分行業和企業成長階段性特點制定差異化的企業電碳信用體系和評價規范，推動企業電碳賬戶數據和評價結果與金融機構實現信息互通、結果互認。

套期保值是通過金融衍生品工具，如期貨期權，來減少企業面臨採購和價格風險的有效手段。過去，衍生品數量的決策往往依賴書本上的公式。為了使套期保值決策能動態反映市場環境和之前決策的損益情況，我們開發出套期保值智能體，使其具備動態反思和自適應調整能力，可以自動化完成企業套期保值決策生成。

AI還可以服務於金融安全監管。以反洗錢為例，大模型技術具有逐步推理和強化學習的決策能力，可針對不同的個體行為分析其可能參與洗錢的主要原因和最適合的處置措施。我們團隊和四川省大數據中心合作，創新提出“基於激活函數的大模型動態強化學習”技術，在四川、山東等多地落地，為相關部門提供了多起P2P、電詐等重大風險事件預警。

（項目團隊：記者 陳海波、楊颯、宋喜群、馮帆、龍軍、周洪雙、蘇雁 通訊員 胡韌奮、李紳）