社會科學研究如何用好智能體

本報AI制圖

人工智能正在迅速改變知識生產(chǎn)的方式。在傳統(tǒng)的量化研究中，檢索文獻、清理數(shù)據(jù)、運行模型、撰寫論文，每一步都由研究者手動操作軟件逐項完成。隨著人工智能的發(fā)展，生成式工具以對話框為入口，能就研究者的提問給出文字回答，可以幫助研究者梳理思路、研讀論文、補全代碼和訂正筆誤等。如今的智能體則更進一步以大模型為內(nèi)核，能夠圍繞一個研究目標自動拆分步驟，調(diào)用命令行工具，從“回答問題”走向“完成工作”。

與一般的生成式工具相比，智能體的不同在于它能圍繞一個研究目標自主拆分任務，并在文獻數(shù)據(jù)庫、網(wǎng)頁、表格、統(tǒng)計軟件、代碼環(huán)境與寫作工具之間往返調(diào)用。從文獻初篩、資料整理、訪談轉(zhuǎn)寫、數(shù)據(jù)清理、初步編碼、程序編寫、結(jié)果呈現(xiàn)到初稿撰寫，這些原本需要研究者或研究助理逐項完成的環(huán)節(jié)，都可能因此被重新組織。這既是研究效率的提升，也意味著社會科學知識生產(chǎn)的組織方式正在變化。

01

“干活的學生”與“干活的導師”

智能體促進社會科學研究大致有兩種方式。一是“加速”。訓練有素的學者把檢索、清理、運行、制表一類重復性的執(zhí)行工作交給智能體，自己專注于方向把控與質(zhì)量把關(guān)，無需再親自操辦煩瑣的步驟。在這種分工里，智能體更像一個“干活的學生”：其核心機制是委托重復勞動，人負責定方向、把質(zhì)量，智能體負責執(zhí)行。研究周期越長、流程越繁復，這種省力就越明顯。此時，智能體如同諸葛亮的“木牛流馬”，替社會科學家馱起科研中的體力活。

二是“賦能”。此時，使用者可能對要做的事情不太熟悉。借助智能體，過去需要長期浸潤才能領(lǐng)會的學科知識、研究范式與編程語言，如今也能較快上手。此時智能體像是一位“干活的導師”：它不只替人做事，還能提供指導。它自身的知識庫本是有限的，但只要喂給它足夠的材料，比如學科頂刊的優(yōu)秀論文，它就能在“后天”習得更多，從而提供更貼近學科規(guī)范的成果和指導。

兩相對照，“加速”就像是導師指導AI學生，而“賦能”就像是學生請教AI導師；兩者的關(guān)鍵區(qū)別在于，研究者能否獨立評估智能體的產(chǎn)出，并據(jù)此調(diào)整研究方向。需要注意，這里面的師生關(guān)系，并不是一成不變的。比方說，大學教授有很強的學術(shù)能力，但這不代表工作中全程都擔任導師角色——當他們需要了解一些數(shù)據(jù)資料或是查閱論文時，智能體就能反過來起到“臨時導師”的作用。當然，隨著科研能力的提升，“加速”的場景會越來越多；但是學海無涯，“賦能”仍然不可或缺。

02

研究技能的遷徙

研究者往往需要多年訓練才能真正入門一個學科。在智能體時代，大學生是否還需學習所有這些科研技能？新技術(shù)不一定直接消滅舊技能，而是改變它的位置與價值，形成一種“研究技能的遷徙”。回顧歷史，新技術(shù)對技能的影響主要有以下幾種，這對于我們理解智能體的影響或許有所幫助。

舊技能的第一種歸宿是弱化。在這種情況下，技能退出日常使用，或徹底消失，如珠心算之于計算器、計算尺之于電子表格；或退為少數(shù)人鉆研的技藝，如硬筆書法、荒野求生。在科研中，最可能走向這一步的，是繁復的基礎技能。批量下載文獻、整理文檔、基礎編程、文字校對等，越是機械重復的工作，越容易被自動接管。

第二種歸宿是共存。舊技能與新技術(shù)長期并存、各司其職，即便機器更快更省，人親手完成這件事本身仍被珍視，如電影中實景與特效的結(jié)合、機器人和人類共同表演舞蹈。在研究中，最可能共存的，是依賴身體在場與關(guān)系建立的技能，如田野調(diào)查、深度訪談、參與式觀察等。智能體可以轉(zhuǎn)寫、整理與初步編碼，卻替代不了研究者在現(xiàn)場對關(guān)系、語境與經(jīng)驗的體認。

第三種歸宿是提升。所謂提升，并不是舊技能原樣保留，而是工具接管操作層面的工作后，人的能力重心上移到問題界定、流程設計、結(jié)果解釋與質(zhì)量控制。前文的“加速”與“賦能”，大致可以在這方面有所體現(xiàn)。在研究中，最可能走向提升的，是可被工具承接執(zhí)行、人隨之上移到設計與判斷的技能，像是編程與數(shù)據(jù)分析、文獻綜述、圖表與寫作表達。比如說，智能體已能自動寫出編程代碼，但研究人員更需要有產(chǎn)品經(jīng)理的思維，明白怎么逐步規(guī)劃統(tǒng)計流程。

第四種歸宿是新生。有時新技術(shù)也會催生出前所未有的新產(chǎn)業(yè)與新崗位，正如汽車催生司機。在科研中，最可能新增的，是圍繞人機協(xié)作而生的能力。在智能體時代，研究者還需要掌握任務拆分、工具調(diào)度、過程留痕和結(jié)果審計等新能力。這些過去不存在或不重要的技能，正在逐漸變得關(guān)鍵。

歸結(jié)起來，機械性的搜集、整理、基礎編程與文章潤色工作越來越容易被自動化。科研人員需要像秋季的候鳥，逐步遷徙到新的沃土。在這片沃土上，更寶貴的技能或許是提出值得研究的問題、界定核心概念、理解社會語境、駕馭研究方向，以及為科研成果承擔責任。當“合格的產(chǎn)出”越來越廉價，大模型和智能體遍地開花，真正稀缺的，恰是能提出問題、把控方向并能為學術(shù)成果背書的社會科學家。

03

推動學科邁向高質(zhì)量發(fā)展

近年來，智能駕駛技術(shù)也在持續(xù)進步。在行業(yè)內(nèi)，現(xiàn)階段的主流仍是L2級“組合駕駛輔助”，即駕駛?cè)巳皂毘掷m(xù)監(jiān)督系統(tǒng)并保持接管能力。科研中的智能體應用也可作類似理解。AI 工具可以輔助檢索、起草和潤色，但研究者不能因此免除責任。研究者仍應核實事實、核對引用，并對研究成果的真實性、準確性和完整性負責。

社會科學研究既要借助智能體提速，也要重視科研安全。假如人人都用智能體不經(jīng)思考地產(chǎn)出論文，那么社會科學界就會被AI產(chǎn)品吞沒，甚至虛假信息橫行。所以說，提出問題、建構(gòu)概念、行文思路等核心環(huán)節(jié)不可外包；文獻、事實、數(shù)據(jù)、模型和推斷鏈條必須核驗；資料初篩、格式整理、代碼搭建和初稿撰寫等則可以協(xié)作。流暢完整的輸出不等于正確，只有明確主導、核驗與協(xié)作的邊界，人機分工才能提升而非損害研究質(zhì)量。

因此，未來研究者不僅要會使用工具，更要能提出問題、調(diào)度智能體、核驗研究過程，理解方法邊界與社會語境，并重視隱私保護和學術(shù)誠信等問題。學科共同體也應建立有關(guān)AI使用披露、過程留痕、結(jié)果可復現(xiàn)和責任歸屬的規(guī)范。歸根到底，智能體帶來的不應只是更快地生產(chǎn)論文，而應是更好地理解社會、更認真地回應現(xiàn)實。智能體時代真正值得期待的，不是讓機器替代社會科學家，而是讓研究者從重復勞動中騰出更多時間和心力，走向現(xiàn)實、理解他人，并回答更重要的問題。

作者系上海紐約大學應用社會經(jīng)濟研究中心研究員

來源：中國社會科學報

責任編輯：王亮

新媒體編輯：宗敏

如需交流可聯(lián)系我們