人工智能重塑智庫研究模式的四個維度

《國務院關于深入實施“人工智能+”行動的意見》提出，要加快探索人工智能驅動的新型科研范式。經過十余年的高水平建設，我國新型智庫在提高研究質量和推動內容創新方面取得了顯著成效，但在數據、方法、人才等環節仍存在短板。這些短板恰好對應人工智能應用于智庫研究的幾項基本前提，即可用的數據、可靠的方法、能夠操作工具的專門人才，以及對結果安全性的把握。因此，討論人工智能如何改變智庫研究，可以從上述四個維度尋找存在的問題與解決方案，構建數智時代“人工智能+智庫”的“新質智庫”建設模式。

第一，數據維度：數據質量的約束與治理辦法。數據是人工智能應用的前提，也是當前智庫研究最明顯的約束。現有智庫數據庫建設質量良莠不齊，與人工智能處理要求的矛盾日益突出。多數智庫的數據來源分散，格式不統一，缺乏持續更新，難以直接用于模型訓練或檢索。例如，訪談和實地調研形成的記錄大多以非結構性文本存在，未經整理難以進入數據庫；不同課題對同一指標的口徑和命名往往不一致，匯總時需要大量人工核對。數據碎片化的難題，使得已有成果難以被后續工作復用。與此同時，人工智能對數據的要求高于傳統研究，無論是訓練專用模型，還是采用檢索增強生成（RAG）技術調用資料，都需要規范、清晰、可追溯的數據作為支撐。

應對這一問題，可以從兩個方面入手。一是利用人工智能技術實現多源數據規范化采集、清洗、標注與校驗，減少人工干預的隨機性，大幅提升數據質量，進而適配人工智能訓練需求。二是依托人工智能技術在機構層面建立智庫數據協同機制，將分散的資料庫歸集為可檢索、可更新的知識庫，自動跟蹤重大議題數據，形成可復用的決策咨詢知識模塊，強化智庫數據積累和知識資產沉淀。例如，北京市《加快人工智能賦能科學研究高質量發展行動計劃（2025—2027年）》將建設至少十個高質量科學數據庫列為明確目標。這些做法均表明，數據治理是決定“人工智能+智庫”能否產出可靠結果的基礎性工作。

第二，方法維度：從定性判斷到人機協同。智庫研究長期以專家的定性判斷為主，定量分析多作為輔助。面對涉及眾多變量、動態變化的政策議題，僅靠人工分析往往難以覆蓋足夠的情形，也不容易在短時間內給出有依據的推演結果。人工智能有助于補齊定性判斷的短板，加入模型定量科學分析，從而能夠起到輔助決策的關鍵性作用。

方法改進的一種可行做法是采用“人工智能情景仿真+專家校準”模式，由人工智能完成政策的多情景模擬、風險識別與指標預測，并由研究人員負責結果校準與戰略判斷。在社會科學領域，已有研究嘗試用大語言模型替代人類行為進行模擬實驗。例如，清華大學的“硅基實驗”選取心理學與管理學若干經典實驗，用主流大語言模型生成響應數據，得到了較高復現率與一致性，這說明大語言模型可以作為低成本手段輔助進行模擬實驗和假設初篩。但是，人工智能模型用于模擬預測的數值與真實值之間仍存在誤差，其結果需要經過人工核對，不能直接作為結論。

在政策研究和決策輔助等場景，人工智能也能夠承擔可計算、可重復的推演工作，同時將判斷、解釋和校準的工作則交給研究人員。人工智能平臺可將政策模擬與評估系統、復雜社會指標預測系統、基于多智能體的社會仿真系統等列為研發方向，推進定量方法在政策研究中的應用。決策輔助專有模型還可以提供精準化政策研判、情景模擬、風險預警等功能，供地方政府、企業和研究機構在具體議題中參考選擇，適配個性化咨政研究需求。

第三，人才維度：兼通社會科學與技術方法的研究隊伍。當前，智庫研究隊伍中熟悉政策理論和研究方法的人員，多數對數據處理和模型應用了解有限；而具備技術能力的人員，又未必熟悉政策研究的問題和規范。兩類知識分屬不同人群，導致先進技術無法與研究能力很好結合，限制了人工智能方法在智庫中的應用成效。

針對人才維度的短板，解決辦法主要分為三個方向。一是與高校、科研機構和科技企業聯合開設交叉課程，培養既了解政策研究，又掌握數據治理與模型開發應用的復合型智庫人才。二是通過柔性引進的方式吸納人工智能技術專家和數據科學家，與智庫現有人員組成協同研究團隊，實現優勢互補、能力共建。例如，山東省教育廳等部門印發《人工智能賦能高校科學研究高質量發展的若干措施》，支持高校組建由數據科學家、領域專家和算法工程師共同構成的科研隊伍，形成綜合交叉的創新團隊。三是對現有人員開展精準個性化培訓，通過人才能力畫像推送定制化培訓課程，搭建人工智能虛擬仿真平臺，提升實操能力，補齊數據和算法方面的短板。以上三個方向同時回應了人工智能應用受人才結構限制這一難題。

第四，安全維度：模型可靠性與決策咨詢的專業要求。智庫的核心功能是為決策提供咨政服務，這對人工智能的可靠性提出了高于一般應用的要求：決策咨詢要求結論權威、專業、準確，且不能泄露敏感信息。然而，當前通用大模型普遍存在數據幻覺、對特定領域專門知識掌握不足、數據和訪問安全防護薄弱等問題，與決策輔助的要求存在明顯錯配。

智庫長期積累的專家資源和知識資料，以及高校在學科專業上的領先水平，為研發面向特定領域、強調可靠和安全的專門模型提供了條件。以中國人民大學多學院、多學科、多智庫聯合研發的“長江經濟帶高質量發展大模型”為例，這一模型在三個方面回應了上述要求。第一，作為大模型技術底座的“人大知擎智能支撐系統”，以自然語言處理、知識圖譜、多模型協同調度為核心能力，支持私有化部署與云端安全調用，對應“安全”的要求。第二，以基礎知識庫和專家知識庫為核心的智庫知識庫系統，將智庫的專門知識納入模型的檢索和生成范圍，對應“專業”的要求。第三，在上述基礎上，進一步研發的智能咨詢問答、智能報告生成和決策輔助智能體等功能，面向本地化和部門級的具體應用，使輸出結果可核對、可追溯，對應“可信”的要求。又如，中國人民大學研發的“涉外法治大模型”，通過高可信的法條檢索與生成框架，約束模型僅在可靠資料范圍內作答，充分滿足了法律研究對嚴謹性的要求。

在制度層面，還需要堅持以人為本、價值引領、安全可控、公平公正、透明可解釋原則，明確人工智能在智庫研究中的倫理邊界、行為規范、責任要求，防范算法偏見、數據歧視、價值偏差等風險。同時，建立人工智能模型安全檢測、數據安全防護、算法可解釋性審查、風險預警與應急處置制度，在行業層面培育形成對應用標準、數據規范和成果質量準則的共識，推動共建“人工智能+智庫”的可信、可控、有價值生態。

人工智能在智庫領域的應用涉及數據、方法、人才、安全等多個維度的協同調整。安全、可靠、專業的專用模型，加之以專家判斷為主導的人機協同模式，才能使人工智能有效改進智庫研究過程，更好服務于智庫的決策咨詢功能。

作者系中國人民大學智慧治理學院副院長；中國人民大學智慧治理學院科研助理

來源：中國社會科學報

責任編輯：閆勇

新媒體編輯：宗敏

如需交流可聯系我們