AI时代，社会科学路在何方？|社会科学_新浪财经

不久前，复旦大学校长、中国科学院院士金力在接受媒体采访时谈到今年学校将进行的改革，尤其是提及人文学科占比将削减至20%，引发关注。事实上，面对科技浪潮，人文社会科学如何应对，这已经成为整个高等教育界迫切需要回答的问题。

人文社会科学的复杂性与自然科学有着很大的不同。自然科学往往基于客观法则，而人文社会科学研究人类行为，过去更多是基于经验或者实证。人工智能技术的发展，使得原本规律难测、验证难度更大的人文社会科学面临着研究范式的变革。

不仅仅是复旦大学，在目前综合类高校的学科发展中，不少能快速发展且占据良好学科生态位的文科，也并非是公众认知中的传统文科，更多的是通过与新技术结合，或者与其他学科交叉融合后实现自我焕新的文科。

正如一些人文学者所感言的那样，当下的人文社会学科发展，考虑的不应该是扩大规模，更应该是如何提出AI无法提出的创新思想，培养AI无法替代的学生。

——编者

人工智能（AI），特别是ChatGPT问世以后，其重要性被广泛认可，将对人类生产、生活等各个方面产生深刻影响。就社科领域而言，AI正打破过去我们所认为难以打破的两个界限——一是定性分析与定量分析的界限，一是社会科学内部各学科、各领域之间的界限。由此，AI不仅将重塑社会科学研究的生态，甚至将会重塑社会科学本身。

从现状来看，AI可以帮助设置选题，收集数据，建模编程，分析实证结果提出政策建议，甚至完成文章，学术期刊也可能是人工智能审稿、人工智能主编，甚至做决策。那么，人类的作用在哪里？随着AI不断进步，我们需要思考，大学设立的学科专业、培养的学生，能发挥的作用和价值在哪里？

作为从事社会科学研究的学者，我们未来应该做的是AI替代不了的创新性研究；作为大学老师，我们应该教给学生一些AI教不了的新东西。

人工智能正不断催生新的研究方法和工具

自从ChatGPT和DeepSeek等大模型问世，大家纷纷探索如何利用这些通用大模型赋能学术研究。例如，信息检索、数据处理、综述文献、代码编写、程序开发、翻译及论文写作等，而这些都只是AI赋能学术研究的冰山一角。未来，我们可以预见，越来越多的本科生、硕士生、博士生的毕业论文将会有大模型的影子。

AI正在深刻改变经济学等社会科学的研究范式。在经济学领域，大约从20世纪80年代就开始出现研究范式的深刻革命，经济学家一般称它为“实证革命”或者“经验革命”（也叫作“可信性革命”）。实证研究指的是以数据为基础，利用统计学、计量经济学的推断方法和工具揭示经济变量之间的因果关系，从而揭示经济运行和发展的规律。

计算社会科学正是一种数据驱动的研究范式。其中，计量经济学是实证研究在经济学领域的主要方法论。

2021年，诺贝尔经济学奖就授予三位在因果推断方面作出贡献的经济学家，他们或在理论创新，或在应用创新取得了突破。其中，约书亚·安格里斯特（Joshua D.Angrist）在2009年出版了一本畅销书——《基本无害的计量经济学》。书的前言部分提到，“应用计量经济学所考虑的问题和其他社会科学或者流行病学所考虑的问题并无本质区别。任何希望从数据中得到有用推断的人都可称为应用计量经济学家。”其实，他在这里定义的并非应用计量经济学家，而正是在强调，计量经济学的研究方法不仅适用于经济学，还适用于社会科学的其他领域，甚至包括流行病学和生命科学。

在统计学和计量经济学领域，AI也正与传统理论深度融合，催生新的研究方法和工具。例如，在统计学的学术会议上，经常被提及的高维统计方法，其核心正是借助AI实现降维，从而更高效地处理复杂数据。计量经济学与AI融合的进程稍慢，但近年来也出现了越来越多将AI与传统计量经济学模型相结合的尝试。这种结合不仅拓展了传统计量经济学的应用范围，还放松或弱化了传统模型中限制比较多的一些假设，使其在更广泛的场景中具有更好的适用性和灵活性。

突破定性分析和定量分析的界限

从另一方面来看，AI正打破社会科学研究中定性分析与定量分析的界限。在国外，经济学博士项目早在几十年前就已经强调定量分析，但在中国，关于定性与定量分析的争论直到几年前还十分激烈。

举个例子。经济学家长期关注客观数据的测度，一些客观变量，如消费量、供给量、价格等数据都是客观且可观察的。然而，在经济理论尤其是行为科学领域，很多主观变量的测度对理论创新至关重要，包括偏好、态度、社会规范、文化等。这些主观变量在过去曾被认为难以测度。但如今，心理学中的心理计量学，就与计量经济学一样，表明其实心理也是可以测度的，IQ、EQ的测度就是典型案例。

近年来，许多经济学家，尤其是从事金融学和会计学研究的学者，开始大量使用自然语言处理技术来测度重要的心理变量，如幸福感、客户满意度和投资者情绪等。这些过去无法测度的变量，如今借助大数据和自然语言处理技术，变得可测了。这种主观变量的测度也推动了经济学科的发展。

例如，凯恩斯上世纪30年代发表的《就业、利息和货币通论》是经典宏观经济学的奠基性理论。书中提出了“动物精神”这一重要概念，即人的决策行为不仅受理性计算的影响，还受到非理性因素的影响。然而，20世纪70年代，以宏观经济学家卢卡斯为代表的“理性预期学派”，强调人的行为基于理性推断，几乎完全排除了非理性因素。但在最近二十年，行为经济学特别是行为宏观经济学重新兴起，一个重要原因就是心理因素的可测性。如今，我们可以利用大数据和自然语言处理技术，包括ChatGPT和DeepSeek，来测度这些心理变量，并把这些非理性的心理变量与宏观经济学相结合，从而推动宏观经济学的发展。

从这个角度来看，定量分析和定性分析之间的界限早已被打破，而我们现在应反思的是，中国经济学长期以来存在的这两者之争。技术的发展带来的不仅是社科领域研究范式的变化，甚至对社科研究本身也带来颠覆性的变化。正如一些经济学家常常强调，必须反对过度数学化、模型化。但以ChatGPT为例，其模型有1751个未知参数，这正是超大规模的数学模型或统计模型，也是人工神经网络的底层架构。正是这种高度复杂的模型，在文本分析中被广泛应用于定性分析的场景，且模型的规模越大，其语言逻辑性和精准性往往越高。这表明，复杂模型与定性分析之间并不存在本质冲突，反而可以相互促进。

社会科学内部的学科隔阂正被打破

另一个被打破的界限是社会科学内部各学科、各领域之间的界限。

以经济学为例。随着大数据、自然语言处理大模型技术的广泛应用，我们可以测度许多经济数据之外的因素，比如社会心理、社会规范、文化与社会伦理以及生态环境，如PM2.5等数据。这些因素的可测性使得经济学能够从事交叉学科研究。如今，经济学分析框架中不仅包含经济因素，还包括许多非经济因素，这些都得益于数据和人工智能技术的广泛应用。

经济学与社会科学的基本任务之一是揭示经济社会的因果关系与发展规律。在经济学领域政策有效性评估方面，因果关系被定义为：经济运行受到成千上万因素的影响。如果其他因素控制不变，仅改变某一政策，观察其对GDP增长的影响，那么这种影响若被证实存在，则可以认定是由该政策引起的。

然而，经济学和社会科学本质上是非实验系统，社会发展非实验产物。虽然在某些领域和特定时间可以引入实验因素，如中国的经济特区，但大部分经济学研究仍需依赖观测数据而非实验数据。

人工智能不仅可以用于精准的样本外预测，还可以用于做客观度较高的因果推断。经济数据几乎都是观测数据，由于观测数据具有一定的局限性，因此，我们无论是使用计量经济学、统计学还是人工智能，推断出来的因果关系本质上仍是一种统计关联。若想将其解释为因果关系，还需借助专业知识解释。这些知识我们常常把它叫作领域知识，对经济学家来说，其实就是经济学社会科学的知识。因此，人工智能技术和大模型仅提供了社会科学所需的工具和方法，这些技术必须与领域知识相结合，才能真正实现揭示因果关系的目标。

当然，AI也有它的局限性。

大模型依赖三大基础：数据、算力和算法。如今，DeepSeek通过算法创新降低了对算力的需求。数据是大模型发展的基础，但随着AI的广泛使用，特别是通用大模型技术的普及，很多新数据其实是计算机和算法对现有数据进行各种排列组合产生的，新的信息增量越来越少，这将是大模型未来将面临的根本性局限。

而且，美国发布过一个行业分析，列举可能被AI替代的职业。结果显示，在经济学领域，一些职业如销售、会计、财务分析等受到的影响较大，未来被替代的可能性较高。但经济学家和社会科学家尚未被提及，这可能是好事。

经济学家、社会科学家会不会被AI替代？我们的部分工作像数据处理、编程、文献综述肯定会被AI替代，这可称为赋能。但是人类的创造性思维被AI替代的可能性不高，这也是步入智能时代后，社会科学研究领域的学者必备的能力。

（作者为中国科学院大学经济与管理学院院长）