作者：楊鋒（北京大學光華管理學院社會研究中心研究員）

　　習近平總書記在中共中央政治局第二十次集體學習時指出，人工智能作為引領新一輪科技革命和產業變革的戰略性技術，深刻改變人類生產生活方式。他進一步強調，以人工智能引領科研范式變革，加速各領域科技創新突破。這一系列講話為社會科學順應人工智能浪潮、拓展研究路徑提供了重要指引。

　　近年來，人工智能尤其是以大語言模型為代表的生成式人工智能，正以前所未有的速度深刻改變社會生活的方方面面。對于社會科學研究而言，這不僅意味著研究工具的迭代，也進一步豐富了研究議題與研究對象。

　　人工智能重塑社會科學研究方法

　　近年來，大語言模型逐漸被引入社會科學研究方法體系。憑借對自然語言與人類行為的模擬能力，這類工具不僅可降低研究成本，還拓展了研究的方法邊界。整體來看，人工智能正成為一種可嵌入式的研究輔助系統，能在多個環節實現自動化與高效化，特別是在文本處理、數據生成與模擬實驗三個方面，突破了傳統工具在規模化、數據可得性與交互復雜度上的限制。

　　第一，在文本分析方面，大語言模型憑借其強大的語境理解能力，在執行情感識別、立場判斷與話語傾向分析等任務時，明顯優于傳統依賴關鍵詞匹配和詞頻統計的方法。隨著社交媒體與新聞平臺持續生成海量文本數據，學界對自動化、規模化處理文本數據的需求不斷上升。而大語言模型在文本標注、情緒判斷與信息抽取等任務中，準確率接近人工編碼水平，并展現出較強的通用性與適應能力。

　　第二，在合成調查數據方面，大語言模型可根據特定身份特征（如年齡、教育水平等），模擬受訪者作答，從而生成合成數據。該方法響應快、成本低，在社會調查成本上升、回應率下降背景下，提供了一種具有前景的替代性調查手段。特別是隨著“算法保真度”等用于評估合成數據質量的標準不斷提出與發展，大語言模型可控性與實際應用價值正在逐步提升。合成數據的重要應用場景是對已有社會調查中的缺失值進行插補。大語言模型可在保留原始數據基礎上，依據已知變量預測并填補缺失項，并借助明確指標評估其準確性與穩定性，為研究者提供傳統方法之外的可行工具。

　　第三，生成式人工智能為模擬人類復雜互動過程提供了新途徑，有助于揭示社會規范的自然演化機制。傳統調查雖能捕捉個體態度與行為，卻難以系統觀察密集互動下的動態變化，進而難以理解未經設計的社會行為如何自發涌現。基于生成式代理的社會模擬為此類研究提供了低成本、高可控、可重復的虛擬實驗平臺，使研究者能在設定情境下觀察行為互動，探索社會規范的生成邏輯。例如，斯坦福大學與谷歌合作開發的“虛擬小鎮”項目中，25位生成式代理人能在同一虛擬空間中溝通、協作。在一項實驗中，研究者僅向一名生成式代理人植入“想舉辦情人節派對”的想法，代理人之間隨即展開信息傳播、協調并成功舉辦活動，在沒有預設劇本的前提下展現了集體行動如何在自由互動中自然生成。目前，國內研究機構也在探索“社會模擬器”的構建，利用生成式人工智能模擬群體行為，以揭示社會行為的結構性動力。

　　盡管大語言模型在文本分析、合成調查數據與模擬社會互動等方面展現出廣闊的應用前景，但目前其實際應用仍處于起步階段，尚未形成廣泛、規范的研究實踐。其運作機制高度復雜且缺乏透明度，體現出典型的“黑箱”特征，有悖于社會科學對研究工具可解釋性和過程透明性的基本要求。此外，該類技術對提示詞的設計高度敏感，輸出結果存在一定不穩定性，且模型持續迭代更新也進一步削弱了結果的再現性，從而對研究的可復制性和可驗證性提出挑戰。因此，在拓展人工智能在社會科學中的方法價值的同時，也有必要同步推進對其“黑箱”機制、輸出一致性與可靠性的系統研究與規范建設。

　　人工智能拓展社會科學研究議題

　　隨著人工智能在各類場景中的廣泛應用，圍繞其治理方式的討論已成為公共政策與全球治理中的核心議題。社會科學研究者圍繞制度設計、倫理邊界、安全審查與責任機制等問題，展開了理論探討與政策建構。

　　除了“如何治理人工智能”的議題，人工智能作為一種通用技術，其廣泛部署對國際格局、國內社會結構、經濟發展模式及社會心理狀態等方面也產生了深遠影響。這些影響也逐漸成為社會科學研究的重要議題。例如，人工智能技術的推廣在短期內可能引發對新工具的焦慮；從全球視角看，人工智能有可能進一步加深人工智能技術弱國對技術強國的依賴；在國內，則可能重塑職業結構，并改變代際流動的路徑與機制。

　　當前人工智能仍處于快速演進的早期階段，學界對其影響的研究多集中于短期效應或基于理論模型的前瞻性推演，其長期影響及深層機制仍有待進一步觀察與實證檢驗。

　　值得關注的是，人工智能的發展也引發了一系列反思。大語言模型在應用中暴露出諸多社會偏見與認知失衡問題。例如，其對低教育群體、發展中國家和邊緣語言環境的理解存在系統性偏誤。這些偏誤一方面需通過擴充數據、優化模型等手段加以修正，以便更好地使其作為研究工具廣泛應用；另一方面，也為社會科學提供了反思人類潛在偏見的新窗口。模型所呈現的偏見，或許能幫助我們識別那些在現實中因社會壓力或政治規訓而不易顯現的認知傾向，并進一步追溯其深層根源。

　　筆者團隊基于跨國調查數據，評估主流模型對不同國家與社會群體主觀感知的模擬能力后發現，主流模型在預測低教育群體和發展中國家時誤差顯著。研究還發現國產模型在理解中國語境方面表現更優。上述偏誤并非偶發，而是源于訓練語料在地理分布、文化偏向和價值設定上的結構性失衡，致使模型在面對“非西方世界”時易陷入刻板印象和認知盲區。因此，人工智能并非中性的認知工具，而是一種嵌入特定社會語境與文化背景的技術產物，需要社會科學從理論層面予以解構與反思。

　　總體而言，人工智能既是社會科學的研究工具也是研究方向，對社會科學產生了深刻而復雜的影響。我國人工智能居于世界領先地位，這不僅是我國科技發展的機遇，也為我國社會科學研究開辟了新空間。社會科學領域應主動回應，既警惕技術決定論，也避免工具恐慌，在人工智能的使用中完善方法，在反思中提升對人工智能的認識。