自大語言模型進入社會科學研究者的工作視野以來，人工智能在學術研究中的角色已經從偶爾的輔助問答，發展到對研究過程的深度介入。能夠執行代碼、檢索文獻、生成分析腳本的智能工具，目前已可以參與從數據采集、統計分析到文獻整理、論文寫作的多數研究環節。人工智能作為“同事”帶來的效率提升是直觀的，但其能力邊界及對認知習慣乃至社會關系的影響，可能比效率本身更亟待討論。

讓人工智能替自己工作，享受更多輕松時光，一直是縈繞在人們心頭的一個愿景。圖片來源：東方IC

智能工具的能力邊界

人工智能的效率增益對于目標明確、規則清晰的工作體現得最為顯著。以往為研究項目編寫網絡數據采集程序，通常需要在熟知計算機算法和代碼寫作的前提下，花費數周時間才能完成。現在用自然語言描述采集需求，智能工具往往能在較短時間內生成可用的方案，并在遇到技術障礙時做很多的輔助工作。

但效率提升到一定程度之后，機器能力的界限逐漸顯現。讓智能工具梳理某個領域的研究文獻脈絡，它可以較好地歸納出主要理論觀點和流派，也能在一定程度上識別觀念或流派之間的分歧。但它沒有辦法判斷這些理論框架在中國語境下是否適用、何處需要修正，這類判斷需要長期浸泡在中國社會的經驗中，信息量再大也替代不了這種判斷力。

概而言之，人工智能目前擅長的是在給定框架內處理信息，框架本身的選擇、質疑和重建，仍然依賴人在具體社會經驗中積累的直覺。學術研究如此，其他領域也有類似的情況。醫療診斷中，算法可以在影像識別上超過多數醫生，但面對一個癥狀模糊、病史復雜的患者，仍然依賴臨床經驗。司法領域的情況稍有不同。輔助量刑系統匹配案例和法條的效率很高，但個案中的情理權衡涉及對社會語境和當事人處境的綜合理解，這種理解目前很難被形式化。

人機分工重塑認知習慣和關系結構

在以往的研究實踐中，構思分析策略之后需要自己動手編代碼實現。研究者在編寫過程中發現數據里的異常或某個變量的測量問題時，可以通過模型調試和理論反思對整個設計產生新的理解。這些發現事先計劃不來，只有在“做”的過程中才可能冒出來。如果“做”的部分越來越多地由機器承擔，這些附帶的收獲也可能隨之減少。這樣的現象不只是在學術領域出現。例如在建筑行業，繪圖軟件替代手繪之后，手與材料之間的直接接觸所激發的設計直覺，在數字化過程中是否逐漸消失？翻譯行業也面臨同樣的問題。機器翻譯普及之后，年輕譯者對語言的深層感知能力是否下降？那些字斟句酌的文字溫度會不會被冰冷、難以挑剔的邏輯所替代？執行過程被技術壓縮，執行中附帶的認知訓練也可能被一并壓縮，這在不同行業中的表現不盡相同，但方向是一致的。

那么，什么是合理的工作方式？這個標準本身也在變化。數據清洗可能從一周縮短到半天，文獻梳理可能從幾天縮減到幾小時，但問題的醞釀、判斷的成形、思路的打磨，或許并沒有變快。能快的部分快到了極致，不能快的部分一如既往。這種不對稱容易制造一種隱性的壓力：既然工具這么快，為什么人還這么慢？當周圍的環節都在加速，留給思考的時間就容易被視為低效。

學術研究從來都是在人與人的關系中完成的。研究助理在處理數據的過程中學會了怎樣提問，博士生在和導師討論分析策略時獲得了超出技術層面的學術判斷力。如果這些工作逐步轉移到人機交互中，交往結構本身也可能改變。

這在學術領域之外有更廣泛的表現：患者開始用智能工具預判病情再去找醫生，醫患關系中的知識權威結構正在松動。類似的變化也發生在法律服務中。當事人可以用AI生成訴狀初稿，律師的專業角色需要重新理解。雖然效率收益是明確可感的，但被替代的往往包括一段關系中隱性的信任建立和知識傳遞功能。這些功能的流失是漸進的，不容易被察覺，修復起來卻很困難。

代際之間的差異可能使問題進一步復雜化。上一代人的專業能力是在沒有智能工具的條件下形成的，他們對工具的局限有直覺的把握，知道什么時候應該放下工具回到自己的判斷。下一代人從一開始就在智能工具的輔助下接受訓練，對工具邊界的感知可能天然更弱。在訓練體系中保留去工具化的環節，讓人在沒有輔助的條件下完成完整的判斷過程，可能是未來教育繞不開的問題。

邊界自覺意識守護協作安全

人工智能在幫助研究者做事的同時，也在參與界定研究者認為什么事情值得做。在社會學的分析傳統中，工作價值的界定一向被視為制度的功能。當前關于人工智能的討論大多圍繞效率、風險、監管展開，前提是將它視為工具。但如果它已經在參與塑造使用者對工作本身的理解，這個前提本身就需要重新審視。當大規模文獻綜述變得很容易完成，花兩周精讀一本專著的意愿就會降低。合理工作方式的標準本身在移動，這和偷不偷懶越來越無關。

“好用”本身就是一種風險。越是好用，使用者越容易忽略或不去深究工具的局限。智能工具善于學習使用者的偏好，表達方式、分析策略、理論取向都會不斷得到強化。工具給出的建議越來越合口味，帶來意外的機會越來越少。但好的學術判斷、準確的臨床決策，可能恰恰來自和已有預期相矛盾的信息。一個永遠順著使用者走的工具，長期來看可能會收窄人的視野。

守住邊界需要巨大的決心和努力。研究者、醫生、律師在各自的工作中保留不依賴智能工具的環節，核心判斷要經過自己的思考，這是在個體層面能夠做到的。行業規范和教育體系明確哪些能力必須在沒有工具輔助的條件下訓練，這需要制度層面的設計。而對人工智能影響的公共討論，如果始終停留在效率和風險的層面，就可能錯過更根本的問題：人的認知方式、社會關系和價值排序正在被如何改變。

人工智能讓工作節奏變快了，這已是不爭的事實。除了節奏和效率之外，認知習慣在被重塑，好工作的標準在變化，人與人之間傳遞知識和建立信任的方式在改變。如果這些變化確實正在發生，人工智能就已經不只是一個外在的效率工具，它正在融入人的認知方式、職業規范和社會交往的運作邏輯之中。

任何技術一旦大規模嵌入社會生活，都會改變權力關系和機會分配。人工智能的特殊之處在于，其嵌入的層面更深，正在介入人的思考和判斷過程。誰在人機協作中獲得優勢、誰被排斥，取決于不同社會群體使用智能工具的可及性，更取決于一個社會是否有足夠的自覺，來辨認哪些領域不應被效率邏輯主導。對這種自覺的培育，可能比對技術的監管更為迫切。

作者系北京大學社會學系副教授、北京大學武漢人工智能研究院研究員

來源 ： 中國社會科學報

責任編輯： 王亮 余朋翰

新媒體編輯：程可心

如需交流可聯系我們