【圆桌对话】期货股票配资导航
编者按
当前，人工智能正以前所未有的深度与广度加速重塑人类社会的运行逻辑与存在形态。对哲学社会科学而言，这既是一场蕴含丰富可能的历史性机遇，更是一次对既有学科范式和认知框架的深刻检视。在技术高歌猛进的时代浪潮下，哲学社会科学工作者应如何在与人工智能的深层对话中，让智能工具成为拓展人类思想空间的积极力量？如何确保数据、算法与模型的发展始终遵循向上向善的价值导向，真正承载并推动人类文明进步？对于这个学术共同体必须直面的重要议题，本版特邀多位学者，从不同学科角度出发进行讨论。
与谈人：
王 俊 浙江大学哲学学院教授
杜文静 华东政法大学文伯书院教授
梁玉成 中山大学社会学系教授
陈永亮 西南大学历史文化学院民族学院教授
主持人：光明日报记者 冀文亚 底亚星
1.哲学社会科学正在遭遇智能浪潮
主持人：人工智能技术的快速普及，正在深刻重塑哲学社会科学的学科生态与知识生产格局。这种冲击不仅体现在研究工具与教学手段的技术性更新上，更触及学科根基、认知范式、学术传承等维度。在各位所在的学科，这些冲击有何具体表现？
陈永亮：人工智能对哲学社会科学的影响集中体现在以下方面：一是研究范式与方法的变革。传统哲学社会科学的知识生产高度依赖文献梳理、调研记录、质性分析等基础工作，而人工智能的介入推动相关研究向可量化、可计算的方向转型。二是教学体系与学术伦理的调整。社会对人才的需求逐步转向“数字素养+人文底蕴”的复合能力，这对师资建设与课程设置提出了更高要求。同时，人工智能辅助写作的普及，对学术诚信与评价机制提出新挑战。三是学科价值定位的影响。当人工智能在某些领域能够高效完成信息整合、内容生成甚至一定程度的创意表达时，哲学社会科学中的部分传统技能似乎加速“贬值”，这迫使其重新审视自身的不可替代性。
以我从事的民族学研究为例。第一，田野调查方法面临革新。通过社交网络数据分析跨地域、跨民族的互动关系，或借助虚拟现实技术还原文化生活场景，极大拓展了研究边界；但这种“去身体化”的研究方式也可能削弱田野工作中的“在场”体验，从而影响对现象与应用的深度理解和文化共情。第二，文化“深描”面临挑战。虽然人工智能在文本、影像和音频分析方面展现出强大能力，但其算法识别往往倾向于将复杂文化现象简化为可量化标签，容易忽略这些实践背后的丰富语境与深层文化意义。第三，学科边界的交叉重构。人工智能推动民族学与考古学、生物学等领域的深度交汇。例如，“古DNA技术”等在人群演化研究中的应用，为民族起源与迁徙提供了新的科学依据。跨学科协同创新催生出边疆学、国家安全学等新兴交叉学科，拓宽了民族学研究的理论视野与方法体系。
王俊：人工智能的普及对哲学社会科学造成的冲击，在一定程度上助长了“文科无用论”等论调的蔓延。社会上存在这样一种观点，认为文科所培养的思辨、表达等能力将逐渐被人工智能取代，文科毕业生的就业前景趋于暗淡。在高校资源配置层面，则表现为更多资源向人工智能及相关学科倾斜。
具体到我所在的哲学学科，冲击主要体现在四个方面：一是传统教学方式遭遇质疑。传统专业教育中不可或缺的哲学史教学、经典阅读等，如今借助人工智能工具可以更为“高效”完成，这使得深度阅读和思辨训练的教学价值受到质疑。二是研究范式与学术生产方式发生转变。以往，中国哲学研究中的文本整理点校工作以及外国哲学研究中的经典翻译工作，需要投入大量精力，而今借助人工智能可以快速完成。在论文写作中，人机协作的界限日趋模糊，对研究成果的原创性与主体性构成深层挑战。三是学科研究重心和边界出现调整。伦理学、逻辑学、科技哲学等二级学科的研究重心向人工智能相关问题倾斜，在跨学科对话和交叉研究中，哲学的传统领域面临被稀释的风险。四是学科价值受到新审视。哲学素来被视为“无用之用”的典范，但在实用主义和技术至上的氛围中，其批判性反思与基础性追问的功能更易被边缘化，进而加剧其在学术体系中的生存焦虑。
杜文静：人工智能对哲学社会科学的冲击，首先体现为知识获取方式的改变。生成式人工智能使学生能够高效获取信息，瓦解了教师在知识传授上的垄断地位，教学的知识边界随之松动。在知识生产领域，文献检索、数据分析等基础任务可交由人工智能代劳，这在一定程度上替代了常规学术研究。与此相应，高校亟须优化课程体系，培养兼具专业素养与技术能力的复合型人才；教师的角色也需要在智能教学系统、虚拟现实等技术普及中重新定位，从知识的单向传授者转向学习的引导者和批判性思维的培育者。
就法学专业而言，这种冲击兼具普遍性与特殊性。一方面，法律信息处理效率显著提升，法律知识图谱优化了信息的提取、检索与归类；法律智能辅助系统已能处理非疑难案件、参与法律推理乃至立法模型构建，传统法律职业的作业模式面临重构。另一方面，算法偏见侵蚀法律实践的公正性，法学教育亟须增设算法伦理、数据隐私等课程，以提升学生的智能素养和人机协同能力。面对变革，法学教育唯有课程改革、技术融合与能力培养并举，才能构建适应未来需求的人才培养体系，在技术赋能中守住公正这一法律的生命线。
梁玉成：从一线教师视角出发，我注意到大学中的学术秩序正发生显著变化——学生更愿意向人工智能提问，而非向教师提问。传统教育中，学生的提问是有成本的，这种成本源于权力结构（师道尊严）、同伴压力（羞耻）和制度规则（课时），但这些压力不是消极的，它们促使学生在发问前认真思考问题的重要性、表述的精确性，并评估提问时机以及问题之间的认知递进关系等。正是提问的“代价”，赋予了提问以认知意义，推动学生在认知阶梯上不断攀登。但人工智能提供的“零成本”提问，正在消解提问的认知压力，有可能导致学生不再对问题进行严格筛选，也不在认知深化上投入足够精力。
就此而论，传统的师生互动，是通过“学”与“问”的循环，引导学生从模糊的“无知”出发，沿着认知阶梯向上攀登，逐步构建起有梯度、有代价、有风险的学术认知生态并达成学问的传承。而人工智能的介入，使这一传道授业解惑的学术传承秩序逐步解体，学生在认知梯度上开始习惯做“水平漫游”，回避以往必须面对的、渐次向上的认知强制性。这一新型的学术场域秩序已然形成，其将如何塑造新一代学人的思维习惯与学术能力，尚待进一步观察。
2.哲学社会科学经典议题并未退场
主持人：当前，人工智能伦理、价值对齐、人机交互等具有鲜明技术特征和时代烙印的新兴议题，正日益成为哲学社会科学研究的前沿热点。如何理解这些新议题与传统议题之间的关系？传统理论资源在回应数智时代的新问题时，是否还具有解释力？
杜文静：在我看来，这些新论域与既有哲学社会科学研究有着深刻的传承与创新。传承的，是学科一以贯之的核心关切与问题意识；创新的，是技术语境下的研究维度与方法路径。
先看延续性。传统哲学社会科学对人类社会的探索，在数智时代具体化为对技术伦理、价值共识与人机关系的研究，议题内核一脉相承。人工智能伦理将传统伦理学议题延伸至算法公平、数据隐私等新场景，价值对齐研究接续文化人类学对多元价值体系的长期关注，人机交互研究则拓展了社会学对社会关系的既有考察。
从方法论看，呈现出定性与定量的深度融合。传统哲学社会科学的批判性思维、情境化理解，与人工智能的大数据分析、模型构建形成互补：生成式人工智能可承担文献综述等基础工作，但建构理论框架、进行价值判断仍有赖学者洞见；数字人文将文本挖掘与历史考据结合，开创“远距离阅读”等范式，推动文学、历史研究从个案分析走向宏观规律探索。
从研究对象看，人工智能既构成研究客体，也重塑研究场景。一方面，智能系统本身的决策逻辑与行为模式，催生出机器行为学、算法心理学等新兴交叉领域；另一方面，算法推荐塑造公共舆论、智能合约变革法律关系，要求研究者运用政治学、法学的理论框架，解析技术赋能下的社会与制度变迁。
总体而言，人工智能为哲学社会科学提供新视角，哲学社会科学则为技术发展锚定价值坐标、划定伦理边界。这种双向赋能，不仅将助力跨学科知识体系的构建，也将在方法论自觉与价值反思的交互中，推动哲学社会科学在数智时代实现真正意义上的范式革新。
王俊：哲学社会科学与人工智能技术交叉产生了新论域，置身其中，我们既需要突破传统研究的思维定式和视野框架，也需要从传统研究的理论基础中汲取营养。
比如，在针对“人工智能的观念基础”的讨论中，心灵哲学的相关定义和讨论具有奠基性意义——人工智能的具体技术路线，在很大程度上是基于我们对“心灵”的不同定义展开的。这些不同的定义，在传统哲学研究中有过广泛深入的讨论：“缸中脑”思想实验对经验确定性的质疑、“中文屋”思想实验对功能主义进路的挑战，都是对心灵定义及其边界的经典讨论。这些讨论之所以对今天人工智能的具体技术路线具有奠基意义，是因为它们刻画了不同技术路线的理论前提、内在难点和解释边界。在关于人工智能伦理的讨论中，也有不少这种情况。我们今天讨论人工智能自主行为的道德抉择，很多思想资源仍然来自传统伦理学，如对“电车难题”的讨论、对责任主体归因的讨论等。总之，尽管技术在日新月异地演进，但哲学社会科学研究的经典问题和讨论，在很大程度上依然具有持久的理论效力。
梁玉成：从更长的学术史视角看，人工智能伦理、价值对齐与人机交互等新议题，并非对传统哲学社会科学的颠覆，而是其学科内核问题在智能社会条件下的显现。社会学、哲学、人类学等学科长期关注的技术理性与工具理性的扩张、主体性的构成与消解、权力的微观运作与宏观分布等问题，在数智时代的新情境下再次被提出。不同之处在于，生成式人工智能具备反身性智能特征：它不仅反映社会观念，还在与人的互动中不断重塑这些观念。这使得哲学社会科学从研究“被使用的技术”，转向研究“会学习、会介入、会反馈的技术—学术行动者”。
因此，人工智能并未削弱传统哲学社会科学的解释力，反而强化了其在智能社会中的不可替代性：作为理解技术社会后果的解释者、揭示算法权力结构的分析者，以及在技术演进中持续进行规范校准与价值反思的关键参与者。这对哲学社会科学工作者提出了更高的智识要求，既要掌握批判的技术工具，也要对技术工具本身进行批判性审视。
陈永亮：的确，这些新论域实质上是传统哲学社会科学核心问题在技术语境下的延续与深化。以人工智能伦理为例，算法的偏见与歧视问题，折射出民族学长期关注的“文化偏见”与“他者”表征问题。当训练数据主要由特定文化群体的语言和行为构成时，其输出结果便天然携带了该群体的认知预设与价值前设，这与传统民族志研究中需要时刻反思研究者文化本位立场如出一辙。算法表面上的“技术中性”，并不意味着其价值取向的“绝对中立”，不同文化所承载的价值观、语言结构、行为模式与认知方式，都会在技术的设计逻辑与应用场景中被选择性嵌入、再现甚至重构。而这恰恰延续了传统哲学社会科学对权力结构、文化预设等的批判性审视，只是问题场域从现实社会延伸到了算法系统之中。价值对齐的难题则呼应了民族学在文化相对主义与跨文化理解中的经典争论，即究竟以何种价值框架作为“对齐”的基准，这本身就是一个涉及多元文化如何共存的问题，而非单纯的技术优化问题。人机交互所带来的身份重构与情感联结，延续了民族学对“关系”与“交互”的经典关切，只不过研究对象从人与人之间的文化互动，拓展至人与智能体之间的象征性交往与意义共构。
从这个意义上说，这些新论域并未断裂民族学的学科传统，反而促使我们以全新的问题意识重返学科的原点话题——共同性与差异性。正是这种深层的传承关系，使哲学社会科学在智能技术迅猛演进的时代背景下，仍能为技术发展提供坚实的价值坐标与丰沛的人文滋养。
元股证券:ygzq.hk
3.以人文价值校准技术发展方向
主持人：正如前面所讨论的，人工智能不是价值中立的工具，其算法架构和训练语料中凝结着特定历史条件下的认知和价值；而哲学社会科学在技术发展中承担着设定价值坐标、划定应用边界的角色。哲学社会科学面对人工智能，应将研究重心置于哪些关键领域，又该如何确保人工智能不仅具备智能的深度，更承载文明的高度？
王俊：哲学社会科学研究在人工智能领域具有广阔发展前景。人工智能最核心的底层概念，首先来自哲学层面的探讨。如前所述，何为“智能”？何为“心灵”？对这些根本性问题的回答，决定着人工智能的技术路径。例如，主张“心灵即大脑”的同一性理论，构成了人工智能联结主义的观念基础；认为“心灵即程序”的功能主义，则为人工智能符号主义提供了理论支撑。
尤其值得强调的是，哲学社会科学在人工智能伦理领域的研究对技术的良性发展不可或缺。例如，人工智能大模型的价值对齐、算法偏见导致的社会歧视与不公、人工智能自主行为的道德抉择与责任归属、数据隐私与安全问题，以及人工智能对就业形态与社会结构的冲击等，广泛涉及哲学、伦理学、法学、经济学、社会学、公共管理等诸多学科的理论资源与方法工具。可以说，没有哲学社会科学的深度介入，人工智能的发展将可能脱离人文价值的引导，从而带来难以预料的社会风险与伦理代价。
杜文静：的确如此。在这方面，哲学社会科学至少可以在以下三个方面发挥作用。
第一，奠定价值基石，阐明“什么样的智能值得追求”，把价值判断嵌入技术系统底层。以法学为例，自动驾驶事故的归责模型、生成式人工智能侵权的责任归属，都须以人的尊严与基本权利为不可让渡的底线；数据隐私保护要确立以人为中心的标准，如在医疗人工智能中构建动态知情同意机制。
第二，构建治理体系，实现微观机制与宏观架构的协同创新。微观层面，应融合算法透明与公共问责原则，设计公众参与算法审计机制，破解“信息茧房”；教育治理上，优化个性化学习系统的适配模型，将算法伦理纳入课程体系。宏观层面，前瞻应对人工智能对就业结构的极化效应，警惕算法运行可能加剧的数字鸿沟；全球治理则需建立跨文明对话机制，推动形成具有包容性的国际规则框架。
第三，营造创新生态，让哲学社会科学参与到技术创新的源头设计之中。法学可创新人工智能生成物的版权框架，明确人机协作情境下的创作主体与权利归属，为创新提供制度激励。通过社会学实地调查与大数据挖掘的结合、计算语言学对历史文本的系统处理，有望催生出真正有经验温度、理论深度的研究范式，使智能技术在追求效率的同时葆有人文温度。
陈永亮：我认为，当今时代哲学社会科学的重要使命在于以人文理性校准技术发展的方向，避免技术理性的单向度扩张所导致的工具化风险。
老牌股票配资一是人工智能的伦理与价值对齐研究。算法设计中如何避免固化社会偏见、如何在不同价值诉求之间寻求公正平衡等问题，无法单纯通过技术优化加以解决，有赖于哲学社会科学提供规范性分析。
二是人工智能的社会影响与公平性研究。人工智能正在深刻重塑劳动力结构、教育资源配置和公共服务供给模式。哲学社会科学的任务在于提出具有可操作性的应对策略，确保技术发展真正促进社会整体公平。
三是人工智能时代的法律、政策与监管体制研究。现行法律体系在应对人工智能生成内容的版权归属、算法决策的法律责任等问题时面临巨大挑战。哲学社会科学需要以前瞻性的视野构建新的法律概念框架与适应性监管体系，以规范技术应用并有效防范系统性风险。
四是人工智能的文化适应与人机交互研究。民族学正日益关注这一领域。应进一步探讨人工智能在文化传播、认同建构和文化安全中的角色与效应，研究人机交互如何重塑人类的认知模式、情感表达与身份认同，从而不断拓展民族学在数字时代的问题域与方法边界。
梁玉成：人工智能并非外在于社会的纯技术变量，而是不断嵌入既有社会结构、制度逻辑与意识形态中的认知—行动装置，越来越成为人类社会的认知基础设施。正如数字媒介曾深刻重塑社会认知结构与信息流通方式，生成式人工智能将在更深层次上介入社会认知的生成机制，进而系统性重构人类社会的自我理解方式。因而，哲学社会科学在数智时代的核心议题，在于探究人工智能如何重构社会事实的可见性、公共理性的形成路径以及权力运作的技术形态。
当前，社会科学世界的本体论正在发生改变。过去，社会科学的研究对象是社会事物、人类及其伦理道德；而今，以生成式人工智能为代表的智能体已广泛嵌入人类社会，并逐渐成为一个具有相对自主性的社会实体。这意味着，哲学社会科学的核心关切，需要从以人类为中心的单主体框架，转向人类与智能体共存互构的双主体乃至多主体框架。这种本体论层面的改变，将对社会科学的研究范式产生系统性影响。
更进一步看，生成式人工智能借助训练语料与对齐机制，将特定历史经验、价值取向、规范判断以及人类的现象学体验，一起固化为“可调用的认知资源”，这使人工智能不仅作为认知工具存在，同时也成为意识形态的载体。因此，对人工智能的研究延伸至价值对齐、技术伦理、算法偏见以及人机关系的规范边界等议题，本质上是对现代社会中“谁在定义合理性、谁在生产常识”这一问题的深刻再审视。
4.让智能工具拓展人类思想空间
主持人：面向未来，哲学社会科学应如何在与人工智能的深度对话中，既坚守自身价值，又以开放姿态接纳技术重构？进一步而言，应如何构建新的知识生产规范，使智能工具真正成为拓展人类思想空间的助推器，而非固化认知路径的桎梏？
梁玉成：从社会学角度看，人工智能尤其是大语言模型的出现，正在催生一种基于大模型的“测试社会学”。与传统依赖事后解释的研究路径不同，生成式人工智能使研究者能够以可计算、可模拟的方式进入社会运行的中间过程，将真实社会转化为一个持续运作的测试场域。例如，我们可以通过设定特定的历史语境与价值参数，在大模型中模拟某一思想家对特定社会问题的可能回应，从而获得认知参照。这种研究范式，不仅突破了传统田野调查的时空限制，更是通过海量数据训练出的“社会镜像”，让我们得以观察观念碰撞、制度演变，使得社会学研究从“解释已发生”转向“预见未发生”。
王俊：哲学领域与人工智能相结合的论域非常广阔。逻辑学、认知哲学、语言哲学等分支，可以深度介入大语言模型的语法和逻辑构造，在推理、论证等方面完善人工智能的语言系统。另外，在伦理学和价值论层面，哲学在人工智能领域也大有可为。比如，大模型应当具备适当的价值观，那么在具体的问题和选择上，什么是人工智能产品应当具有的适当价值观？我们如何确保人工智能产品在所有问题上都有向善的道德选择？又该如何以一种适当的伦理态度避免算法和大数据的偏见？这些都不是纯粹的技术问题，而是价值哲学的问题。
陈永亮：民族学研究方法正不断吸纳生物学、统计学、地理学等学科的理论与技术，融合地理信息系统（GIS）、数据库等现代信息技术，推动传统民族志向“民族志+”的跨学科模式转型升级，形成更具系统性与跨学科特征的调查研究成果。从更长远的视角来看，人工智能与哲学社会科学的深度融合，远非简单的技术叠加，而是一场深层次的思维方式变革。它促使我们以全新的认知路径去理解“数据中的人”、解读“影像中的文化”、体察“虚拟空间中的经验”。人工智能不仅拓展了民族学的研究边界，赋予其更强的理论解释力与成果可视化能力，也推动研究范式从传统经验归纳向智能辅助分析演进。当然，在追求效率与规模的同时，我们必须始终保持对个体生命、情感温度与文化细微之处的敬畏与敏感，这是民族学不可让渡的价值底色。
王俊：人工智能技术催生了一系列新领域、新论题和新知识形态，亟须在规范层面予以回应。例如，对于人工智能辅助或人机交互的知识生产，我们该如何去评价？当知识可以在一定程度上脱离心灵的涵育而经由机器直接获取，当人工智能输出的文本在形式上愈发严密、在内容上愈发复杂，我们是否还需要坚守传统文科知识生产的方法和边界？对这些问题的回答，一方面有赖于人工智能技术的发展程度，比如，从大语言模型到世界模型的进展如果完全实现，将在根本上颠覆传统意义上心灵与知识之间固有的涵育关系和生成逻辑；另一方面也取决于我们在今天的技术条件下对“知识”这一概念和属性的彻底反思。对于新技术催生的知识生产方式变革，相应学术规范和伦理框架的建构已然刻不容缓。
杜文静：规范数智时代的知识生产，可以从主体、过程与内容、价值等维度构建规则体系，使技术成为学术创造力的倍增器，而非思维平庸化的加速器。
第一，主体规范，明确“谁在生产”。数智时代知识生产的主体依然是人，人工智能只是辅助工具。制度层面，要确立研究者对学术成果的主体责任，对人工智能生成内容履行披露义务，如实说明工具的使用范围和介入程度；能力层面，须着力培养研究者“驾驭”而非“依赖”人工智能的素养，守护人的独立思考能力，维护研究的原创性与主体性。
第二，过程与内容规范，厘清“如何生产、生产什么”。过程层面，应将人工介入与信息甄别嵌入研究全流程：文献处理阶段，在借助自然语言处理提升检索效率的同时，由研究者把关文献取舍与综述框架的建构；数据分析阶段，以证据法学的图表归纳和统计方法为参照，坚持方法透明、结果可复现，防止以“Plus增幅版”式的表层技术叠加冒充真正的范式革新。内容层面，要警惕算法偏见的系统固化与人工智能生成内容的同质化倾向，建立健全适应数智时代的学术诚信与质量评价机制。
第三，价值规范，回应“为了谁生产”。数智时代的知识生产必须以人的全面发展与社会共同福祉为归宿，特别要防范算法运行可能加剧的数字鸿沟，以及技术逻辑对人文价值的侵蚀。正如陈永亮教授所言，算法表面的技术中性并不意味着价值中立。只有坚持“工具服务于思想”的原则，在规范引导下审慎用好人工智能，哲学社会科学才能够在数智时代实现科学性与人文性、生产效率与思想深度的双重提升，真正让智能工具成为拓展人类思想空间的积极力量。
《光明日报》（2026年10月09日 11版）
来源： 光明网-《光明日报》期货股票配资导航
炒股资讯网提示：本文来自互联网，不代表本网站观点。
