《國(guó)務(wù)院關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》提出，推動(dòng)哲學(xué)社會(huì)科學(xué)研究方法向人機(jī)協(xié)同模式轉(zhuǎn)變，探索建立適應(yīng)人工智能時(shí)代的新型哲學(xué)社會(huì)科學(xué)研究組織形式，拓展研究視野和觀察視域。

此前，本版曾推出專題報(bào)道《人工智能：來(lái)自科學(xué)，改變科學(xué)》，探討了人工智能給自然科學(xué)研究帶來(lái)的變化。本期走進(jìn)哲學(xué)社會(huì)科學(xué)領(lǐng)域，邀請(qǐng)專家學(xué)者談?wù)勊麄冊(cè)谌粘Ｑ芯抗ぷ髦惺褂肁I的探索和思考。

古籍整理與研究有了得力“助手”

講述人：北京師范大學(xué)文學(xué)院教授、漢字漢語(yǔ)研究與社會(huì)應(yīng)用實(shí)驗(yàn)室主任 王立軍

一部未經(jīng)整理的古籍，其字形認(rèn)同、句讀標(biāo)點(diǎn)、詞義考辨、典故溯源，每一項(xiàng)工作都對(duì)研究者的專業(yè)學(xué)養(yǎng)和時(shí)間投入提出極高要求。傳統(tǒng)的人工整理模式不僅周期長(zhǎng)、成本高，也因?qū)�業(yè)人才的稀缺，使得大量古籍文獻(xiàn)難以得到及時(shí)有效的整理和利用。我們一直在思考，能否借助現(xiàn)代科技，為這項(xiàng)古老而崇高的事業(yè)注入新的能量？

人工智能技術(shù)的快速發(fā)展，為我們提供了解決這一難題的新思路。2022年，在國(guó)家文化數(shù)字化戰(zhàn)略的指引下，我們團(tuán)隊(duì)獲批承擔(dān)國(guó)家語(yǔ)委重大項(xiàng)目，致力于利用人工智能前沿技術(shù)，攻克古籍整理數(shù)字化和智能化中的關(guān)鍵難題。

這條道路充滿挑戰(zhàn)。通用大語(yǔ)言模型在標(biāo)引或釋讀古漢語(yǔ)文本時(shí)，容易出現(xiàn)內(nèi)容篡改和事實(shí)性錯(cuò)誤等“幻覺(jué)”現(xiàn)象，無(wú)法做到對(duì)古漢語(yǔ)專業(yè)領(lǐng)域知識(shí)的準(zhǔn)確理解。因此，我們選擇從頭訓(xùn)練垂直領(lǐng)域模型，利用大規(guī)模、高質(zhì)量的專業(yè)古籍語(yǔ)料來(lái)應(yīng)對(duì)通用大語(yǔ)言模型的這一弊端。為致敬近代國(guó)學(xué)大師章太炎先生，我們將該模型命名為“AI太炎”。過(guò)去，一位學(xué)者整理一部典籍的初稿可能需要數(shù)月乃至數(shù)年；如今，“AI太炎”能在短時(shí)間內(nèi)完成一部古籍文本的自動(dòng)標(biāo)點(diǎn)、注釋生成、文白翻譯、典故提取等基礎(chǔ)性工作。

然而，這并不意味著AI將取代學(xué)者。恰恰相反，它將我們從大量煩瑣、重復(fù)的基礎(chǔ)勞動(dòng)中解放出來(lái)，使我們能夠聚焦于更具深度和創(chuàng)造性的學(xué)術(shù)探究。譬如，在漢語(yǔ)詞義的演變研究中，我們利用“AI太炎”的智能釋義技術(shù)，對(duì)近2億字語(yǔ)料進(jìn)行全量標(biāo)注。當(dāng)古今漢語(yǔ)詞匯的意義流變軌跡，以系統(tǒng)性數(shù)據(jù)的形式清晰呈現(xiàn)時(shí)，我們得以用一種全新的、數(shù)據(jù)驅(qū)動(dòng)的方式，去觀察和分析語(yǔ)言演變的宏觀規(guī)律。這在過(guò)去是難以想象的。

學(xué)術(shù)成果的生命力在于其社會(huì)價(jià)值。我們積極推動(dòng)“AI太炎”在多元場(chǎng)景中落地應(yīng)用：與出版機(jī)構(gòu)合作，將AI融入古籍?dāng)?shù)字化整理的工作流程；研發(fā)多語(yǔ)種翻譯功能，支持將文言文翻譯為英、法、俄、日等語(yǔ)言；建設(shè)文言文知識(shí)庫(kù)和分級(jí)閱讀語(yǔ)料庫(kù)，研發(fā)學(xué)習(xí)難點(diǎn)自動(dòng)識(shí)別、知識(shí)點(diǎn)自動(dòng)關(guān)聯(lián)等教學(xué)輔助技術(shù)，服務(wù)一線語(yǔ)文教學(xué)需求……

當(dāng)然，我們對(duì)AI的應(yīng)用邊界和潛在風(fēng)險(xiǎn)保持高度的審慎。首先，AI并非全知全能，對(duì)于知識(shí)盲區(qū)和復(fù)雜情境可能輸出不準(zhǔn)確內(nèi)容，因此其結(jié)果應(yīng)作為“參考”而非“定論”，專業(yè)人士的審核把關(guān)不可或缺。其次，要警惕因技術(shù)依賴導(dǎo)致的思維惰性，尤其在人才培養(yǎng)中，原典閱讀和句讀訓(xùn)練等傳統(tǒng)方法仍十分必要。此外，人文學(xué)科更應(yīng)堅(jiān)守人文關(guān)懷和對(duì)文史知識(shí)的深刻洞察——AI雖能高效處理信息，卻難以觸及文字背后的復(fù)雜情感和深邃思想。人文學(xué)者的創(chuàng)造力與洞察力，始終是古籍整理與研究中不可替代的核心。

作為新時(shí)代人文學(xué)科的研究者，我們既要積極擁抱技術(shù)變革，也要堅(jiān)定守護(hù)人文學(xué)科的核心價(jià)值與學(xué)術(shù)精神。我們相信，通過(guò)人機(jī)協(xié)同的創(chuàng)新實(shí)踐，那些沉睡在典籍中的古老智慧，必將得到更有效的活化與傳承，在新時(shí)代綻放出更加璀璨的光芒。

這可能是考古學(xué)的“第三次革命”

講述人：山東大學(xué)文化遺產(chǎn)研究院院長(zhǎng)、講席教授 方輝

當(dāng)前，陶器研究逐漸從編年史的視角轉(zhuǎn)向?qū)ζ渑c社會(huì)關(guān)系的關(guān)注，陶器社會(huì)研究因此成為重要話題。陶器社會(huì)研究可以說(shuō)是碳-14測(cè)年技術(shù)帶來(lái)的，它使考古學(xué)家有了絕對(duì)年代標(biāo)尺，對(duì)考古學(xué)來(lái)說(shuō)是一次革命性發(fā)展。如果說(shuō)碳-14測(cè)年解決的是年代序列問(wèn)題，那么DNA研究則觸及了人本身以及社會(huì)組織的問(wèn)題，為考古研究又帶來(lái)革命性轉(zhuǎn)變，而且這個(gè)轉(zhuǎn)變還在進(jìn)行中。

目前，在考古中有一種現(xiàn)象還沒(méi)有引起足夠重視，那就是跨坑拼對(duì)現(xiàn)象。我們?cè)诎l(fā)掘中曾遇到這種情況：一個(gè)陶器散落在相距40米的不同地方，但由于它上面有暗紋，無(wú)意當(dāng)中一拼對(duì)，發(fā)現(xiàn)它們是同一件器物。出土這兩個(gè)陶片的兩個(gè)不同的灰坑，圍繞著一個(gè)大祭壇分布，形成了一個(gè)共時(shí)的活動(dòng)遺留。這提示我們，跨坑拼對(duì)，對(duì)于微觀聚落的共時(shí)性建構(gòu)是非常重要的。

然而，考古工作者總是要處理海量的文物遺存，人工拼對(duì)有時(shí)候很難進(jìn)行識(shí)別，因?yàn)檫@不只涉及一個(gè)灰坑、一個(gè)地層，甚至是一個(gè)遺址。面對(duì)海量的陶片，通過(guò)人力實(shí)現(xiàn)拼對(duì)從而證明不同單位的共時(shí)性是很難的。但是，人工智能卻是可能實(shí)現(xiàn)的，它可以快速進(jìn)行識(shí)別，并嘗試加以驗(yàn)證。

從2024年起，我們選取濟(jì)南大辛莊遺址中的一個(gè)灰坑開(kāi)展考古工作，這個(gè)灰坑分為14層，包含18000多片陶片。我們?cè)趯?duì)每一片陶片進(jìn)行編號(hào)、拍照、記錄等數(shù)據(jù)采集過(guò)程中發(fā)現(xiàn)，這些陶片都有層位信息，可以實(shí)現(xiàn)跨層拼對(duì)。但由于數(shù)量龐大，人工拼對(duì)短期內(nèi)難以完成，我們決定試試AI。

于是，我們向全球開(kāi)放了這些珍貴的考古數(shù)據(jù)，并發(fā)起了“大辛莊陶片拼合AI挑戰(zhàn)賽”，要求參賽團(tuán)隊(duì)開(kāi)源其解決方案。我們希望參賽者能夠開(kāi)發(fā)出具有通用性和可解釋性的算法模型，有效應(yīng)對(duì)陶片歷經(jīng)3000年風(fēng)化、磨損和顏色失真等復(fù)雜情況。

最終，參賽者提交了300多份解決方案，但因?yàn)樘掌�的正反面信息、厚度、曲率都�?huì)對(duì)AI拼對(duì)造成困難，需要龐大的算力支撐，最終實(shí)現(xiàn)有效拼對(duì)的不是很多。目前，據(jù)不完全統(tǒng)計(jì)，在18000多片陶片中，有效拼對(duì)的大約有60個(gè)。

不過(guò)，基于AI的陶器研究，其意義并非僅僅在于單純地增加可拼對(duì)的器物數(shù)量。實(shí)際上，它的潛在價(jià)值對(duì)于微觀聚落考古的共時(shí)性建構(gòu)至關(guān)重要。拼合出的器物形態(tài)與數(shù)量，可以作為我們理解當(dāng)時(shí)社會(huì)組織、生活圖景和文化交流的重要線索。相信隨著AI拼對(duì)技術(shù)的成熟，它未來(lái)可能會(huì)給考古學(xué)帶來(lái)對(duì)古代社會(huì)不一樣的理解。也許，這正是考古學(xué)的“第三次革命”。

為國(guó)際傳播提供更科學(xué)精準(zhǔn)的參考

講述人：湖南師范大學(xué)人工智能與精準(zhǔn)國(guó)際傳播實(shí)驗(yàn)室主任 高協(xié)平

過(guò)去，要研究一個(gè)國(guó)際熱點(diǎn)事件的媒體報(bào)道，通常會(huì)抽樣選擇一些有代表性的媒體，統(tǒng)計(jì)分析其數(shù)百篇報(bào)道。這就像通過(guò)隨機(jī)取幾個(gè)水樣，來(lái)推測(cè)整片海洋的成分。而現(xiàn)在，AI給了我們“駕馭整片海洋”的能力。

我們?cè)�做過(guò)一項(xiàng)關(guān)于“一帶一路”倡議全球傳播的研究。通過(guò)AI驅(qū)動(dòng)的網(wǎng)絡(luò)爬蟲(chóng)，在幾小時(shí)內(nèi)就采集到上百個(gè)國(guó)家和地區(qū)、數(shù)十種語(yǔ)言、長(zhǎng)達(dá)五年跨度的數(shù)百萬(wàn)篇新聞報(bào)道和社交媒體帖子。這個(gè)數(shù)據(jù)量，是傳統(tǒng)方法很難做到的。但這只是第一步。面對(duì)這片信息的“汪洋”，如何分析？我們引入大數(shù)據(jù)方法和自然語(yǔ)言處理技術(shù)。AI模型可以自動(dòng)對(duì)海量文本進(jìn)行情感分析，精準(zhǔn)識(shí)別不同國(guó)家媒體對(duì)該倡議的態(tài)度。通過(guò)主題建模，它能像一位不知疲倦的助手，自動(dòng)歸納出外媒報(bào)道中最常出現(xiàn)的議題，譬如是聚焦“經(jīng)濟(jì)合作”還是“地緣政治”？是強(qiáng)調(diào)“基礎(chǔ)設(shè)施建設(shè)”還是“文化影響”？這讓我們從過(guò)去對(duì)“點(diǎn)”的推測(cè)，躍升到對(duì)“面”甚至“體”的精確描繪。我們不再只是“覺(jué)得”某個(gè)議題很重要，而是能通過(guò)數(shù)據(jù)“看到”它在整個(gè)信息生態(tài)中的權(quán)重、演變和關(guān)聯(lián)。這種研究范式的轉(zhuǎn)變，是革命性的。

隨著以“我即媒體”為象征的社交媒體時(shí)代來(lái)臨，傳播學(xué)早已不限于文字形態(tài)，圖片、表情包、短視頻成為新時(shí)代的“世界語(yǔ)”。傳統(tǒng)研究方法面對(duì)這些非文本內(nèi)容，常常感到無(wú)力。但AI中的計(jì)算機(jī)視覺(jué)技術(shù)，為我們打開(kāi)了新世界的大門(mén)。

我們研究過(guò)一些國(guó)際社交媒體上的中國(guó)形象傳播。以前做這種研究需要招募一大批志愿者，人工觀看成千上萬(wàn)的視頻，記錄其中出現(xiàn)的長(zhǎng)城、高鐵、京劇臉譜等中國(guó)元素，效率極低且主觀性強(qiáng)�，F(xiàn)在，我們訓(xùn)練AI模型，讓它可以自動(dòng)識(shí)別視頻中的視覺(jué)符號(hào)，分析畫(huà)面構(gòu)圖、色彩基調(diào)，甚至結(jié)合字幕和語(yǔ)音，進(jìn)行更深刻的挖掘，做出更綜合的判斷。AI賦能下的多模態(tài)分析，讓我們能夠更全面、更立體地解讀這個(gè)視覺(jué)化的傳播時(shí)代，讓那些“只可意會(huì)”的視覺(jué)修辭，變得“可以言傳”，甚至可以量化分析。

可能有人會(huì)問(wèn)：AI的“冷冰冰”數(shù)據(jù)，會(huì)不會(huì)取代人文社科的“溫度”與深度思考？我們的回答是：不會(huì)。AI不是取代思想的“魔法”，而是解放生產(chǎn)力的“利器”。它將我們從煩瑣、重復(fù)的勞動(dòng)中解放出來(lái)，讓我們有更多精力去進(jìn)行理論構(gòu)建、提出更具創(chuàng)見(jiàn)的假設(shè)，去解讀數(shù)據(jù)背后深刻的社會(huì)、文化與心理動(dòng)因。

展望未來(lái)，我們正嘗試構(gòu)建更智能的“精準(zhǔn)國(guó)際傳播”模型。希望利用AI，不僅分析“已經(jīng)發(fā)生了什么”，還能預(yù)測(cè)“將產(chǎn)生怎樣的結(jié)果”，更能精準(zhǔn)建議“如何面向?qū)ξ磥?lái)”，從而為講好中國(guó)故事提供更科學(xué)、更精準(zhǔn)的決策參考。

“數(shù)智決策”改變金融理論與實(shí)踐

講述人：西南財(cái)經(jīng)大學(xué)大數(shù)據(jù)研究院副院長(zhǎng) 徐亮

我來(lái)自西南財(cái)經(jīng)大學(xué)大數(shù)據(jù)研究院“地方金融動(dòng)態(tài)監(jiān)測(cè)及系統(tǒng)性風(fēng)險(xiǎn)預(yù)警”團(tuán)隊(duì)。在AI技術(shù)飛速發(fā)展和國(guó)家“金融強(qiáng)國(guó)”戰(zhàn)略結(jié)合日益緊密的當(dāng)下，我越來(lái)越深刻地感受到，AI驅(qū)動(dòng)的“數(shù)智決策”正在深刻改變金融理論與實(shí)踐。

金融理論和實(shí)踐，離不開(kāi)預(yù)測(cè)和決策兩個(gè)環(huán)節(jié)。預(yù)測(cè)就是對(duì)未來(lái)收益或者行為的預(yù)期。在數(shù)字時(shí)代，數(shù)據(jù)基礎(chǔ)發(fā)生了根本變化，多模態(tài)混頻數(shù)據(jù)，如交易流水、輿情文本、財(cái)報(bào)圖像等文本、數(shù)字和圖片同時(shí)存在，極大增加了預(yù)測(cè)難度。決策就是投資的決定或者面臨風(fēng)險(xiǎn)的處置方式。傳統(tǒng)的基于模型計(jì)算結(jié)果的決策模式，缺乏自我調(diào)節(jié)和修正能力，而“先預(yù)測(cè)、后決策”分離范式容易導(dǎo)致“預(yù)測(cè)準(zhǔn)確但決策效果不佳”。

我在研究中面臨多模態(tài)數(shù)據(jù)預(yù)測(cè)的一個(gè)典型場(chǎng)景，是“電碳融合”背景下的企業(yè)信用評(píng)級(jí)。以往的企業(yè)信用評(píng)級(jí)多基于企業(yè)財(cái)務(wù)信息。隨著電力賬戶和碳賬戶數(shù)據(jù)的融合，有了更高頻度和更多模態(tài)數(shù)據(jù)來(lái)源，如每15分鐘更新一次企業(yè)電力負(fù)荷數(shù)據(jù)等。我們團(tuán)隊(duì)和國(guó)網(wǎng)湖北經(jīng)研院及銀行合作，將企業(yè)電碳賬戶和綠色金融深度融合，利用時(shí)間序列大模型，創(chuàng)新“多模態(tài)數(shù)據(jù)對(duì)齊表征技術(shù)”，對(duì)企業(yè)未來(lái)的用電負(fù)荷進(jìn)行有效預(yù)測(cè)，針對(duì)細(xì)分行業(yè)和企業(yè)成長(zhǎng)階段性特點(diǎn)制定差異化的企業(yè)電碳信用體系和評(píng)價(jià)規(guī)范，推動(dòng)企業(yè)電碳賬戶數(shù)據(jù)和評(píng)價(jià)結(jié)果與金融機(jī)構(gòu)實(shí)現(xiàn)信息互通、結(jié)果互認(rèn)。

套期保值是通過(guò)金融衍生品工具，如期貨期權(quán)，來(lái)減少企業(yè)面臨采購(gòu)和價(jià)格風(fēng)險(xiǎn)的有效手段。過(guò)去，衍生品數(shù)量的決策往往依賴書(shū)本上的公式。為了使套期保值決策能動(dòng)態(tài)反映市場(chǎng)環(huán)境和之前決策的損益情況，我們開(kāi)發(fā)出套期保值智能體，使其具備動(dòng)態(tài)反思和自適應(yīng)調(diào)整能力，可以自動(dòng)化完成企業(yè)套期保值決策生成。

AI還可以服務(wù)于金融安全監(jiān)管。以反洗錢(qián)為例，大模型技術(shù)具有逐步推理和強(qiáng)化學(xué)習(xí)的決策能力，可針對(duì)不同的個(gè)體行為分析其可能參與洗錢(qián)的主要原因和最適合的處置措施。我們團(tuán)隊(duì)和四川省大數(shù)據(jù)中心合作，創(chuàng)新提出“基于激活函數(shù)的大模型動(dòng)態(tài)強(qiáng)化學(xué)習(xí)”技術(shù)，在四川、山東等多地落地，為相關(guān)部門(mén)提供了多起P2P、電詐等重大風(fēng)險(xiǎn)事件預(yù)警。

編輯：金文婕

審核：燕青

版權(quán)聲明：如有侵權(quán)   請(qǐng)聯(lián)系刪除