人工智能驱动的社会科学研究，旨在以人工智能技术的深度嵌入为支点，推动社会科学研究在问题意识生成、理论框架建构、数据采集分析、成果表达完善等环节实现系统性重塑，从而形成人机协同的新研究模式。该模式以“人工智能与人文”的双轮驱动为基础，体现出算法分析与社会研究相结合、人机协同生成研究成果的特征。
人工智能驱动社会科学研究存在多重风险。一是难以促成有温度的原创性社会科学研究成果。社会科学是探索人类社会及其发展规律的科学，是以人为中心、以意义为核心的社会活动。人工智能缺乏人类特有的兴趣爱好、直观感受、想象思考、文化理解、人文关怀、诗性见解等，不具备与人类一样的批判性思维与想象力，不利于促成“有社会关怀的”重大原创性研究成果。二是削弱社会科学研究者的社会批判能力。社会科学知识生产的独特性在于研究者的“在场”，通过田野调查、实地观察、社会实验等方式进入社会情境，在理解社会行动意义的过程中生成知识。然而，人工智能的应用正在重塑这种“在场方式”，“算法在场”可能取代“人的在场”，过度依靠人工智能可能带来懒惰增加、错误信息传播、创造力水平下降、批判性思维以及独立思考能力退化等负面影响。三是影响社会科学研究的可靠性和客观性。近年来，人工智能系统欺骗对手、虚张声势的情况屡见不鲜。社会科学研究者难以穿透技术表象，真正理解算法的逻辑架构和推演路径，甚至“受欺骗”仍“不自知”。不少人工智能应用在性别、种族、文化、语言、意识形态等方面存在偏见，对社会科学的客观性构成一定威胁。四是人工智能代笔严重损害学术公信力。在学术领域，人工智能系统大规模深度参与论文、著作、研究报告、课题申请书等成果创作，其贡献却未被完全公开标明或适当承认，目前学术监督机制尚缺乏有效的识别方法。一些学者隐瞒使用人工智能的事实，会造成更大规模的责任困境。
为化解上述风险，人工智能体开发者、社会科学研究者以及学术评价者应发挥各自专业优势，构建融合创新的应用框架。
引导社会科学与人工智能协同共善。一方面，可建立能识别深层文化内涵、容纳多元价值的协商平台，让人工智能设计者与社会科学研究者在人工智能系统开发、使用和评估等环节保持密切合作。例如，基于田野调查、公共讨论、用户研究等，社会科学研究者能够揭示不同制度文化背景下“善”的多样形态，并将这些社会价值嵌入算法和模型设计，使技术开发具有社会敏感性与文化包容性。另一方面，社会科学研究者也需学习、研究人工智能。要明确人工智能系统“可为”与“不可为”的边界，掌握其运行逻辑、算法原理，确保技术手段服务于社会科学本身，而非被技术逻辑所裹挟。
构建以学者为中心的人机协同研究模式。人工智能更多参与社会科学研究中的数据整理分析、模式模型建构等辅助性技术工作，而研究问题的提出、研究框架的建构以及结论的解释判断，仍应由学者主导完成。人机协同的关键在于科学的、深度的人机交互，社会科学研究者应掌控人机交互的节奏、方式、方向、时间、空间。对于技术生成和输出的结果，社会科学研究者应先进行批判性审视，再融入研究结论。人工智能驱动社会科学是一种新的富有张力的学术生产模式，社会科学研究者应发挥社会想象力与洞察力，在利用技术加速研究的同时，保持独立判断和社会关怀，形成一种以学者为中心、以技术为支撑的人机协同研究模式。
强化社会科学学术评价主客体的互动交流。随着技术的进步，社会科学的研究对象从以“人”为中心的社会行动网络扩展为“人—机—社会”的复合关系体系，研究方式由单纯解释向“发现—解释”并重演变，研究方法呈现跨界混合的特征。在这种背景下，可以借助区块链等去中心化技术，构建一个具备开放性与动态性的“学术评价场域”，将评价者、被评价者、人工智能体、社会公众等纳入多向交互的生态系统。在这一系统中，评价过程不再是静态的单向度裁定，而是社会的多元互动与协同创新；评价结果不在于提供固定“正确答案”，而在于营造一个包容异见、开放交流的社会对话空间；研究成果不再是一成不变的呈现，而成为一个不断发展的社会知识网络。
作者徐东波、张双志，系东南大学马克思主义学院讲师、东南大学中国特色社会主义发展研究院研究员；成都大学师范学院副研究员
信访工作
