生成式人工智能赋能哲学社会科学研究的机理与实践.pdfVIP

生成式人工智能赋能

哲学社会科学研究的机理与实践

任丽梅

提要：生成式人工智能作为新一代变革性技术，正在为哲学社会科学提供新的研究

视角和工具，帮助哲学社会科学研究走出数智环境中的认知困境，更加全面准确地观

察现象、把握规律以及预测未来。它基于三个关键影响因素即向量空间设置、推理实

现机制和注意力机制促进研究智能化发展。然而，目前尚存在诸如智能幻觉、数据

隐私与安全、算法偏见、基础训练数据影响甚至削弱研究者独立思考能力等一系列问

题，给哲学社会科学研究带来了新挑战。我们需要在把握生成式人工智能的智能原理

的基础上，不断完善人机协同机制，打造哲学社会科学研究新引擎。

关键词：生成式人工智能哲学社会科学研究智能原理智能实践

作者任丽梅，女，中国社会科学院马克思主义研究院副研究员，硕士生导师，哲学博士

（北京100732）。

当今时代，生成式人工智能（GenerativeArtificialIntelligence）快速发展，它基于深度学习技术，

在大规模多模态数据集的基础上，根据给定的提示或条件，生成全新的文本、程序代码、图像、视频

和声音等数据，展现出强大的内容生成能力，为哲学社会科学研究带来了深远影响。作为探索人类社

会发展规律、研究人类思想文化精神的重要学科体系，哲学社会科学在信息时代的数据浪潮中面临着

数据处理解析手段落后与传统理论框架解释力不足等困境。自2020年OpenAI发布的GPT-3模型以来，

人们陆续研发出了Gemini、DeepSeek等大模型产品，其以强大的数据处理、高效的多模态融合式内

容生成、出色的全域检索等能力突破人类思维和认知的局限，帮助哲学社会科学走出数智环境中的认

知困境，实现更大的学科跨越式发展。从技术底层把握生成式人工智能的智能原理和在哲学社会科学

学术研究中的最佳场景与应用局限，针对生成式人工智能的认知边界与社会事实的“可计算性”边界

等问题，展开对未来人机协同的技术追问和反思，对于重塑哲学社会科学的研究范式，推动人类对社

会和自身的认知不断深化等，都具有重要的理论与现实意义。

15

观察与思考2025年第5期

一、数智环境下哲学社会科学的认知困境与生成式人工智能的助力

哲学社会科学的研究虽然有流派和阶段等各方面的差异，但研究的前提还是从问题开始，旨在提

供有用的解决方案以指导当前实践。在复杂而系统的研究过程中，研究者通常使用文献综述、研究设

计、资料数据收集、数据分析与逻辑推演等方法，以达到发现问题、分析问题以及解决问题的目的。

然而，在当前数据与知识爆炸的时代，传统的哲学社会科学研究出现了认知困境，需要新的工具与方

法来革新自已的工作方式，最终实现研究范式的创新。

（一）信息时代传统哲学社会科学研究出现认知困境

在信息量呈爆炸式增长的当今时代，因为“信息过载”，传统哲学社会科学研究在文献综述方面

遭遇效能瓶颈，同时面临数据处理量过大和传统理论框架解释力不足等问题，

传统研究方法在人工文献综述方面遭遇效能瓶颈

通常的系统性文献综述，需要研究者阅读尽可能多的文献方能覆盖前沿进展。随着计算社会学等

交叉学科的发展，在文献综述方面大量引人数据分析的方法。传统的文献综述方法在此方面遭遇了效

能瓶颈。而且，不同研究者的主观认知偏差明显，同一主题的文献综述，不同研究者提取的关键理论

框架重合度不高，结论的相似度也不够。特别是在此过程中，跨学科的跟踪更容易出现信息筛选困

难，研究者普遍存在文献焦虑的现象。

2.传统研究模式遇到数据处理总体数量过大等问题

随着数字化进程，人们在创造和创作的同时产生大量数据。据统计，全球数据圈将从2018年的

33ZB增加至2025年的175ZB，其中约80%为非结构化的文本、图像或视频。①而传统人工处理大数

据的方式耗时巨大，且质性分析方法效率低下。如：社交媒体情感分析需要同时处理语义、语境、文

化隐喻等多个维度的信息，研究者要能够在细粒度语义层次上实现关联发现，②而