摘要：19世纪研究型大学的形成确立了今天的人文科学、社会科学和自然科学三大主要知识领域的划分。而新的人工智能程序等技术进步超越传统研究者的智慧，推动了多学科和跨学科的数字人文的兴起，改变了人文研究的理念，为我们提供看待过去和现在文化的新方式。然而，在人工智能和数字人文彼此需要之际，人工智能与其他科学领域之间的联系却在逐年减弱。我们迫切需要一场双向运动：人工智能必须更加关注社会科学，而社会科学家也必须更加关注人工智能。
关键词：科学三元结构；人工智能；数字人文
一、学科挑战与知识终结
19世纪研究型大学的形成确立了今天的人文科学、社会科学和自然科学三大主要知识领域的划分。这种知识体系的界限从19世纪中叶建立起来，并在整个20世纪得到强化，现在通过管理、财政以及教学方法和课程得以维持。这些界限也具有建筑和空间上的含义，人文学科、社会科学和自然科学、技术、工程等院系被安置在校园内不同的地方。在很长一段时间里，如此分科和发展战略发挥了作用，为启蒙运动之后出现的新学科提供了成长的时间和空间，而学科性为知识生产的认证赋予了重要手段。
然而，让我们走到这一步的战略可能并不是我们接下来前进所需要的战略。如果说大学的最大目的是或者应该是知识的进步和传播，那么，在最大范围内，确定和阐明各知识领域共同目的的能力，将是解决根深蒂固的、往往适得其反的体制分歧，以及授权新的知识生产系统和组织的重要一步。比如，我们能否通过围绕问题而不是研究对象来重新组织知识生产，以摆脱有关学科竞争和危机的讨论？这种讨论往往会让我们把注意力集中在个别学科或大学专业的发展上。如果我们不是无休止地试图分析和解决某个分科的问题，而是将注意力转向分科体系本身，那又会怎样？
现在，许多形式的知识生产似乎正面临终结。从一代人对科学技术的推崇将带来“英语专业的消失”的绝望，到“假使气候变化不首先结束世界，开发人工智能也会造成世界末日”的警告，最近的相关讨论对学术结局都持悲观态度。人文学科的危机已经达到了财政不再投资和民众不再关心的临界点，而新的人工智能程序等技术进步可能会超越传统研究者的智慧。多方面因素的变化显示，许多我们熟悉的知识生产和认证体系已经或正在结束。
在此情况下，学术界需要更认真地思考学科的目的，以及某些学科是否应该被终结。必须发现新的视角，以迫使各种知识项目正视自身的目的，思考这些目的到底是否有益，是否可取。随着人文学者、社会科学家和自然科学家都被迫为自己的工作辩护——从对气候变化“骗局”的指责到认为人文学科“无用”的假设，学术界内外的知识生产者都面临着挑战，他们需要阐明为什么要做正在做的事情，以及会在什么时候完成这些事情。
现在是各领域的学者围绕“目的”问题调整工作方向的时候了。这并不意味着默许经济功利主义或党派忠诚的逻辑，这些逻辑已被证明对过往的知识体制造成了极大的破坏。如果我们希望大学能继续成为知识生产的可行空间，那么各学科的学者就必须明确自己的工作目标，反思何为“有用知识”？知识又如何带来启蒙？否则，就难免遭受公众的误解和政治的滥用。
今天的学者无一不是启蒙运动的产物，这一运动开创了我们生产、共享和使用知识的许多模式。启蒙思想家们在呼吁建立新的知识生产模式和机构之时，将目的的实用定义与乌托邦想象结合起来。17世纪初，弗朗西斯·培根呼吁重新开始知识生产，并重新考虑知识生产的目的。他在《学问的进展》中写道：“最大的错误，就是对知识的最后或最远目的的误解或错置。”随后他进一步指出，知识的“真正目的”不是职业声誉、经济收益，甚至不是对学问的热爱，而是“生活的用途和益处，以慈善的方式改善和引导生活”。在他的眼里，知识是一种公共事业。培根主张结束强调辩证论证和演绎逻辑的中世纪教育课程——经院哲学，他设计的“新工具”既是寻求新“目的”的蓝图，也是几代人的世界性努力的开端。他的著作通常被视为科学革命的起源。
眼下，我们要求知识生产者重新审视培根在启蒙运动中提出的基本问题：什么是“知识最后或最远的终点”？最出名的争议来自《科学美国人》撰稿人约翰·霍根1996年写的《科学的终结》 ，提出所有基础科学领域里的终极真理——或者至少是人类头脑能够掌握的部分——都已经在20世纪被发现了。霍根的这本《科学的终结》论者纷纭，但它反映出一种现象——社会对于科学发展充满了担忧，科学也对自身产生担忧。换言之，科学所承担的风险正在增加。
风险社会理论家乌尔里希·贝克指出：“如果从前我们关心的是‘外部’引发的危险（诸神或自然），那么今天，风险的新历史特性则源自内部决策。风险既是科学的建构，也是社会的建构。科学是风险的原因之一，是风险界定的媒介，也是解决方案的来源。正是凭借这一事实，科学为自身打开了新的科学化市场。一方面，科学协助制造并界定了风险；另一方面，这些风险又受到公众和社会的批判。在它们交互影响的过程中，科学技术的发展呈现出重重矛盾。”
在简单科学化与自反性科学化的区分当中，贝克认为，在过去，知识是按客体（如自然）来行事；而现在，知识是按自身来行事。科学的自反性越来越多地被运用到社会中，增加了对科学的不信任，导致它在公众面前丧失了可信度。而科学的危机并不是单独爆发的，其实它陷入了风险社会的普遍危机之中。“在自反性条件下，有关科学后果问题的知识在诸社会行动领域得到激活的可能性大为增加，……从而形成了抗击科学的科学化形式。”在这个过程中，科学使自己经受了尖锐的抨击，“被迫在全体公众面前清楚展现自己的窘迫、狭隘和‘出生缺陷’”。
然而，贝克意识到，科学自身的公共信誉虽然开始急剧下降，但这也为它开启了影响和应用的新领域。知识的模式、专业的自我立法虽然受到岌岌可危的社会的普遍危机的挑战，但在变化着的社会环境中将会出现新的知识模式。如同卡尔·波普尔所说：“我认为，尝试了解这个世界是值得的，即使在尝试这样做时，我们所获知的仅仅是自己所知不多。这种认识到无知的状态可能有助于解决我们的许多麻烦。尽管我们各人所有的各种点滴知识大不相同，在无限的无知上却全都一样。”无限的无知是知识存在无穷潜力的必要条件。拒绝接受知识“即将到达终点”的观点，是避免教条主义、停滞和专制的必要条件。
也因此，过去为知识的终结所作的努力往往是异想天开或荒唐可笑的。正如菲利普·基彻在他的论文《科学的终结》中所写的那样，科学家有时把终结设想为提供一个“对宇宙的完整的真实描述”，但这种描述是否可能存在，或者即使存在，我们是否能够理解它，仍然是一个很大的疑问。对终结的渴望通常是虚幻的，而且可能是乌托邦式的。
因此，我们的目标不是为知识的终结问题提供一个单一或最终的答案，而是打开并维持一个可以提出这一问题的知识空间。各领域的学者们都会对他们的工作将会终结的想法感到恼怒，他们对各自领域的“辩护”如今已司空见惯。但正如本文开篇所言，我们目前所知的自然科学、社会科学和人文科学的三元结构是19世纪研究型大学崛起的产物，它为我们带来了一种在狭窄但深奥的学科中培养学者的模式。
随着时间的推移，这种学术结构发生了巨大的变化，这表明它们并不是固有的。在过去的几十年里，跨学科性受到广泛关注。朱莉·汤普森·克莱因将学科和跨学科置于追求统一知识的悠久历史中，这一历史可以追溯到柏拉图。她写道，跨学科工作的两个主要动机是“解决超出任何一学科范围的问题”和“实现知识的统一，无论是在有限的还是大规模的范围内”。跨学科实践的出现，正是为了实现这两个新的学术目标。
然而，对跨学科性的批评指出，这种努力往往是累加性的，而不是互动性的：也就是说，它们结合了既有的学科方法，而不是对其进行改造。杰里·A.雅各布斯认为：“跨学科事业很可能会导致学术单位的激增，而不是将知识整合成一个更统一的整体。”
比如，环境研究具有典型的跨学科性。然而，尽管科学界已经证实人类对气候的巨大影响，但各国政府仍未采取必要的行动来避免气候灾难。那么，科学家们是应该为自己无力影响政治趋势而举手投降——事实上，有些人已经呼吁暂停进一步的研究——还是与社会科学家合作，研究社会和政治解决方案？将自然科学、社会科学和人文学科分开的学科规范，在维持现状方面发挥了什么作用？
环境研究体现了一个趋势，即不再用已经建立起来的学科而是用研究应用的情境来确定知识的界限。多学科方法成为新的标准，“后学科”现象占据上风，学科界限逐渐模糊。克莱因指出，“在二十世纪的大部分时间里，知识问题一直被学科性所框定”，而“本世纪以来，知识的隐喻已经从基础和结构的静态逻辑转变为网络、系统和场域的动态属性”。
这种情况发展的结果将会怎样还不很清晰。对有些人来说，它可能意味着知识的终结，或者至少是某一种知识的特定概念，即通过自我规定或遵守“元叙事”的规定而确立合法性的知识的终结。让-弗朗索瓦·利奥塔就持这种观点。利奥塔指出，在后现代条件下，普遍原则和知识体系迅速发生了分化。“各科学领域的传统界限重新受到了质疑：一些学科消失了，学科之间的重叠出现了，由此产生了新的领域。知识的思辨等级制被一种内在的，几乎可以说是‘平面’的研究网络所代替，研究的边界总在变动。”结果是，知识大厦坍塌了，失去了解放的承诺。
利奥塔尤其关注科学技术的迅速发展对知识状态带来的冲击，具体表现为三个方面：第一，技术和科学在巨大的技术网络里融合；第二，在各门科学里，不单单是假设甚至是范式都受到修改，而且曾被认为是“自然的”或不可违反的推理方式和逻辑也在受到修改；第三，由于最新一代的机器可以进行记忆、查阅、计算、语法、修辞和诗学、推理和判断（专业知识）的操作，势将引起知识在质上的变化。由此，任何一门学科都无法封闭自存，不得不在计算机革命的洪流中开放自己的围栏。
利奥塔所言甚是，我们必须直面科学技术的变化来重新审视人类的知识状态。以计算机为代表的科技革命引起知识状态的变化主要表现在推理和判断领域，而在修辞和诗学领域的变化将更为复杂。作为研究者，如果我们连自己想去哪里都说不清楚，又怎么能到达任何地方呢？
二、数字人文对人文研究的改变
回溯三元结构的形成过程，知识的快速积累导致科学领域出现分支，每个分支都有其专门的语言和研究方法，这在研究不同现象的人们之间造成了深刻的分歧。大学的课程设置和不称职的教师使这些分歧变得更加严重。教育界需要深入反思，如何为理解身体、心理和文化世界提供共享的知识基础。
自然科学是物质文明的基础。社会科学应教会我们如何实现幸福生活。人文学科有助于了解不同的文化、历史和认知社会关系的方式。这一切在全球化世界中都至关重要。
从物质世界开始，精神、社会和文化层面相互叠加，各自从较低、较简单的层面逐步向上发展。自然科学是改善物质生活条件（包括身心健康）的技术发展的基础。社会科学研究个体之间的关系以及整个社会的形成。当社会内部出现了不同的文化和亚文化，人文学科试图理解文化的许多层面，包括身体和精神领域对历史、艺术、语言、文学、法律、政治、哲学和宗教等的影响。通过研究人类创造的世界，人文学科揭示了可能的精神状态和人类行为的范围。最终，这有助于我们理解人性，并引导科学创造一个以人类需求为中心的世界。总体上来说，此类研究应有助于减轻“人类的心理痛苦”。
然而，现代世界文化的复杂性已经超出了人类的理解范围。过去，文化有时间适应缓慢的变化，文化之间的互动也很少，人们对自己的行为所造成的深远后果知之甚微。如今，地球上有数十亿人口，全球互动更加复杂，变化以意想不到的方式迅速蔓延，文化变得流动并不断转变。我们还能相信我们的智力足以理解如此复杂的世界吗？在大多数情况下，我们只能阅读和学习某一主题的所有相关资源中的一小部分。
而人工智能没有任何限制，可以内化并使用所有可用信息进行推理。例如，基于古代文本进行训练的自然语言处理有助于猜测受损的楔形文字文本中缺失的字符、单词和短语。借助大规模多语言文本/语音人工智能模型保护世界语言多样性的大型项目可以将 1100 多种语言的语音转换为文本，并识别 4000多种口语。这些新的语言工具为那些研究鲜为人知的文化的学者提供了前所未有的力量。
认知科学对基于心理模型的传统解释提出了质疑。新的领域，如神经哲学和神经现象学，是在认知神经科学的压力下发展起来的。具身认知成为连接科学、心理学和人文学科的最令人兴奋的趋势之一。自从西德尼·兰姆将神经语言学定义为语言的基础并在人工智能算法的开发中找到实际应用以来，神经语言学已经取得了重大进展。了解语言理解中涉及的大脑过程会产生“基于大脑的语义”，这是一种新的概念表示，它将概念的含义与不同认知状态下激活的特定大脑区域联系起来。
最近的数字人文项目和人工智能大语言模型的发展使我们能够解决传统上无法理解的问题。近年来，历史学家开始考虑气候变化和巨大自然灾害对古代社会的影响，比如洪水、火山爆发、小行星撞击、地震和大流行病对人类产生的重大影响。也因此，历史学可以提出有趣的问题，指出我们对某些历史时期、文明发展和历史变迁原因的认识存在不足。新的技术和经济数据分析为政治情绪和社会发展提供了新的视角。而这只是人文学科如何与其他科学分支融合的一个例子。
概括地说，数字人文是一个多学科和跨学科的领域，处于人文学科和计算机科学的交叉点上，其基础是共同的研究热情、创造力、新的工作方式和价值观。需要特别强调的是，数字人文领域不仅共享工具，还共享价值观。例如，开放和公平的数据问题对这个群体非常重要。数字诠释学、对数据的反思态度也是数字人文精神的一部分。
虽然共性很重要，但这一领域中也存在许多异质性：有些人是可扩展标记语言（XML）、文本挖掘或语言学方面的专家，其他人则更热衷于机器学习、网络分析、可视化、主题建模、情感分析等。数字人文学者不一定要成为所有这些方面的专家，而且事实上也基本不可能做到。但他们可以在元层面上找到共同的对话和兴趣，它们不仅仅是基于一种工具或一种研究。
数字人文的到来正逢人文学科深陷危机之时。从1962年至2020年，英国学习人文学科的学生比例从约28%下降至约8%。英国多所大学取消了古典学、哲学、文学和语言等许多人文学科课程。在美国，几十年来，人文学科学生的平均比例一直徘徊在15%左右，随着经济的繁荣而上升，又随着经济的萧条而下降。然而，过去十年的入学人数却与经济趋势背道而驰。当经济向好时，人文学科的入学率仍然持续下降，而当市场摇摆不定时，注册人数跌幅更大。现在，该数字正处于自由落体当中。与此同时，健康科学、医学、自然科学和工程学所授予的大学学位的比例却直线上升。在哥伦比亚大学——对人文学科核心要求较高的美国学校越来越少，该校是其中之一——英语专业的毕业生比例在2002年至2020年间从10%下降到5%，而计算机科学专业的毕业生比例则不断攀升。大学存在的合理性由人文科学转向自然科学。
美国著名文学学者帕特里夏·迈尔·斯帕克斯2001年在《人文学科的挑战》一文中写道：“现在回想起来，从我记事起，人文主义者就一直在宣称一场危机。”二十多年过去了，这句话仍然是正确的。斯帕克斯描述了三个挑战：资金、冲突和传播。资金方面，美国社会对文化和人文研究的激励微乎其微，对人文学科的财政支持在国家层面、州层面、大学层面都消失了。冲突是指人文学科的许多领域极度分裂、缺乏共识。没人能够怀疑电磁波的存在，但对于哲学、政治学或是诗歌、艺术和音乐评论中使用的概念的含义却几乎无法达成一致。同时，人文学科价值的传播相当薄弱，那些从事人文学科教学的人似乎不知道如何用对普通人有意义的语言来传达他们所做工作的价值。公众更多地听到政治指控，而不是道德基础理论的有趣发展。
就学习而言，对人文学科兴趣的丧失可能部分与信息泛滥有关。持续的干扰、即时获取信息、同时处理多项任务以及在互联网和社交媒体上从一个主题跳到另一个主题，使得学生几乎没有时间进行深入的探索。然而，恰恰是在数字时代，人文学科的重要性无与伦比。在数十亿人可以同时接入网络的情况下，众多怀有议程的政治行为者和亚文化群体大肆传播错误的信念和阴谋论。如果没有批判性思维的训练，人们往往会相信他们所读到的或被告知的内容，而验证在人文学科的许多分支中都非常重要。
今天，我们生活在一个可解释性的世界里，它在很大程度上是由算法对数据的捕捉决定的，而算法又超越了我们的生活和思想。这是一个依赖于计算自动化和使用复杂软件操作数据的世界。这个数据密集型的世界，建立在越来越趋向于数据密集型的科学环境的经济实现之上。
这个世界有许多阴暗的层面，从广泛的私人数据的价值榨取、新形式数字宣传的出现到数字垄断经济的产生，无不如此。我们需要提出与数字技术相关的“谁”“什么”“为什么”“何时”“何地”和“如何”等关键问题，但我们也需要将这些问题与人文探究和“人”的存在联系起来。数字人文是人文学科日益重要的组成部分，是帮助我们理解这个新数字世界和生活于其中的关键。
人文学科必须适应数字时代。了解人类的认知局限性和人工智能发展带来的机遇以及应对全球挑战所需的跨学科研究，是人文学科复兴的关键。人工智能将从根本上改变人文学科，从艺术到政治科学和哲学，使这些学科对学生产生吸引力，并使他们能够超越当前的限制。
这一切仅仅是开始。在过去的几年中，人工智能为我们提供了可用于分析各种数据的新工具。大型语言模型使用人类反馈强化学习进行训练，使其答案与人类偏好保持一致。这样的培训离不开心理学家、社会学家、法学家与哲学家的参与。了解亚文化及其价值观、抱负和动机，需要分析经济、历史、文化、与性别问题相关的态度，以及老龄化、种族主义、仇外心理和阴谋信仰的表现等。人工智能可以在这方面提供很大帮助。
理解数字人文的关键是不要把数字技术理解为一个入侵者。计算机在其历史的早期就被用于人文目的，而不是像人们所以为的那样，仅仅作为大型文本库的存储工具。计算机网络，特别是互联网，使得数字文件可以在全球几乎任何地方使用，这种信息获取方式对社会科学和人文研究产生了巨大影响。从 2000年代初开始，从事数字文本、图像和声音的创建和研究的学者开始将他们的工作定义为“数字人文”。经过十余年的发展，学者们开始认为数字人文构成了人文学科研究的一个组成部分，“扩大了人文学科的范围，开放了资源获取渠道，并拓宽了学术活动的定义”。数字人文融合了语言文学、历史、哲学、媒介和通信、计算机科学和信息研究等的重要见解，并将这些不同的方法整合到新的框架中。最近，学科重点已扩大到更常见的工程领域，如机器学习、数据科学和人工智能。
作为其工作的一部分，数字人文主义者开发了新方法，例如基于计算机的统计分析、搜索和检索、主题建模和数据可视化。他们将这些技术应用于档案和馆藏，其规模远远超出任何人类研究人员或研究小组可以轻松处理的范围。它们使研究者能够探索如何对文本的近距离阅读和远距离阅读加以协调，并在人文学科工作中有效地协同微观分析和宏观分析。这样的方法提高了人文学者处理更大数据集、语料库和图像档案的能力，并能够更轻松地在其间移动。这使得大型跨学科团队能够合作创建项目，聚集在一起处理高度困难或复杂的问题。由此出发，数字人文主义者正在改变人文研究的理念，为我们提供看待过去和现在文化的新方式。
三、打破人工智能研究的小圈子化
可以说，人工智能融入人文领域是一个里程碑式的知识事件，标志着人类文化和历史的研究方法的转变。这种范式转变正在重塑学者开展研究、分析信息和分享见解的传统方式。人工智能使研究人员能够以从前无法达到的速度分析大量数据并发现模式和见解，创建更动态的方式来呈现历史和文化内容，从而有可能接触到更广泛的受众。
与此同时，人工智能与数字人文之间不断发展的关系，也带来一系列的新课题。例如，需要增强算法对人文复杂性的敏感度，不断地改进算法方法，以更有效地解释人文研究中普遍存在的密集的定性数据；建立跨学科对话，整合人工智能和人文研究者的独特词汇和方法论结构，通过制定共享的语义和操作框架，为不同领域之间的无缝知识交流和协作创新铺平道路；创新计算人文方法论，形成适合人文学科认识论的新计算方法。这包括混合分析工具的设计，可以通过使用自然语言处理、模式识别和语义分析技术，将人工智能的数据处理优势应用于人文研究的丰富解释。
但更长远也更重要的是，探讨计算人文学科的伦理和社会影响，需要评估人工智能在人文学科中应用的伦理维度。这包括制定伦理框架和算法审计流程，以确保人工智能系统不落入固有偏见并遵守透明度和问责制原则，特别是在进行文化和历史数据分析之时。
数字人文的未来方向必须更加批判导向，深入反思计算如何不仅仅成为一种技术工具，更化作一种基础设施或环境，这要求数字技术提出的社会、文化、政治和经济问题成为数字人文批判的一部分。例如，我们需要了解和挑战“智能”对象和基础设施绕过我们认知能力的方式，它们这样做为的是最大限度地提取数据密集型价值。与此相辅相成的是，它们正在削弱人类批判性反思和推理的能力。在这个过程中，数字技术、算法和软件中嵌入的政治和规范格外重要。
十分明显，人工智能在造福人类的同时，也可以用来奴役人类。了解人类心理、识别个性特征、蚕食用户隐私，将使得操纵人变得极其容易。随着数字技术越来越广泛地融入我们的生活，人们对这些技术监视用户的能力、数字偏见和歧视以及“假新闻”的出现等产生了新的担忧。在这方面，数字人文迫切需要凭借其跨多个领域的专业知识，帮助人们理解上述问题并提供关键的干预措施和政策见解。
在人工智能和数字人文彼此需要之际，西北大学凯洛格商学院的王大顺教授及其论文合作者却发现，人工智能与其他科学领域之间的联系随着时间的推移而逐年减弱。
2019年，研究者分析了人工智能领域数十年发表的论文，同时对照了同一时期社会科学、人文科学、自然科学、工程和医学领域的论文。他们发现，越来越多的计算机科学家选择自己面对社会问题，而不是深度依赖研究这些问题的学者的见解。与此同时，社会科学、物理科学和人文科学的学者似乎也与人工智能的快速发展脱节。
王大顺等人想知道人工智能研究者参与到心理学、哲学、经济学和政治学等学科当中的频率，这本可以帮助他们解决一些不可避免的伦理和社会问题。而衡量这种参与度的一个指标是人工智能研究者是否在他们的学术论文中引用了其他学科的研究成果。为了进行调查，王大顺与麻省理工学院的摩根·弗兰克、曼努埃尔·塞布里安和伊亚德·拉万合作，利用了微软学术图谱中提供的数据集，该数据集对学术论文进行了广泛的索引。索引数据包括传统的期刊引文以及会议记录，这是人工智能研究结果发表的主要平台。它还捕捉了论文之间的引用关系，也即一项研究是否引用另一项研究。
研究发现，毫不奇怪，当今的人工智能论文引用计算机科学和数学的次数最多，同时，哲学、经济学和艺术的引用却出现了急剧下降。
接下来，研究人员考虑了相反的问题：在控制每年不断增长的人工智能出版物数量的情况下，其他学科引用人工智能论文的频率如何？他们发现，心理学、哲学、管理学、政治学、社会学和经济学等领域的研究人员都变得不太愿意利用人工智能研究。
总体结论是，人工智能研究者变得越来越小圈子化，表明该领域迫切需要跨学科合作。
出现此现象的一种可能的解释是，社会科学家越来越难以跟上日益复杂的人工智能研究的快速进展。此外，矛盾的是，人们对人工智能兴趣的高涨可能有助于解释它的孤立性。一些人工智能会议的需求如此之大，以至于社会科学家根本没有机会参加。弗兰克在一篇博客文章中指出，一次受欢迎的会议不到15 分钟，注册名额就被抢购一空，因此就连活跃的人工智能研究人员都很难参加——更不用说其他领域对此感兴趣的科学家了。
另一个因素是当今人工智能研究的主导者的转变。论文检查了哪些机构在发表最“核心”的人工智能论文——即这些论文最常被其他高引用论文引用。虽然麻省理工学院、斯坦福大学和卡内基梅隆大学等学校曾经是最核心的人工智能研究的发源地，但研究人员发现，如今核心论文越来越有可能来自谷歌和微软等私营公司。这可能是因为这些公司有资源购买昂贵的基础设施。人工智能研究不是一项廉价的事情，需要拥有一整套图形处理单元、计算能力和存储空间。
这或许有助于部分解释人工智能与社会科学之间日益脱节的原因。在他们的研究中，王大顺和合作者发现，社会学、哲学、政治学、管理学和经济学的研究人员引用公司出版物的可能性低于学术出版物。因此，人工智能研究集中在私营企业就可能会导致其与社会科学的关系减弱。
王大顺指出，一旦抢占先机，大公司就更有可能继续生产不成比例的研究成果，出现一种“富者愈富的现象”。行业团队开发更好的系统，吸引更多用户并生成更多数据，然后可以使用这些数据来训练他们的系统，使其变得更加准确。这是一种自我强化的机制。
这种情况令人堪忧。人工智能正在改变我们所知的世界，从学术界到工业界和政府，每个人都在寻求了解人工智能对人类未来的影响。正如计算机科学家需要咨询其学科以外的专家一样，社会科学家也不能再忽视人工智能的发展。随着机器重塑我们的工作、思考和决策方式，经济学家、哲学家和心理学家等等了解计算机科学的最新发展变得比以往任何时候都更加重要，反之亦然。
我们需要一场双向运动。人工智能必须更加关注社会科学，而社会科学家也必须更加关注人工智能。
技术和社会科学研究的融合已在纳米技术和合成生物学等其他新兴学科中得到检验。在某些技术发展的最初几年，学术出版物首先反映的是定义该领域的技术进步。社会科学话语通常会在评论者发现特定技术可能带来的机会和担忧时出现。这种滞后保证了在其最早的发展阶段，技术能够在相对隔离于社会评论的情况下发展。然而，随着一项技术变得众所周知并且明显可行，社会科学家必须要了解新技术并对其作出反应，以便在该技术完全成熟并进入市场之前提供必要的评估。
尽管人工智能发展迅速，但假如新技术不能更好地融合社会科学和其他领域的见解，再好的技术也将无法充分发挥其潜力。为了弥合这一差距，大学应鼓励人工智能与其他知识领域之间展开更多合作。一些现有的研究暗示了人工智能开发人员可以有效地整合其他领域的研究成果。例如，一项探索自动驾驶汽车如何更好地反映人类道德的研究借鉴了心理学、道德哲学、经济学甚至科幻小说的研究成果。
在数字时代，人文与社会科学比以往任何时候都更需要传达人文价值观及其对公共文化的贡献。人文学科不断提出一个重要的问题：什么是值得过的生活？数字人文是这一传统的一部分，帮助我们反思这个关键问题，也扩大我们对数字世界中人类文化的理解。将人文学科融入人工智能讨论可以提供超越纯粹技术性的以人为本的视角，促进有关人工智能对社会影响的批判性反思和公众讨论。唯有如此，人工智能的未来发展才能够符合人文价值、社会正义和公平的理念。
本文已刊发在《广州大学学报（社会科学版）》2024年第3期，如需引用或转载，请以纸质版为准，并注明出处。
