早几年，大家对AI的期待还挺朴素的——写写邮件、翻翻论文、当个聊天搭子。

那时候的AI像个刚入职场的实习生，你指哪儿它打哪儿。缺点是一本正经地胡说八道是家常便饭。

这两年，事情有了翻天覆地的变化。

AI不再满足于替人写两段话，开始上手整套活儿：写代码、查资料、做分析、生成方案。甚至能自己拆解任务、调用工具、安排步骤、检查结果。

随之而来的一些变化，多少有点让人哭笑不得。程序员开发出来的AI，开始接手一部分程序员自己的工作。办公室里也发现，AI已经坐在了隔壁工位。

学术界的情况最有趣。AI把论文写作的门槛拉到了地板。它不需要理解什么是学术理想，也能把论文格式搞得庄严体面。于是有人开始批量生成、批量投稿。审稿人一忙，就用AI辅助审稿；作者发现之后，又在论文里藏些只有机器能看懂的提示词，指望审稿AI给出好评。所有人都在省时间，至于知识总量有没有增加，暂时还没定论。

问题恰恰出在这里：我们收获的，到底是更多知识，还是更多看起来很像知识的东西？当越来越多的工作可以丢给AI，人到底还剩下什么？

复旦大学发布的《2026人文社会科学智能发展蓝皮书》，正是想回应这些疑问。

和首期主要观察AI如何赋能人文社科不同，这期蓝皮书的主题是“重新发现深度思考的价值”。核心判断是，AI与人文社科的关系，正在从单向赋能走向双向融合：AI改变人文社科的研究方式，人文社科则要反过来决定AI怎么用、用在哪儿、该受什么约束。

作为本书的特别支持单位，上海科学智能研究院也正携手复旦大学，持续探索AI与人文社会科学深度融合的路径。

为什么AI越强，深度思考越重要

计算器普及之后，人不用再拿纸笔算复杂数字。导航普及之后，人也不用记每一条路。按这个逻辑推下去，AI能分析资料、生成结论，人或许也能少动点脑子。

可惜，社会问题不是算术题。

蓝皮书举了个气候-社会系统耦合的例子。真正的困难不是处理更多变量，而是理解自然系统与社会系统在结构、变量、尺度上的错配。模型会运算，不等于它理解了问题。

算术题只看答案对不对。知识生产和公共决策却要追问更多：论证可不可靠？前提合不合理？风险在不在可控范围内？问题本身有没有指引未来的价值？

蓝皮书认为，研究瓶颈正在转移：过去是能不能处理足够材料，现在是有没有能力提出好问题、建立真实机制、形成可检验的证据链。

什么问题值得研究？观察到的模式该怎么解释？结果是否公平正当？研究遗漏了什么、固化了什么偏见？这些判断没办法彻底自动化。AI越强，人的判断责任越重。

AI看起来什么都能做——都能做好吗？

AI越来越会说话、会推理、会调用工具，像个能协作的研究伙伴。但它到底是在理解，还是在用很高明的方式模拟理解？

四十多年前，塞尔用“中文屋”思想实验质疑了纯粹的句法操作能否产生语义理解。今天，大模型把这个问题摆到了每个人面前：我们怎么判断大模型到底理解了什么，又遗漏了什么？

蓝皮书点出了一个关键：人类智能不是简单的输入-输出过程。

• 人能理解世界，是因为感知和注意把外部刺激组织成情境。
• 记忆和认知地图把过往经验变成可迁移、可推理的结构。
• 情绪和价值决定什么信息更重要、什么目标更值得追求。

人智协作的第一步，不是让AI干活，而是先搞清分工。

AI能帮我们识别对象、检索信息、生成文本，但它很容易把复杂的社会经验改写成自己容易处理的格式，把真正需要理解的问题变成看起来已经被回答的问题。我们要做的，是从对象识别走向情境理解，从信息存储走向经验组织，从生成走向价值判断和自我反思。

认知科学因此变得格外重要。它告诉我们，深度思考不是和AI对立的能力，而是在人机协作中更需要被激活的能力。真正有价值的认知型AI，不应该只给出一个流畅、确定的答案，而要能帮人提出问题、比较证据、保持判断的主动性。

论文写得越来越快，谁来保证它可信？

AI进科研之后，最显眼的变化是速度。文献整理、数据清洗、代码生成、图表绘制、论文初稿，都能在很短时间内搞定。

研究者当然没必要把时间耗在重复劳动上。一个学者有没有思想，也不该由他手动调整了多少次参考文献格式来证明。但研究的速度和知识的速度不是一回事。

论文生成得快，不代表概念已经澄清、数据已经被理解、因果关系已经成立。语言模型尤其擅长把分散材料组织成连贯叙述，而学术研究最危险的时刻，往往就是叙述显得过于连贯的时候。

风险还藏在那些看起来只是“技术操作”的环节。变量怎么选？指标怎么构造？样本从哪一年开始？哪些案例被纳入？每个选择背后都有理论判断。机器当然没有阴谋，它只需要在第一步犯一个小错误，然后在后面的二十步里始终保持自信。

另一种风险来自自动化模型搜索。AI可以不停地试变量组合、参数设置、样本区间，直到找到显著性更强、拟合度更高、图表更漂亮的结果。过去，“试到显著为止”还要受时间和精力限制。现在，智能体可以不眠不休地搜索。效率提高之后，统计偶然也可能被更高效地包装成理论发现。

自动化科研真正的挑战，不光是机器会不会犯错，而是错误能不能被及时发现、研究过程能不能被回溯、最终的结论能不能被重新检验。

AI做决定时，谁来负责？

AI识别和分类人的能力增长很快。它能识别诉求、判断风险、审核材料、匹配政策，还能给工作人员提供决策参考。这类系统的吸引力一目了然：比人快，不会疲劳，不会因为压力或情绪波动改变节奏。

但不会疲劳和不公平，是两码事。

蓝皮书引用了一项研究：分析健康论坛帖子和国际学生访谈时，人类研究者能识别医患互动、文化责任这些细微差别，大模型却容易把它们概括成更普通、更标准的类别。模型不是完全不懂，只是特别擅长把不容易理解的东西改写成自己容易处理的样子。

在公共治理中，这种简化可能直接影响人的权利和待遇。蓝皮书因此区分了两种AI嵌入模式：

• “袋里型”：算法从信息输入一直走到决定输出，人类只在系统故障或当事人申诉时才重新出现。
• “辅助型”：AI负责检索、计算、提示风险、生成方案，最终决定仍由人来做出。

两种模式的差别，不在于用了多少技术，而在于权力有没有发生转移。

当然，制度文件里写着“人在回路”，并不能保证人真的还在。如果工作人员只能在算法结论后面点个“确认”，所谓人工复核，不过是把机器的决定换了一根人类手指。人工角色必须拥有介入权、纠偏权、解释权，否则很容易变成一种责任表演。

当AI开始影响人的权利，问题就不能停留在“模型准不准”。还要明确谁部署、谁复核、谁解释、谁接受申诉并承担最终责任。责任可以分工，但不能因为分得太细，最后蒸发掉。

深度思考，不止是“多想一会儿”

“深度思考”听起来像个人的美德：面对问题别急着回答，多想想。但真正有意义的深度思考，必须进入研究流程、治理程序和组织制度。它不光要求个人更谨慎，也要求系统保留让人谨慎、质疑、纠偏的条件。

AI可以帮忙，但证据链不能省

深度思考不意味着拒绝AI。没必要为了证明人类的尊严，坚持亲手整理几千份材料，或把一整天花在调整参考文献格式上。关键在于，工作可以交给AI，证据链不能一起交出去。

AI可以检索文献、处理数据、运行代码。但研究者仍然要判断：问题值不值得提出？概念有没有被准确转化成指标？数据关系能不能支持因果解释？结论适用于哪些范围？

蓝皮书介绍的STRIDES框架，尝试把复杂研究拆成理论、方法、数据、执行、审查等环节，在每个关键节点设置检查：假设要写清楚，证据要能定位，数据和代码保留版本记录，高风险或低置信度的结论重新交给人判断。

AI参与研究之后，研究产物不该只剩下一篇最终论文。研究问题、数据字典、分析脚本、运行记录、审查意见、人工裁决，都应该保留下来。让人看到结果从哪里来、在哪一步可能出错、经过哪些修改。科学之所以可信，不是因为结论来得快，而是别人能沿着证据链重新走一遍。

采访中，团队给出了一条简单的自我检查：关掉模型之后，你还能不能用你自己的语言说明问题是什么、证据来自哪里、结论依赖哪些假设、可能有哪些反例、适用边界在哪儿？

如果只能说“它讲得很有道理”，却解释不了为什么。如果问题慢慢被改造成模型容易回答的问题。如果文章越来越流畅，自己的观点却越来越模糊——那么AI很可能已经从表达助手变成了判断袋里。

规则不能只写在口号里

关于AI治理，人们已经提出了很多正确的原则：公平、透明、安全、以人为本、保护隐私、承担责任。问题在于，原则不能变成程序，就只能在会议和文件里过日子。

一套制度如果只有原则，没有执行机制，跟一个人只有理想没有闹钟差不多——每天都打算做对的事，却从来没在对的时间醒来。

蓝皮书强调，AI治理要覆盖系统的整个生命周期：

• 部署前：评估风险和适用边界。
• 运行中：记录关键决定、监测异常并保留人工介入。
• 出问题后：能复核、纠偏、追责。

不同风险的系统也不该接受完全相同的治理。普通的信息检索和文本整理可以放低门槛。涉及公共安全、重要权益、关键决策的系统，就得接受更严格的测试、审计和部署要求。

治理也不能止于“已经告知”。受影响的人要知道决定依据什么作出的、可以质疑什么、该向谁提出异议，并能要求人工复核，在错误发生后获得实际救济。否则，说明义务很容易变成一份没人看懂的技术文件，申诉渠道也可能只剩一张网页。

话说回来，治理不是给技术踩刹车。它更像修路：哪里可以提速，哪里必须限速，哪里需要护栏，出了事故谁负责。没有规则的道路不代表自由，通常只意味着强者开得更快，其他人自己小心。

AI会整理答案，人还得决定方向

AI很擅长回答已经被提出的问题。但社会真正困难的，通常不是没有答案，而是没有一个所有人都认可的标准答案。效率和公平冲突时，该优先哪个？技术创新带来整体收益却让一部分人承担更大代价时，怎样才算合理？公共利益和个体权利矛盾时，边界划在哪儿？这些问题没法靠扩大参数规模自动消失。

蓝皮书把人文社科对AI的“反向赋能”说得很具体：不是站在技术旁边发表抽象的道德意见，而是把价值冲突转化成可分析的权衡，把社会后果转化成可测量的指标，为技术发展提供更有方向感和解释力的知识框架。

模型能告诉我们不同选择可能带来什么后果。但不能仅凭自己决定哪部分人该为整体效率付出代价，也不能决定某种代价值不值得。

蓝皮书提到的中华早期文明大模型是一个例子。历史文献、出土文字、器物图像、遗址信息、地理数据，过去分散在不同的资料系统和专家经验里。多模态模型把它们组织进同一个知识空间，让不同来源的证据相互参照。它的意义不只是提高检索效率，更在于改变了证据的组织方式。但材料连接得越多，专家就越需要判断：哪些关联有历史意义，哪些只是表面相似；哪些叙事建立在可靠证据上，哪些只是被模型组织得更流畅。

这正是人文社科不能被简化为“给AI挑错”的原因。它不光要指出偏见、风险、漏洞，还要解释价值冲突、分析制度后果、理解具体人的处境，帮社会形成可以共同承担的判断。技术解决“能做什么”，人文社科接着追问“为什么要做”、“该做到哪里”、“代价由谁承担”。

靠少数团队还不够

说到AI与人文社科的融合，人们容易想到几个实验室、几项明星成果、少数既懂技术又懂社科的研究者。这当然重要，但不能只靠这些。

一个领域要形成长期能力，需要数据、算力、模型、工具链、人才培养、组织协作、评价制度共同支撑。蓝皮书特别提醒，AI4SSH基础设施不等于多买几台机器，也不等于把几个模型放在同一个网页上，而是多模态数据底座、计算环境、领域模型、智能体、工具链和协同机制的整体建设。

买到算力相对容易，建立共同的数据规则很难。发布一个模型相对容易，让不同学科真正理解彼此的问题很难。真正的挑战，是把零散项目沉淀成能持续运行的组织能力。

更重要的是，认知科学这类新兴学科也得一起谋划。认知科学连接哲学、心理学、神经科学、计算科学、语言学、社会科学。它既帮我们理解人类智能，也帮我们反思和校准机器智能。对高校来说，这类基础学科的建设未必立刻对应一个可演示的应用，却决定了未来人智协同能不能从工具使用走向范式创新。

蓝皮书由此构建了“中国高校AI4SSH指数”，从研究核心能力、发展创新潜力、社会传播能力三个维度展开，涵盖3个一级指标、7个二级指标、10个三级指标。它提供了一扇结构化的观察窗口：哪些高校已经形成稳定的交叉研究体系，哪些还停留在零散项目；哪些有研究产出却缺少制度支撑；哪些有学术成果却没有转化成公共影响和社会服务。

蓝皮书的总体判断是，中国高校AI4SSH发展已经“体系初构、梯次分明”。研究产出和本土融合进展不错，但国际学术影响力、源头创新、制度支撑、社会服务转化仍有短板。衡量AI4SSH的发展，不能只看模型、论文和项目数量，还要看数据、工具、规范、人才、协作机制能不能长期运转。技术可以快速升级，制度和组织却只能慢慢学习——真正决定AI与人文社科能走多远的，恰恰是那些不太容易被做成演示视频的部分。

结语：AI越会回答，人越要知道该问什么

复旦大学党委书记裘新在蓝皮书序言中寄语读者，在智能时代“始终守护思想、砥砺思考，保留独立思索、理性判断、追问价值、明辨取舍的从容和定力，以思想之深引领智能之变”。这也是这本蓝皮书想传递的态度。它不只是对一轮技术变化的观察，也是复旦文科面对智能时代的一次集体思辨。

真正重要的是，在自动生成之前，先判断什么问题值得提出。在模型给出结论之后，继续追问证据是否可信。在技术进入社会之前，明确它的边界和责任。在许多可能的未来之间，保留人的价值判断和方向选择。我们不必继续证明人在哪些任务上比机器更快，而要重新确认人在知识生产和社会运行中不可转让的判断与责任。

机器可以帮我们抵达很多地方。至于为什么出发、该去哪里、到了以后准备过什么样的生活——这些事情，恐怕还不能完全交给它。