AI越會回答，人為什么越需要深度思考？復(fù)旦發(fā)布2026人文社科智能發(fā)展藍皮書

機器之心編輯部

曾經(jīng)我們對 AI 的期待還比較樸素，寫郵件、翻譯論文、聊天搭子……那時候，AI 像一個初出茅廬的實習(xí)生，你指哪它打哪，但也經(jīng)常一本正經(jīng)地胡說八道。

近兩年，AI 的發(fā)展可謂勢如破竹。

它不再滿足于替人寫兩段話，而是開始接手整套工作：寫代碼、查資料、做分析、生成方案，還能自己拆解任務(wù)、調(diào)用工具、安排步驟、檢查結(jié)果。

隨之而來的，還有不少令人啼笑皆非的變化。程序員開發(fā)出的 AI，開始接手一部分原本由程序員完成的工作；不少白領(lǐng)崗位也發(fā)現(xiàn)，AI 已經(jīng)坐到了隔壁工位。

學(xué)術(shù)界的情形更有意思。AI 極大降低了論文寫作的門檻，它不需要理解學(xué)術(shù)理想，也能把論文格式整理得相當(dāng)莊嚴(yán)。

于是有人開始批量生成論文、批量投稿。審稿人工作太忙，便用 AI 輔助審稿；作者發(fā)現(xiàn)以后，又在論文里藏入只有機器容易識別的提示詞，希望審稿 AI 給出積極評價。所有參與者都節(jié)省了時間，只有知識本身是否增加，暫時還沒有統(tǒng)一意見。

但問題也正在這里：我們得到的是更多知識，還是更多長得很像知識的東西？當(dāng)越來越多的工作都可以交給 AI，人究竟剩下什么？

復(fù)旦大學(xué)發(fā)布的《2026人文社會科學(xué)智能發(fā)展藍皮書》，正是試圖回應(yīng)這些問題。

與首期藍皮書主要觀察 AI 如何賦能人文社會科學(xué)相比，本期藍皮書以「重新發(fā)現(xiàn)深度思考的價值」為主題，進一步提出，AI 與人文社會科學(xué)的關(guān)系正在從「單向賦能」走向「雙向融合」：AI 改變?nèi)宋纳鐣茖W(xué)如何研究，人文社會科學(xué)則要參與決定 AI 為何使用、用于何處，以及應(yīng)當(dāng)受到怎樣的約束。

作為本書的特別支持單位，上海科學(xué)智能研究院也正攜手復(fù)旦大學(xué)，持續(xù)探索AI與人文社會科學(xué)深度融合的路徑。

為什么 AI 越強，深度思考反而越重要

計算器普及以后，人不必再用紙筆計算復(fù)雜數(shù)字；導(dǎo)航出現(xiàn)以后，人也不必記住每一條路。照此推論，AI 能夠分析資料、生成結(jié)論之后，人或許也可以少動一點腦筋。

可惜，社會問題不是算術(shù)題。

藍皮書以氣候——社會系統(tǒng)耦合為例指出，真正困難的并不是處理更多變量，而是理解自然系統(tǒng)與社會系統(tǒng)在結(jié)構(gòu)、變量和尺度上的錯配。一個模型能夠運算，并不意味著它已經(jīng)理解了問題。

氣候——社會系統(tǒng)耦合的三類錯配：結(jié)構(gòu)、變量與尺度。

算術(shù)題只需判斷答案是否正確，知識生產(chǎn)和公共決策卻必須繼續(xù)追問：論證過程是否可靠，前提假設(shè)是否合理，潛在風(fēng)險是否可控，以及問題本身是否具有指引未來的價值。

藍皮書認為，研究瓶頸正在轉(zhuǎn)移：過去的問題是能不能處理足夠多的材料，現(xiàn)在的問題是能不能提出好問題、建立真實機制，并形成可以檢驗的證據(jù)鏈。

什么問題值得研究，觀察到的模式應(yīng)當(dāng)如何解釋，某種結(jié)果是否公平正當(dāng)，以及研究遺漏了什么、固化了什么偏見，這些判斷不能被徹底自動化。AI 能力越強，人的判斷責(zé)任反而越重。

AI 看起來什么都能做，它都能做得好嗎？

AI 越來越會說話、會推理、會調(diào)用工具，也越來越像一個可以協(xié)作的「研究伙伴」。但它到底是在理解，還是在以非常高明的方式模擬理解？

四十多年前，塞爾用「中文屋」思想實驗質(zhì)疑純粹句法操作能否產(chǎn)生語義理解。今天，大模型把這個問題擺到了每個人的面前：我們?nèi)绾闻袛啻竽Ｐ偷降桌斫饬耸裁矗诌z漏了什么？

藍皮書的一個重要判斷是，人類智能并不是簡單的「輸入——輸出」過程。人能夠理解世界，是因為感知與注意把外部刺激組織成情境，記憶與認知地圖把過往經(jīng)驗組織成可以遷移和推理的結(jié)構(gòu)，情緒與價值決定哪些信息更重要、哪些目標(biāo)更值得追求。

人智協(xié)同的第一步，不是讓 AI 干活，而是先明確人和 AI 的分工。 AI 可以幫助我們識別對象、檢索信息、生成文本，但它很容易把復(fù)雜的社會經(jīng)驗改寫成自己容易處理的格式，把真正需要理解的問題變成看起來已經(jīng)被回答的問題。 我們需要從對象識別走向情境理解，從信息存儲走向經(jīng)驗組織，從生成走向價值判斷和自我反思。

認知科學(xué)因此變得尤為重要。它告訴我們，深度思考不是與 AI 相對立的能力，而是在人機協(xié)作中更需要被激活的能力。真正有價值的認知型 AI，不應(yīng)只是給出一個單一、流暢、確定的答案，而應(yīng)幫助人提出問題、比較證據(jù)、保持判斷的主動性。

論文寫得越來越快，誰來保證它可信

AI 進入科研以后，最顯眼的變化是速度。文獻整理、數(shù)據(jù)清洗、代碼生成、圖表繪制和論文初稿，都可以在很短時間內(nèi)完成。研究者沒有義務(wù)把寶貴時間消耗在重復(fù)勞動上，一個學(xué)者是否具有思想，也不應(yīng)由他手工調(diào)整了多少次參考文獻格式來證明。

但研究的速度和知識的速度不是一回事。論文生成得很快，并不意味著概念已經(jīng)澄清、數(shù)據(jù)已經(jīng)理解、因果關(guān)系已經(jīng)成立。語言模型尤其擅長把分散材料組織成連貫敘述，而學(xué)術(shù)研究最危險的時刻，往往就是敘述顯得過于連貫的時候。

風(fēng)險還隱藏在那些看似只是「技術(shù)操作」的環(huán)節(jié)。變量怎么選、指標(biāo)怎么構(gòu)造、樣本從哪一年開始、哪些案例被納入，背后都包含理論判斷。

機器當(dāng)然沒有陰謀，它只需要在第一步犯一個小錯誤，并在后面的二十步里始終保持自信。

另一種風(fēng)險來自自動化模型搜索。AI 可以不斷嘗試變量組合、參數(shù)設(shè)置和樣本區(qū)間，直到找到顯著性更強、擬合度更高、圖表更漂亮的結(jié)果。過去，「試到顯著為止」還受時間和精力限制；現(xiàn)在，智能體可以不眠不休地搜索。效率提高以后，統(tǒng)計偶然也可能被更高效地包裝成理論發(fā)現(xiàn)。

自動化科研真正帶來的挑戰(zhàn)，不只是機器會不會犯錯，而是錯誤能否被及時發(fā)現(xiàn)、研究過程能否被回溯、最終結(jié)論能否被重新檢驗。

AI 做決定時，誰來負責(zé)

AI 識別和分類人的能力正在迅速增強。它可以識別訴求、判斷風(fēng)險、審核材料、匹配政策，也可以為工作人員提供決策參考。

這類系統(tǒng)的吸引力很明顯：它們比人快，不會疲勞，也不會因為壓力或情緒波動而改變處理節(jié)奏。

然而，不疲勞和公平不是一回事。

藍皮書引用的研究發(fā)現(xiàn)，在分析健康論壇帖子和國際學(xué)生訪談時，人類研究者能夠識別醫(yī)患互動、文化責(zé)任等細微差別，大模型卻容易將其概括為更普通、更標(biāo)準(zhǔn)化的類別。

模型不是完全沒有理解。它只是非常善于把不容易理解的東西，改寫成自己容易處理的樣子。

在公共治理中，這種簡化可能直接影響人的權(quán)利和待遇。藍皮書由此區(qū)分了兩種 AI 嵌入模式。

一種是「代理型」模式。算法成為行動者，從信息輸入一直走到?jīng)Q定輸出，人類只在系統(tǒng)故障或當(dāng)事人申訴時重新出現(xiàn)。另一種是「輔助型」模式。AI 負責(zé)檢索、計算、提示風(fēng)險和生成方案，最終決定仍由人作出。

兩種模式的區(qū)別，不在于用了多少技術(shù)，而在于權(quán)力有沒有發(fā)生轉(zhuǎn)移。

當(dāng)然，在制度文件里寫著「人在回路」，并不能保證人真的還在。如果工作人員只能在算法結(jié)論后面點擊「確認」，所謂人工復(fù)核，不過是把機器的決定換了一根人類手指。

人工角色必須擁有介入權(quán)、糾偏權(quán)和解釋權(quán)，否則人工復(fù)核就會成為一種責(zé)任表演。

當(dāng) AI 開始影響人的權(quán)利，問題便不能停留在「模型準(zhǔn)不準(zhǔn)」，還必須明確誰部署、誰復(fù)核、誰解釋、誰接受申訴并承擔(dān)最終責(zé)任。

責(zé)任可以分工，卻不能因為分工太細，最后蒸發(fā)掉。

深度思考，不止「多想一會兒」

「深度思考」聽起來像一種個人美德：面對問題，不要急著回答，多想一會兒。但真正有意義的深度思考，必須進入研究流程、治理程序和組織制度。它不僅要求個人更謹(jǐn)慎，也要求系統(tǒng)保留讓人謹(jǐn)慎、質(zhì)疑和糾偏的條件。

AI 可以幫忙，但證據(jù)鏈不能省

深度思考并不意味著拒絕 AI。沒有必要為了證明人類的尊嚴(yán)，堅持親自整理幾千份材料，或把一整天花在調(diào)整參考文獻格式上。

關(guān)鍵在于，工作可以交給 AI，證據(jù)鏈不能一起交出去。AI 可以檢索文獻、處理數(shù)據(jù)、運行代碼，但研究者仍需判斷問題是否值得提出、概念是否被準(zhǔn)確轉(zhuǎn)化為指標(biāo)、數(shù)據(jù)關(guān)系能否支持因果解釋，以及結(jié)論適用于哪些范圍。

藍皮書介紹的 STRIDES 框架，嘗試把復(fù)雜研究拆分為理論、方法、數(shù)據(jù)、執(zhí)行和審查等環(huán)節(jié)，并在關(guān)鍵節(jié)點設(shè)置檢查：假設(shè)需要寫明，證據(jù)能夠定位，數(shù)據(jù)和代碼保留版本記錄，高風(fēng)險或低置信度結(jié)論重新交給人判斷。

STRIDES 系統(tǒng)概覽：從研究設(shè)計到對抗式審查的工作流閉環(huán)

AI 參與研究以后，研究產(chǎn)物不應(yīng)只剩下一篇最終論文。研究問題、數(shù)據(jù)字典、分析腳本、運行記錄、審查意見和人工裁決，也應(yīng)被保留下來，讓人看見結(jié)果從哪里來、在哪一步可能出錯、經(jīng)過哪些修改。

科學(xué)之所以可信，不是因為結(jié)論來得快，而是因為別人能夠沿著證據(jù)鏈重新走一遍。

采訪中，團隊給出了一個簡單的自我檢查：關(guān)掉模型以后，你能否用自己的語言說明問題是什么、證據(jù)來自哪里、結(jié)論依賴哪些假設(shè)、可能有哪些反例，以及適用邊界在哪里？

如果只能說「它講得很有道理」，卻解釋不了為什么；如果問題逐漸被改造成模型容易回答的問題；如果文章越來越流暢，自己的觀點卻越來越模糊，那么 AI 很可能已經(jīng)從表達助手變成了判斷代理。

規(guī)則不能只寫在口號里

關(guān)于 AI 治理，人們已經(jīng)提出了許多正確原則：公平、透明、安全、以人為本、保護隱私、承擔(dān)責(zé)任。

問題在于，原則如果不能變成程序，就很容易只在會議和文件里生活。

一套制度若只有原則，沒有執(zhí)行機制，和一個人只有理想沒有鬧鐘差不多。每天都打算做正確的事，只是從未在正確的時間醒來。

藍皮書強調(diào)，AI 治理要覆蓋系統(tǒng)的整個生命周期：部署前評估風(fēng)險和適用邊界，運行中記錄關(guān)鍵決定、監(jiān)測異常并保留人工介入，出現(xiàn)問題后能夠復(fù)核、糾偏和追責(zé)。

不同風(fēng)險的系統(tǒng)，也不應(yīng)接受完全相同的治理。普通的信息檢索和文本整理可以降低門檻；涉及公共安全、重要權(quán)益和關(guān)鍵決策的系統(tǒng)，則應(yīng)接受更嚴(yán)格的測試、審計和部署要求。

治理也不能止于「已經(jīng)告知」。受到影響的人應(yīng)當(dāng)知道決定依據(jù)什么作出、可以質(zhì)疑什么、應(yīng)向誰提出異議，并能夠要求人工復(fù)核，在錯誤發(fā)生后獲得實際救濟。否則，說明義務(wù)很容易變成一份沒人看懂的技術(shù)文件，申訴渠道也可能只剩一張網(wǎng)頁。

當(dāng)然，治理不是給技術(shù)踩剎車。它更像是修路：哪里可以提速，哪里必須限速，哪里需要護欄，出了事故以后由誰負責(zé)。沒有規(guī)則的道路并不代表自由，通常只代表強者開得更快，其他人自己小心。

AI 會整理答案，人還得決定方向

AI 很擅長回答已經(jīng)被提出的問題。但社會真正困難的問題，通常不是沒有答案，而是沒有一個所有人都認可的標(biāo)準(zhǔn)答案。

效率和公平發(fā)生沖突時，應(yīng)該優(yōu)先哪一個？技術(shù)創(chuàng)新會帶來整體收益，卻讓一部分人承擔(dān)更大代價時，怎樣才算合理？公共利益和個體權(quán)利發(fā)生矛盾時，邊界應(yīng)當(dāng)劃在哪里？

這些問題無法通過擴大參數(shù)規(guī)模自動消失。

藍皮書把人文社會科學(xué)對 AI 的「反向賦能」概括得很具體：不是站在技術(shù)旁邊發(fā)表抽象的道德意見，而是把價值沖突轉(zhuǎn)化成可以分析的權(quán)衡，把社會后果轉(zhuǎn)化成可以測量的指標(biāo)，并為技術(shù)發(fā)展提供更具方向感和解釋力的知識框架。

模型可以告訴我們不同選擇可能帶來什么后果，但它不能僅憑自己決定，哪一部分人應(yīng)該為整體效率付出代價，也不能決定某種代價是否值得。

藍皮書討論的中華早期文明大模型，就是一個例子。歷史文獻、出土文字、器物圖像、遺址信息和地理數(shù)據(jù)，過去分散在不同資料系統(tǒng)和專家經(jīng)驗中；多模態(tài)模型可以把它們組織進同一個知識空間，使不同來源的證據(jù)相互參照。

它的意義不只在于提高檢索效率，更在于改變證據(jù)的組織方式。但材料連接得越多，專家越需要判斷：哪些關(guān)聯(lián)具有歷史意義，哪些只是表面相似；哪些敘事建立在可靠證據(jù)上，哪些只是被模型組織得更加流暢。

這正是人文社會科學(xué)不能被簡化為「給 AI 挑錯」的原因。它不僅負責(zé)指出偏見、風(fēng)險和漏洞，也要解釋價值沖突，分析制度后果，理解具體人的處境，并幫助社會形成可以共同承擔(dān)的判斷。

技術(shù)解決「能夠做什么」，人文社會科學(xué)繼續(xù)追問「為什么要做」「應(yīng)該做到哪里」「代價由誰承擔(dān)」。

靠少數(shù)團隊還不夠

談到 AI 與人文社會科學(xué)融合，人們?nèi)菀紫氲綆讉€實驗室、幾項明星成果，以及少數(shù)既懂技術(shù)又懂社會科學(xué)的研究者。

這當(dāng)然重要，但不能只靠這些。

一個領(lǐng)域要形成長期能力，需要數(shù)據(jù)、算力、模型、工具鏈、人才培養(yǎng)、組織協(xié)作和評價制度共同支撐。藍皮書特別提醒，AI4SSH 基礎(chǔ)設(shè)施不等于購買更多機器，也不等于把幾種模型放進同一個網(wǎng)頁，而是多模態(tài)數(shù)據(jù)底座、計算環(huán)境、領(lǐng)域模型、智能體、工具鏈及協(xié)同機制的整體建設(shè)。

買到算力相對容易，建立共同的數(shù)據(jù)規(guī)則很難；發(fā)布一個模型相對容易，讓不同學(xué)科真正理解彼此的問題很難。真正的挑戰(zhàn)，是把零散項目沉淀為可以持續(xù)運行的組織能力。

更重要的是，認知科學(xué)等新興學(xué)科也需要一同謀劃。認知科學(xué)連接哲學(xué)、心理學(xué)、神經(jīng)科學(xué)、計算科學(xué)、語言學(xué)和社會科學(xué)，它既幫助我們理解人類智能，也幫助我們反思和校準(zhǔn)機器智能。對高校來說，這類基礎(chǔ)學(xué)科建設(shè)未必馬上對應(yīng)一個可演示的應(yīng)用，卻決定了未來人智協(xié)同能否從工具使用走向范式創(chuàng)新。

藍皮書由此構(gòu)建「中國高校 AI4SSH 指數(shù)」，從研究核心能力、發(fā)展創(chuàng)新潛力和社會傳播能力三個維度展開，包括 3 個一級指標(biāo)、7 個二級指標(biāo)和 10 個三級指標(biāo)。

它提供了一扇結(jié)構(gòu)化的觀察窗口：哪些高校已經(jīng)形成穩(wěn)定的交叉研究體系，哪些仍停留在零散項目；哪些擁有研究產(chǎn)出，卻缺少制度支撐；哪些有學(xué)術(shù)成果，卻還沒有把它轉(zhuǎn)化成公共影響和社會服務(wù)。

藍皮書的總體判斷是，中國高校 AI4SSH 發(fā)展已經(jīng)呈現(xiàn)「體系初構(gòu)、梯次分明」的格局，研究產(chǎn)出和本土融合進展較快，但國際學(xué)術(shù)影響力、源頭創(chuàng)新、制度支撐和社會服務(wù)轉(zhuǎn)化仍有短板。

因此，衡量 AI4SSH 的發(fā)展，不能只看模型、論文和項目數(shù)量，還要看數(shù)據(jù)、工具、規(guī)范、人才和協(xié)作機制能否長期運轉(zhuǎn)。技術(shù)可以迅速升級，制度和組織卻只能緩慢學(xué)習(xí)；真正決定 AI 與人文社會科學(xué)能夠走多遠的，恰恰是這些不太容易被做成演示視頻的部分。

結(jié)語：AI 越會回答，人越要知道該問什么

復(fù)旦大學(xué)黨委書記裘新在藍皮書序言中寄語讀者，在智能時代「始終守護思想、砥礪思考，保留獨立思索、理性判斷、追問價值、明辨取舍的從容和定力，以思想之深引領(lǐng)智能之變」。

這也是這本藍皮書希望傳遞的態(tài)度。它不只是對一輪技術(shù)變化的觀察，也是復(fù)旦文科面對智能時代的一次集體思辨。

真正重要的是，在自動生成之前，先判斷什么問題值得提出；在模型給出結(jié)論之后，繼續(xù)追問證據(jù)是否可信；在技術(shù)進入社會之前，明確它的邊界和責(zé)任；在許多可能的未來之間，保留人的價值判斷和方向選擇。

我們不必繼續(xù)證明人在哪些任務(wù)上比機器更快，而要重新確認人在知識生產(chǎn)和社會運行中不可轉(zhuǎn)讓的判斷與責(zé)任。

機器可以幫助我們抵達許多地方。至于為什么出發(fā)、應(yīng)當(dāng)去哪里，以及到了以后準(zhǔn)備過怎樣的生活，這些事情恐怕還不能完全交給它。

藍皮書將于 7 月 17 日在 WAIC 2026「人工智能全球治理與可持續(xù)發(fā)展」論壇正式發(fā)布，全文下載請關(guān)注復(fù)旦大學(xué)國家發(fā)展與智能治理綜合實驗室官方。