6.8
深览指数
科技虎嗅·机器之心··AI 生成
AI越会回答，人为什么越需要深度思考？复旦发布2026人文社科智能发展蓝皮书
本文以复旦大学《2026人文社会科学智能发展蓝皮书》为基础，探讨AI能力增强背景下，深度思考对于科研、公共治理和个体判断的不可替代性。文章核心论点在于：AI擅长回答已提出的问题，但提出好问题、建立真实机制、形成可检验证据链、进行价值权衡等环节，仍需人的判断。作者特别指出，自动化科研带来的风险是“错误能否被及时发现”，AI治理的关键不在于原则喊得多响，而在于“人在回路”的权力是否真实、责任是否可追溯。适合对AI与人文社科交叉、科研伦理、AI治理有认知需求的深度读者。原文 ↗
核心观点
- ▍AI能力越强，人的判断责任越重；深度思考不是与AI对立的能力，而是在人机协作中更需要被激活的底层能力。
- ▍人文社会科学对AI的‘反向赋能’不是挑剔道德意见，而是要把价值冲突转化为可分析的权衡，把社会后果转化为可测量的指标。
- 01蓝皮书以气候-社会系统耦合为例指出，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、变量和尺度上的错配。
- 02在分析健康论坛帖子和国际学生访谈时，人类研究者能识别细微差别，大模型却容易将其概括为标准化的类别，导致简化。
- 03蓝皮书区分了两种AI嵌入模式：‘代理型’模式中算法直接输出决定，‘辅助型’模式中AI负责检索和提示，最终决定权在人。
- 04AI可以不断尝试变量组合和参数设置，直到找到显著性更强的结果，导致统计偶然性被更高效地包装成理论发现。
- 05蓝皮书提出STRIDES框架，将研究拆解为理论、方法、数据、执行和审查环节，强制在关键节点设置检查并保留证据链。
- 06蓝皮书构建‘中国高校AI4SSH指数’，结论是‘体系初构、梯次分明’，但国际影响力、源头创新、制度支撑仍有短板。
反方 / 局限
- — 文章承认，‘人在回路’的制度文件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击确认，人工复核就沦为‘责任表演’。
- — 作者暗示，当前AI治理的困境是充满正确原则（公平、透明、安全），但往往缺乏执行机制，与‘只有理想没有闹钟’无异。
15 分钟 · 4 卡片 · 10 资料
读原文 →