刘嘉琪，杨斌艳

1.中国社会科学院，新闻与传播研究所，北京 100021

2.中国社会科学院，传媒调查研究中心，北京 100021

“人工智能”（Artificial Intelligence, AI）是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新的科学。人工智能自1956年Dartmouth会议初次提出以来，经历了从爆发到寒冬再到野蛮生长的演进，成为当前这一技术时代的新趋势。在我国，随着习近平总书记倡议的工业4.0“机器人革命”和“中国制造2025”的大力展开，人工智能驱动的科技创新在国家战略层面被赋予了重要意义。各界正在积极探索将人工智能应用到社会领域的可行路径。尤其是在此次抗击新型冠状病毒肺炎的疫情中，人工智能在疫情防控、辅助诊断、资源调配、信息传播和搜集等各个环节发挥了巨大效能，让人们进一步认识到人工智能在促进社会经济发展方面所蕴藏的无限潜力和产业价值。

在接受新技术福祉的同时，越来越多的学者开始探索人工智能背后溢出的一系列关乎社会科学领域的细分研究问题。国务院于2017年7月20日发布重要纲领性文件，提出了我国首个面向2030年的《新一代人工智能发展规划》，最终目标是推动我国人工智能理论、技术与应用总体达到世界领先水平。在规划中，明确将建设人工智能学科作为目标，并提出完善人工智能领域学科布局，形成“人工智能+X”复合专业培养新模式，重视人工智能与多学科专业教育交叉融合的具体建议。这意味着，“人工智能+社会科学”的重要性被提升到了新高度。

在国际上，主要发达国家也将发展人工智能视作提升国家竞争力的重大战略，加紧推动社会科学领域的人工智能研究。从全球年度发文量分布情况来看，自1960年至今，“人工智能+社会科学”研究文献数量呈现出较强的波动特征，跨学科研究历经多次“低迷—繁荣”期，于21世纪形成指数型飞速上涨趋势。从发文国家分布情况来看，“人工智能+社会科学”研究主要集中在欧洲、北美等发达国家，在亚洲，中国、日本和韩国也具有较高的发文量。其中，得益于开展人工智能研究的时间较早，美国的发文量遥遥领先，约占全球总发文量的31.47%。相较之下，我国社会科学领域的人工智能研究虽然起步较晚，但是却拥有排名第二的发文量，占全球总发文量的11.04%，略高于英国的10.19%，这与中国政策的支持和近几年产业的快速发展分不开[1]。人工智能行业协会发布的《2021人工智能发展白皮书》指出，中国目前已经成为人工智能发展最迅速的国家之一，2020年中国人工智能核心产业规模达到3,251亿元，相关企业数量达到6,425家，人工智能创新指数攀升至全球第二。这也带动了中国学界关于人工智能在社会科学领域的研究。

尽管如此，但不得不承认，与人工智能的实践发展相比，我国在社会科学领域的学术研究仍相对滞后，国际影响力较弱。在学科研究中心性方面，中国只有0.06，这说明研究较为分散和局部，大多是从某一行业角度出发，与美国的0.40和英国的0.26还有较大差距[1]。而且，目前尚缺少针对国内“人工智能+社会科学”研究的有效梳理与剖析，无法体现出社会科学领域研究的侧重点。在此情境下，厘清人工智能与社会科学研究耦合发展的内生联系，洞察人工智能向社会科学领域渗透的演进路径与发展脉络，具有重要的现实意义。因此，基于国内社会科学领域广泛使用的中文CNKI数据库，本文重点选取了近30年间的“人工智能+社会科学”研究文献资料，借助CiteSpace科学计量工具开展可视化分析，以期对整体发展态势、演变历程、前沿热点的全貌予以展现。并且，为进一步完善我国“人工智能+社会科学”的理论研究与教育体系，推动复合型创新人才的培育与成长，本文还尝试从实践层面提出具体的对策建议。

1.1.1 人工智能的“强势进入”扩展了社会科学的研究对象

人工智能，虽然是基于“人工”创造的“智能”，但理论上，它拥有着强势的进入性。一旦超过某一“奇点”，就具备了自主学习、深度学习、甚至“思考”的独立性，成为一种脱胎于人类、却脱离人类甚至超越人类的“新人类”。同时，人工智能也表现出了鲜明的扩展性。“新人类”的出现，打破了自人类诞生以来独享“智能”地位的格局，令“人文”的含义在一定程度上被革新。从此，社会科学所面向的不仅是由人类构成的社会关系，还包括人与人工智能、普通人与掌握运用人工智能的人、人工智能与人工智能等构成的多元社会关系。这无疑是更新换代式的新型“生态体系”。

而且，社会科学研究通常以假定中的“人的本质”为前提来构筑知识视野和理论框架。比如，起初社会科学假设人类是理性人，但后面证实受限于个人心理、社会影响、情绪波动等原因，彻底的理性人在现实世界中并不存在，故有限理性学说应运而 生[2]。但在人工智能社会中，人与智能机器的共生使得人的思维结构与机体功能发生变化，人类的理性水平将会越来越高。因此，社会科学领域亟须调整、创造出一套新的系统的方法论来适应不断变化的研究对象。

1.1.2 人工智能在“时空维度”上重塑了社会科学的研究格局

集合了进入性与扩展性的人工智能，以时空意义上的“拓展性进入”姿态出现在社会科学场域，引发研究格局变革。在时间维度上，人工智能激活了时间多样性，促进社会时间的层次结构大幅展开[3]，推动社会角色、价值、态度等在各自的时间频谱中运动，呈现出各不相同的发展节奏。这对于试图对社会问题进行解释和预测的社会科学学科而言，带来了极大的复杂度和不确定性。如何在时间压缩、效益放大、价值取向与生命意义之间探寻最大公约数，是摆在社会科学面前且迫切需要解决的问题。

在空间维度上，人工智能渗透在各行各业，推动社会空间外延急速扩张。需警惕若国家宏观调控政策机制迟滞，行业野蛮发展或许会导致人类群体的两极分化——坐拥大量智能资源进阶到自由国度的人和被智能社会抛弃的人[4]。例如，在自动驾驶领域，百度等汽车制造企业明确表示，拥有自动驾驶能力、贯穿“自由移动”“自然交流”“自我成长”理念、兼具情感和智慧的革命性汽车机器人将在2023年实现量产，新型汽车和平台预计会大规模出现。那么，彼时将会有百万级以上的驾驶员面临失业风险，进而可能会引发社会情绪崩塌。这就亟需哲学社会科学学科的柔性智慧对其进行重新调和，使社会能够在规范的框架内有序、合理、合情地向更高级形态变迁[5]。

当繁杂的人文、社会现象在一定程度上实现数字化的时候，也恰好是人工智能在社科领域发挥优势的时候。在工具理性和可操作层面，人工智能技术对于大数据的整合、挖掘和运用，比人工更加“得心应手”，在许多情况下替代了原始的社会科学分析方法与手段。多源异构信息广泛流动于网络空间与现实社会之中，借助人工智能技术人们能够自动获取分析对象的全样本信息流，改变传统社会科学广泛采用的以部分推断整体的抽样调查方法，从而较为全面完整地认识和把握研究议题。而且，人工智能创造了交叉、互补、综合分析大数据的条件，这为各种计算推断方式的自由转换与交替创造了便利，其效率也是人工所无法比拟的。

除此之外，更重要的是，人工智能所带来的新型认识方式、认知手段能够扩展人们的视域，势必对社会科学的发展会产生深远的补充性影响。具体来讲，一方面，人工智能强化认知知觉，唤醒了人类深度洞察能力。通过模拟神经网络的联结机制，人工智能被赋予“算法魔力”，能够基于多种维度与粒度的大数据进行自主学习。跳脱出人们常倚重“物理行为数据”的格局，模糊了物理、生物、社会、精神之间的边界。从人性或“精神现象”的意义上，助力人们深度挖掘行为背后蕴含的社会动机、心理偏好、人格倾向等“人格化数据”。另一方面，人工智能突破了常规认知路径之间的藩篱。一种极为重要的认知转轨被激活，能动者与其所在的世界彼此感知的互动学习模式逐渐代替原子主义视角下的主客二分理性分析模式[6]。在认知思考模式上，无须局限于单一的知识推理路径，可自由吸纳多样化思维路径，比如以总结概括为核心的综合思维、以认识本质规律或特征为核心的抽象思维、以认知因果关系为核心的逻辑思维等。

补充与替代相结合，人工智能对于社会科学构成了一种密切的“替代性补充”。其中，“替代”是一定意义上的，总体上是补充而不是完全“取代”。人工智能将以助推的姿态，令社会科学以更高的境界、更新的视角，打开更宽广的思维空间，以更为艰深的思考来面对和迎接新挑战。

2.1.1 数据来源

本文以中国知网（CNKI）数据库为检索平台。该数据库涵盖资源丰富，涵盖工程科技、农业、经济、管理、医药卫生、新闻传播、心理等基础学科，是全球最大的权威性中文引文索引数据库。利用高级检索功能设定文献类别为“学术期刊”，设定检索方式为：主题=“人工智能”，检索条件=“精确”，时间范围=“从1992年到2021年”，检索时间为2022年1月7日。关于检索时间范围的设定，虽然人工智能概念在1956年被首次提出，但实际上数据库检索结果显示我国社会科学领域最早的人工智能研究文献出现于1980年[7]，而且在随后的十年里发文较少，年均发文量仅为2.09篇。可见，相关研究尚处于早期探索阶段，还未在社科领域内引起学者广泛关注。许多研究人员也指出，我国社会科学领域的人工智能研究在1993年前后才正式开始起步[1]。因此，为了提高分析质量，本研究聚焦于近30年的中文文献数据，将时间跨度进一步精确设置为1992年至2021年。

此外，考虑到以“人工智能”为主题词的期刊文献集合中涉及的研究方向过于宽泛，既包含自然科学领域的文献子集，又包含社会科学领域的文献子集，因此本文采取人工辅助筛选措施对文献进行清洗。具体地，由两名社会科学研究领域的硕士研究生“背对背”筛选，剔除重复的和完全不涉及社会科学领域的文献，再由第三人进行审核来确保文献相关性。在数据清洗过程中还对“通知公告”“会议综述”“研究机构介绍”“书评”等非研究型文献进行了剔除。最终，获得29,846篇有效文献数据。

2.1.2 研究方法

文献计量法是对所搜集文献的主要信息进行深度挖掘，全面再现研究发展脉络、热点演化态势及前沿方向的一种方法[8]。CiteSpace是一款科学知识图谱绘制软件，能够对知识单元或知识群之间复杂的网络关系进行细致关联分析，通过厘清各知识单元间的作用关系来绘制热点主题演进的主要路径和知识枢纽，从而帮助研究人员洞悉研究领域的发展概貌[9]。基于文献计量学，本文应用CiteSpace5.3.R4软件，围绕1992—2021年间“人工智能+社会科学”的热点主题和演进趋势进行统计分析和可视化呈现，展示我国人工智能与社会科学耦合发展的知识图景。

2.2.1 文献数量大致分三阶段，呈现“局部起伏波动，总量持续增长”趋势

在一定程度上，文献的发表时间和年度发文量分布，较为直观地反映了国内“人工智能+社会科学”研究领域的研究热度和发展速度。本文依据文献统计结果（如图1所示），结合当年最高频研究关键词添加热词节点，发现“人工智能+社会科学”研究发展进程整体上可划分为三个阶段。

图1 1992—2021年国内“人工智能+社会科学”领域文献发表数量趋势图Fig.1 The trend of the number of domestic published literatures of “artificial intelligence + social sciences” from 1992 to 2022

第一阶段（1992至1999年）：学界整体对“人工智能+社会科学”议题的关注度较低，年均发文量为310篇。在此阶段，虽然开始有社会科学领域的学者就人工智能技术在经济社会发展中的作用展开了早期研究，大部分研究聚焦于“人工智能”与“机器人”本身，多从科学技术、工具理性角度出发来分析人工智能主题，融合式研究尚处于早期探索阶段。

第二阶段（2000至2014年）：以“人工智能”为代表的自然科学技术主题得到社会科学领域学者的重点关注，成果输出大幅增长，年均发文量为668篇，较第一阶段同比增幅达到114.84%。人工智能与社会科学研究开始呈现相互渗透、相互结合的态势。针对社会科学的三大核心功能—描述、解释、预测，人工智能被应用于为社会决策提供理论、方法、技术与手段，“决策系统”“学习记忆功能”“测度方法”等议题开始出现。交叉研究大部分来自心理学、管理学、经济学等领域，但也不乏有伦理学、法学、社会学等学科的成果。各学科学者们开疆拓土，尝试解决与人机互动关系、知识赋能等相关的一系列问题，并进一步思考将人工智能作为基本应用工具的功能需求与管理框架，加速推动着社会科学认识过程逐步走向智能化[10-12]。

第三阶段（2015年至今）：“人工智能+社会科学”研究迅猛发展，特别是自2016年人工智能程序Alpha Go打败世界围棋冠军以来，社会科学领域输出的成果数量成指数型飞速增加，年均发文量达2,517篇，较第二阶段同比增幅达到276.79%。而且，在2017年政府工作报告首次提及“人工智能”后，大量关乎中国制造智能化转型、专家系统、辅助系统、智能计算议题的交叉研究集中涌现，人工智能与社会科学应用研究的联动愈发密切。

2.2.2 研究层次呈现强技术驱动性，跨学科形成“两强多面”格局

为探究“人工智能+社会科学”研究的跨学科分布特征，本文进行了研究层次与领域统计。在研究层次上，呈现出鲜明的强技术驱动性，如图2所示。技术研究类文献最多，达到了1,424篇。其次是应用类研究，发文量约为技术研究类研究的1/3。基础研究、学科教育、政策研究则相对较少。

图2 1992—2021年国内“人工智能+社会科学”研究层次分布Fig.2 Research level distribution of domestic “artificial intelligence + social sciences” studies from 1992 to 2022

在研究领域上，跨学科分布形成“两强多面”格局，如图3所示。一方面，技术性学科仍是人工智能研究的主阵地，自动化技术、计算机软件及计算机应用类学科分别以33.69%和19.30%的高占比成长为强势领域。另一方面，与人工智能技术紧密关联的交叉学科也在多面向发展，教育学、新闻与传播学、信息经济学、图书情报学、管理学、医学、语言文学等学科均占据一席之地。

图3 1992—2021年国内“人工智能+社会科学”研究跨学科分布Fig.3 Interdisciplinary distribution of domestic “artificial intelligence + social sciences” studies from 1992 to 2022

具体看来，在经济与管理学领域，一方面，人们视人工智能应用下的新型现象为研究对象，倾向于将其和传统经济管理理论分析框架有机结合，实现认知论和实践论的统一。另一方面，人工智能技术也是经管领域学者重视的研究手段，它将仿真模型的建立及运行程序化，简化了运算预测过程，提高了工作效率[13]。近年来，人工智能驱动的开源情报内容挖掘也常被应用于风险管理研究，学者们逐步完善了风险“监测-预警-决策”管理模块、流程和保障机制[14]。

在教育学领域，学者们致力于对“人工智能+教育”的价值取向和教育意蕴进行展望[15]，不断探索人工智能技术（比如，语音识别、脑机接口、知识图谱等）在教育中的应用情境、结合途径、和教学效果和人工智能复合型人才培养的教育机制。

在新闻与传播学领域，智能化媒体技术发展的诸多可能性被人们从信源渠道、传播手段、内容整合和信息推送方式等多视角进行深刻地解读。学者们强调智能技术与传播链条中各环节的融合从根本上变革了媒体传播业态、微粒化社会以及分布式的信息传播结构，重塑了人们的交往场景和传播行 为[16-17]。受众能够从多重感官上沉浸体验新闻事件的“临场感”，“自我空间”得到了更为深远的延展。因此，探寻人工智能与人类获取信息、认知世界之间的价值平衡也逐渐成为该领域研究的重中之重[18]。

在法学领域，学界正积极开展新型法律关系、法律政策、法律制度等研究，通过应用和标准化两个层面，为人工智能业态明确“怎么做”和“什么不能做”的边界。在应用层面，在智慧法院、智能量刑及智能刑法运转系统等司法实践中，许多人工智能方法，如统一集、灰系统、消错学等，有助于提升审判结果的公正化、合理化与科学化，驱动法学向着高级智能化方向前进[19]。在标准化层面，人工智能的泛化应用致使从业人员将面对更加复杂的案件，比如一旦利用人工智能深度伪造技术生产的虚假视听资料无法被现有技术辨别真伪，成为不可查实“事实”，将会对证据系统的实体正义原则造成极大冲击，因而需要更多思考与论证来提供有力保障。

在政治学领域，学者们指出人工智能技术的高速发展势必会影响各国公共外交发展，因为融人、机器、信息于一体的有机数字生态系统将改变传统公共外交信息传播的法则与模式，联动引致国际关系模式及结构的调整、国家间权力斗争疆域与规则的重塑[20]。

在语言文学领域，学者们致力于贯通自然语言和机器语言，构建介于两者之间的语言思维模式。自然语言处理是施展人工智能必不可少的条件，传统语言学理论无疑是其建立的基础。同时，人工智能自主学习能力又可反过来推进语言计算研究，令语言知识的表示成为机器可识别的符号。而且，随着人工智能技术水平提高，人工智能语言学者们试图融合认知语言学、心理语言学、社会语言学的研究成果，加强对多种语言形态的真实语料（比如口语和书面语等）的训练与分析，以此不断优化人机交互效果[5]。

在艺术研究领域中，人工智能也得到了新的发展。人工智能技术作为赛博朋克风格作品中的重要主题，激活了设计师和制造商们极具科技感、智能化的想象空间，促使其开展大胆的艺术化夸张，同时也推动了当代设计领域研究人员对人本主义的深层次反思[21]。同时，人工智能作为创作工具，通过与传统艺术的嵌入与融合，生产出越来越多的AI艺术作品，诠释了艺术的全新可能性[22]。

此外，心理学研究在人工智能的发展进程中也起到了重要的推动作用，心智哲学、试验心理学等常被用于解析人工智能生效的原因。目前很多强化学习理论来源于心理学[23]，以类脑研究为基础的超级人工智能系统也正向着形成自有心理系统的方向迈进[24]。

2.2.3 小规模学术圈层逐渐形成，复合型高产学者仍很稀缺

为了解领域内的核心作者分布情况，感知跨学科学者间的学术联系紧密度，本文对近十年（2012至2021年）的发表文献数量高位作者进行知识图谱分析。如表1所示，发表文献数量达7篇以上的作者共计16位。其中，最高位发文学者为清华大学信息学院戴琼海，发文数量为19篇。其长期关注计算成像与立体视觉领域，致力于推动人工智能与认知科学融合发展[25]。华东师范大学教育信息技术学系顾小清和北京航空航天大学王伟的发文数量依次为11、10篇。围绕智能教育应用，顾小清探索了数据驱动的教育治理、教学创新对有效学习行为的积极影响，并在个性化素养提升与干预决策等方面提出实践建议。王伟致力于利用人工智能辅助几何设计，将研究成果应用于工业机器人设计及工艺改进[26]。其余作者发表文献7至8篇。这表明近十年来，尽管有学者持续深耕“人工智能+社会科学”领域议题研究，但整体上达到高产水平的跨学科学者仍然比较稀缺，复合型研究力量亟待补充。

表1 国内“人工智能+社会科学”研究学者发文情况Table 1 Domestic publishing situation of scholars of “artificial intelligence + social sciences”

基于对发文作者间关系网络的可视化分析，见图4，发现知识图谱中节点数为473，其中戴琼海发文量排名第一，节点最大。节点连线数虽仅有431条，但部分学者间联系较为紧密，逐渐形成若干跨学科联动的小型学术圈层。其中，王宏宇、刘金波等依托北京大学首钢医院血管医学中心，形成了一个紧密结合的稳定团队，率先在国内推动了人工智能赋能病理诊断、血管健康管理方面的临床实践和科学研究，通过整合患者临床信息、组织病理学影像、多组学信息，辅助医生实现对患者的高效疾病智能筛查、智能诊断与风险预测[27-29]。除医学外，从其他学者的学术背景可推断，当前在伦理哲学、经济学、管理学等学科中也已开始涌现小规模的“人工智能+社会科学”研究团队。

图4 国内“人工智能+社会科学”研究学者间关系网络Fig.4 The relationship network between domestic scholars of “artificial intelligence + social sciences”

2.2.4 研究前沿正逐渐由以“机器人”、“计算机视觉”和“知识工程”等为主的热点词汇，过渡到“智能时代”、“算法治理”、“数字经济”等热点词汇中

为追踪“人工智能+社会科学”研究的新兴热点，对近十年（2012至2021年）的文献进行关键词突发检测。表2显示，前20位突现词均集中出现于2012年，突现强度大且持续时间较长，“机器人”、“计算机视觉”、“知识工程”等人工智能热点词汇是主要代表。这再次验证了社会科学领域人工智能的研究是以技术发展为基础的，新兴技术从不同层面对经济社会产生不同影响，带动着研究方向的转变，推进研究前沿更迭。

表2 国内“人工智能+社会科学”研究关键词突现图谱Table 2 Keyword emergence map of domestic“artificial intelligence + social sciences”studies

其中，关键词“机器人”的突现持续时间最长，在长达七年的时间里一直被学者所重点关注。立足于神经网络、机器学习、自然语言处理、路径规划、决策树等技术基础，机器人可分为以知识表示、人机交互为代表的无实体机器人以及以巡逻机器人、服务机器人为代表的实体机器人，被广泛地应用于医学、金融、财务等领域的协助、预测和优化等研究中。以智能财务为例，目前对报账机器人、会计机器人、财务机器人的研发已成为会计信息化发展研究的重要趋势[30]。

“计算机视觉”是一门对视觉信息进行组织、识别和解释的技术，能够基于图像处理等技术赋予机器“自然视觉”。许多生物学、医学研究人员曾将其与病健交界特征参数系统相结合，用于植物[31]和人体[32]病害的识别研究。一些历史学学者，例如霍珊，也曾试图将人工智能引入古籍识别中，开展古籍数字化自动编纂技术原理研究[33]。此外，在文化与旅游研究中，卢东辉和陈东旭也阐释了人脸识别中的笑脸捕捉和抓拍技术，在接待、游乐和观光等产业应用方面的有效性[34]。

同年突现的关键词还有“知识工程”、“决策系统”、“专家系统”、“问题求解”和“知识库”等，它们开启了现代人工智能知识管理与决策研究的新时代。在此领域，人工智能被视为一种数据智能，拥有精确描述、模拟的能力，对知识搜索、知识收集、知识挖掘、知识预测以及知识决策服务等诸多环节产生了实质性的变革。最终形成的决策信息和智力支持系统为企业营销战略制定、产品功能研发、心理健康评估、公共政策评估等提供了科学性依据[35-37]。

利用LLR聚类分析技术从文献样本中提取54,734个关键词进行共现分析，来挖掘出长期以来“人工智能+社会科学”研究内容的内在相关性，如图5所示。热点主题群包括#0机器人、#1人工智能、#2数字经济、#3算法治理、#4知识工程、#5计算机视觉、#6智能时代、#7路径规划。按照时间变化，对各主题群时间线图谱进行刻画，如图6所示。同一坐标上为同一聚类中的关键词，连线表现关键词之间在时间维度上的共现演变情况。

图5 关键词共现聚类图Fig.5 Diagram of keyword co-occurrence

图6 关键词聚类时线图Fig.6 Line diagram of keyword clustering in time dimension

结合图5与图6可知，在聚类#3算法治理中，最先出现的关键词是人工智能技术，后续又出现数字化、智能化、人工智能系统、数字化转型等内容，在此过程中数字孪生、算法黑箱、数字治理、数据治理、政府治理等关键词的频次也居高不下。这表明在以算法治理为核心的社会治理研究脉络中，强调的是以人工智能技术赋能为基础，通过政府监管、平台自治和社会共治等机制综合施策，配置数据资源并发挥数据价值，最终实现社会高质量发展[38]。在聚类#4知识工程中，知识图谱、智能系统、决策系统、语义网络、辅助决策等关键词出现的频数较高，在图谱中也以它们为中心形成了局部聚类网络，且各个节点之间也存在着较多联系。可见，“人工智能+社会科学”研究的内在驱动力是新需求的产生，对于计算机高效利用、专业知识集中化的需求催生了以专家系统为代表的人工智能应用的落地。在聚类#6智能时代中，社会科学学者关注人工智能的缺陷识别以及可解释力，重视金融科技、区块链著作权纠纷、人机协同等方面催生的伦理问题[39]。

人工智能的发展既加剧了社会关系的复杂性，改变了人在业态、生态、世态、心态系统中的角色与地位，推动了社会科学研究范式转换与范围变化，但同时又可以强化人类多视角、全方位、全领域的观察能力，从而更好地把握社会现象之间的相关性或互动性，提升了社会科学的解释与预测精度。

从当前国内“人工智能+社会科学”研究现状来看，整体呈现“局部起伏波动，总量持续增长”趋势。研究层次呈现强技术驱动性，跨学科形成“两强多面”格局。小规模学术圈层逐渐形成，复合型高产学者仍很稀缺。研究前沿正逐渐由以“机器人”、“计算机视觉”和“知识工程”等为主的热点词汇，过渡到“智能时代”、“算法治理”与“数字经济”等热点词汇。

文献计量分析结果明确地显示出人工智能与社会科学应用研究的联动日益密切这一趋势，特别是知识图谱、机器学习、自然语言处理、数字孪生技术、机器人技术、计算机视觉、生物识别技术等在诸多实践领域承担着越来越重要的角色。

例如，在数字化科研与知识管理领域，面对知识量、信息量及研究对象复杂度急剧增大的挑战，知识图谱、深度学习等技术为人文社科研究者在选题立意、资料筛选及成果共享等方面带来新变化。比如，在习近平新时代中国特色社会主义思想研究中，已有不少学者利用算力强大、操作简便、能够模拟专家的思考方式和研究方法的知识图谱等科学辅助性工具，极大地缩短了从发现问题、提出假设、理论剖析到事实验证的距离与时间[40]。该模式在增加理论研究生动性和说服力的同时，还可以根据现实反馈预判研究趋势，真正推动科研向着理论与实践关联互洽的方向前行。

在新闻内容自动生产与分发领域，基于机器学习的智能算法被新闻媒体机构广泛地应用于内容创作、审核、编辑、出版、分发等各环节中[41]。比如，新华社的“快笔小新”、今日头条的“机器人记者小明”、腾讯的“Dreamwriter”等智能新闻写作辅助系统为采编工作节约了大量人力成本，中央广播电视总台将政治方向、价值取向、舆论导向等创新型价值评价因子注入主流价值推荐算法来遴选高质量、高价值内容。足见，一个打破了原有内容生产、把关和传播格局的智能传播时代已经到来。

在智能决策支持领域，以数字孪生技术为连接点，人工智能在处理由物理系统、经济系统和网络空间系统共同构成的人类复杂巨系统中的社会交互时具有先天优势，特别是在并行和分布式仿真领域使决策情境“还原”能力发生了质的飞跃，在此基础上结合高维建模方法得以形成高水平事件预测、预判及风险识别精准度的智能决策模式。现阶段数字孪生系统已在水资源管理、电力系统规划、城市综合能源管理、物质文化遗产数字化建设[42-44]等活动中投入使用。

在智能时代的社会治理领域，社交机器人技术的出现为意识形态治理工作带来了新样态。以往意识形态信息在输入社会大众的意识层面后，主要是依靠既有的政治沟通机制的反馈结果来评估意识形态引导的效能，这实质上仍旧是脱胎于统计抽样的小数据思维，其弊端在于容易以偏概全，并存在一定的时效滞后性。相较之下，投放至社会舆论场域中的社交机器人账号则可在人机交互的过程中，通过自主分布式信息发布、转发、评论等行为，完成意识形态的输出至反馈全过程，保障了意识形态安全维护工作的效率[45]。目前，此类社交机器人在海外比较活跃，已成为社交媒体平台中政治参与的重要舆论力量。

在智慧医疗领域，依赖于计算机视觉、生物识别技术的快速发展，人工智能为医疗健康行业带来了新突破。比如，通过将微观患者个体的体征临床数据与宏观的时间、空间、事件等要素进行跨载体多模态的关联，能够挖掘出有价值的规律信息对潜在慢性疾病进行风险预估与监测，实现早期干预；利用扫描、OCR或图像处理技术，辨读病历或药品外包装数据，实现资料快速调取；检测和分类癌细胞，精准勾画癌症放疗靶区完成病理分析；开展基因组学分析，降低基因测序成本，实现大规模基因组数据分析，提升癌症等疾病诊断和治疗效率等。

当前我国“人工智能+社会科学”跨学科的学者正在不断尝试创新突破并取得了一定的成就，为进一步丰富研究范围，探索多学科交叉研究范式，拓展人工智能社会科学研究外延，人工智能社会科学的学科化发展势必是一条重要途径。在推动新一轮人工智能社会科学基础学科分类变革与框架体系重组的基础上，聚集各学科顶尖研究者，在相互激发、整合、促进的过程中更深刻地对人工智能在政治、经济、管理、教育、法律、艺术等多学科领域产生的问题进行回应。

回归于实践层面，社会各界可考虑从以下四个方面入手，完善人工智能社会科学的理论研究与教育体系，推动创新型人才的培育与成长。第一，从顶层规划与设计入手，创建“人工智能+社会科学”复合专业培养新模式，界定相对明晰的学科组成和学科边界，藉以厘清其包容性与独立性，助推学科发展取得长足进步。并且，可在重点院校开展人工智能社会科学教育的试点，不断完善学科布局与专业建设。第二，在国务院颁布的《中华人民共和国学科分类与代码国际标准》中增加人工智能社会科学门类，在该门类下设立人工智能社会科学理论、人工智能社会科学工程两个一级学科。以此为基础，人工智能社会科学将与其他学科形成良好的互动，相互提供给养。第三，在党和国家机关中，成立人工智能社会科学专门性协调机构以推动学科发展，比如在国务院学位办成立人工智能社会科学委员会，在教育部教学委员会增加人工智能社会科学分委员会。第四，面向国际，加强学科规范建设，制定相关的人才流动机制，提高学科构成概念和知识本身的国际化和标准化水平，强化我国国际学术界影响力。不断挖掘具有中国特色的新社会科学理论成果，为未来全球视野下的人工智能发展、社会问题的解决提供中国方案，展现中国智慧，提升我国在人工智能国际规则制定方面的话语权。

利益冲突声明

所有作者声明不存在利益冲突关系。

数据与计算发展前沿2022年6期