鄭永年：數智時代的知識變革與知識創新

　日期：2025-06-03   來源：IPP評論

　　導語：

　　5月27日，2025文化強國建設高峰論壇“構建中國哲學社會科學自主知識體系”分論壇在深圳國際會展中心舉行。華南理工大學公共政策研究院（IPP）學術委員會主席鄭永年教授受邀參加會議，并在會上以“數智時代的知識變革與知識創新”為題作主旨演講。

　　鄭永年教授通過回溯社會科學知識產生的三類知識及其方法論后指出，人工智能能夠創造出“形而下”的知識，但沒有能力創造“形而上”的知識，以及介于兩者之間的知識。從這個視角來看，在知識創造領域，人工智能是不能替代人類的，兩者必然會形成一種勞動分工。他認為，我們需要接受人工智能的賦能，但更重要的是要超越它，創造其所不能創造的知識。

　　

　　5月27日，2025文化強國建設高峰論壇之“構建中國哲學社會科學自主知識體系”分論壇在深圳舉行。圖源：主辦方

　　*文章整理自鄭永年教授在2025文化強國建設高峰論壇“構建中國哲學社會科學自主知識體系”分論壇上的演講。

　　自ChatGPT、DeepSeek等人工智能工具產生以來，它們以極高的活躍度和用戶人數迅速融入了人們的生活，也自然引發了人們對人工智能影響人類未來的熱烈猜測。人工智能發展異常迅速，遠遠超出了大多數人的預期。人工智能對人類知識創造產生了巨大影響，其產出的文本和圖像幾乎與人類自己的作品一模一樣，難以區分，這給人類知識創造帶來了新的挑戰。

　　要理解人工智能對人類知識創造的影響，必須回到人工智能最初的原點，也就是回到維特根斯坦。維特根斯坦哲學為人工智能和機器學習的相關理論提供了依據。這些理論認為，人工智能的潛力在一定程度上可歸于它能夠掃描大量數據集來學習類型和模式。雖然人工智能永遠不會像人類心智那樣認識一些事物，但通過與現實模式的匹配積累，它有可能接近人類在感知和理性上的表現，有時甚至能超過人類。

　　人工智能就是模仿或者模擬人類，是先“人工”，后“智能”。從這個角度來說，“人工智能”這個概念的提出，是因為機器本身并沒有能夠像人類那樣思考，而是通過人類獲得知識，并在人類知識的基礎之上產生知識。也就是說，至少到今天為止，人工智能仍是建立在現存知識之上，而非基于人類所具有的智力和智慧之上。

　　因此，就知識創造來說，人類現在應當考慮的問題是：人工智能能夠創造什么樣的知識，不能創造什么樣的知識？我們需要接受人工智能的賦能功能，幫助我們創造知識，但更重要的是，我們需要超越人工智能，創造其能所不能創造的知識。

　　這里我們討論的是人工智能和社會科學知識的關系。我們可以把人類迄今為止的社會科學知識分成三類：

　　一是來自“形而上”研究的知識；二是來自“形而下”研究的知識；三是介于“形而上”和“形而下”之間并且作為兩者橋梁的知識。從這個分類學看，人工智能是基于“形而下”研究知識的，也就是第二類知識。

　　有研究表明，現階段AI仍不善于生產因果性知識、規范性等類型的知識。圖源：新華社

　　近代以來，所有的社會科學都是“形而下”的實證和經驗研究，是可以驗證的。而在近代之前，人類知識大都是“形而上”的，表現為神學、哲學和倫理學等形式。“形而上”研究在當代被看作是不可驗證的，因此不能被視為是科學，因而在社會科學研究中越來越邊緣化，尤其是在實證主義研究方法占據絕對主導地位的英美國家。

　　但是，“形而上”研究對“形而下”研究的深刻影響，卻被大大低估和忽視了。實際上，很多類型的知識，尤其是哲學、思想、觀念、價值、情感等，都來自“形而上”的研究；而來自任何形式的“形而下”研究的知識則很難導向來自“形而上”研究的知識。

　　也就是說，如果沒有近代之前“形而上”的研究，就不會有近代以來的“形而下”的社會科學。大量的從宏觀到中觀的社會科學理論的假設和命題，也都來自“形而上”的知識。

　　無論是“形而上”、“形而下”，還是介于兩者之間的知識，它們都指向了方法論的重要性。

　　所有的知識都是不同類型和層次的方法論的產物。因此，如果要問人工智能能夠創造什么樣的知識，不能創造什么樣的知識，我們需要回到社會科學知識的方法論問題。根據前面所說的三類知識，我們至少可從三個層面的方法論來討論。

　　第一，作為計算工具的方法論。盡管很多人都認為自己在從事經驗性的實證研究，但是其中的一部分人并沒有意識到他們所使用的方法論的本質。

　　今天，經過漫長的學術訓練，學者的工具箱里擁有了無窮的工具，從大數據分析到微觀的案例研究。這些作為工具的方法論強調的是邏輯推理和數學算法，具有普遍性，學者也希望通過使用這樣的工具來通向普遍性知識，掌握普遍真理。

　　但是，從實踐來看，在人們使用這些工具從事研究的時候，大多數人都在用異常復雜的“科學方法”來論證一些顯而易見的常識。盡管有堆積如山的數據和案例，但我們卻無法理解作者到底想說明一個什么問題及這個問題的重要性，大量的時間和生命都浪費在數據和案例堆中。更有甚者，很多學者并不是為了回答一個問題而去找工具，而是倒過來，為了使用某種或者某些工具而去找問題。

　　AI for Social Science 是快速發展的領域，但其產生的數據偏差、算法公平、可解釋性和倫理風險等問題也亟待解決。圖源：新華社

　　第二，作為思維的方法論。如果從材料和工具這個層面尋找問題，肯定會失敗。要找到問題的關鍵，就需要研究者擁有高層次思想層面的方法論，或者說是思維方式或思想方式?，F代大學充斥著大量被稱之為方法論的教科書。但是，很大程度上來說，從這些教科書里面學習到的方法論很難產生思想，尤其是原創性思想。使用這些方法做出來的研究和寫出來的文字沒有思想和靈魂，自然沒有吸引力，更難轉化成人們所說的軟力量。

　　例如，在社會科學中，大家都會讀馬克思、圖爾干和維伯的著作，大家學到了馬克思的“階級論”、圖爾干的“社會分工論”和維伯的“科層論”。對大多數學者來說，他們善于使用“階級論”“社會分工論”“科層論”來提出和分析他們的問題。但是，人們忘記了，如果僅僅使用這些工具化的方法論，是不能導向原創性概念和理論的，更不用說思想了。

　　學者們最應當關注的問題是：為什么馬克思發現了“階級”？為什么圖爾干能發現“社會勞動分工”？維伯又為什么能發現“科層”？他們到底是如何發現的？因為“階級”“社會勞動分工”“科層”都是原創性概念和理論，如果能夠回答上面的幾個問題，我們就能學會如何從思想層面思考問題，而不僅僅是作為工具應用者。再者，如果回答了這些問題，人們就可從更深層次理解這些概念和理論的適用性。

　　第三，作為思維的文化動力的方法論。對中國學者而言，即使到了思維這一層面，在思想層面上也還是不夠的。說到文化，自然指向不同文明之間的差異。東西方的差異并不在上述這些具體的工具，甚至也不僅僅在思想方法層面，而是具有更深層次的文明和文化因素。

　　這里，宗教和哲學因素極其重要。盡管近代以來宗教幾乎和社會科學分離開來，成為被解釋的對象，而非解釋其他事物的“自變量”，但是宗教思維深深潛入到人們的思維中，很多時候，宗教是以人們比較容易接受的哲學形式表現出來的。在這個層面，東西方表現出本質性的不同。

　　在方法論上，西方是宗教思維，表現為“魔鬼”與“天使”。反映在社會科學思維上便是“兩分法”，例如維伯的“理想類型”和庫恩的“研究范式”等，這種兩分法表現在幾乎所有社會科學領域，例如經濟學中的“政府”與“市場”、“共有產權”與“私有產權”，政治領域的“民主”與“專制”，社會學領域的“國家”與“市民社會”、“傳統”與“現代”等等。在西方的思維光譜中，這些都構成對立面。這種思維不僅影響到西方學者對他們自己社會的看法，更影響到對非西方社會的看法。例如，從古希臘亞里士多德的“東方”概念，到近代的“東方專制主義”，再到今天各種版本的權威主義概念，其思維是同一的，從來沒有變化過。

　　中國文明則沒有這樣極端的兩分法。盡管中國文明有“陰”“陽”之分，但兩者不是絕對分離的，而是相互嵌入的，“陰”中有“陽”，“陽”中有“陰”。再如，中國文明也有“文明”與“野蠻”之分，但兩者是可變的，孔子因此提倡“有教無類”，所謂的“文明”與“野蠻”只是受過教育和沒有受過教育之分，任何人通過教育都可以從“野蠻”轉向“文明”。

　　以上三種方法基本上對應了前面所討論的三類社會科學知識。第一，作為計算工具的方法論是今天社會科學研究的主流，基本上都是“形而下”的實證研究，尤其是微觀層面的研究。第二，作為思維的文化動力的方法論是今天的小眾和非主流，基本上反映在“形而上”的哲學、倫理學和宗教研究上，并且往往表現成為一種倡導。第三，作為思維的方法論可以說是介于前面兩者之間的橋梁，表現在社會科學的中觀理論和概念上。

　　那么，就社會科學知識創造而言，人工智能能夠做什么和不能夠做什么的問題就容易回答了。簡單地說，人工智能能夠創造第一類知識，即“形而下”的知識，但很難甚至沒有能力來創造第二類知識（“形而上”的知識）和第三類知識（介于“形而上”和“形而下”之間的知識）。

　　對第一類知識的創造，人工智能遠較人類高效和精確，而第二類和第三類知識則依然屬于人類的智能和智慧范疇。至少就現階段的人工智能技術來說，其沒有能力來做這樣的知識創造。

　　從這個視角來看，在知識創造領域，人類和人工智能必然會形成一種勞動分工。前面討論過的維特根斯坦有關對人類思想“劃定一個界限”的論斷也同樣適用于人工智能，即人工智能對它能表達的思想會表達得很清楚，但對它不能表達的思想則會保持沉默。

　　在知識創造領域，人工智能不能取代人類。但是，從近期看，人工智能對社會科學研究的沖擊是巨大的。正如前面所說的，實證尤其是微觀的研究是當代社會科學的主流，但這種研究的大部分甚至全部可以被人工智能所取代。

　　文稿整理｜劉金程