作者：范新光（北京大学社会学系副教授、北京大学武汉人工智能研究院研究员）

　　自大语言模型进入社会科学研究者的工作视野以来，人工智能在学术研究中的角色已经从偶尔的辅助问答，发展到对研究过程的深度介入。能够执行代码、检索文献、生成分析脚本的智能工具，目前已可以参与从数据采集、统计分析到文献整理、论文写作的多数研究环节。人工智能作为“同事”带来的效率提升是直观的，但其能力边界及对认知习惯乃至社会关系的影响，可能比效率本身更亟待讨论。

　　智能工具的能力边界

　　人工智能的效率增益对于目标明确、规则清晰的工作体现得最为显著。以往为研究项目编写网络数据采集程序，通常需要在熟知计算机算法和代码写作的前提下，花费数周时间才能完成。现在用自然语言描述采集需求，智能工具往往能在较短时间内生成可用的方案，并在遇到技术障碍时做很多的辅助工作。

　　但效率提升到一定程度之后，机器能力的界限逐渐显现。让智能工具梳理某个领域的研究文献脉络，它可以较好地归纳出主要理论观点和流派，也能在一定程度上识别观念或流派之间的分歧。但它没有办法判断这些理论框架在中国语境下是否适用、何处需要修正，这类判断需要长期浸泡在中国社会的经验中，信息量再大也替代不了这种判断力。

　　概而言之，人工智能目前擅长的是在给定框架内处理信息，框架本身的选择、质疑和重建，仍然依赖人在具体社会经验中积累的直觉。学术研究如此，其他领域也有类似的情况。医疗诊断中，算法可以在影像识别上超过多数医生，但面对一个症状模糊、病史复杂的患者，仍然依赖临床经验。司法领域的情况稍有不同。辅助量刑系统匹配案例和法条的效率很高，但个案中的情理权衡涉及对社会语境和当事人处境的综合理解，这种理解目前很难被形式化。

　　人机分工重塑认知习惯和关系结构

　　在以往的研究实践中，构思分析策略之后需要自己动手编代码实现。研究者在编写过程中发现数据里的异常或某个变量的测量问题时，可以通过模型调试和理论反思对整个设计产生新的理解。这些发现事先计划不来，只有在“做”的过程中才可能冒出来。如果“做”的部分越来越多地由机器承担，这些附带的收获也可能随之减少。这样的现象不只是在学术领域出现。例如在建筑行业，绘图软件替代手绘之后，手与材料之间的直接接触所激发的设计直觉，在数字化过程中是否逐渐消失？翻译行业也面临同样的问题。机器翻译普及之后，年轻译者对语言的深层感知能力是否下降？那些字斟句酌的文字温度会不会被冰冷、难以挑剔的逻辑所替代？执行过程被技术压缩，执行中附带的认知训练也可能被一并压缩，这在不同行业中的表现不尽相同，但方向是一致的。

　　那么，什么是合理的工作方式？这个标准本身也在变化。数据清洗可能从一周缩短到半天，文献梳理可能从几天缩减到几小时，但问题的酝酿、判断的成形、思路的打磨，或许并没有变快。能快的部分快到了极致，不能快的部分一如既往。这种不对称容易制造一种隐性的压力：既然工具这么快，为什么人还这么慢？当周围的环节都在加速，留给思考的时间就容易被视为低效。

　　学术研究从来都是在人与人的关系中完成的。研究助理在处理数据的过程中学会了怎样提问，博士生在和导师讨论分析策略时获得了超出技术层面的学术判断力。如果这些工作逐步转移到人机交互中，交往结构本身也可能改变。

　　这在学术领域之外有更广泛的表现：患者开始用智能工具预判病情再去找医生，医患关系中的知识权威结构正在松动。类似的变化也发生在法律服务中。当事人可以用AI生成诉状初稿，律师的专业角色需要重新理解。虽然效率收益是明确可感的，但被替代的往往包括一段关系中隐性的信任建立和知识传递功能。这些功能的流失是渐进的，不容易被察觉，修复起来却很困难。

　　代际之间的差异可能使问题进一步复杂化。上一代人的专业能力是在没有智能工具的条件下形成的，他们对工具的局限有直觉的把握，知道什么时候应该放下工具回到自己的判断。下一代人从一开始就在智能工具的辅助下接受训练，对工具边界的感知可能天然更弱。在训练体系中保留去工具化的环节，让人在没有辅助的条件下完成完整的判断过程，可能是未来教育绕不开的问题。

　　边界自觉意识守护协作安全

　　人工智能在帮助研究者做事的同时，也在参与界定研究者认为什么事情值得做。在社会学的分析传统中，工作价值的界定一向被视为制度的功能。当前关于人工智能的讨论大多围绕效率、风险、监管展开，前提是将它视为工具。但如果它已经在参与塑造使用者对工作本身的理解，这个前提本身就需要重新审视。当大规模文献综述变得很容易完成，花两周精读一本专著的意愿就会降低。合理工作方式的标准本身在移动，这和偷不偷懒越来越无关。

　　“好用”本身就是一种风险。越是好用，使用者越容易忽略或不去深究工具的局限。智能工具善于学习使用者的偏好，表达方式、分析策略、理论取向都会不断得到强化。工具给出的建议越来越合口味，带来意外的机会越来越少。但好的学术判断、准确的临床决策，可能恰恰来自和已有预期相矛盾的信息。一个永远顺着使用者走的工具，长期来看可能会收窄人的视野。

　　守住边界需要巨大的决心和努力。研究者、医生、律师在各自的工作中保留不依赖智能工具的环节，核心判断要经过自己的思考，这是在个体层面能够做到的。行业规范和教育体系明确哪些能力必须在没有工具辅助的条件下训练，这需要制度层面的设计。而对人工智能影响的公共讨论，如果始终停留在效率和风险的层面，就可能错过更根本的问题：人的认知方式、社会关系和价值排序正在被如何改变。

　　人工智能让工作节奏变快了，这已是不争的事实。除了节奏和效率之外，认知习惯在被重塑，好工作的标准在变化，人与人之间传递知识和建立信任的方式在改变。如果这些变化确实正在发生，人工智能就已经不只是一个外在的效率工具，它正在融入人的认知方式、职业规范和社会交往的运作逻辑之中。

　　任何技术一旦大规模嵌入社会生活，都会改变权力关系和机会分配。人工智能的特殊之处在于，其嵌入的层面更深，正在介入人的思考和判断过程。谁在人机协作中获得优势、谁被排斥，取决于不同社会群体使用智能工具的可及性，更取决于一个社会是否有足够的自觉，来辨认哪些领域不应被效率逻辑主导。对这种自觉的培育，可能比对技术的监管更为迫切。