一、開幕致辭及主旨發(fā)言

來自北京精民社會福利研究院、Campbell循證社會科學中國聯(lián)盟、中國發(fā)展戰(zhàn)略學研究會智庫專業(yè)委員會等機構(gòu)的主辦單位負責人致辭，對本次研討會表示高度認可。發(fā)言者們一致認為，AI的發(fā)展勢不可擋，學者們應積極擁抱這一變革，推動跨學科合作，探索AI在社會科學中的創(chuàng)新應用。

在主旨發(fā)言環(huán)節(jié)，各位講者基于各自的學科視角，主要討論了我國人工智能發(fā)展現(xiàn)狀及未來戰(zhàn)略。楊國梁研究員介紹了我國在人工智能領(lǐng)域的優(yōu)勢和挑戰(zhàn)，并提出了應對全球競爭的戰(zhàn)略建議。吳喜之教授從批判傳統(tǒng)統(tǒng)計學的角度，指出了傳統(tǒng)統(tǒng)計方法的局限性，強調(diào)了機器學習和大語言模型在數(shù)據(jù)驅(qū)動分析中的重要性，并呼吁學界轉(zhuǎn)向更具預測精度的現(xiàn)代數(shù)據(jù)科學方法。

上海萌泰數(shù)據(jù)總經(jīng)理李軍博士從計算機角度介紹了人工智能在社會科學中的應用，回顧了符號主義、連接主義和行為主義三大學派的發(fā)展。他詳細講解了大語言模型（如ChatGPT）的原理及其在文本理解和生成中的作用，并探討了其在社會科學中的實際應用，如知識檢索、問答生成和個性化推薦，同時分享了他所在公司的探索經(jīng)驗。喬曉春教授分享了他的思考，重點討論了大語言模型對中國社會科學研究和教育的影響。他指出，大語言模型可以顯著改變傳統(tǒng)的教學和學習方式，提供更高效、個性化的學習路徑，但也帶來了許多挑戰(zhàn)，如對原創(chuàng)性的威脅和考核制度的變革。他強調(diào)，大語言模型無法取代批判性思維和創(chuàng)新能力，建議學者們將AI視為合作伙伴，而不是簡單的工具。何國忠教授在點評中總結(jié)道，不論AI如何發(fā)展，每個人都需要從自身的領(lǐng)域出發(fā)，積極擁抱新技術(shù)，并不斷學習以保持競爭力。他還提出了在未來教育中，智商與逆商（抗壓能力）同樣重要，呼吁大家要在新的學習方式中找到適合自己的路徑，共同迎接未來的挑戰(zhàn)。

二、主旨演講

第一個部分是“AI與社會科學的深度融合：大語言模型的應用與挑戰(zhàn)”，共有三位講者進行了分享。首先，上海交通大學的劉莉教授分享了她對AI時代高校教育教學評價變革與倫理風險的思考。劉老師指出，AI技術(shù)的迅猛發(fā)展正在深刻改變高校的教育方式，尤其是在教學評價中，AI展現(xiàn)出了提升教學質(zhì)量的潛力。然而，她也提到，AI的廣泛應用在教育界引發(fā)了“地震”般的沖擊，傳統(tǒng)的教育評價體系需要結(jié)合大數(shù)據(jù)和人工智能進行創(chuàng)新。劉老師強調(diào)，教育評價應朝著個性化、多元化方向發(fā)展，注重過程評價，而非單純的結(jié)果導向。同時，她還表達了對AI在教育中可能引發(fā)的倫理風險的關(guān)注，特別是在學術(shù)誠信和評價準確性方面的挑戰(zhàn)。

接著，華北電力大學的康超老師探討了生成式人工智能在思想政治教育中的應用現(xiàn)狀和挑戰(zhàn)?？道蠋熤赋觯?/span>AI在思想政治教育中的應用仍處于初步探索階段，尤其是在教師的角色認知和師生交互上存在諸多問題。他提出，AI可能會模糊教師的身份，導致教育對象透明化，進而影響教育效果?？道蠋熃ㄗh，教師在使用AI時應明確自身的角色邊界，提升專業(yè)素養(yǎng)，注重科技向善的實踐，以確保AI技術(shù)在教育中的正確運用。

最后，內(nèi)蒙古警察職業(yè)學院的劉敏娜老師則分享了AI在公安類院校法學教學中的應用情況。她提到，由于公安類院校的特殊性，AI在法學教學中的應用還處于起步階段，目前主要用于法學案例教學和智能辦案系統(tǒng)。劉老師強調(diào)，在法學教學中應慎重對待數(shù)據(jù)隱私問題，同時呼吁通過頂層設(shè)計和規(guī)范應用來確保AI技術(shù)在公安教育中的有效運用。她建議構(gòu)建人工智能的規(guī)范應用模式，以支持公安類院校的數(shù)字化建設(shè)。

李明副教授總結(jié)了幾位老師的發(fā)言，并分享了他對AI在教學中的影響的看法。他指出，AI的引入與互聯(lián)網(wǎng)的普及相似，進一步改變了知識獲取的方式。在過去，知識的稀缺性使得擁有豐富藏書的老師更具權(quán)威性，而如今，隨著AI技術(shù)的發(fā)展，知識的傳授不再是教學的主要目標。相反，教授學生如何高效地獲取和利用知識，以及培養(yǎng)他們的批判性和創(chuàng)造性思維，才是現(xiàn)代教育的核心任務。李老師強調(diào)，AI應被視為一種高效的輔助工具，幫助學生在自學中找到最佳路徑，而教師則需要通過互動教學傳授經(jīng)驗和理念，以提高學生的獨立思考能力。

第二部分

第二個部分是“生成式人工智能在社會科學研究中的應用”，共有三位講者進行分享。

林紹福研究員在研討會上圍繞“人文社會科學智能研究框架”以及“健康養(yǎng)老的應用場景”進行了詳細的分享。林老師深入探討了人工智能在精神健康和養(yǎng)老領(lǐng)域的具體應用場景。他提到，自2015年以來，他帶領(lǐng)團隊在這些領(lǐng)域進行了多年的研究，尤其是在通過社交媒體監(jiān)測和干預抑郁癥患者方面，取得了顯著成果。林老師強調(diào)了應用場景在人工智能研究中的重要性，并指出，社會科學研究不僅需要關(guān)注數(shù)據(jù)和算法，還需要解決法律、倫理和隱私保護等問題，以確保人工智能技術(shù)在實際應用中的有效性和安全性。

周逸臣同學分享了他關(guān)于運動員職業(yè)生涯影響因素的研究，探討了性別、家庭背景、傷病和心理健康等因素的作用。他還提到了在研究過程中遇到的生存分析方法上的挑戰(zhàn)，并希望向在場老師請教改進方法。

喬曉春教授在發(fā)言中深入探討了ChatGPT和人工智能對當前教育體系及個人發(fā)展的影響。他回顧了傳統(tǒng)教育模式，并指出隨著AI工具的普及，許多過去重要的學習內(nèi)容和方式已變得不再關(guān)鍵。喬教授認為批判性思維、創(chuàng)造力和跨學科學習等技能在AI時代仍然具有價值。喬教授強調(diào)，未來教育應注重軟技能，因為這些是AI難以替代的。他還分享了在暑期班中通過項目式學習引導學生使用ChatGPT的創(chuàng)新教學方法，認為教育體系和個人都需調(diào)整以適應AI帶來的變革。

王金水助理研究員在點評中表達了他對喬老師、吳老師等老一輩學者對新技術(shù)和新方法的開放態(tài)度的欽佩。他還具體點評了幾位發(fā)言人的報告。對于林老師的報告，王老師認為林老師從理工科角度探討人文社會科學的問題，為文科研究提供了許多新的選題和視角。他也指出，跨學科交流困難的一個原因在于不同學科的術(shù)語和概念理解存在差異。對于周逸臣同學的發(fā)言，王老師肯定了其研究的獨特性，尤其是他能夠接觸到獨特的體育數(shù)據(jù)資源。同時，他也指出了研究中的一些細節(jié)問題，如傷病的測量范圍過于寬泛，導致結(jié)果不顯著，以及心理健康測量可能需要參考更為公認的標準。最后，他建議周同學可以進一步研究運動員退役后的生活狀態(tài)，以更全面地理解運動員的職業(yè)生涯和生命歷程。

在互動討論環(huán)節(jié)，與會者探討了AI在教育評價中的作用，強調(diào)了區(qū)分評價對象的重要性，認為AI應作為教學工具，而教師則需注重培養(yǎng)學生的批判性思維和創(chuàng)新能力。對于AI在法學教學中生成案例的可行性，盡管具有一定價值，但專家們一致認為真實案例仍然不可替代。討論還涉及了AI工具（如ChatGPT）對本科生論文寫作的影響。由于本科生專業(yè)知識積累有限，AI生成的內(nèi)容容易出現(xiàn)錯誤，且學生難以察覺。因此，教師在指導本科生時需要更加細致，關(guān)注學生使用AI工具的具體方法，以確保正確引導。進一步討論了AI在教育評估中的角色定位，提出傳統(tǒng)評估體系面臨挑戰(zhàn)，需重新考慮如何在技術(shù)輔助下公平評價學生的學術(shù)水平，既要關(guān)注論文質(zhì)量，也要衡量學生的獨立能力。

二、“學術(shù)對話：方法與科學”

吳喜之教授強調(diào)了編程在跨學科研究中的關(guān)鍵作用，建議研究者通過實際編寫程序來培養(yǎng)數(shù)據(jù)思維，而不僅僅依賴現(xiàn)成的工具和代碼。他質(zhì)疑了傳統(tǒng)統(tǒng)計學中的顯著性檢驗和回歸分析，指出這些方法在現(xiàn)代科學研究中的局限性，甚至可能誤導結(jié)果。吳教授還強調(diào)，編程不應僅限于數(shù)學背景的人掌握，任何具備邏輯思維的人都可以通過簡單的問題逐步積累編程能力。

在跨學科研究方面，討論指出，非計算機背景的研究者在應對人工智能和大數(shù)據(jù)時面臨挑戰(zhàn)，特別是在培養(yǎng)數(shù)據(jù)思維方面。吳教授建議通過基礎(chǔ)編程訓練，結(jié)合具體領(lǐng)域的問題，逐步提升對數(shù)據(jù)科學的理解和應用能力。其他學者補充道，人文社科領(lǐng)域與計算機科學的結(jié)合，需要明確的問題和需求，成功的跨學科合作依賴于需求與技術(shù)的有效對接。

在統(tǒng)計學教育方面，討論集中在傳統(tǒng)統(tǒng)計內(nèi)容在現(xiàn)代數(shù)據(jù)科學背景下的有效性問題。吳教授認為，傳統(tǒng)統(tǒng)計學的一些內(nèi)容可能已不再適應當今的研究需求，建議引入更多機器學習和數(shù)據(jù)科學的內(nèi)容。培養(yǎng)學生時，不僅要關(guān)注工具的使用，還需深入理解背后的原理，培養(yǎng)學生對數(shù)據(jù)和問題的深刻理解，以在研究中做出更有效的分析和決策。

關(guān)于機器學習與統(tǒng)計學的關(guān)系，討論涉及如何在應用中平衡這兩者。吳教授提到，現(xiàn)代機器學習方法（如隨機森林）在解決復雜問題時具有獨特優(yōu)勢，而傳統(tǒng)統(tǒng)計方法在某些情況下可能不足以應對復雜的現(xiàn)實問題。這場對話為跨學科研究者和教育者提供了理論與實際操作層面的寶貴見解。

討論還涉及大數(shù)據(jù)和人工智能在藥物研發(fā)中的應用。與會者指出，人工智能可以大大加速藥物篩選，通過機器學習預篩選潛在候選藥物，再進行實驗驗證，從而顯著縮短研發(fā)時間。這種方法強調(diào)數(shù)據(jù)驅(qū)動的決策，與傳統(tǒng)顯著性檢驗方法有明顯不同。

在新聞文本分析中，研究生提出使用大模型進行內(nèi)容分析的挑戰(zhàn)。盡管大模型在立場和情感分析上表現(xiàn)良好，但在價值觀或道德判斷等深層次問題上，模型的結(jié)果可能不穩(wěn)定且一致性不高。吳教授回應稱，社會科學中本就難以期待完全一致的結(jié)果，大模型的模糊性和不確定性也是正常的。

關(guān)于機器學習的可解釋性，討論提到，雖然隨機森林和決策樹等模型可以解釋變量的重要性，但更復雜的模型如深度學習面臨“黑盒子”問題，難以解釋其內(nèi)部邏輯。學者們還討論了如何通過貝葉斯統(tǒng)計或小樣本學習來應對數(shù)據(jù)稀缺的問題，強調(diào)在有限數(shù)據(jù)條件下有效建模和推斷的重要性。

最后，討論涉及了大數(shù)據(jù)的真實性問題。由于數(shù)據(jù)來源可能被污染或扭曲，這些數(shù)據(jù)往往無法真實反映現(xiàn)實世界，尤其在社交媒體和廣告推送中，這種失真現(xiàn)象更加明顯，影響了研究結(jié)論和社會認知。學者們總結(jié)了小樣本研究的挑戰(zhàn)和可能的應對方法，如數(shù)據(jù)合成和增強技術(shù)，以提高研究的可靠性。在整個討論中，強調(diào)了研究者在處理現(xiàn)代數(shù)據(jù)分析時，必須保持對數(shù)據(jù)來源和分析方法的批判性思考。

第一天的研討會在熱烈的討論中圓滿結(jié)束。與會者們對各個環(huán)節(jié)的深入探討表示高度贊賞，紛紛表示本次研討會內(nèi)容豐富，涵蓋了從統(tǒng)計學、人工智能到跨學科研究的諸多前沿話題，給他們帶來了極大的啟發(fā)。通過此次交流，大家不僅加深了對現(xiàn)代數(shù)據(jù)科學和機器學習在社會科學中應用的理解，還獲得了很多切實可行的研究建議。

文章來源：科技戰(zhàn)略與決策研究網(wǎng)絡