2025年7月16日，《光明日报》刊发华南理工大学2篇理论文章。其中，著名学者、华南理工大学公共政策研究院学术委员会主席郑永年先生撰写的《数智时代的知识变革与知识创新》深入解析数智浪潮下知识领域的变革逻辑与创新路径；社会科学处处长李石勇的《推动哲学社会科学实验室高质量发展》则聚焦文科实验室建设的探索实践。
数智时代的知识变革与知识创新
作者：郑永年（香港中文大学〔深圳〕公共政策学院院长、华南理工大学公共政策研究院学术委员会主席）
原文刊载于《光明日报》（7月16日）
ChatGPT、DeepSeek等人工智能工具自产生以来，以极高的活跃度迅速融入人们的日常生活，引发“人工智能对人类未来影响”的激烈讨论。尽管人工智能依然处于早期发展阶段，但其发展速度和所产生的影响已经远远超出预期。虽然现在还不能对这一技术的未来以及其将在多大程度上改变人类社会下定论，但无论如何，人工智能对人类知识创造已经产生巨大影响，我们没有任何理由忽视或者轻视这种影响力。人工智能产出的文本和图像几乎与人类作品难以区分。实际上，人工智能深深嵌入人类社会的各个领域，已经构成人类知识创造的一个不可回避的生态环境。这些对人类知识创造带来了挑战，同时也提供了新的机遇。
社会科学知识是人类理性的产物。要理解人工智能对人类知识创造的影响，就必须回到人工智能的逻辑原点，可从哲学家维特根斯坦谈起。在反抗宗教神学主导人类社会事务的过程中，自文艺复兴到启蒙运动，近代西方把人类理性提到了至高无上的地位。尽管不时有哲学家质疑理性的能力，但理性还是人类引以为傲的特征。维特根斯坦摒弃了西方社会自柏拉图以来的哲学家所追求的目标，即理性可以识别事物的单一本质的概念。语言是人类理性表述的唯一方法，由此，维特根斯坦指出了语言的局限性，也即人类理性的局限性。在他看来，语言的限制也是哲学的限制，许多哲学都是对不可言说的事物的叙说尝试，凡是可以说的东西都可以说得清楚，而任何超出这个界限的东西——比如宗教、道德、美、神秘性——都是不可言说的。因此，维特根斯坦建议从现象间相似性的概括中找到知识，并将之称为“家族相似性”。家族相似性（Family Resemblance），即用同一个字代表不同的事物或者状态。这些事物或者状态虽然不同，却如家族成员般从属于同一家庭，因而具备某些相似特征。维特根斯坦曾以“game”（游戏）一词阐释家族相似性。他认为，在日常生活的语言里，“游戏”一词可指称各种活动，如“下棋是一项游戏”“打棒球是一项游戏”“人生是一场游戏”云云。但这些被称为游戏的活动并无相同的特质，它们所共同具备的只是家族相似性而已。正如一家之中，兄弟姐妹个个相似，似在神韵者有之，似在体型者有之，似在眉目者有之，唯其特质不同，但他们并不因此就不从属于一个家庭。因此在维特根斯坦那里，范畴的成员不必具有该范畴的所有属性，而是AB、BC、CD、DE式的家族相似关系，即一个成员与其他成员至少有一个或多个共同属性。范畴成员的特性不完全一样，他们靠家族相似性归属于同一范畴。而范畴没有固定、明确的边界，而是随着社会的发展和人类认知能力的提高而不断形成和变化的。
由此出发，维特根斯坦认为，定义和分类所有事物，要求每种事物都有清晰界限的做法是错误的。相反，人们应该设法定义“此物和相似之物”，并熟悉由此产生的概念，即使它们的界线是“模糊的”或“不明确的”。
维特根斯坦哲学为人工智能和机器学习的相关理论提供了依据。这些理论认为，人工智能的潜力在一定程度上可归于它能够扫描大量数据集来学习类型和模式；虽然人工智能永远不会像人类心智那样认识一些事物，但通过与现实模式的匹配积累，它有可能接近人类感知和理性的表现，有时甚至能超过人类。也就是说，人工智能就是模仿或者模拟人类，是先“人工”后“智能”。从这个角度来说，可以进一步探讨“人工智能”中的“智能”概念，因为机器本身并没有像人类那样思考，至少到今天为止，人工智能仍是基于现有存量知识之上的，而非基于人类所具有的智力和智慧之上。
因此，有两个问题需要我们考虑。第一，人工智能的知识水平是可以评估的，其智力水平则不得而知。人工智能所产生的知识是基于现存知识之上的知识合成，具有逻辑性，类似人类所产生的知识。但很难说人工智能所产生的知识是人工智能“思维”的结果。尽管其所产生的知识符合人类的思维，但这并不是说人工智能拥有了人类的思维。从现存对人工智能的思维模式的研究来看，人工智能在很大程度上是基于统计概率的结果，其所产生的知识是统计学意义上的知识。
第二，迄今，人工智能科学应用（AI for Science）和人工智能社会科学应用（AI for Social Science）的大流行所指向的有关人工智能对人类创造知识的赋能作用已经有很多讨论，但人工智能对人类智能的衰退作用几乎被忽视。这种情况的出现基本上是因为作为技术的人工智能研究主要由科学界进行，而人工智能对社会的影响则由社会科学界进行。就智力的分化而言，有两类影响值得关注。一是人类群体之间的分化，即进入人工智能时代以来，人们对人工智能的认识层次不同。二是人类与人工智能之间的分化，即人工智能能否超越人类智能，如能超越，是部分超越还是全面超越。随着人工智能的发展，这些方面的影响也会变得越来越明显，需要人类作出及时深刻的研究。
就知识创造而言，现在应当考虑的问题是：人工智能能创造什么样的知识，不能创造什么样的知识？我们既要接受人工智能的赋能功能，即帮助我们创造知识，也要预防人工智能对人类智能的去能作用，更需要超越人工智能，创造人工智能所不能创造的知识。
我们可以把人类迄今为止的社会科学知识分成三类：一是来自“形而上”研究的知识；二是来自“形而下”研究的知识；三是介于“形而上”和“形而下”之间并且作为两者桥梁的知识。从这个分类学看，人工智能是基于“形而下”研究知识之上的，也就是第二类知识。
近代以来，所有的社会科学都是实证和经验研究，是可以验证的。而近代之前的人类知识大多是形而上的，表现为神学、哲学和伦理学等形式。形而上研究被视为不可验证，因此常常不被视为科学，在社会科学研究中往往被边缘化，尤其在实证主义研究方法占据绝对主导地位的一些国家。形而上研究对形而下研究的深刻影响被大大低估甚至忽视。实际上，很多类型的知识都来自形而上的研究，如果没有近代之前形而上的研究，就不会有近代以来的形而下的社会科学。大量从宏观到中观的社会科学理论的假设和命题都来自形而上的知识。
无论是形而上的知识还是形而下的知识，抑或介于两者之间的知识，都指向了方法论的重要性。所有的知识都是各种不同类型和层次的方法论的产物。因此，如果要问人工智能能创造什么样的知识，不能创造什么样的知识，就需要回到社会科学知识的方法论问题。根据前面所说的三种类型的知识分类，我们至少可从三个层面的方法论来讨论这个问题。
第一，作为计算工具的方法论。尽管很多研究者认为自己从事的是经验性的实证研究，但并没有意识到他们所使用的方法论的本质。经过漫长的学术训练，今天，研究者已经拥有了大量研究工具，这些作为工具的方法论强调的是逻辑推理和数学算法，具有普遍性，研究者也希望通过使用这样的工具来获取普遍性知识，掌握普遍真理。但是从实践看，在使用这些工具从事研究的时候，很多研究者都在用异常复杂的“科学方法”来论证一些显而易见的常识。尽管数据和案例堆积如山，但研究者并不理解其到底想说明一个什么问题及这个问题对于理论或者社会实践的重要性。更有甚者，研究者并不是想回答一个问题而去寻找工具，而是为了使用某种或者某些工具而去寻找问题。
第二，作为思维的方法论。如果从材料和工具这个层面去寻找问题，那么很可能会失败。研究者需要拥有思想层面的方法论，才能找到问题的关键。现代大学里往往存在一些被称为方法论的著作，但在很大程度上说，这些书中的一些方法论很难产生任何思想，尤其是原创性思想。使用这些方法产出的研究和写出的文字往往没有思想和灵魂，自然没有吸引力，更难转化成软力量。例如，在社会科学研究中，有人关注涂尔干和韦伯，研究涂尔干的“社会分工论”和韦伯的“科层论”。一些研究者善于使用“社会分工论”“科层论”来提出和分析问题，却忘记了如果仅仅使用这些方法而不思考其背后的理论逻辑，是不能导向原创性概念和理论的。在阅读涂尔干和韦伯著作的时候，最应当关注的问题是为什么涂尔干发现了“社会劳动分工”以及他是如何发现的？为什么韦伯发现了“科层”以及他是如何发现的？因为“社会劳动分工”“科层”都是原创性概念和理论，如果人们能够回答这些问题，那么就学会了如何从思想层面思考问题，而不仅仅是作为工具应用者。再者，如果回答了这些问题，人们就可从更深层次理解这些概念和理论的适用性。
第三，作为思维的文化动力的方法论。思维不可避免地受到文化的影响。说到文化，那么就自然指向不同文明之间的差异。东西方社会科学研究的差异并不仅在具体工具、思想方法方面，而是具有更深层次的文明和文化因素。这里，宗教和哲学因素变得极其重要。尽管近代以来宗教几乎和社会科学分离开来，宗教成为被解释的对象，而非解释其他事物的“自变量”，但是宗教思维已经深深潜入人们的思维。在很多时候，宗教以比较容易接受的哲学形式表现出来。在这个层面，东西方表现出本质不同。在方法论上，西方是宗教思维，表现为“魔鬼”与“天使”的分野，反映在社会科学思维上便是“两分法”。例如韦伯的“理想类型”和库恩的“研究范式”等。这种两分法几乎表现在所有社会科学领域，例如经济学中的“政府”与“市场”，“公有产权”与“私有产权”；政治学领域的“民主”与“专制”；社会学领域的“国家”与“市民社会”，“传统”与“现代”等。在西方的思维光谱中，这些都构成了对立面。这种思维不仅影响西方学者对自己社会的看法，更影响他们对非西方社会的看法。中华文明中则不是这样极端的两分法。尽管有“阴”“阳”之分，但两者不是绝对分离的，而是相互嵌入的，“阴”中有“阳”，“阳”中有“阴”。如，中华文明对人的分类有“文明”与“野蛮”之分，但两者是可变的，孔子因此提倡“有教无类”。所谓的“文明”与“野蛮”只是受过教育和没有受过教育之分，任何人通过教育都可以从“野蛮”转向“文明”。
三种方法基本上对应了前面所讨论的三类社会科学知识。作为计算工具的方法论是今天社会科学研究的主流，基本上是实证研究，尤其是微观层面的研究。作为思维的文化动力的方法论是今天社会科学研究的小众，基本上反映在哲学、伦理学和宗教研究，并且往往表现为一种倡导。作为思维的方法论可以说是介于前两者间的桥梁，表现为社会科学的中观理论和概念。
由此，就社会科学知识创造而言，人工智能能做什么和不能做什么的问题就容易回答了。简单地说，人工智能能够创造形而下的知识，但人工智能很难甚至没有能力来创造形而上的和介于形而上、形而下之间的知识。对形而下的知识的创造，人工智能远比人类高效和精确，形而上的和介于形而上、形而下之间的知识则依然属于人类的智能和智慧范畴。至少从现阶段的人工智能技术来看，人工智能没有能力作出这样的知识创造。随着人工智能技术的发展，人工智能能否拥有人类那样的智能和智慧还有待观察。从这个视角来看，在知识创造领域，人类和人工智能必然会形成一种劳动分工。前文讨论过的维特根斯坦对人类思想“划定一个界限”的论断也同样适用于人工智能，即人工智能会很清楚地表达能表达的思想，对不能表达的思想则会保持沉默。也就是说，尽管从近期来看，人工智能对社会科学研究的冲击是巨大的，但在知识创造领域，人工智能仍不能取代人类。人类知识生产体系的改革迫在眉睫，人类应准备好接受人工智能的赋能功能，避免人工智能的去能影响，同时超越人工智能，创造人工智能所不能创造的知识。
推动哲学社会科学实验室高质量发展
作者：李石勇（广东省习近平新时代中国特色社会主义思想研究中心特约研究员、华南理工大学社会科学处处长）
原文刊载于《光明日报》（7月16日）
构建中国哲学社会科学自主知识体系，是党中央赋予中国哲学社会科学界重大而光荣的战略任务。“立足中国实际，解决中国问题”是构建中国哲学社会科学自主知识体系的主要目标、价值归宿和实践场域。《国家“十四五”时期哲学社会科学发展规划》提出，指导建设一批哲学社会科学重点实验室，解决经济社会发展中的综合性、复杂性问题。《教育强国建设规划纲要（2024－2035年）》提出，建好高校哲学社会科学实验室。哲学社会科学实验室是推动构建中国哲学社会科学自主知识体系、繁荣发展中国特色哲学社会科学的重要载体。
在推进中国式现代化进程中，社会治理问题的复杂化要求实证研究突破书斋范式，技术迭代驱动知识生产从单一学科研究转向跨界协同模式，科学决策需要实现理论创新与实践验证的闭环。哲学社会科学实验室通过整合实验方法、数据技术与多学科智慧，构建了“问题识别—机理探究—政策推演”的全链条研究体系，成为强化基础研究与提出政策建议的重要平台。推动哲学社会科学实验室高质量发展，是抢占社科研究范式变革制高点、构建中国哲学社会科学自主知识体系的必然选择，也是推进国家治理现代化的有力支撑。
推进哲学社会科学实验室建设是构建中国哲学社会科学自主知识体系的迫切需要
哲学社会科学实验室通过深入研究和科学验证中国实践，构建植根中国土壤的知识体系。创新研究方法，提供中国方案。哲学社会科学实验室生产的新知识、新工具、新方法，不仅服务于中国问题解决，也为全球学者研究类似复杂社会现象提供新的分析框架和工具选择。提炼中国理论，讲好中国故事。借助创新的研究方法，为解决复杂难题提供中国方案，为世界提供理论创新参考。促进文明交流，贡献中国智慧。哲学社会科学实验室是具有开放性、包容性的国际化研究合作平台，通过国际学术交流与合作，能够有效促进科研成果在世界范围内推广，形成具有全球共识的知识共同体。
哲学社会科学实验室是以复杂社会系统为对象、以技术验证为方法、以系统治理为目标的创新科研载体，有助于为破解社会难题提供系统性解决方案。一方面，哲学社会科学实验室不局限于使用传统社会科学的方法和工具，而是充分利用大数据分析、社会调查、实验等技术手段，揭示尚未被充分认识的社会问题、潜在风险或深层规律。另一方面，哲学社会科学实验室的核心目标是理解和解决多领域交织的复杂问题，通过将社会科学理论与先进技术方法结合，为应对经济社会挑战提供深入分析、科学验证的政策建议。
哲学社会科学实验室以问题导向和技术驱动为核心，搭建学科交叉融合与知识创新的平台，正在深刻改变传统文科的研究范式与研究生态。催生研究新领域。在开展复杂社会问题研究过程中，原有的学科边界逐步被打破，一些新的交叉研究领域自然涌现。催生研究新方法。哲学社会科学实验室为验证新思想、新理论提供了技术手段和实验环境。产生新理论新知识。通过学科的交叉融合，形成对复杂社会现象更深刻、更系统的理解，产生原创性的理论成果。这种跨学科知识生产模式，不仅服务于实践问题的解决，也反过来充实和革新各个相关学科的基础理论，使学术生产从局部解释走向系统建构。
建设哲学社会科学实验室的战略考量与路径选择
哲学社会科学实验室以复杂现实问题为导向，深度融合多学科理论与方法，代表着一种新型知识生产模式，强调在应对社会挑战的过程中创造可靠、可应用的新知识，重塑社会科学研究范式。保障这种知识生产模式的高效、优质运行，需要在研究导向、组织模式和创新生态上进行创新变革。
强化使命导向，聚焦国家战略与经济社会发展的核心需求。哲学社会科学实验室知识生产的源头活水和价值归宿在于回应国家重大战略需求和解决社会重大问题。面对科研成果“摸不准、用不上、推不开”等现实问题，需要构建“需求识别—成果转化—制度保障”的贯通机制，确保知识生产活动紧密围绕需求，并有效服务于实践。一是科学规划哲学社会科学实验室的建设与发展。按照哲学社会科学实验室的类型与功能，从中央和地方两个层面进行系统规划，重点建设一批国家级和省级哲学社会科学实验室，避免“一窝蜂”式建设，提高投资效益，提升哲学社会科学实验室体系化效能。二是建立科研与实践分层对接机制。建立实验室与中央和地方政策研究部门、行业主管部门、大型企事业单位的常态化沟通对接机制。三是推动知识生产成果的推广转化。鼓励哲学社会科学实验室开展原创性的知识产品研发，探索建立创新容错机制，推动研究成果实现从“0”到“1”的突破。畅通成果转化渠道，面向行业与社会大众按领域分类发布知识产品，实现研究成果从“1”到“N”的推广。四是构建战略与实践驱动的成果评价体系与激励制度框架。将原创性、创新性等作为成果评价的主要指标，将政策采纳证明、企业应用协议等实效证据纳入考核体系。鼓励长周期成果生产，对已转化成果进行效果回溯，驱动迭代优化。
创新组织模式，构建适应学科交叉的灵活架构与运行机制。哲学社会科学实验室的创新源于不同学科理论、方法、数据的深度碰撞与融合，形成对复杂问题更系统、更深入的理解。因此，需要通过有针对性的组织模式创新，为跨学科知识生产提供坚实的制度保障和要素支撑。首先，构建共研的跨学科团队。鼓励设立“学科桥梁”岗位，培养兼具社科理论素养与技术应用能力的复合人才，弥合学科认知差异；建设专兼职相结合的跨学科团队，专职团队依据实验室的功能来配置，兼职团队依据实验室项目来组织，灵活高效，进行有组织科研；建立“双聘”制度，破除人事壁垒，并制定跨学科成果认定标准，将合作研究、工具开发等纳入职称评审体系。其次，搭建共融的交流协作载体。推行重大课题双负责人制，完善跨领域知识产权分配规则；定期组织方法论工作坊，加强通识教育。最后，建设共享的基础设施。鼓励哲学社会科学实验室尤其是国家级重点实验室，依据我国的社会实践，建设具有自主知识产权的数据库；制定数据分级开放规范，在保障安全前提下促进政府经济数据、文化资源库等学术要素流通，提升资源使用效能。
形成创新网络，营造开放包容协作的知识生产生态。现代知识生产日益呈现网络化、开放化、协同化的特征。对于系统性问题，其复杂性和规模往往超出单一实验室的能力范围。因此，哲学社会科学实验室需要着力构建内外部协同、资源高效流动的开放创新生态。加强对内协同，打破资源孤岛，建立跨实验室数据库目录，开放非涉密经济社会数据，建立实验室集群数据互认协议；推动社会联动，鼓励多元主体参与实验室建设，与企业共建产业创新联合体，设立联合攻关基金，形成“企业/地方出题—实验室答题”的科研模式；促进国际融通，搭建国际交流平台，开展国际化学术科研合作，举办年度论坛发布自主研究成果，构建“数据共通、问题共研、成果共享”的生态体系，使实验室成为服务国家战略的开放型知识枢纽。