运用自然语言处理技术，分析用户态度倾向，预测某一事件发展方向；构建多智能体，设定不同政策参数，模拟政策对社会趋势的影响；分析经济领域大量历史数据和实时数据，挖掘市场规律，提高预测准确性；使用生成式人工智能模型对大量社会科学文献进行梳理总结……基于深度学习、多智能体构建和大数据融合等技术，人工智能在人文社科多领域应用中展现出强大潜力。由此，学术界出现一种声音，认为人文社会科学研究进入数据和机理双驱动的“第五范式”，这一范式极大拓展了研究对象的广度、机理分析的深度和科学发展的速度。
何为第五范式？与过去的科研范式相比，这一范式有哪些本质区别，又会给科研领域带来哪些深刻变革？带着这些问题，记者近日采访了相关专家学者。
对传统科研范式进行突破与融合
科研范式这一概念最早是由美国科学哲学家托马斯·库恩提出的，主要是指科学研究群体共同遵循的世界观和研究方式，是保证科研活动高效、有序开展的一种普遍准则。纵观人类社会发展，科研范式大致经历了四次重要演变，分别是经验范式，主要通过实验归纳进行研究；理论范式，以模型或逻辑演绎进行理论研究；计算范式，使用计算机进行仿真模拟解决各个学科中的问题；数据驱动范式，基于互联网技术的数据密集型科学研究方式。
随着深度学习和生成式大模型的发展，人工智能在数据生成、分析、模式识别和因果推理等方面的能力日益强大，尤其在材料科学、基因组学、药物发明、气候建模等领域，能以远高于人类科学家的效率揭示出更深层次的自然规律，提出新的发现路径，促进跨学科研究。采访中，多位学者向记者表示，人工智能正在深刻重塑科学发现的方式，其核心优势体现在对传统科研范式的突破与融合上。比如，加速科研全流程闭环。传统科研中“假设—实验—验证”周期漫长，而人工智能通过自动化生成假设、优化实验设计、执行无人实验，将科研效率提升至新量级；拓展科学认知边界，提出全新科学假设，甚至突破数学领域的长期难题；推动跨学科融合，打破学科壁垒，整合实验、理论、计算、数据四范式，实现多范式协同等。
第五范式将对传统研究流程和思维方式带来哪些深刻变革？中国科学院自然科学史研究所研究员刘益东认为，大致体现在四个方面。一是人工智能促进一流人才战略实施，使得学术带头人精英化。利用人工智能甄选专属特征鲜明的一流人才担任学术带头人，然后由其招募、考核成员，开展前沿研究。二是科研组织变革，实现科研组织精约化、平台化、网络化。借助人工智能精准匹配学术带头人进行直接资助，精简团队，甚至出现“学术带头人+助手+科研智能体”的“研究所”或“智库”。三是科研管理精准化，以新知识点为科研产出基本单位，清理学术泡沫，提升研究质量。四是促进科技创新和科技至善。为发展安全的科学技术，需要在目前主流科学体系中增加“价值维”，建立对科技发展是否合理的纠错机制，推动科技不仅成为生产力、原动力、竞争力，而且成为安全力、公正力与永续力。
人工智能可以促进不同学科深度融合与协同创新。在北京工商大学马克思主义学院副教授王东看来，于超越人类直观认知的领域，如微观尺度的量子现象、复杂的高维空间结构，以及人类难以把握的非线性系统规律领域，人工智能具有先天优势。在包含大量数据与复杂变量的科学领域，例如气候科学、生态系统、生命科学以及复杂疾病的研究中，人工智能可以高效处理与分析庞大的数据集合，发现传统方法无法察觉的潜在规律。此外，前沿交叉学科领域，如系统生物学、神经科学与人工智能结合的类脑研究、新材料与化学的交叉设计等，也是人工智能技术发展极具潜力的突破口。
人工智能是第四范式的延伸工具
当记者问及，目前人工智能的介入，是否使科研范式达到了转换的程度？多位学者认为，暂时不需急于下定论。
复旦大学国家发展与智能治理综合实验室执行主任吴力波表示，科技的变革引发思维的进化，在“数据+机理”融合的新时代，人工智能模型逐渐从“黑箱式”的预测工具，进化为具备推理能力的“灰盒”系统。这样的转变，意味着我们不仅能够依赖数据的力量去描述世界，还能够引入科学的机理去理解世界。
学者认为，人工智能驱动科研带来效率等层面的进步，但是否就能将其称为第五范式，尚需要多方面考量。比如，是否创造了全新的科研路径、是否攻克了传统范式无法解决的难题、是否改变了科研主体的角色与协作模式、是否催生了新一代科研基础设施等。正是由于多方面的评判，学术界对于第五范式的质疑众多，认为人工智能只是第四范式的延伸工具，当前它仍然依赖人类标注数据。
中国科技史学会工程史专业委员会副秘书长陈印政也认为，人工智能虽然驱动了传统科研模式的巨大变革，但就整个科研领域而言，并未达到范式转化的程度。他进一步解释，人工智能在交叉学科研究中更有优势，但传统的实验和理论方法仍是不可或缺的。使用人工智能得出的研究结论，仍然需要通过传统的方法进行验证。人工智能的优势表现在依托特定研究路径，并不适用于推导全新的原理、开展自由探索和原创性的理论研究。特别是在社会科学研究领域，诸如考古学、科学技术史等领域的研究，仍然需要以专业学者深厚的学术修养作为基础。人工智能会带来新的科研诚信和伦理问题，可靠性和稳定性不强，其算法偏见甚至导致自主生成高危实验方案，这些仍然需要传统模式的干预。
为学科发展注入活力
学者对于人工智能具有的深度探索和学习能力表示认可，认为这一优势将开启远超科学家能力范围的潜在知识域，生成模型和判别模型之间相互博弈，在极短时间内探索更广阔的未知空间，为学科发展注入新的活力与可能。
吴力波提出，未来的社会科学研究将更加重视跨学科的数据融合与创新方法，人工智能将成为这一变革的核心推动力。通过多智能体建模等先进技术，研究者得以模拟复杂的社会动态，揭示人与人之间细腻的互动，探索社会现象背后的深层机制。深度学习与强化学习等技术的应用，将进一步提升研究者的分析能力和创造力，使得我们能够更加精准、深刻地理解和解释复杂的社会现象。
王东认为，在认知替代和超越阶段，人工智能将成长为自主科研智能体，能主动寻找问题、生成科学假设并自动执行观测和实验，人类更多扮演监督角色。未来的科研格局将从人与人的团队合作转化为人类监督下的人工智能合作，科研活动的规模与深度将前所未有地扩大，学科边界变得更加模糊，跨领域的协作与知识融合常态化，并催生出新的跨学科前沿方向。
值得关注的是，尽管人工智能在拓宽科研边界、打破旧有模式等方面带来了诸多益处，但在此过程中仍要保持警惕。陈印政谈道，人工智能与传统学科融合，可以提升传统学科的研究效率，使科研人员从重复性劳动中解放出来，拓展传统科研边界，但不能完全代替传统的研究。如果完全用人工智能代替传统科研，将会带来科研创新的同质化，以及创造性的降低。“科研的持续发展，是与人类的创造力紧密关联的，也是人工智能很难取代的。”陈印政说。
学者认为，尽管所谓的第五范式带来了科学研究自动化和科学研究主体的智能体化等全新的趋势，但真正的科研突破仍然依赖人类对科学的直觉、对事实的辨析与对情境与文化背景的判断。第五范式可能导致科学认知的对象超越一般科学家认知能力的新的认知格局，但在推动人类迈向科学探索全新阶段的同时，也迫切需要重新思考技术的边界与责任。
中国社会科学报记者 段丹洁 查建国 陈炼
来源 ：中国社会科学报
新媒体编辑：常畅
如需交流可联系我们
