人工智能时代的到来给人类社会带来广泛而深刻的重塑效应，进而带来社会科学在本体论、认识论和方法论层面的迭代发展。随着数智技术快速迭代和普及应用，人工智能技术正在推动第五范式——智能科学（AI for Science，AI4S）的兴起。这一范式强调利用人工智能从多源异构数据中自动提取特征、挖掘规律、推理分析并生成知识。

　　从AI4S到AI4SS

　　智能科学范式正为社会科学带来革命性变革。其突破性不仅在于海量异构数据处理效能的提升，更在于通过模拟人类认知机理与社会互动规则，开创了“社会系统计算化—计算模型社会化”的双向认知路径。从这一视角，以大语言模型为代表的生成式人工智能可被理解为社会智能与机器智能的碰撞与融合，技术革新动力不仅来自具有高性能计算、具有鲁棒性的机器智能（Machine Intelligence），更依赖于生成和理解海量人类社会数据、高质量标注数据和实现人机价值对齐的社会智能（Social Intelligence），以及通过人机交互机制实现二者的不断形塑与融合。总之，这场范式革命为融合社会系统与计算系统、激发社会智能与机器智能、探索人机交互的社会知识生产范式提供了时代机遇。

　　国务院发布《关于深入实施“人工智能+”行动的意见》明确提出，推动哲学社会科学研究方法向人机协同模式转变，探索建立适应人工智能时代的新型哲学社会科学研究组织形式，拓展研究视野和观察视域。人工智能赋能社会科学成为社会科学发展的新方向、新范式和新趋势，我国应依托人工智能及其应用的先发优势，加快推进人工智能赋能社会科学（AI for Social Science，AI4SS），实现社会科学的范式创新。

　　以人工智能研究人工智能：测量、推断与预测

　　“以AI研究AI”强调人工智能在社会科学中同时具有研究对象与研究方法的双重属性。作为研究对象，人工智能对经济社会运行、国家治理、社会文化产生广泛而深远的影响。作为研究方法，大语言模型为社会科学在测量、推断与预测等方面提供了全新的方法范式和技术工具。作为全新的方法范式，人工智能正在赋能社会科学研究的各环节，在问题发现、理论构建、研究设计、数据采集、数据分析等研究环节注入新的活力。这种范式变革不仅体现在研究手段和工具层面，更反映为社会科学在知识生产过程中人机关系、人机交互的重大变革，促进了社会科学领域理论驱动范式、数据驱动范式和模型驱动范式的深度融合。

　　在测量方面，相较于传统的有监督或无监督机器学习方法，大语言模型在文本理解与生成任务中表现出明显的优势。其无需事先构建大规模标注数据集，可以直接通过自然语言指令完成分类与识别任务，从而降低人力成本并减少人为标注误差。大语言模型还可用于辅助问卷调查与实验研究，例如实时解答被试疑问、生成多版本情境化问题、进行试调查测算统计力等，从而提升测量效度和被试参与度。

　　在推断方面，大语言模型为社会科学研究带来了“硅基样本”。大语言模型在训练过程中吸收了大量关于人类社会结构、行为偏好和价值观的信息，因而具备模拟人类认知与行为的潜力。通过提示词工程构建具有特定社会属性的硅基样本，可以在一定程度上突破传统调查与实验研究在时间、成本与规模上的限制，可用于预测试、实验设计优化及效应检验。

　　在预测方面，大语言模型的持续学习能力和推理能力，为社会科学从静态预测走向动态预测提供了新路径。通过结合数据驱动预测和仿真模拟范式，基于海量人类社会数据开发智能体集群，通过多智能体模拟有助于捕捉社会演化中的复杂性和不确定性，并为理解群体行为和社会演化提供启发。

　　人工智能推动社会科学研究迈向人机协同新范式。这场范式革命呈现出三个同步推进的方法范式新方向：一是数据驱动与模型驱动范式的结合，即以AI增强计算社会科学的研究；二是模型驱动与理论驱动范式的结合，集中体现为AI生成智能体集群，通过多智能体仿真模拟展现社会演化的异质性和涌现能力；三是理论驱动、数据驱动与模型驱动的结合，集中体现为社会科学研究提出问题、文献分析、数据采集、数据分析和分析阐释全过程的智能化，为社会科学范式转型提供了新契机。

　　全球范围内人工智能赋能社会科学蔚然成风

　　美国国家科学基金会近年来重点布局社会计算领域，其社会智能系统专项累计资助数十个学科项目。欧盟“地平线欧洲”计划框架下，专门设立人工智能赋能科学研究旗舰项目。日本推进“社会5.0”战略则整合十亿级规模的移动定位、消费行为等多源数据，期望以此解决社会问题。英国政策实验室率先将生成式人工智能引入公共政策评估，构建不同制度改革的虚拟推演环境。与此同时，人工智能时代也涌现出诸多迫切需要社会科学介入的全新议题。譬如，加拿大推行人工智能伦理认证体系，要求涉及人类的智能算法决策的研究项目必须通过算法影响评估。德国马克斯·普朗克研究所主导开发可解释社会计算框架，重点评估公平性、可问责性、透明性和伦理合规性等维度。

　　全球范围内人工智能驱动社会科学快速发展已形成多样化的张力。其中，技术赋能与学科本位的理论争议持续凸显，既有研究过度依赖算法黑箱导致解释力弱化，亦有传统抗拒技术变革造成创新迟滞；数据开放与隐私保护的制度博弈日益尖锐，个人信息保护与科研数据利用平衡机制仍未健全；创新速度与治理能力的结构性落差逐渐扩大，可解释性模型与算法审计机制成为关键补位手段；学术价值与社会影响的转化瓶颈亟待突破，以人工智能赋能社会科学的学术组织新模式有待探索。

　　社会科学研究智能化转向的中国方案

　　我国是全球数智化发展的先发国家，具有人工智能赋能社会科学的独特优势。我国超大规模人口产生的行为数据富矿、集中力量办大事的体制优势、自主开源大模型的技术突破以及数字化转型与社会治理创新的丰富场景，构成了理论突破与技术创新的战略纵深。因此，需立足数智化发展与治理的先发实践，大力推进人工智能赋能社会科学的基础设施、学科建设、人才培养、学术生态等，在国际学术前沿构建中国自主的知识体系，探索人机协同的知识生产新模式。

　　科研条件层面，加快建设AI4SS科研基础设施，整合社会科学领域的数据资源、算力资源、知识库资源，打造面向全国开放的AI4SS科研服务平台，形成覆盖理论建模、数据挖掘、仿真推演、知识生成的AI4SS科研基础设施体系，开发通用性智能工具赋能广大研究者。

　　学科建设层面，加快推进人工智能与社会科学的交叉融合。一是利用人工智能方法研究复杂社会系统，赋能传统研究方法创新，实现更高效、更集成、更交互式的社会科学知识生产；二是基于社会科学知识赋能人工智能技术革新，尤其是建设具有社会科学知识基础的语料库、数据库、知识库，有力支撑适用于特定场景的专用或垂类模型开发；三是对人工智能对社会系统的影响机制和效应开展社会科学研究，为智能社会发展与治理提供知识储备。

　　人才培养层面，加快培养“人工智能+社会科学”交叉复合型人才。推动高校与科技企业构建深度融合的人才培养体系，加快社会科学学科智能体开发，培育“社会科学+数据科学+AI伦理”的复合型人才，探索“社会科学家+AI工程师+领域专家”的协同创新模式。

　　学术生态方面，构建开放共享的人工智能赋能社会科学学术生态。出台社会科学领域人工智能伦理指南，规范虚拟实验设计、硅基样本应用、生成式成果审查等学术规范；优化学术评价机制，建立代码开源与模型共享激励机制；建设社会科学大模型开发者社区，形成数据标注众包、算法优化协作、代码数据共享的新型学术网络。

　　（作者系清华大学计算社会科学与国家治理实验室执行主任、教授）