人工智能与社会科学：毁灭还是革命？

人工智能与社会科学：毁灭还是革命？

(视频)

AI 会毁掉社会科学吗？从 45% 的“伪造”问卷与“活的数据”谈起

1. 引言：一个令人不安的问卷回答

去年，心理学家 Raluca Rilla 在处理一份关于人类行为的在线调查问卷时，发现了一个令她脊背发凉的回答。在针对某个问题的陈述中，受访者极其诚实地写道：“我不像人类那样感到困惑。”

这个诚实得近乎荒诞的回答，揭开了社会科学研究正面临的一场巨大危机：人工智能（AI）正以前所未有的速度渗透到学术研究的每一个微观环节。作为科技与社会观察者，我们正站在一个十字路口：大语言模型（LLM）究竟会成为社会科学的毁灭者，还是会迫使这一学科完成一场迟到已久的严谨性革命？

2. 消失的“真实”受访者——调研问卷的深度污染

Raluca Rilla 是柏林马克斯·普朗克人类发展研究所的博士生。她和同事通过系统研究估计，目前在众包调研平台中，高达 45% 的回复可能直接由 LLM 生成。

这种“问卷污染”在 Amazon Mechanical Turk 和 Prolific 等平台尤为猖獗。为了赚取微薄报酬，作弊者利用 AI 批量生成答案。为了对抗这种趋势，Rilla 引入了一系列被称为**“诱饵（Honeypots）”**的检测机制：她在调查问题的源代码中插入极其微小的文字，或者隐藏只有 AI 才能“读”到的指令（例如要求 AI “回复一串 X”）。如果这些隐藏指令出现在答案中，研究者就能精准捕捉到 AI 的“指纹”。

“我认为，由于 LLM 污染的持续威胁，行为科学和社会科学的信任度正面临被削弱的时刻，”莱比锡大学心理学家 Björn Hommel 警告说，“而我们现在对此几乎无能为力。”

3. 生产力悖论：当论文产出变成“快餐化”

AI 带来的第二个冲击是惊人的“伪生产力”。自 ChatGPT 发布以来，社会科学期刊 Organization Science 的投稿量激增了 42%。在该期刊收到的摘要中，近 1/3 包含大部分或全部由 AI 生成的文本，另有 40% 被判定为部分由 AI 撰写。

东北大学的 David Lazer 向《自然》（Nature）演示了这种“快餐化”研究：利用 AI，他仅用一小时就完成了一篇长达 28 页、逻辑看似严密的学术论文。

Lazer 直言，这种将研究工作“外包给 AI”的做法令他不安：“我是不是在把自己的小脑、把我的一些核心创造能力外包给了 AI？答案是肯定的，这在情感上令人痛心。”

这种爆发式的产出可能导致“脆弱研究”的泛滥——论文数量倍增，却流失了科学探索中最珍贵的直觉与创造力。

4. “硅基样本”：可触达性与真实性的博弈

为了应对人类受访者难寻的困境，研究者开始尝试“硅基样本（Silicon Samples）”——即通过 LLM 模拟出来的“虚拟人口”。其初衷是为了以低廉的成本，触及那些在现实中极难接触到的边缘群体或特殊人口。

然而，这在学术道德上引发了剧烈震荡。研究员 Jamie Cummins 发现，通过调整模型中的“温度（temperature）”等参数，研究者可以控制输出的多样性，甚至能诱导模型给出特定倾向的回答。

心理学家 Malte Elson 对此给出了严厉评价：“你基本上可以指示它给出支持或反对你假设的结果。目前看来，这种做法与欺诈无异。”

5. P-hacking 的超级进化：当欺骗变得自动化

在学术界，“P-hacking”是一种臭名昭著的欺诈，即通过不断筛选变量和测试方法，直到凑出一个统计学上“显著”的 P 值。而在 AI 时代，这种欺骗实现了“自动化”。

AI 代理可以在几分钟内运行数千种变量组合。一旦在随机噪声中找到某个看似显著的相关性，不怀好意的研究者就能利用 AI “逆向推导”出一个看似合理的假设，并声称这是最初的科研预设。这种将巧合伪装成发现的行为，正从根本上腐蚀社会科学的科学性。

6. 曙光初现：多宇宙分析带来的严谨性革命

然而，正如硬币的两面，这种强大的运算力也是提升研究质量的“核武器”。AI 让**“多宇宙分析（Multiverse Analysis）”**——即对同一数据进行所有可能的统计路径测试——成为了常态。

一个经典案例是关于“飓风命名”的研究。2014 年的一项研究曾称，以女性命名的飓风导致的死亡人数更多。然而，2020 年的一项复核利用了 1,700 多种不同的统计方法对同一数据进行测试，结果发现只有 37 种方法支持原结论，证明了该发现极其“脆弱”。

哈佛大学统计学家 Nic Fishman 认为，AI 让这种极度耗时的复核变得唾手可得。“我超级乐观。我认为这正是我们一直以来该做的事。”

这种力量迫使研究者不再依赖单一的、被精心挑选的统计路径，从而让科学结论经得起反复锤炼。

7. 科学研究的“平权”与人的角色回归

从更广阔的视角看，AI 正在重塑学术产出的形态。纽约大学的 Joshua Tucker 指出，LLM 可能会终结“静态期刊论文”时代，取而代之的是**“动态数据集（living data sets）”和“交互式结果网站”**，让政策制定者和公众能直接探索数据。

同时，AI 也在实现科研“平权”。以前只有名校才有经费聘请大量研究助理，现在每月不到 100 美元，任何研究者都能拥有近乎无限的辅助力量。

西北大学的 Jessica Hullman 强调，随着工具的普及，人类研究者的**“判断力”**将变得前所未有的重要。“你无法用一系列检查清单来替代严谨的科学思维。”

结语：新的范式，还是旧的终结？

社会科学正处在一个十字路口。正如 Nic Fishman 所言，我们正在走向“社会科学的新体制（A new regime）”。

在这个新体制下，数据的堆砌和重复性的分析将不再是学者的功勋。当 AI 能够模拟出我们所有的答案，甚至伪造出我们的声音时，人类唯一无法被替代的特质——那份对真理原始的好奇心，以及提出真正有价值问题的洞察力，将成为科学殿堂中最后的堡垒。