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（FamilyResemblance），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（AIforScience）和人工智能社会科学应用（AIforSocialScience）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。
（作者：郑永年，系香港中文大学〔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）
