人工智能技术正深刻改变学术研究的生态格局，高校与科研机构围绕人工智能融入科学研究已展开多样化探索，尝试将人工智能引入学术论文写作与发表等环节，例如“以AI为核心写作主体”的征文活动。相关活动引发学术界对科研主体性与学术责任的广泛讨论，促使研究者探索人工智能融入科学研究的限度。人工智能重构知识生产和组织方式已成必然趋势，它正加速学科重组与科研范式重塑双重变革，并将持续重塑学术共同体主导的学科形态。面对人工智能的冲击，社会科学研究者应强化学术共同体意识，坚守研究者主体性，推动以人本导向的价值对齐，持续提升科学素养，以应对智能时代社会科学研究的变革浪潮。
学科重组与科研范式重塑的双重变革
在教育、科技、人才一体化协同发展的进程中，人工智能正呈现出加速不同学科融合与重组、推动各学科门类知识创新发展与科研范式变革的态势。
一方面，人工智能正加速“创新驱动”导向的学科重组。传统以单一学科为边界的学术体系正在被打破，人工智能成为加速学科边界消融的驱动力。在学科专业设置方面，智能技术发展促使教育和科技部门等差异化推进基础类、应用类、战略类学科专业布局，并调整院系组织结构、优化学科专业结构。在人才培养方面，智能时代对创新人才培养提出更高要求，高校和科研机构需调整培养方案、重构课程体系设置。在机构建设方面，智能时代的复杂科学问题难以由单一学科独立解决，促使科研组织方式转型，并在学术评价和资源配置等制度层面打破经费分配和成果归属等障碍。
另一方面，人工智能正加速“范式跃升”的科研组织变革。人工智能正重塑科学研究的基本逻辑、实践特征和方法体系，催生AI for Science（科学智能）范式。在自然科学领域，人工智能在实验仿真、计算建模、材料设计等场景中可加速数据处理，缩短研究周期；在社会科学领域，人工智能为社交网络、媒体舆论、消费者行为等社会现象的量化分析与模拟提供新工具，推动“计算社会科学”兴起；在人文学科领域，人工智能成为文学创作、媒体传播、艺术表达的新主体，持续拓展人文边界；在工程科学领域，人工智能支持电气、土木和机械等复杂工程的系统设计、制造和控制，促进其智能化升级；在交叉学科领域，人工智能为类脑计算、脑机接口、生物信息等跨学科交叉研究领域的发展提供助力，成为催生新兴交叉学科的“催化剂”。
重塑“学术共同体主导”的学科形态
作为科学共同体概念的延伸，学术共同体是指共享研究范式、接受相似学术训练，并共同承担学术责任的研究者群体，长期以“学科门类”为核心进行划分。随着研究活动日趋跨学科与网络化，学术共同体边界日益流动，可表现为特定专业领域或跨学科中的动态子群体。新兴研究不断催生交叉领域，推动学科持续分化与重组，对传统学术共同体结构带来冲击并重塑其学科形态。
第一，学术共同体社群结构的演变，催生出分布式和动态性跨学科组织形态。学术共同体内部常通过同行评议和学术会议等形式构建协作网络，以学科边界为基础确立共同体内部的身份归属。随着人工智能深度嵌入科研过程，社群结构产生变化。部分研究任务由大模型承担，研究者参与方式趋于弹性化与任务化。研究社群不再仅依赖学科归属，而是围绕项目需求快速聚合与流动，削弱了以固定学科为单位开展学术研究的知识生产逻辑，催生出分布式和动态性跨学科组织形态。
第二，学术共同体认知基础的弱化，引发学科知识体系与方法论的敏捷性诉求。学术共同体认知基础建立在共享范例的训练与内化之上，确保研究者具备共同解释框架与判断标准。生成式人工智能正削弱该认知基础，研究者无需深度理解方法逻辑即可借助智能工具完成从问题识别到结果生成的多项环节。尽管效率提升，却引发两方面隐忧：一是认知外包现象蔓延，原本由研究者完成的决策环节转由智能工具替代，降低其在知识生产中的主动性与参与度；二是科学素养呈现弱化趋势，长期依赖工具替代认知判断，使部分研究者独立判断能力弱化，致使研究缺乏反思性与规范性，进一步削弱学术共同体认知基础，引发对学科知识体系与方法论的敏捷性诉求。
第三，学术共同体责任边界的模糊化，要求建构更加完善的学科规范与学术治理机制。科学研究是围绕特定问题边界、解释框架与社会价值展开的集体性知识活动。学术共同体内部的每项知识主张都需由其提出者负责解释与回应，并承担可能产生的社会影响。但在算法生成的内容中，研究者是否清晰掌握其推理逻辑、能否承担相应学术责任，成为学术研究中的关键问题。若责任主体模糊，科学范式所依赖的价值规范将难以维系，亟须建立更完善的学科规范与学术治理机制。
智能时代学术共同体的主体性坚守
当前，国内外高校和研究机构积极探索人工智能在科研中的应用，如清华大学发布《人工智能教育应用指导原则》，斯坦福大学举办首个无人类参与的科学AI智能体会议。在人工智能持续融入科研的过程中，应锚定关键议题以应对社会科学研究范式转型。
一是社会科学研究需培养并恪守“学术共同体意识”。这一意识植根于共同价值与规范，旨在确保社会科学始终服务于探究人类社会规律的使命。即便研究工具日益智能化，知识生产仍是经由检验与对话不断累进的集体过程。社会科学研究需在理论脉络中接受验证与完善，以保障知识增长过程中人类文化信仰的连续性。培育和恪守学术共同体意识，是推动知识传承与个体研究汇入学科主流的关键。
二是明确社会科学研究者的人类主体性与责任归属。人类作为社会科学活动的发起者与诠释者，其主体性是人机互动的前提与核心。所谓智能体主体性，实则是人类认知与实践的延伸，最终都应回溯至人类发展。研究者及学术共同体作为最终责任锚点，必须对科学研究承担全部责任。唯有确立该责任闭环，方能避免陷入主体模糊与责任悬置，确保技术演进始终服务于人的价值与尊严。
三是AI融入社会科学研究应坚持人本导向的价值对齐。人本导向的价值对齐强调人工智能的目标与行为应符合人类社会的主流价值取向。随着人工智能持续融入社会科学研究，既需在研发阶段确保其决策逻辑体现以人为本的理念，也需在应用阶段将其使用目的纳入伦理规范，确保“以人为本”社会实践的深刻性，切实促进人类社会可持续发展。
四是全面提高社会科学研究者的“共同”科学素养。在人工智能正深刻重塑社会科学知识体系的背景下，提高研究者的共同科学素养已成为推进学科、学术与话语体系建设的关键。这要求研究者具备科学判断力和批判精神，强化社会责任意识，推动个体认知向共同体认知转化，最终汇入人类公共知识体系，夯实我国社会科学知识体系在世界科学与知识生态的中心地位。
社会科学研究者应坚持人类公共知识生产的原创性、系统性和专业性，特别是在学术论文发表和学生培养过程中，须清醒把握知识价值及知识功用的边界条件，并帮助学生形成正确的世界观与价值观，养成科学思维习惯，构筑学生、学术、学科一体的综合发展体系。
作者：黄荣怀（北京师范大学智慧学习研究院院长、教授）
