【光明青年论坛】

编者按

在当今时代，人工智能已经渗透到人类生活的方方面面，深刻改变了人们认识世界和改造世界的方式。对学术研究而言，人工智能技术一方面以其高效的文本处理能力以及突出的内容挖掘、算法筛选能力等，为研究带来便利；另一方面也存在价值偏见等内在局限与伦理规范等潜在风险，由此成为各学科探讨的一大热点。就世界史研究而言，历史学家们如何运用人工智能技术处理和分析海量的史料、构建语义关系网络，进而得出相应的结论？人工智能技术的应用，是否拓宽了已有的研究边界？存在哪些难以突破的瓶颈？青年一代的世界史学者应该如何与人工智能共处呢？围绕上述问题，本版邀请三位从事不同国别研究的青年学者进行讨论，并邀请资深专家予以点评，以期为数字时代的历史研究提供有益参照。

与谈人

王思婕 同济大学德国问题研究所助理教授

姚念达 厦门大学历史与文化遗产学院副教授

易晋铭 复旦大学历史学系博士后

主持人

光明日报记者 周晓菲

1.人工智能如何推动世界史研究

主持人：近年来人工智能技术飞速发展，各学科的学者们纷纷探索其在自身研究领域的应用潜力，世界史研究也不例外。请各位结合自己所从事研究领域，谈谈人工智能在具体研究中是如何发挥作用的？

姚念达：在国际美国史学界，人工智能的应用不局限于大语言模型，而是涵盖以自然语言处理和机器学习为核心的一整套计算分析方法。该路径通过将报纸、政府文件乃至影音材料等多样化史料转化为可量化分析的对象，运用主题建模、文本嵌入和语义分析等手段，在宏观层面揭示语言、观念与政治话语的长期变化，为历史解释提供新的问题线索与证据基础。相关研究多以计算语言变化为切入点。斯坦福大学尼基尔·加尔加团队将20世纪大规模语料转化为词向量，量化分析了语言中性别与族群刻板印象的变迁，并将其与社会结构的转型相联系。另有美国学者梅丽莎·李分析了19世纪报纸与国会辩论语料，利用自然语言处理工具追踪“合众国”一词从复数用法向单数用法的转变。研究指出，这一表述在南北战争前常被理解为由各州组成的联合体，而战后则逐渐被视为一个统一国家，由此反映了美国人对国家主权理解的变化。这类研究并不等同于单纯的“远读”，也不是对传统方法的替代，而是强调计算分析与文本细读的结合。

主持人：历史学者们借助人工智能强大的数据处理能力，能够快速梳理海量的档案文献等史料，挖掘出难以发现的历史信息与关联。这是否意味着，人工智能技术拓展了已有的研究边界，或者“重塑”传统研究领域？

姚念达：从现有研究来看，人工智能对美国史研究的影响并非颠覆性的，也没有形成范式革命。但在若干关键层面上，它确实拓展了既有研究边界，并在一定程度上影响了研究的实践方式。世界史研究以增进跨区域、跨文化理解为目标，但长期受研究者掌握的材料规模、语言能力与时间成本限制。人工智能的引入，使研究者得以在可控成本下处理大规模多语种史料，从而在实践层面拓展研究的广度与精度。其在概念史研究中的潜力尤为突出：借助文本嵌入模型和计算分析，研究者可以在全球尺度上追踪重要概念的跨时空与跨语境传播，而不再局限于少数经典文本。例如，美国学者艾玛·罗德曼的研究利用词向量模型分析美国政治语料，通过比较不同时期政治概念的语义和语义关联，从而追踪其在历史语境中的含义变化，这为概念史研究提供了新的路径。

2.人工智能在世界史研究中的局限性

主持人：人工智能技术在显著提升学术研究效率的同时，也存在不容忽视的局限。请三位谈谈目前人工智能技术面临哪些难以突破的瓶颈？原因何在？这些局限又是如何影响史学研究的开展或者历史叙事的建构呢？

姚念达：在历史研究中应用人工智能，仍然存在若干难以突破的瓶颈。这些瓶颈并不只是因为技术尚未成熟，而是更深层地反映了当下人工智能技术与历史研究之间的结构性不匹配。首先，人工智能难以与人类社会形成真正的情感共鸣。克罗齐曾指出，一切历史都是当代史。一个有生命力的历史研究选题，往往能够回应当下的社会问题，并在现实生活中引发读者的情感共鸣。因此，历史研究的重要一步，在于判断哪些历史问题在当下具有意义，为什么值得被提出和反复讨论。这种判断高度依赖研究者对现实社会的感知、对公共议题的敏感度以及对人类经验的共情能力。人工智能虽然可以总结既有讨论，却不足以真正理解某一历史议题与人类生活实践之间的情感联结，也无法判断其现实价值所在。

其次，人工智能在分析历史文本时，面临难以回避的语义漂移问题。当前多数语言模型主要基于当代语料训练，若直接用于历史文本分析，容易以当代语义和语言习惯误读过去的语言实践。即便如苏黎世大学团队尝试使用历史语料训练模型，其效果仍然受到现存历史文本不完整和不均衡的限制，其数据质量和覆盖范围难以与当代语料相比。

与此同时，人工智能的价值判断也并非中立，而是不可避免地受到训练语料中主流规范与当代价值观的影响。当这些模型被用于历史研究时，可能在无意中以当代标准衡量过去，从而弱化历史语境。这些因素叠加在一起，或许会在历史叙事层面推动一种并非出于研究者本意的当代化倾向。

最后，一个尤为关键的瓶颈在于人工智能的“黑箱性”。在许多情况下，人文学者难以清楚解释人工智能是如何得出某一结论的。对于以可解释性、可讨论性为基本规范的人文学科而言，如果研究者无法说明分析过程，也就难以为研究结论承担必要的学术责任。

3.史学工作者如何与人工智能共处

主持人：如上所述，人工智能在应用过程中仍存在语料不均衡、价值判断不中立等局限，在各位看来，有哪些方法可以加以应对呢？

姚念达：面对上述诸多局限，最根本的解决办法还是期待通过技术进步彻底消除这些问题。不过，对于人文学者而言，更为现实且可行的路径是借助方法设计与研究规范对这些局限加以缓解，从而确保人工智能始终处于可控、可验证的地位。首先，应当明确坚持人类研究者在问题设置阶段的主导地位。历史研究中哪些问题值得被提出、为何具有研究意义，这类判断必须源于研究者对现实社会与史学传统的理解，而不应由模型生成。其次，使用人工智能分析历史文本时，在研究方法的设计中必须充分区分当代语言模型与历史语言之间的差异，并尽可能还原史料所处的历史语境。再次，面对人工智能的“黑箱性”，历史学者有必要强化研究过程的透明度与责任意识。即便算法本身难以完全解释，研究者仍应清楚说明所使用的模型类型、语料范围与分析步骤，使研究路径保持可追溯性，从而确保结论能够接受学术讨论与检验。

主持人：在人工智能深刻影响学术研究范式的背景下，作为青年世界史研究者，应当如何在坚守史学传统与拥抱技术变革之间寻求平衡，实现良性共处呢？

姚念达：在我看来，世界史学者与人工智能的关系，不应被理解为对立或替代，而是一种有边界、有自觉的共处关系。首先要明确的是，在人文研究中强调人的重要性，并不意味着否定技术。历史学者之所以难以被机器取代，并不只是因为技术尚未成熟，而是因为其核心价值始终来自研究者的问题意识以及对历史意义的赋予。正因如此，人文学者并不需要通过拒绝使用人工智能来证明自身的不可替代性。与此同时，也需要警惕另一种极端倾向，即人工智能带来的高效率或许会让研究者不自觉地削弱自身主体性。如果研究者只是机械地依赖模型生成结论、摘要或分析路径，研究本身可能会退化为对模型输出的整理与复述。学者与人工智能共处的关键，在于清楚区分提升劳动效率与替代人类思考之间的界限。人工智能适合承担重复性、高强度的工作，为研究者释放时间与精力。而真正的学术价值，仍然来自人的创造力、批判性与解释能力。

原文刊载于《光明日报》（2026年04月20日 14版）