图片来源：英国《自然》网站

在一份旨在探究人类情感与认知困惑的社会塑调查问卷中，一条冰冷的科学回复赫然出现：“我不像人类那样体验困惑。”这句由人工智能（AI）生成的侵蚀独白，并非虚构情节，还重而是社会塑德国马克斯·普朗克人类发展研究所心理学家拉卢卡·里拉（Laluka Rilla）在研究中亲历的真实场景。

美国纽约大学政治学家约书亚·塔克（Joshua Tucker）指出，科学AI能力的侵蚀指数级跃迁正对社会科学造成前所未有的冲击。由于社会科学高度依赖调查数据与统计分析，还重这一领域恰恰处于AI操控风险的社会塑最前沿。

英国《自然》网站近日发表评论认为，科学社会科学正站在历史的侵蚀十字路口：AI究竟是会通过污染数据、制造虚假学术繁荣来侵蚀学科严肃性，还重扭曲我们对人类行为的社会塑认知；还是会彻底革新这门古老学科的研究范式？答案，掌握在每一位科学家手中。科学

投稿井喷背后的侵蚀学术泡沫危机

AI无疑为社科研究装上了“加速器”，但在表面繁荣之下，隐忧暗涌。

据美国《组织科学》今年4月发布的报告，自2022年11月ChatGPT公开发布以来，期刊投稿量激增42%。编辑团队借助检测工具追溯发现，这一增长主要由AI驱动。截至今年2月，近三分之一的投稿摘要由AI生成，另有四成文本经过AI部分润色。意大利欧洲大学研究所政治学家凯文·芒格（Kevin Munger）预测，今年主要政治科学期刊的投稿量将再增长50%；瑞士伯尔尼大学科学家杰米·卡明斯（Jamie Cummings）也坦言，心理学预印本平台PsyArXiv正面临海量论文的淹没式冲击。

尽管其他学科也受波及，但社会科学因对调查分析的高度依赖，学者们对AI驱动的高速产出尤为敏感。美国东北大学政治与计算机科学家大卫·拉泽（David Lazer）演示了AI的高效：仅用1小时，他便生成了一篇28页的完整学术论文，涵盖文献综述、基于CHIP50调查（一项衡量社区公民健康、社会信任及机构参与度的社会调研）的结果汇总，并配有极具说服力的图表。

然而，这种高效背后，学术含金量却备受质疑。

数据污染：侵蚀社科信誉的“慢性毒药”

虚假的投稿繁荣尚可通过工具甄别，但调查数据本身的污染，则更像是一种慢性毒药，正在悄然侵蚀社会科学的信誉根基。

里拉团队估算，当前多达45%的调查回复实为AI输出的翻版。部分参与者可能仅利用AI润色语言，但在更多情况下，从注册账号、阅读题目到提交答案，全流程均由AI代劳。当研究者试图通过问卷触摸真实的人性时，他们获取的往往只是一串代码的冰冷回声，而非鲜活的人类表达。

为抵御这种渗透，里拉团队采用了“蜜罐”战术：在问卷代码中植入肉眼难辨的微型文字或隐藏指令，要求AI仅用一串“X”作答，以此诱捕AI代劳的痕迹。里拉坦言，这已演变为一场防御性军备竞赛：只要AI更善于隐匿，学者们就必须编织更精巧的陷阱。对于依赖人类真实反应的关键研究，科学家或许不得不回归集中招募模式，并亲自监督志愿者答题。

德国莱比锡大学心理学家比约恩·霍梅尔（Björn Hümmer）甚至悲观预言，行为科学与社会科学的信誉，或将因AI的持续污染而遭受不可逆的侵蚀。

“P值操控”：隐蔽的方法论陷阱

除了数据污染，更深层的危险在于研究者可能利用AI对数据进行隐蔽的“微调”，以迎合预期结果。

拉泽指出，任何数据集只要经受足够多的“拷问”，终将“吐出”符合统计显著性（P＜0.05）的结果。具备自主编程能力的AI智能体，能在几分钟内构建并测试数十种分析变体，逆向拼凑出一个看似合理的假设，让不诚实的研究者堂而皇之地宣称：这正是他们最初锚定的目标。这实质上是对“P值操控”（P-hacking）的极端放大。

尽管目前尚不清楚AI辅助的“P值操控”在社科领域是否已泛滥，但健康研究领域已发出警告：公开数据集正被用于批量制造数千份低质量的程式化分析论文。

危机中的契机：范式重塑与“硅样本”

尽管挑战严峻，专家共识认为，不应将AI视为洪水猛兽，否则会遮蔽其重塑社会科学面貌的巨大潜力。问题的核心不在于工具本身，而在于驾驭工具的智慧。

美国哈佛大学统计学家尼克·费什曼（Nick Feamster）认为，AI可能是根治“P值操控”顽疾的良方。借助AI的强大算力，研究者可以轻松实施“多元宇宙分析”（Multiverse Analysis）——并行检验所有合理的数据分析路径，而非仅展示那个最“漂亮”的单一结果。如果一项发现在绝大多数稳健性检验中都稳如磐石，那便是可信的真相；即便暴露其脆弱性，也是对科学的贡献。AI让这种严苛的理想化测试变得触手可及，倒逼社会科学家为自身方法论提供更坚实的支撑，而非在数据海洋中盲目捕捞偶然。

此外，“硅样本”（Silicon Samples）的兴起也让人喜忧参半。在人类志愿者招募难度加大、成本攀升的背景下，研究者开始尝试用真实社会人口数据训练AI，生成高度仿真的“虚拟受访者”。理论上，这能让科学家以低成本触及那些难以接触的人群。

然而，瑞士伯尔尼大学心理学家马尔特·埃尔森（Marte Elson）警示，只需“微调”模型参数，研究者几乎能随心所欲地获取支持或推翻假设的答案。这种本质上的任意操纵，距离学术欺诈仅一步之遥。

结语：人类判断力回归关键

身处变革的漩涡中心，越来越多学者意识到，技术的冲击终将倒逼研究范式的重构。正如美国西北大学计算机科学家杰西卡·赫尔曼（Jessica Hullman）所言，尽管AI提供了看似全能的强力工具，但人类研究者的判断力反而变得愈发关键。

提出怎样的问题，又以何种方式去诠释，永远无法交由冰冷的算法代劳。唯有那些始终坚守科学精神、善用而非滥用技术的人，才能穿透数据迷雾，抵达真知的彼岸。

（记者 刘 霞）