图片来源：英国《自然》网站

在一份探究人类情感与困惑的调查问卷中，突然出现一句冰冷的独白：“我不像人类那样体验困惑”——这句回复由人工智能（AI）生成，是德国马克斯·普朗克人类发展研究所心理学家拉卢卡·里拉在研究中亲历的真实一幕。

美国纽约大学政治学家约书亚·塔克指出，AI的爆发式应用与能力跃迁正深刻冲击各个学科，对社会科学的影响尤甚，因为它高度依赖调查数据与分析，而这恰恰是最容易被AI操控的地带。

英国《自然》网站近日刊发评论认为，社会科学已身处十字路口：AI究竟会通过污染数据、制造虚假的学术繁荣来侵蚀学科的严肃性，扭曲我们对人类行为的认知，还是会彻底革新这门古老学科的研究范式？答案，或许正握在科学家自己手中。

投稿井喷或助长学术泡沫

AI无疑给社科领域装上了加速器，然而，表面的繁荣之下暗藏隐忧。

美国《组织科学》今年4月报告称，自2022年11月ChatGPT首次公开发布以来，投稿量猛增42%。编辑们借助检测工具追溯后发现，这一波增长主要由AI驱动。到今年2月，已有近1/3的投稿摘要出自AI之手，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·芒格预测，今年主要政治科学期刊的投稿量将增长50%；瑞士伯尔尼大学科学家杰米·卡明斯也坦言，心理学预印本平台PsyArXiv正被海量论文淹没。

社会科学并非唯一被这股浪潮席卷的领域，但因该学科高度依赖调查分析，学者们对AI驱动的高速产出格外敏感。美国东北大学政治与计算机科学家大卫·拉泽借助AI，仅用1小时便生成了一篇28页的学术论文，不仅囊括文献综述、基于CHIP50调查（一项由美国学术界与新闻界合作开展的社会调研，旨在衡量各社区的公民健康、社会信任及机构参与度）的结果汇总，还配上了颇具说服力的图表与表格。

AI带来的高效背后，学术含金量却被打上了问号。

数据污染或侵蚀社科信誉

虚假的投稿繁荣尚可甄别，调查数据本身的污染，更像慢性“毒药”，侵蚀着社会科学的信誉。

里拉等人估计，当前多达45%的此类调查回复都是AI输出的翻版。部分参与者或许只借AI润色语言，但更多情况下，从注册、阅读题目到提交答案，整个流程全由AI代劳。当研究者试图通过问卷触摸真实的人性时，他们得到的，极有可能只是一串代码的冰冷回声，而非真实鲜活的人类表达。

为抵御这种渗透，里拉团队使用了“蜜罐”战术：在问卷代码中埋下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。她坦承，这已演变成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。对那些最依赖人类真实反应的重要研究，科学家或许不得不重新采用集中招募的方式，并亲自监督志愿者答题。

德国莱比锡大学心理学家比约恩·霍梅尔甚至悲观地预言，行为科学与社会科学的研究信誉，或将因AI的持续污染而受到侵蚀。

“P值操控”令人担忧

除了数据污染，更隐蔽的危险在于，为得到想要的结果，研究者可能利用AI系统对数据进行各种“微调”。

拉泽认为，任何数据集只要经受足够多的“拷问”，终究会“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。然而，这实际上是对“P值操控”的极端放大。

虽然目前尚不清楚AI辅助的“P值操控”在社科领域是否正愈演愈烈，但健康研究领域已有人发出提醒：公开数据集正被用来批量制造数千份低质量的程式化分析论文。

危机中潜藏重塑范式的契机

尽管如此，专家们认为，不应将AI视作洪水猛兽，这会遮蔽其重塑社会科学面貌的巨大潜力。问题的关键从不在于AI工具本身，而在于驾驭AI的智慧。

美国哈佛大学统计学家尼克·费什曼认为，AI可能是根治“P值操控”顽疾的良方。借助AI的强大算力，研究者可轻松实施“多元宇宙分析”——并行检验所有合理的数据分析路径，而非只展示那个最“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，那便是值得信服的真相；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，而不是仅仅在数据海洋里捕捞偶然。

“硅样本”的异军突起也让人喜忧参半。在人类志愿者越来越难招募、成本越来越高的当下，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”——所谓的“硅样本”。理论上，这能让科学家低成本触及那些不易接触的人群。

然而，瑞士伯尔尼大学心理学家马尔特·埃尔森警示，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，距学术欺诈仅一步之遥。

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。