历史学促进人工智能的善智与善治

对人工智能如何影响历史学的探讨有很多，但对历史学如何影响人工智能的探讨却不多。实际上，历史学不仅可以影响人工智能技术的发展，还可能促进人工智能治理的完善。这并非只是理论的猜想，而是正在发生的现实。国内，DeepSeek长期招聘的“数据百晓生”将“提供人类历史……相关的知识来源”放在工作内容简介的首位；国外，谷歌DeepMind（以下简称“谷歌”）在为前沿安全与治理团队招聘科学家时，明确认可历史学属于前沿人工智能治理的“相关领域”。

历史学如何促成人工智能的善智与善治，在前沿人工智能的发展中起着怎样的作用？这里总结三种实践路径：第一，人工智能从业者通过科技史的回溯促成善智的突破。第二，借助制度史的实践促成善治。第三，通过汲取史学理论，促成善智与善治的协同发展。历史学不仅可以在交叉研究中占据更加主动的地位，也对重新理解数字与人文的关系有借鉴意义。

从科技史到人工智能善智

人工智能不是新的事物，人工智能技术的发展也不是线性向前的过程。1956年，达特茅斯会议提出人工智能这一概念后，人工智能的发展经历了多次瓶颈、分岔和起伏。每一次遭遇困境或分歧，都是历史学出场的良机。

突破技术路线的瓶颈，在重大分岔口做出正确的选择，需要回顾人工智能开创者的早期洞见。早在1951年，克劳德·香农就提出，通过研究“文本接龙”，也就是通过前序文本预测下一个字，来深入地研究一门语言所含的信息量。之后70余年间，人工智能技术的发展经历了不止一次的纷争和退潮，不同路线在不同的时段内各领风骚。但在2022年底OpenAI发布ChatGPT模型之后，“文本接龙”乃至图像和视频的接龙生成，已经成为实现强大的通用人工智能最有前景的方向。面向前沿不断实现前所未有的技术突破，背后实则有对早期开创性思想的发掘、结合和运用。值得一提的是，另一个代表前沿水平的模型克劳德，其命名就是为了纪念香农。

沿着接龙的路线可以生成有一定质量的文本、图像和视频，为了让这些内容的准确性有所保障、更好与人沟通并完成任务，还需要让人工智能和人类价值保持对齐。1960年，诺伯特·维纳提出两点相关主张。一是人工智能具备强大且高效的学习能力。在其能力迈过一个阈值之后，有可能以人类专家都无法理解的速率继续向前演进。这启发了之后有关技术奇点的讨论。二是在此基础上，有必要确保人类为人工智能设定的目标，就是人类所追求的目标，也就是实现价值的对齐。否则，强大的人工智能不仅不能完成目标，还会带来灾难。

这只是两个最具代表性的例子。即使是在一个不断涌现颠覆式创新的领域，也很少有什么变化真是突如其来的，通常可以在历史上找到一定的延续性。香农提出了信息论，维纳提出了控制论，他们在信息论和控制论语境下提出的想法历经人工智能技术发展的多轮周期仍有生命力。我国近代科技发展的历史中也有深厚的信息论、控制论和系统论传统，与人工智能在我国的早期发展密切相关。挖掘“三论”的本土转化和创新的当代意义，值得期待。

从制度史到人工智能善治

人工智能的发展唤起了治理人工智能的需求。为了实现人工智能的善治，需要为人工智能制定向善的规则。从谷歌、OpenAI和Anthropic等研究机构和头部企业的前沿实践来看，解决前沿的治理问题，反而更离不开对制度史资源的挖掘。

谷歌等企业和机构的前沿实践不约而同地采取了“托古制以改今智”的思路。为了制定内容允当、广泛认同、容易实施的人工智能治理规则，需要充分听取并吸收包括用户在内的各方诉求。为此，这些机构和企业一方面从雅典的城邦制度等民众直接参与决策的制度中寻求镜鉴，另一方面借助生成式人工智能不断增强的沟通、总结和草拟能力，畅通用户参与形塑制度的渠道。根据这些大公司的探索，最终形成的方案通常包含三个实践步骤：一是用户通过和人工智能交流提出各自的诉求；二是由人工智能组织用户之间的讨论，沟通凝聚对治理问题的共识；三是根据治理共识，草拟、通过并且实施最终的规则。

人工智能治理前沿实践对制度史资源的选取和挖掘，既有微观层面的差异，也有宏观层面的趋同。在微观层面，主要是挖掘的具体制度有所不同。除了雅典的城邦制度之外，休谟关于良好公共意见的设想和美国建国之初制宪会议的安排，都启发了人工智能治理规则制定的具体方案。由不同制度启发的方案，相应在参与范围、方式和程度上有所不同。在宏观层面，虽然看似选择和挖掘了跨越千年的各种制度，实际依然高度局限于极少数国家的制度史传统，既缺乏对于这些制度的批判反思，更缺乏广大发展中国家的制度表达。随着谷歌等西方机构和企业在全球范围内持续扩张其用户规模、试验其制度设想，因而有必要关注全球人工智能治理规则形成中的参与不平等问题。

从史学理论到智治兼善

史学对人工智能的促进不止于一条技术路线的决断，也不止于一个治理规则的制定。从技术原理和应用潜力看，人工智能可能构成一种新体裁的历史。循良史，求善智，得善治，史学对人工智能的发展和治理具有全局性意义。

在技术原理上，这些人工智能的强大能力主要源自对海量训练数据的学习和压缩。这一令人瞩目的能力中，有相当一部分来自对史料的学习和压缩，虽然常常是不尽准确、颇多偏倚的学习和压缩。在应用潜力上，学习如此之多的史料后，人工智能自然具备了回答历史问题甚至开展浅层的史学探索的能力。循此，借助人工智能辅助史学研究的探索方兴未艾。随着新一代学者越来越多通过人工智能来了解甚至钻研历史，大众意识中的历史体裁也将不限于纪传体、编年体或者纪事本末体，还可能包括一种新兴的大模型体。

既然人工智能的输出就是一种特定的历史，对良史的探讨和追求也就内在地与对善智和善治的探讨和追求相统一。质量上乘的史学研究各有千秋，但通常都具备史料充分、论从史出、论断精到的特点。质量上乘的人工智能也一样，用技术的话语来说，就是训练数据尽可能丰富、生成内容要保持准确、探索增强逻辑推断能力。人工智能在史料占有、据史立论、探幽入微方面当然还比不上历史学家，但这不妨碍其向历史学家学习。从史料选择、编排再到阐释和结论，史学理论对这一过程如何蕴含立场、视角和导向有着深刻的认识。人工智能从训练数据生成结论的过程同样可能蕴含偏见，可经史学理论加以体悟和纠正。如果将“百晓生”换成历史学家，我国大模型或许可以因此再上台阶。

进言之，既然人工智能就是一种展示历史的方式，发展人工智能一定意义上相当于撰修一部历史书。修的不再只是一个地域、一个断代的文字和图像史，而是混同地域、贯通朝代、以数字和代码书写的历史。从中国的大历史到人工智能大模型，由此值得追问：中国的大模型将如何承载本国的历史，国外的大模型又将如何与中国的历史对话？提升这样一部历史的质量，并匡正其导向，同样值得期待。

我们简要梳理了历史学促进人工智能的三种实践进路，既有现实的总结，也有前景的展望。在历史学和人工智能之间，我们处在一个历史时刻。不仅是人工智能的发展处在一个历史时刻，颠覆式的创新接连涌现；历史学对人工智能的推动，乃至历史学本身同样处在一个历史时刻，历史学不应在书写大模型体的大历史的时代实践中缺席。随着历史学逐步在交叉研究中迈向托古改“智”的主动地位，人文与数字的关系也将得到重估与重构。或者说，从数字的人文，迈向人文的数字（智）。

作者系同济大学法学院助理教授、上海市人工智能社会治理协同创新中心研究员；中国人民大学清史研究所副教授、中国人民大学数字人文研究中心研究员

来源：中国社会科学报

责任编辑：郭飞

新媒体编辑：曾煜婷

如需交流可联系我们