人工智能给史学带来的机遇与挑战

历史学一直在变化。从文字书写、印刷术普及到影像与数字技术的突破，每一次技术革命都迫使历史学家重新界定史料范畴、研究方法乃至史学知识的自我定位。而随着大语言模型在各学科中的广泛应用，人工智能技术展现出了前所未有的潜力，历史学再次面临研究范式的革新。更为深远的是，人工智能带来的史学变革有望改写中西史学在学术体系与现实影响中的话语格局。不过，即使这些前瞻性的“幻想”具有颠覆性的可能，但要使之发挥出应有的能量，必然需要与之配套的制度保障，否则可能带来碎片化、偏见或不平等风险。

印刷术：技术对史学的形塑

众所周知，印刷术的出现与普及是人类知识生产与传播的重要转折点。它也深刻地促进了现代史学的诞生，甚至起到了形塑作用。首先，印刷术极大地降低了书籍传播与获取的门槛，使得历史文献的复制不再局限于手工抄写，文献内容得以更广泛、更迅速地传播。这一变革，不仅扩充了可用文献的数量，更让学者们能够对不同版本的文本进行对比和分析，从而推动版本校勘等研究技术的诞生与发展。得益于校勘学，学者们开始严肃对待文献的出处、流变及其真伪，文献研究逐步被确立为历史学的基础。

其次，印刷术使得文献变得可靠，从而推动了史学标准的演变。此时，真实性、可检验性和系统性逐渐成为衡量历史研究的重要标准，历史学开始逐渐脱离口述传统、神学思想等成分，转而追求对事实的严格考辨与体系化梳理。这不仅提升了历史叙事的可靠性，还塑造了批判性思维。自此，史学朝着学科化和科学化方向前进。

随着文献的极大丰富与研究方法的愈发专业化，史学领域内的分工也日渐明确。相继出现了从事档案保存与整理的档案管理员、精于文献鉴定与版本校勘的校勘学者，以及在大学中从事历史讲授与学术研究的职业历史学家。这一专业分工，使得历史学的研究和教学更加规范与深入，也间接促进了现代意义上学术共同体的诞生。

因此，印刷术不仅是一场局限于技术领域的革命，更是推动历史学从传统走向现代、从经验走向科学的关键动力。其实麦克卢汉的名言“媒介是人的延伸”，已然点明了技术与学术的关系：每一种崭新（尤其是颠覆性）技术的出现，势必重塑人类的各种知识。因此，每一个对世界（无论是过去、现在，还是未来）感到好奇的人都应关注技术的发展。

人工智能革新

对史学认知与实践的新挑战

正如印刷术改变了学者与文本的关系，当下迅猛发展的人工智能技术，正把历史学再次推向一场更深层次、更具颠覆性的变化之中。其冲击至少体现在以下三方面。

第一，史料规模的快速增长。数字化与光学字符识别技术让散布于全球档案馆、私人信札、报刊影像中的亿万页文献瞬间成为可检索的数据，机器学习算法则能够在数小时内完成过去可能耗费学者一生的编目、标引与主题归类。更重要的是，社交媒体、日志文件等数字资料，为历史学提供了以往无法捕捉的日常细节与微观行为轨迹，重新定义了“史料”的边界。

第二，研究方法的质变。比如，生成式AI可将数以百万计的文献进行初步分拣、聚类，从中提取关键信息，执行模式识别等功能，从而让研究者从碎片化史料中找到可能具有启发价值的线索。再如，自然语言处理中的命名实体识别、情感分析与神经机器翻译，使得原本十分困难的跨语言、跨地域的大规模比较研究成为可能。与此同时，图神经网络与因果推断方法可以构成新的解释范式，使历史学者能够在海量异构数据中追踪多维关联、重建互动网络，并对复杂历史问题提出可检验的假设。

第三，学术形态与角色的变化。数据工程师、AI伦理师、可视化设计师等都可能会出现在史学研究团队中。而历史教师则需要教授代码知识，带领学生对模型进行批判，使得他们既能与机器协作，又能掌握人文学科的独特价值。与此同时，深度伪造（Deepfake）与算法偏见也对“真实性”提出了空前挑战：未来的历史学家不仅要辨识史料的真伪，更要揭示模型训练中的语料和参数选择如何塑造了一份“自动生成的历史叙事”的倾向性。

与印刷术相比，AI不仅降低了信息处理的成本，更在每一个环节（发现问题、获取资料、分析解释和呈现结果）中展现了惊人的革新能力。可以预见，AI将使历史学在方法上更加定量，更加注重多学科融合，在范式上更加开放、更具实验性，也迫使学者重新思考“人类—机器—史料”三角关系中主体性的归属。正如15世纪的印刷术为现代史学奠基，21世纪的人工智能必将深刻影响历史学，发展出新的可能性。

制度配套是释放AI潜能的关键

再先进的技术若缺乏与之相匹配的制度设计，也难以在学术领域良性运作。首先是资金问题。大规模数字化、算力租赁与长时段数据托管都需要资金的持续投入，单靠分散的纵向课题难以支撑。所以，历史学家亟须改变思维，借鉴工科经验，将自身研究成果积极转化，以便得到有力的支持。更深层次的问题在于，确保研究具备实用性和现实关怀，以提升历史学对实际问题的解决能力和社会价值。

其次是培养体系的更新。传统历史系课程偏重理论学习与文献阅读，未来须引入数据清洗、编程、算法伦理与可视化处理等模块，并通过跨院系联合培养，让学生置于跨学科项目之中，让“书写论文”与“训练模型”同等重要。与此同时，教师队伍也需要技能培训，以提升他们在数据科学、数字人文和跨学科协作方面的能力，从而更好地指导学生应对新兴学术挑战。

更关键的是科研评价与奖励机制的调整。现行评价体系对论文数量与期刊级别高度依赖，难以认可代码库、开放数据集、可视化产品等新型成果。所以各级评审应重视并认可这些新型成果，以激励历史学家积极从事与人工智能相关的研究，避免继续沿用传统科研方式。

简言之，只有当资金模式、人才培养与评价体系形成良性互动，AI的潜能才能真正释放，历史学才能立足于技术变革的浪潮之中，坚定地迈向未来。

要充分发挥人工智能在历史学中的潜力，必须超越将其视为新工具的简单认识，要深入思考并改进科研的各个环节。人工智能的普及与发展必将扩展史料的范围，提出新的问题，并产生多样化的研究成果，这给历史学学科建设带来了前所未有的挑战。因此，未来的关键在于构建一个平台化、开放性和自我循环的新学术体系，而不仅仅是为历史研究增加编程元素。为此，我们需要培育具备学术深度和跨学科协作能力的历史学家。唯有通过持续追赶技术并积极融入公共领域，历史学才能在人工智能时代焕发出更强大的知识活力与社会影响力。

作者系四川大学历史文化学院副研究员

来源 ： 中国社会科学报

责任编辑： 郭飞

新媒体编辑：程可心

如需交流可联系我们