为何人工智能让当下成为“社会科学家最激动人心的时代”

4月17日，斯坦福大学的社会科学家们齐聚一堂，探讨人工智能如何正在改变实证研究。六位教职人员和校友在会上展示了各自的工作流程、研究发现以及所关切的问题。

与会者一致认为，这些工具正在改变研究工作的开展方式。大多数人预计，这种变革将同时提升研究工作的质量和规模。

研讨会以一个连组织者们自己也无法给出答案的问题作为开场。“这一切将走向何方？我不知道……这将是一个持续演进的过程，但我们所有人都应该密切关注。” 斯坦福商学院应用计量经济学教授兼经济学教授、经济系教授、诺贝尔奖得主Guido Imbens在Oberndorf活动中心为研讨会致开幕辞时说道。

斯坦福大学人文与科学学院技术与经济学领域的Landau讲席教授Matthew Gentzkow认为，当下社会科学家们所面临的是一个既极其幸运、又极其充满挑战的时期。

“我认为，对于斯坦福大学社会科学领域的博士生而言，这大概是有史以来最令人振奋的时刻。” Gentzkow说道；他同时也是“斯坦福影响力实验室”（Stanford Impact Labs，简称SIL）的教职主任。“无论是在个人职业生涯中所能取得的成就方面，还是在当下能够对世界产生的深远影响方面，其潜力都达到了前所未有的高度。”

本次活动的主题为“人工智能时代的实证研究”，由斯坦福商学院、经济系、斯坦福社会科学研究所及斯坦福影响力实验室联合主办。

围绕人工智能重组的实验室

现就职于Snowflake公司的斯坦福大学经济学博士Rose Tan，以一场现场演示开启了当天的活动。她从一个空文件夹开始，用Claude Code完整复现一篇经典的经济学论文，随后将结果整理成一份精美的文稿和一张交互式网页。她希望学生们从中领悟到的核心要义是：“去向大语言模型提问吧。没有哪个问题是微不足道的。”

斯坦福商学院Daview家族政治经济学讲席教授Andrew Hall表示，他在去年12月围绕AI智能体重组了自己的实验室，并自那以后保持着每周都发表一次研究成果的节奏。他向大家展示了一些在一年前还被认为根本无法实现的实验：其中包括仅用45分钟便通过人工智能复现了他2020年关于“邮寄投票”的论文，以及测试编程智能体是否会按需进行“P值操纵”（p-hack）的违规操作，即通过反复调整分析方法直至得出具有统计学显著性的结果。结果显示，它们大多予以拒绝，且在被强行施压时甚至“胆敢反过来训斥我们”。

Hall在表达兴奋之情时，并没有流露出对自己在短期内会被人工智能取代的焦虑。“我并不感到焦虑，因为Claude至今依然时不时会做出一些蠢得惊人的事情来。” 他说道。他此处所指的，正是由Anthropic公司开发的那个人工智能聊天机器人。

让自己“过时”

斯坦福大学人文与科学学院政治学助理教授Yiqing Xu分享了他如何构建一套由人工智能辅助的流程，用于核实近400篇政治学论文中的数据。他表示，过去核查67篇论文需要耗时四年，而如今核查90篇论文仅需三天。

“这其实是我职业生涯中开展实证研究最轻松的时期。因为这些工具确实好用。”
– Susan Athey

Xu认为，人工智能有望接手那些曾贯穿他职业生涯早期、既费时费力又充满大量重复性验证工作的任务。“我想尽快让以前的那个‘旧我’变得过时，这样我才能腾出手来去探索更令人兴奋的领域，比如把更多精力投入到方法论的创新上。” 他说道。

但他同时也坦言，自己也切身感受到了那种因人工智能带来的“倦怠感”。“我对此深有体会。” Xu说，“首先，你会感到自己落伍了；其次，你会开始质疑自己工作的意义；第三，你会感到一种过度刺激，因为人工智能的能力实在太强大了。”

依然非常重要的因素

Gentzkow教授则采取了一种更为长远的视角。他指出，世界上大多数重要的制约因素，比如法律法规、制度体系、组织架构以及学科规范等等，其演变速度往往都十分缓慢。而许多最具价值的实证研究项目，恰恰正是建立在这些缓慢变化的基础之上的。“如果你对人工智能模型Claude下达指令：‘请帮我完善日本的食品安全法规’，这无疑是一个极具挑战性的难题。Claude也许能提出一些不错的点子，但若论真正去推动并实现日本食品安全法规的实质性改进，这绝非Claude所擅长的领域。”

他给当下博士生们的建议是：在积极投入学习并掌握各类人工智能工具的同时，更要注重培养那些人工智能无法取代的核心能力。“人际交往能力、直觉判断力、情商以及团队协作能力。所有这些软实力的价值正变得愈发凸显，其回报率也在不断攀升。” 他说道。

此外，他还敦促学生们学会如何进行管理与统筹。随着AI智能体能够并行处理代码编写、文献综述及数据整理等各项任务，一名学生如今已能独自驾驭并产出过去需要整个团队通力协作才能完成的工作成果。“在过去，研究生往往扮演着那种独自在‘车库’里埋头钻研、修修补补的‘极客’角色。” Gentzkow教授说道，“而如今，你们实际上像是在经营一家拥有上百名‘员工’的企业。因此，你们应当去进修一些商业管理课程，提升自己的管理素养。” 1995届博士、斯坦福商学院技术经济学教授、斯坦福以人为本人工智能研究院（HAI）高级研究员Susan Athey，详细阐述了她如何将基础模型，即ChatGPT和Claude等工具背后的庞大人工智能系统，应用于经济学研究。“这其实是我职业生涯中开展实证研究最轻松的时期，” 她说，“因为这些工具确实好用。”

斯坦福商学院经济学助理教授Claudia Allende Santa Cruz则演示了她如何利用一名“主智能体”来协调项目，并指派多名“专业智能体”去完成那些定义明确的具体任务。“至少目前看来，即便有10个智能体在并行运行，我的电脑也没有因此崩溃。” 她说道。在过去五个月里，她几乎每晚都会让一个智能体通宵运行。

为了保持掌控力，她采取了将工作拆分为小任务、逐行审查由人工智能编写的代码以及绝不让单个智能体同时承担多项任务的策略。“人工智能系统并非权威。” 她说，“你必须始终掌握主导权。”

制度层面的问题

Imbens在开场致辞中提出了这样一个问题：如果那些看似可信的研究数量激增一个数量级，同行评审机制将会面临怎样的局面？身为美国经济学会旗下某期刊的编辑，Gentzkow表示，他经常与其他编辑就这一问题进行沟通。随着研究数量的攀升，真正稀缺的资源将不再是数据或信息，而是“判断力”。

人工智能系统并非权威。你必须始终掌握主导权。
– Claudia Allende Santa Cruz

另外，关于信息披露的规范也还没有定论。“过去，能否写出条理清晰的段落，既是一种表明作者已对该议题进行了深入思考的信号，同时也是一种迫使人们必须对事物进行深度思考的‘强制机制’。” Athey说道，“而如今，这一切都已不复存在。”

当被问及是否应将人工智能列为论文的共同作者时，Hall表示他的团队已明确排除了这一选项，因为人工智能无法承担相应的责任。目前学界的主流共识是：仅需披露人工智能的使用情况，无需给予其作者署名权。“不过，也有人提出过一个颇具深度的论点。” 他补充道，“作为作者，你必须对论文中的所有内容负全责。既然如此，我又何必去纠结这些内容究竟源自何种底层工具或来源呢？”

人文与科学学院政治学系的William Bennett Munro讲席教授兼IRiSS机构主任Michael Tomz在发言中提出了一个大胆的设想：有朝一日，人工智能是否不仅会辅助甚至取代人类研究者，还会进一步取代人类作为研究对象的角色？换言之，我们能否利用人工智能生成的模拟数据，来补充并丰富那些通过直接观察人类态度与行为所采集到的实证数据？

对于那些声称已能实现上述功能的初创企业，Hall表达了审慎的怀疑态度。“我不太相信。我觉得这很难做到，那些所谓的成果恐怕全是错的。不过，我依然持开放态度。我希望能亲自进行测试与验证。”

Athey建议研究人员在正式开展问卷调查或实验之前，可以先利用模拟数据对研究方案进行“压力测试”。而这一关键步骤，往往是研究生在常规训练中极少能接触到的。她指出，如今的大语言模型已具备自行编写数据生成程序的能力。

在问答环节临近结束时，Rose Tan将话题重新引向了在座的学生群体。

“你们最终所确立并沿用的工作流程，在某种意义上将成为你们自身特质以及品味与观点的一种延伸，并且会将其进一步放大与强化。作为斯坦福大学的学生，你们才华横溢、聪颖睿智，且拥有充裕的时间去进行各种探索与尝试。” 她说道，“尽管充斥着种种恐惧与焦虑，但你们正处于能够把握这一刻的绝佳位置。我真心希望你们能够做到。”