复旦2026蓝皮书：AI越强，人类越需深度思考——人机分工与责任不能蒸发

事件概述

复旦大学发布《2026人文社会科学智能发展蓝皮书》，主题为“重新发现深度思考的价值”。蓝皮书指出，AI与人文社会科学的关系正从“单向赋能”走向“双向融合”：AI改变研究方法，人文社科则需参与决定AI为何使用、用于何处及受到何种约束。

核心信息

1. AI越强，深度思考越重要

社会问题不是算术题，知识生产与公共决策需追问论证过程、前提假设、潜在风险与问题价值。蓝皮书强调，研究瓶颈已从“能否处理足够多材料”转向“能否提出好问题、建立真实机制并形成可检验证据链”。AI能力越强，人的判断责任越重。

2. 人机分工：代理型 vs 辅助型

蓝皮书区分两种AI嵌入公共治理的模式：

• 代理型：算法完成全流程决策，人类仅在故障或申诉时介入。
• 辅助型：AI完成基础工作，最终决策由人类作出。
  核心区别在于权力是否转移。人工角色必须拥有介入权、纠偏权与解释权，避免复核沦为“责任表演”。责任可分工但不能蒸发。

3. 科研风险与STRIDES框架

AI提升论文生成速度，但可能将统计偶然包装为理论发现。蓝皮书提出STRIDES框架，将研究拆解为理论、方法、数据、执行、审查等环节，在关键节点设置人工检查，并保留全流程记录（如数据字典、分析脚本、审查意见），确保研究可追溯、可重新检验。

4. AI治理需覆盖全生命周期

原则必须转化为执行机制：部署前评估风险与边界，运行中监测异常并保留人工介入，出问题后能够复核、纠偏和追责。高风险系统（涉及公共安全、重要权益）需更严格的测试与审计。受影响者应有知情权、申诉权与救济渠道。

5. 人文社科反向赋能AI

人文社科不能只是“给AI挑错”，而应将价值冲突转化为可分析的权衡，提供方向清晰的知识框架，回答“为什么要做”“应该做到哪里”“代价由谁承担”。蓝皮书以中华早期文明大模型为例，说明多模态模型可整合分散证据，但专家仍需判断关联的实质意义。

6. 中国高校AI4SSH指数

蓝皮书构建了包含3个一级指标、7个二级指标、10个三级指标的评估体系。总体判断：中国高校AI4SSH呈现“体系初构、梯次分明”格局，研究产出与本土融合进展较快，但在国际学术影响力、源头创新、制度支撑和社会服务转化方面存在短板。长期发展更依赖数据、规范、人才、协作机制等难以可视化的基础建设。

值得关注

• 蓝皮书强调：深度思考不是抵制AI，而是在人机协作中必须激活的能力。人需保留情境理解、经验组织、价值判断与自我反思的主动权。
• 认知科学等基础学科建设对未来人智协同从工具使用走向范式创新至关重要。
• 治理不是给技术踩刹车，而是划定规则：哪里可提速、哪里需限速、哪里设护栏、出事后谁负责。