AI赋能社会科学研究的因果生成 学到了AI赋能科普创作与传播方面的论文

 

【主持人语】2024年，诺贝尔物理学奖、化学奖授予人工智能（AI）科学家，被外界普遍认为是对人工智能赋能科学研究（AIforScience，AI4S）的认可。同时，这也激励了学术界探索人工智能赋能社会科学研究（AIforSocialScience，AI4SS）的热情。甚至有些AI专家认为，人工智能赋能社会科学研究的前景将比赋能自然科学研究更大。如何从认识论、方法论层面审视AI4SS？AI4SS究竟会给人文社会科学研究带来什么突破，将如何改变各具体学科的面貌？AI4SS的大规模流行，可能产生何种问题或风险，又该如何应对？类似问题，近来已经引发诸多热议。本次笔谈聚焦“人工智能赋能社会科学研究（AI4SS）的跨学科反思”，从哲学、马克思主义理论、经济学、法学、新闻传播、艺术学以及数学、人工智能等进行跨学科研究，抛砖引玉，以期推动该领域研究的进一步发展。（刘永谋）

AI4SS（AIforSocialScience）中如果仅注重预测效率而忽视因果稳定，将面临丧失对社会深层机制理解的风险。在开放且演化的社会系统中，利用珀尔的结构因果模型从静态大数据的投影中反向还原三维实体，在计算上既不可行，在认识论上也存在对奥卡姆剃刀的过度使用的错位；因果研究应该从只在数据中挖掘到生长的方法论转向，不再执着于从观测数据中恢复稀疏结构，而是利用生成式人工智能与多智能体模拟，在硅基世界构建可进行反事实干预的结构。通过赋予AI在社会技术系统中的具身行动能力，让因果关系在真实的交互与物理反馈中自然涌现。在超越简单人机分工的混合心智框架下，应将AI视为人类认知的扩展工具，由人类负责理论识别与价值锚定，AI负责高维估计与生成，构建人机互涉的动态闭环。

一、我们要控制社会，还是理解社会？

社会科学研究中解释具有重要地位，寻找因果问题在社会科学中与自然科学存在不同的地位与作用，那么在AI4SS（AIforSocialScience）中是否可以忽视因果问题呢？恰恰相反，当“为什么”追问逐渐被边缘化，AI4SS可能滑向深具伦理风险的方向。传统社会科学，不管是马克思对资本主义结构的分析，还是韦伯对理化与科层制的研究，核心都在于理解社会行动背后的意义与制度，研究目标不仅是预测行为，更是揭示支撑行为模式的深层逻辑。AI4SS的技术路径则可能引导研究重心向另一方向偏移，即围绕可观测指标的工程化控制。该趋势与韦伯及法兰克福学派对工具理扩张的担忧一致，把社会科学的任务收缩成提升某些操作指标的效率，关于价值、正义与制度安排的讨论被抛之脑后，关注的焦点从“何种社会秩序值得追求”转向“如何在既定目标下获得最优结果”。但是相关政治与伦理问题并未消失，只是被最高效维持现状的技术遮蔽，因果解释的弱化正是这一趋势的重要表现。如果神经网络能以较高准确率预测某些社会风险事件的发生地点与时间，决策者可能更倾向于依赖预测结果采取干预措施，较少追问现象背后的成因。因果关系从理解世界的工具转变为操作变量的手段，类似于将医学诊疗逻辑替换为设备维修逻辑，重点放在快速定位并调整表层参数上。但社会不是封闭机械系统，其运行涉及价值冲突、权力结构、历史路径依赖等问题，单纯的干预难以替代机制层面的理解。这还可能带来新的异化，工业时代的异化表现为劳动者对生产过程与产品意义失去控制；在AI4SS的情境下，研究者与决策者逐渐将判断权转移给算法，当人们习惯于依据模型输出决定政策，并因效率优势而减少对价值基础的反思时，规范判断逐步嵌入技术流程之中。这种异化是隐蔽的，是通过便利的吸引力悄然展开的。

过度强调干预效果而忽视理解，可能引发严重的伦理风险。若系统仅以结果指标为目标函数，算法可能在搜索空间中找到技术上有效但原则上不可接受的策略，比如操纵特定人群的情绪状态或信息暴露频率来改变行为概率。算法可能会发现，只要在特定的时间给特定的人群发送某种颜色的焦虑信息，就能提高投票率，这从统计角度看构成有效干预，从伦理角度却是事实上的操控。此类策略的有效建立在对个体自主的削弱之上，模型本身不具备判断价值冲突的能力。另一类风险表现为“自我实现的预言”，当政策模拟依赖历史数据训练的代理模型，而这些数据本身包含偏见时，模型输出可能再现并强化既有不平等。若历史记录中贫困群体更频繁地与执法系统产生接触，模型就会将贫困与犯罪行为高度关联。决策依据这一结果加强对特定群体的监控与管制，导致现实进一步加深原有差异，从而反过来验证模型的初始判断。由此形成的闭环并非对现实的中反映，而是偏见经由算法机制放大的循环过程。因此，AI4SS发展中的因果问题不仅是技术议题，更是规范议题。对“为什么”的持续追问，有助于将干预手段置于价值讨论的框架之内，使政策选择接受效果评估的同时也接受正当审视，否则，算法系统便可能无意间成为放大既有偏见的工具，保持对因果解释维度的重视是构成防止滑坡的重要认识论与伦理前提。

二、在大数据里寻找因果是一种错位

要厘清AI中的因果问题，需要从珀尔开始。2011年，计算机科学领域的最高奖项图灵奖授予朱迪亚·珀尔（JudeaPearl），表彰其以形式化数学语言系统阐明因果关系并构建结构化框架的工作。珀尔等在《为什么：关于因果关系的新科学》一书中指出，克服传统相关的局限需要进行“因果革命”，将因果关系从长期被视为不科学或神秘的概念，转变为具有明确语义和严密逻辑的数学对象，进而为科学界提供一套全新的数学工具，使科学家能够清晰地表达已知和未知的因果关系，回答传统统计学无法解决的问题。尤其是针对人工智能（ArtificialIn-telligence，AI）方面，珀尔指出，“尽管或多或少地意识到了其局限所在，但多数热衷于大数据的人仍然选择盲目地继续追捧以数据为中心的问题解决方式。”他认为要实现更高层级的智能，机器必须掌握因果推理模块，能够通过反事实推理来反思错误、理解意图，回答“为什么”的问题。他采用带方向箭头的有向无环图（DirectedAcyclicGraph，DAG）表征因果关系，意图实现通过定的图表表达并结构化因果关系，试图从根本上改变AI的发展轨迹。这正好契合学界期待因果革命弥补深度学习可解释与跨领域泛化的结构不足的需求，一时风头无两。然而，截至2025年，这一期待仍未体现于通用人工智能（AGI）技术中。GPT系列及其他头部大模型依旧以Transformer为主导，其能力提升依赖大规模数据与统计学习机制诱导的相关结构。

在字节跳动、Google等主流企业的核心模型中，排序、召回机制不依托因果图驱动预测与决策，相反，随机对照试验（

Random-izedControlledTrials，RCT）及在线化形式占据核心地位，结构因果模型（StructuralCausalModel，SCM）在识别层面的优先在实际应用中被显著弱化。鉴于随机化在操作层面保证了处理分配与潜在混杂因子之间的独立，SCM框架中为实现可识别而强调的若干条件，如著名的后门准则的混杂阻断要求，在试验设计中通常可直接满足。因此，SCM从基础的识别引擎退化为用于方差缩减和异质处理效应的辅助框架。Mi-crosoft、Google、LinkedIn、Netflix等科技公司进行平台建设时主要沿着罗恩·科哈维（RonKohavi）等代表的线上对照实验展开④。其核心知识架构则以唐纳德·鲁宾（DonaldRubin）的潜在结果框架和吉多·因本斯（GuidoImbens）的计量经济学为主，较少关注珀尔的do算子的作用。因本斯曾比较过鲁宾因果模型和珀尔的DAG/SCM模型，他认为珀尔的方法对经济学与社会学的经验研究而言难以落地，因为构造一个完整且正确的DAG几乎是一项不可能完成的实践任务。“本次讨论的核心观点是因果推断的首要难题在于构建因果模型或有向无环图（DAG），而验证特定模型的可识别，并在可识别的前提下明确其是否存在可检验的约束条件——换言之，这些正是有向无环图能发挥潜在作用的环节——属于次要问题且解决难度远低得多。”因此，因果推理并不能如珀尔原来所设想的那样成为AI的大脑。相比之下，依托实验设计的潜在结果框架更具可操作与制度化落地条件。这种理论和实际工程的错位不是技术路径或工程实现的结果，而是由于珀尔强调的因果结构化表征与可识别推理，依赖的是若干理想化的前提，例如稳定机制、可穷尽的变量集合及结构假设等，与当代大数据高维开放的现实条件之间可能存在某些系统的不相容，或难以顺畅接合。

珀尔的路线依赖从观测数据中反向恢复因果结构，实现它在数学与计算层面高度困难。SCM及其图模型语义的吸引力，在于强调只要能够从数据中识别出正确的结构，就能进一步进行干预推断与反事实推理。然而，数据→结构的逆向推导并非一般意义上的参数估计问题，而是典型的组合优化与结构搜索问题。1996年，大卫·克奇林（DavidChickering）证明从数据中学习贝叶斯网络结构属于NP-hard/NP-complete级别的计算难题。因此，就算在最一般的情形下，结构学习也不存在多项式时间算法，且随着变量规模的增长，计算量会呈指数级上升。数据仅包含几十个变量时，结构搜索尚可能依托有限算力进行近似求解，但在社会科学研究中，数据变量规模动辄成百上千。要在如此庞大的变量集合中穷尽搜索并确定唯一正确的因果图，不仅面临理论上的组合爆炸，也超出当代工程的计算承载能力。即便愿意接受因果结构可由数据恢复的理想化设想，计算复杂本身已经构成阻碍该设想落地的第一条硬约束。后续研究者决定绕开原问题设定，普遍转向可计算化的折中路径，通过简化问题、约束结构空间、引入额外假设、改变目标函数或搜索策略，将原本离散的结构学习问题转化为可优化的近似形式。郑勋等在2018年提出的NOTEARS（矩阵指数轨迹与增广拉格朗日法的非组合结构学习）方法，将DAG学习转化成连续优化问题，以可微的无环约束替代传统的离散结构搜索，一定程度降低了计算门槛，也一度被视为因果发现走向规模化的重要突破。但亚历山大·赖萨赫（AlexanderReisach）等2021年在NeurIPS上发表《警惕模拟的DAG》一文，对普遍使用的因果发现基准数据集与评估方式提出质疑。他们认为“某些连续结构学习算法的出色能可以通过高可变来解释，并能通过简单的基线方法匹配”。那些在基准测试中表现优异的算法，可能源于对数据生成过程中的某些统计捷径的利用，而不是对因果机制的复现，某些模拟数据中上游变量的方差往往系统地高于下游变量，导致变量方差与因果方向之间出现非因果的相关结构。算法可以通过对变量按方差大小排序猜测方向，从而获得较高的评测得分。一旦研究人员对数据进行标准化处理、消除变量间方差差异后，相关算法的准确率会显著下降。因果发现的成功可能只是满足一定条件后统计相关结构的再利用，算法学会因果逻辑这一现象应被谨慎理解为算法捕捉到了数据集构造中隐含的统计规律。这不仅削弱了基于模拟基准得出的结论，也进一步凸显通过数据反向恢复因果结构这一任务在技术实现上的困难。

进一步发现，当代因果发现研究部分陷入对“奥卡姆剃刀”的规范过于盲目的信任，其主流路径，无论是以条件独立检验为核心的Peter-Clark算法，还是结合Lasso等正则化技术的结构学习方法，都内置稀疏假设的前提，即变量之间的因果连线越少越好。当多个候选模型同样能够拟合观测数据时，算法倾向于选择更简洁的那个，与IBE的理念高度契合，即“如无必要，勿增实体”。该策略在形式科学与部分自然科学中常被视作合理的建模规范，因为它能够基于有限信息条件控制模型复杂度，提升可解释与可泛化。但如果将奥卡姆剃刀原则不加区分地移植到社会科学语境，可能导致对社会机制的系统误读。南希·卡特赖特（NancyCartwright）认为，我们通常会错误地以为自然界偏爱简单，但实际上为维持功能稳定，现实系统内部往往充满了密集的因果互动。以个体收入为例，一个人的收入不仅取决于教育水平，还取决于家庭背景、行业周期、制度环境、社交网络，甚至是运气。这些因素间存在相互强化、相互替代、相互抵消等错综复杂的交互关系。为了应对冲击和结构变动的不确定，社会系统普遍存在冗余和互为备份的机制，如飞机的控制系统通常会准备多套独立的安全线路来确保故障容错能力。如果因果发现算法在模型选择的过程中利用奥卡姆剃刀，得到一个数学形式上简洁的因果图，那么会在追求计算便利与结构可读时牺牲对系统真实组织方式的忠实描绘。被算法当作冗余丢掉的连线、暗线，可能恰恰是维持社会系统稳定的关键回路。因此，卡特赖特认为“与我所认为的许多主张DAG技术的人的希望相反，我认为这些方法不是普遍适用的，即使在它们最有效的地方，它们本身也永远不足以提供可以为政策建议提供依据的因果推论。对于健全的政策，我们不仅需要知道因果关系是什么，而且需要知道当我们进行更改时会发生什么”。利奥·布莱曼（LeoBreiman）的罗生门效应（Rashomoneffect）指出，复杂数据情境下能够同样良好解释或预测数据的模型往往不止一个，甚至可能存在大量等价解释的候选模型。奥卡姆剃刀能减轻我们的认知负荷，更多是一种面向计算与认知约束的认识论便利，世界的机制也不必然呈现为稀疏、简单且易于压缩的形式。当然，学术界在这个问题上存在分歧，部分逻辑学家与因果发现研究者一直在为因果发现的忠实假设提供辩护。他们认为如果不假设自然界是简单的，那么面对同一组观测数据就可能得到多个逻辑上同样成立的因果结构，从而使推断无法收敛，结论难以确定。与其什么都不做，不如采用最简洁的路线。这种辩护确实揭露了可辨识层面处理静态数据时面临的困境，尤其是信息不足与条件缺失时，容易产生不确定的推断与多重解释。但不能仅因无法得到明确结论带来的方法论不适，就强行预设社会系统可以简化为因果关系简单、结构可唯一确定的对象，就像是为了好走夜路就假装前路没有阻碍。

大模型的发展为重新审视珀尔因果层级理论提供了一个新的观察视角。因果阶梯的三个层级里：第一层关联是对观测数据中统计关系的观察；干预作为第二层，表示对系统进行操作并推断结果；第三层是反事实，关注与实际世界不同的情境。珀尔的核心主张是单纯依赖第一层的观察结果无法推出第二层与第三层所需的干预与反事实信息，“当我们开始改变世界的时候，我们就迈上了因果关系之梯的更高一层台阶……这类问题处于因果关系之梯的第二层级，提出及回答这类问题要求我们掌握一种脱离于数据的新知识”，这使得AI令人失望地远离人类认知方式。这一论断构成SCM相对于纯统计模型的关键区别。但微软研究院等机构在2024年的相关研究表明，经过大规模语料训练的Transformer模型，在不引入因果图或干预语义标注的前提下，依旧能够展现出对因果关系与反事实问题较强的回答能力，其训练目标是典型的序列预测任务，即预测下一个词，该任务仅依赖观测数据分布，属于珀尔所说的第一层关联学习范畴。结果发现，模型内部自己建立了一套因果结构，能够在部分基准测试中对涉及因果方向与反事实情境的问题给出较为一致的回答结果。这在某种意义上证明了里奇·萨顿（RichSutton）所说的苦涩教训（TheBitterLesson），依赖大规模计算与通用学习机制的路径在长期竞争中优于人为注入的结构规则。人类习惯把自己用因果图得到的规则嵌入AI，认为这才是行之有效的逻辑建构。当模型在海量语言数据上逼近极致的预测能时，其习得的内容可能压缩整合了大量与现实世界因果结构相关的信息。语言作为长期嵌入人类行动、制度与物理环境的表达系统，可以被视为高维现实在一维符号上的投影，其中包含了关于时间顺序、动机、条件与结果的大量线索。当我们说“因为下雨，所以带伞”时，语义与句法层面均复现了事件之间的因果顺序与依赖关系。语言模型基于超大规模语料优化预测目标时，不仅逼近词频分布，也可能逐步内化生成这些分布所依赖的结构约束，其中部分约束与因果关系存在系统对应，大模型学会了内隐于大量语言里的因果结构。因果能力的获得是否可以不采取先恢复因果图再进行推理的路径④？若高容量模型能够不依赖DAG表达，而是通过表示学习的方式获得具有因果一致的内部结构，那么强制要求模型在训练或推理过程中构造因果图未必是唯一可行的方法，甚至可能在某些情形下构成额外约束。近几年大行其道的缩放定律也发现，模型能在参数规模、数据规模与计算量增加时持续提升，因果学习能力随规模扩展而逐步涌现。

想象一下柏拉图的洞穴寓言，我们面对的大数据是墙上的影子，真实的社会机制是三维实体，它投射到观测数据的二维平面上就成了影子。珀尔的方法是试图通过分析影子的几何结构来反推实体形态。这一思路在信息损失较小、系统结构相对稳定的情形下或许合理，但在复杂且持续演化的大数据环境里，投影过程伴随的信息压缩与不可逆损失更加严重，动态机制和未观测变量难以完整保留在静态数据表征之中。此时，无论数据量多大，也只是把影子看得更清楚，无法通过增加影子的分辨率生成三维模型。该限制源于社会系统与物理系统的差异，也是我们在社会科学研究中重新看待因果关系的出发点。物理系统里长期时间平均可以代表总体统计特征，使历史数据成为未来状态的预估基础；但社会系统不同，其规则、制度与行为模式会随参与者的认知、技术与环境变化而持续演化。试图在既有数据中寻找跨时间的不变结构，本身就隐含了社会系统相对稳定的假设，若研究路径主要依赖该假设，缺乏与系统持续互动的机制，那么获得的因果图很可能只反映历史切片，难以描绘正在演化的机制。在变动的河流里刻舟求剑，在“死”的数据里挖掘“活”的因果，就是静态因果发现的困境所在。

三、AI在硅基世界里“种”出因果

这样一来，我们面临两个维度的问题：一是要区分社会科学与自然科学中对因果关系的不同态度；二是要在此基础上，探索利用AI发现因果关系的有效方法。既然珀尔的理论在若干方面面临结构困难，AI还能否有助于因果研究？早在1999年，社会科学家约书亚·爱泼斯坦（JoshuaEpstein）就提出“如果你不能让它生长出来，你就没有解释它”。彼时的计算能力与智能体建模水平有限，系统模拟难以再现复杂的人类认知与社会互动，因此主流研究依赖对既有数据的统计分析，但是大语言模型的生成式方法一定程度上改变了规则。约书亚·爱泼斯坦强调的让现象生长出来，可以被理解为从以观测数据为中心的归纳推断，转向皮尔士（

CharlesSandersSantiagoPeirce）所说的溯因推理。归纳法总结的是数据呈现了什么结论，而生成式模拟是尝试构造一个能够生成这些现象的机制，并通过模拟检验其解释力。当研究者设定一组微观规则（A），经过AI模拟演化后，涌现出了和现实完全一致的宏观现象（B），就获得了生成充分的证据形式，该证据提供了一条通过重构来逼近复杂系统理解的方法。2023年，斯坦福大学关于生成式智能体的实验，可以视作数字版的《西部世界》：在一个虚拟小镇里引入25个由ChatGPT驱动的智能体，每个智能体都具有记忆、规划与简单的目标设定，仅向其中一个智能体植入“我要办个情人节派对”的意图，随后，该智能体自主地邀请了朋友，装饰了咖啡馆，甚至在派对上促成另一对智能体的约会。“完整的生成式智能体架构产生的行为表现，比消融架构与人类众包标注者的表现更具真实可信度。”在生成式多智能体环境中，一些宏观社会结构可能作为互动过程的结果涌现，而不仅仅作为数据中既有模式的被动呈现。它不是藏在数据里的秘密，而是像植物一样长出来的。

这种从静态挖掘到动态生成的转向，在因果表征领域的数学研究中得到验证。以BernhardSchölkopf等为代表提出因果表征学习（

CausalRepresentationLearning）议题，指出高维原始数据中没有预先给定的因果变量，而是需要通过学习过程抽取具有稳定干预语义的表示。这一方向利用群论，试图蒸馏出在干预或环境变化下保持结构不变的表示作为候选因果变量，证明因果不是被连接出来，而是被表征出来的。剑桥大学的团队利用神经常微分方程（

NeuralOrdi-naryDifferentialEquation，NeuralODEs）替代因果图，他们认为因果不是A指向B的静态箭头，要正确理解事物之间的因果关系，必须在连续时间下建模，而不是像传统方法那样在离散时间步骤中寻找规律，需要通过微分方程捕捉系统随时间的连续演化。用范畴论处理微观神经元到宏观心理状态的涌现问题，尝试在形式层面表示多层次系统间的因果抽象，也取得进展。这些研究虽然方法各异，但都越来越多地把因果理解为一种生成结构。

珀尔认为单纯依赖观测数据无法推出干预效应，但事实上干预实现起来存在困难，宏观社会与经济系统往往缺乏可重复试验的条件，研究者不可能为了验证某一假设而主动制造金融危机或大规模制度冲击；历史进程不可逆，现实世界也不存在可随意重置的对照版本。生成式人工智能的发展改变了这一现状。借助大规模多智能体模拟系统，可以构建一个可操控、可复制的“数字沙箱”，正如最近大行其道的隔离Opencrawl的Docker，在这个AI构筑的数字沙箱里，干预可以以实验变量的形式操作。若希望分析“全民发钱”对通货膨胀的潜在影响，可以创造两个初始条件相同的模拟社会，一个保持原有规则，另一个向每个智能体账户注入额外资源。随后通过比较两套系统在价格、交易行为与储蓄决策等指标上的数据曲线，评估干预带来的差异。由于模拟世界的规则、变量、初始状态均由研究者设定，传统统计推断难以完全控制的混杂因素在技术层面获得更高程度的可观测与可控。因果分析依赖对照逻辑从而获得更直接的实验表达。当然，肯定有人会质疑这就像是在玩电子游戏，虚拟社会能否代表真实社会？让·鲍德里亚（JeanBaudrillard）关于拟像的概念就在于提醒人们，符号化重构有可能与现实逐渐脱节，甚至形成自我封闭的替代世界④。若模型训练数据本身携带系统偏见，生成的行为模式也可能复制或放大这些偏见。LLM（LargeLanguageModel）在训练过程中吸收了来自不同历史阶段、不同文化语境的大量文本材料，在某种程度上可以视为对人类行为经验的高度压缩，像帕哈姆·普尔达沃德（ParhamPourdavood）等认为的，LLMs“作为保存人类符号表达的压缩模式的存储库”，充当了人类文化的“万花筒”，虽然未必确证了因果关系，但在功能层面，该模拟的行为已经在效用上等同于因果发现。

当然，这种模拟因果的路径面临一个根本的哲学问题，即生成系统有没有可能摆脱长期停留在符号空间内部，缺乏与物理世界直接接触的困境？目前的LLMs运作方式类似缸中之脑，知识来源于文本与符号的统计。模型可以总结关于苹果的大量描述，但它从来没有咬过一口苹果，也没亲手摘过一个苹果。在珀尔的理论里，干预概率P（y丨do（x））的核心在于do操作对应的实际操控行为。若系统缺乏对环境的真实作用能力，其干预推理始终停留在想象层面，难以得到物理反馈，无法接地。如同一个没下过水的游泳教练，理论再完美，跳进水里可能还是会淹死。具身智能（EmbodiedAI）为该问题提供可能的突破方向。具身机器人通过传感器与执行器与物理环境持续交互，使do（x）变成真实动作。一个具身机器人，当它伸出机械臂推动桌面物体，通过视觉传感器看到位置变化，通过触觉传感器感到阻力消失，通过听觉传感器听到破碎声，因果链条不再仅是符号推演的结果，而是通过物理过程得到直接验证。一次推动、一次跌落、一次破碎，构成了一个由行动、感知与环境响应组成的物理反馈闭环，直接验证了“do（推）→碎”的因果链条。相较于完全依赖虚拟环境的推演，这种具身交互更接近自然科学实验中通过操控获得因果证据的路径，也为人工系统在因果学习方面提供更为坚实的经验基础。

社会科学研究里存在具身AI吗？或者说，此时的具身意味什么？在AI4SS中，让AI具身化，首先意味着赋予其真实的行动能力，使其能够进入社会技术系统并对其状态产生可观测影响，不再仅限于符号层面的语言生成或离线数据分析。比如，当具备浏览器操控能力的AI可以像真实用户一样检索信息、点击链接、填写表单；具备通信能力的AI可以发送邮件、发布信息或参与在线协作；具备交易接口的AI可以在电商平台进行定价、下单与评价，它们就是在进行具身化的社会实验。AI的行为不再仅是对历史数据的再描述，而是进入正在运行的社会——技术网络，与其他行动者发生互动。所以，社会科学的具身实验可以呈现为数字环境中的可控干预。因果推断的研究不仅在于让AI拥有更多数据，更在于赋予AI更多与真实社会系统交互的能力。只有当AI能真正触碰这个世界的时候，它才能真正在生成的过程、交互的过程中理解因果，不妨看成在硅基世界里“种”出了因果，而这一过程正在我们的各种Skills中发生和演化着，这一现象不应该被社会科学研究者忽略。

四、混合心智——超越像半人马一样做研究

当前的AI独立完成AI4SS实践的因果生成任务尚有困难，虽然大模型的生成能力表现突出，但推理过程时常伴随幻觉。仅凭数据，模型可能给出与基本常识相悖的因果断言，比如告诉你“收入高导致年纪大”的荒谬结果。较为稳妥的工作模式接近“半人马式协作”，人类研究者与AI分工实现不同功能。该分工可以依据因本斯对识别（identifi-cation）与估计（estimation）的区分。识别问题是关乎因果关系在理论层面是否可解、哪些路径在逻辑上可能成立、哪些关系在时间或生物学层面受到约束的定问题。这类判断依赖背景知识，仍由人类研究者负责。估计效用是聚焦既定结构下参数的数值大小、分布形态与不确定区间的定量问题，这一部分更适合借助AI在大规模计算与模式提取方面的优势。当前AI4SS应用的误区在于试图让模型同时承担识别与估计的任务。由于模型本身缺乏对世界运行模式的独立理解，内部表示无法主动区分相关与因果的本体差异。因此，若识别阶段完全交由模型完成，往往缺少必要的认识基础。一种更可控的路径是将若干必须遵循的规则作为先验结构输入系统，诸如现实中的未来事件不能成为过去事件的原因、遗传特征不受个体后天收入变化的影响等。这类规则相当于为AI搜索划定边界，使模型的计算活动限定在理论可接受的范围内。此后再由算法完成条件概率估计、效应量计算等任务，整体流程更接近社会科学研究中的规范推断路径。这套流程的优势在于它能实施干预。对一些现实世界中难以直接操控的议题，如验证媒体传播中官方辟谣信息的效果，可以在受控的多智能体环境中进行反事实试验，在模拟群聊系统中记录谣言扩散过程，并在特定时间点插入辟谣信息作为干预变量，然后比较干预前后传播路径的变化。由于系统状态可以被保存与回放，我们能在相同初始条件下重复运行不同策略，从而获得采取不同信息发布时机产生不同结果的直观比较。这在逻辑结构上等价于反事实推理，只是实现方式从统计外推转向过程重演，解决了著名的卢卡斯批判（LucasCritique）问题。罗伯特·卢卡斯（RobertLucas）认为基于历史数据估计的参数在政策环境变化后可能失效，因为行为主体会根据新的激励结构调整决策。多智能体模拟不依赖固定的历史参数，当政策在模拟中改变时，智能体会根据其微观动机自适应地调整行为，将关注点从给定参数的稳定外推转向在规则层面建模行为对激励的反应，因此更贴近政策变化情境下的动态因果分析。

即便采取“半人马式协作”的人机分工模式，仍隐含一个笛卡尔式的主客二分前提：研究主体被设定为两个彼此分离的实体，一方提出问题与设定规则，另一方执行计算。绕开二元论需要一种更具解释力的视角，将人类研究者与AI系统视为构成混合心智（hybridmind）的统一认知过程。科学探索从线的“指令—执行”转为“意图—生成—反馈—修正”的动态闭环。以社会学家研究阶层固化为例，研究起点多数是一个尚未完全成型的理论直觉，该直觉经由自然语言转化为对模型的提示后，后者基于大规模知识与数据表征生成潜在解释路径或变量关联结构。随后研究者对这些结果进行筛选与评估，不仅审视其合理，也会受到新组合方式的启发，从而修正原有假设与问题设定。更新后的约束再次输入系统，引发下一轮生成。认知活动由此形成持续往复的闭环。这一过程中因果推断的实际承担者难以简单归属为人或机器。人类提供理论背景、价值取向与语境敏感，模型提供高维空间的组合探索与模式生成，符号语言充当二者间的接口，使生物神经系统与计算系统协同运作。主体的实在由其在认知流程中持续整合信息、修正假设与引导下一步探索的功能所界定。尤其需要重视的是，超越半人马模式的关键不在于进一步细化分工，而在于增强认知过程中的高频互涉。人类需要通过精细化提示、约束设定与结构化反馈，将自身的理论直觉不断投射进模型的生成空间；模型输出的结构与模式也持续反向影响人类的概念框架，促使其修正原有理论边界。这种跨层级的功能同构，使人机系统在AI4SS的语境下逐渐形成稳定的协同结构。

五、结语

我们的结论是，因果发现应该能在人机混合心智中，尤其在具身智能中生成，但要清楚AI在社会科学中的合理位置更接近认知扩展工具，而非决策主导者，其算力可用于检验假设、发现潜在结构、揭示人类直觉难以察觉的模式。当模型给出最有效方案时，我们仍需保留提出进一步问题的权力：这一方案为何有效，其背后机制如何运作，以及其实施是否符合既有价值框架与伦理边界，这有助于避免将复杂社会过程简化为纯粹的优化问题。AI4SS的最终目标应当是深化对人类社会机制的理解，而非将人类自身降格为可被持续调参的对象。

本文注释略，原文见《科学·经济·社会》2026年第4期。

来源：邱德钧（兰州大学哲学社会学院）、刘今（兰州大学哲学社会学院）

(本文来自澎湃新闻，更多原创资讯请“澎湃新闻”APP)