近年来，生成式AI正日益渗透到人类社会的各个领域，人文科学也不得不面对这一新兴技术带来的影响。具体到历史研究领域，如果说ChatGPT 的出现还处于了解和摸索阶段，那么2025年初DeepSeek的异军突起，让学界普遍且切实地感受到了冲击，同时也引发了对AI大模型与历史研究关系的深度思考。

目前生成式AI的问题与优势

当前以ChatGPT和DeepSeek为代表的生成式AI系统，本质上是大语言模型。它们基于既有的已知数据信息，借助强大的算力，快速将知识关联起来，并以逻辑通顺的自然语言输出结果。因此，在关于AI的宣传与介绍中，“大数据、大算力、大模型”三位一体是其核心。

自DeepSeek发布以来，已有大量用户参与体验，其中不乏人文学科研究者从专业角度进行试用，并分享了使用体会。截至目前，已有学者通过不同途径发布了对当前关注度较高的几款AI模型的“专业使用报告”。笔者结合自身试用经历，发现存在的问题主要集中在以下几点：一是专业数据缺乏。目前DeepSeek所引用的文献，以网络公开的报道、摘引、撰述乃至短视频为主，且多有交叉与重复，尚未接入包括知网在内的专业数据库。二是生成文本的学术性和原创性薄弱。AI生成的内容常存在格式化表达，简单摘抄、综合已有内容等问题。三是对文言文资料内涵理解不足。文言文蕴含着深厚的文化内涵，同一字词在不同语境中可能有多种含义，其中还包含复杂的情感与意境。而AI在处理文言文时，往往只能进行字面翻译，难以准确把握其深层意义。四是推理幻觉问题突出。在处理开放性问题时，AI会强行构建逻辑链，从而虚构事实。这对于以史实为依据的历史研究来说，是极为致命的缺陷。五是数据处理不辨真伪与优劣。AI对输入的错误信息会不加分辨，而在错误数据基础上的推理又会生成更多错误信息。在历史研究中，史料的真实性是研究的基石，AI这种“照单全收”的特性，可能会让研究者在使用其输出内容时陷入误区。

诚然，生成式AI尚存在不少问题与短板，但将AI定位为科研辅助工具的观点基本成为目前学界的共识。在使用过程中，AI的辅助能力也确实展现出多方面优势：能够理解用户的自然语言问题，并快速在知识库中进行搜索匹配、逻辑排序，实现知识的高效检索和整理；在知识整合基础上，能高效快速生成自然语言文本；生成的古籍标点的准确率已达95%以上，能在很大程度上避免一些人工标点出现的各种错误；能够为快速阅览外文文献、润色英文论文提供有效帮助；协助阅读非核心文本，快速梳理文献内容；协助建立知识间的逻辑关联，提供跨学科视角，拓展思路。

总体来看，对于一些程式化工作、量化研究以及搜索，AI显然已成为有力的工具。

对历史研究者能力的“反向促进”

就当前形势来看，生成式AI技术及其在历史研究领域的应用已显现不可阻挡之势。深谙历史发展规律的学者们，往往能从科技发展对传统学科的历次影响中获得启示，坦然接纳 AI 作为研究工具，并与之展开积极且理性的协作。

与AI协作并不是简单延续使用数据库等搜索或研究习惯就能实现的。毕竟AI与传统程序固定的、事先编程的输出不同，更在于与人类以问答为主要形式的互动，而生成内容也取决于人类的问题与互动的质量。所以要达到理想的协作效果，AI对研究者的运用能力提出了反向要求。

首先是提出问题的能力。当前生成式AI“回答问题”的能力较强，但还没有智能到自主开启新的研究问题，所以与其协作的前提是需要研究者自己提出问题。而提问的能力、问题的质量及其可行性，正是学者科研素养、知识积累、视野开阔等综合研究素质的体现。这也说明在人机协作的学术场景中，人始终是主导者。

其次是与AI的沟通互动能力。目前已有网络推文提供了很多针对某项具体任务的指令（提示）合集，不过每个人的需求和使用场景都是独特的，不同任务的提示必然会有很大不同。所以除一些有效的表述方式或词语外，使用者首先需要清晰自己的需求，并将问题进行系统拆解；在与AI的多轮互动中，有必要说明问题的由来、研究方法、理论依据、预期目标等细节。唯有如此，才能避免AI输出泛泛而谈却缺乏研究价值的“标准答案”，促使AI产出真正有价值的成果。

再次是对AI生成内容的判断能力。当前AI能够生成可理解的文本，但并非都是可信的文本，因为其工作逻辑并不需要进行证据检验，可是包括历史在内的学术研究确实需要基于可靠的证据。这对历史学者的判断力提出更高的要求。而AI的跨学科视角和知识整合能力，也需要学者不断突破自身学科畛域，拓宽知识边界。

最后，面对AI带来的跨学科、多视角乃至人工智能技术方面的挑战，学者还需具备持续学习跨专业知识的能力。由于AI也提供了随时随地提问、学习的机会，或许在它的辅助下，我们的学习能力和效率也会进一步提升。

综上，生成式AI对历史研究具有“反向促进”的作用，不仅没有削弱研究者的核心价值，反而通过技术带来的倒逼效应，推动历史学者不断提升自身的史学素养。

当前AI赋能历史研究的壁垒

历史研究有自身的学术规范和专业准则，AI赋能的核心价值应体现在对历史研究过程的深度参与，如自主开展逻辑性资料搜集、进行多视角分析等。然而，当前AI在历史研究中暴露的短板，恰反映出其在专业领域应用中的薄弱之处。实际上，这并非个案，随着AI逐步深入具体行业或细分领域，其难以适配实际业务需求的问题也愈发凸显。

首先表现为专业数据壁垒。数据是AI技术与行业领域结合的基础。AI的应用前提，是需要大量的行业数据对模型进行定制化训练。历史研究的基础资料离不开两大类，一是史料，二是今人研究成果。在宋史研究领域，宋史研究所需核心史料目前已基本实现数字化，如常用的综合数字古籍库中的四库全书库、基本古籍库、中华经典古籍库等；在今人研究成果领域，今人研究论著检索系统常用的有知网、万方、读秀、超星等。不过，即使学界评价相对较好的DeepSeek R1，在回答宋代相关专业问题时，引用的资料虽多达数十条，但都来源于开放式网站，无一专业数据库。当前要实现AI赋能历史，现实途径或有两条，一是AI嵌入某一专业数据库，二是创建专业模型结构。AI经过专业的训练，凭借强大的搜索、知识关联与匹配以及初步自主研读的能力，或有可能突破数据库线性检索和结构化史料的限制，在一定程度上开展自主的逻辑化史料收集和分析。此外，AI对数据的依赖，也将推动文献的数字化进程，毕竟它的知识边界就是文献数字化的边界。而AI在文献数字化过程中能够提供多维度的技术支持，提升数据化效率与质量。

其次表现为技术壁垒。面对AI技术的迅猛发展和快速迭代，历史研究者的态度也与对这一技术的了解程度有关。“人工智能与历史学”这类交叉学科培养模式近年才逐渐兴起，而目前历史研究者中，具备计算机、互联网或人工智能相关学习经历与背景的人相对较少。因此，对多数研究者而言，AI技术是一道横亘在面前的专业技术门槛。即使研究者通过学习新的技术突破困境，但术业有专攻，必将耗费一定精力解决技术障碍，并且训练数据或分析数据，都离不开相应的硬件支持（如服务器、显卡等）。因而，面对新兴技术洪流的势不可挡，《社科研究亟需跨学科的有组织科研》一文提出的解决路径，正是开展跨大类学科的有组织科研。

AI时代历史学者的角色与定位

先从历史学者、人文学科乃至人类会否被AI取代的定向讨论跳脱出来，基于当前人机协作的关系来看历史学者在其中的角色与定位。上世纪90年代，已有学者提出“智能伙伴”的概念。随着AI技术的发展，这一概念或将逐步变为现实。在人机互动中，历史学家的工作方式可能逐渐摆脱传统的孤身作战，而有了与之对话的“伙伴”。AI较强的知识搜索和跨学科关联，有时或能为研究者提供意料之外的研究思路和视角，帮助学者跳出思维定势，甚至在与大语言模型的多轮对话中，产生头脑风暴。

不过，这位“对话者”还不够“完美”。由于当前AI在专业领域的数据壁垒，专业知识训练不足，加之推理幻觉的技术缺陷，生成内容准确度并不高，另外数据集的偏向性也会使生成内容存在立场偏差，所以不能寄希望仅靠大模型得到确切的答案。在进行知识性问答时，一定心存警惕，保持判断力，对其输出的答案要参考专业知识进行验证。由此来看，在当前人机协作关系中，历史研究者从问题提出到知识训练，再到生成导向、最后的内容判断，都需发挥主导作用。

时下关于历史学者、人文学科会否被AI取代的话题，正是基于对AI与人文学科深度融合并导致研究者角色改变的担忧。AI与历史学者的关系，也是技术与人类关系在专业领域的缩影。2019年的“数字人文主义维也纳宣言”中，明确指出在自动决策和人工智能的时代，创造力和对人性的关注至关重要。在技术变革引领的新时代中，无论是数字化还是智能化，技术应以人为本、为人服务，以满足人的价值和需求为首要目的，所以人类在与技术的关系中始终处于中心地位。因此，当下学者们所强调的人文素养，在人类社会中，是不会消失的，但其表现和维系的形式或将因时代发展需求而变化。

文/邵育欣（河北大学宋史研究中心副教授）

编辑张曲波|责编朱冬笑|频道主编宋岩|终审李默涵

校对张斯琪、张亚微|审读鲁开盛