数字技术迭代升级，正在深度重塑知识生产的内在逻辑，也为哲学社会科学的创新发展开辟了新的广阔空间。如今，推动人工智能与哲学社会科学深度融合，已经成为学术界的普遍共识，也是学科发展不可逆转的时代趋势。主动拥抱人工智能，对哲学社会科学而言不是一道可做可不做的“选做题”，而是面向数字时代必须答好的“必答题”。当然，形成共识不等于落地见效，看清趋势不代表难题已经破解。当前，人工智能赋能哲学社会科学还面临不少现实阻碍，信息共享不畅、数据安全隐患突出，是制约技术优势充分转化为学术效能的两大核心矛盾。只有直面这两大现实问题，统筹做好资源共享与风险防控，才能真正把技术红利转化为学术创新动能，不断推动中国特色哲学社会科学高质量发展。

　　人工智能赋能哲学社会科学是时代必答题

　　人工智能拓展哲学社会科学研究的能力边界。哲学社会科学以人类和人类社会为研究对象，承担着解释社会发展、探索理论前沿、服务发展大局的重大使命。在数字时代，经济社会运行方式高速演进，催生出海量信息。人工智能具有强大的文本解析、知识聚类、多模态处理和仿真模拟能力，能够有效拓宽学术研究的观察视野，推动研究范式从局部个案剖析转向全域动态研判，使定性研究与定量研究相互贯通，为解读复杂社会现象、梳理思想演进脉络、研判社会治理现实课题提供了全新工具。

　　社会实践的新发展呼唤研究方法的迭代升级。放眼外部环境，各行各业的智能化转型已经全面铺开，社会结构、社会关系以及大众思想观念都在数字浪潮中发生深刻变动，层出不穷的新现象、新矛盾，迫切需要哲学社会科学给出学理层面的回应。推动人工智能与哲学社会科学深度融合，绝非简单的技术尝试，而是顺应时代潮流、推动守正创新的客观要求。

　　恪守“人主智辅”立场，直面数据层面的现实瓶颈。这是一道必答题，绝不意味着技术可以替代学术本身。哲学社会科学区别于自然科学的显著特征，就在于重视意义阐释、价值思辨与立场研判，这些都是技术工具无法完成的工作。推进人工智能赋能社科研究，必须牢牢站稳科研人员的主体地位，坚持“人主智辅”的运行逻辑，做到机器服务学术、技术服从思想，这是开展智能化社科研究必须恪守的根本准则。

　　人工智能赋能面临资源共享瓶颈

　　社科领域研究资源存量可观，但资源流通复用水平不高，馆藏机构、科研单位之间资源开放意愿不强，信息共享的矛盾主要集中在资源分割、权属模糊、配套机制缺位三个方面。

　　各类研究资源碎片化分布，资源“孤岛”现象较为突出。大量专题数据库、调研数据集、珍贵馆藏文献、特色档案史料，分别保管在图书馆、档案馆、高校、科研院所、智库机构、媒体以及相关政务部门。不同机构的馆藏体系、数据库系统相互独立，数字化标准互不统一，缺少集中对接整合的共享渠道。不少珍贵馆藏文献的数字化成果、项目支持形成的调研数据，完成整理或课题结项之后便封存归档，大多仅限本单位内部阅览、小范围流转，没有面向学术界有序开放。部分机构出于文物保护、版权顾虑，对馆藏文献数字化资源的对外共享持保守态度。

　　资源权属边界不够清晰，催生出“不愿共享、不敢共享”的现实心态。社科研究资源的形成链条复杂，涉及档案保管机构、馆藏单位、调研实施主体、数字化加工机构以及参与整理的科研人员等多方主体，而各主体间的权责缺少清晰的制度界定。原始馆藏史料、数字化加工后的文献资源、调研形成的数据集、二次技术处理形成的衍生成果，知识产权如何界定、开放到何种程度，缺少明确规范。

　　制度与技术配套滞后，降低了资源共享的实际价值。部分资源共享仅停留在目录公开、有限阅览层面，即便完成数字化，也缺少适配人工智能批量抓取、运算的数据接口。与此同时，现行科研评价对馆藏数字化整理、数据集建设、资源开放共享的学术价值缺少相应激励举措。

　　数据安全风险是不可回避的现实考验

　　数据开放共享绝不等于无边界放开。一旦安全防线失守，数据共享便无从谈起，人工智能赋能也会偏离正确轨道。

　　模型缺陷引发学术失真与科研诚信风险。大模型自身存在生成机制缺陷，容易出现伪造史料、虚构引文、曲解经典原著等问题。人工智能强大的文本生成能力，也加大了科研诚信管控难度，对传统学风监管体系形成新的挑战。

　　“数据投毒”带来数据源污染风险。所谓“数据投毒”就是刻意向模型训练样本、研究输入素材中混入篡改伪造的史料、歪曲化的观点，以此污染数据集，诱导人工智能输出背离史实、违背客观现实的分析结论。若不经甄别校验，直接导入模型开展训练与运算，受污染的资料不仅会悄无声息地渗透到研究全过程，直接造成学术成果失真，而且会进一步诱发价值立场方面的问题。

　　训练样本偏差易诱发意识形态与价值导向风险。人工智能本身不具备独立的价值判断能力，其输出结论高度依赖训练素材的质量。倘若研究者缺少批判审视意识，不加辨析地盲从算法输出结果，就容易出现研究成果价值立场偏移，带来意识形态层面的现实隐患。

　　统筹资源共享与安全治理推动赋能落地见效

　　资源共享与安全防护辩证统一、不可偏废。有序的资源共享是人工智能赋能的重要基础，严密的安全治理是资源共享的前提保障。面对资源壁垒与多重安全风险，既不能因噎废食回避开放，也不能放任风险盲目共享，要坚持系统性思维，从法治遵循、制度规范、平台建设、风险管控、能力建设等方面协同发力，构建“共享有规则、使用有边界、安全有保障”的运行格局。

　　要健全分级分类开放机制，盘活各类社科研究资源。立足馆藏档案、文献史料、调研数据的不同属性，区分公开通用、受限访问、涉密敏感资源，实行差异化开放策略。对非涉密公共资源依规面向学术界开放；对高敏感、受版权保护的资源，依托“数据可用不可见”等技术手段实现协同研究。统筹推进社科综合资源服务平台建设，统一数字化标准，完善数据源准入核验机制，从源头上防范“数据投毒”风险，打通资源转化为科研生产力的通道。

　　要完善资源权属与激励制度，激发共建共享内生动力。厘清馆藏保管机构、调研主体、加工服务各方权责，明晰原始史料、数字化成果、衍生数据集的权利边界，消除各主体开放资源的制度顾虑。建立规范的资源引用标注机制，认可资源建设者的学术贡献。优化科研评价导向，将资源整理、数据集建设、开放共享纳入评价参考，调动科研机构和科研人员参与资源共建共享的积极性。

　　要严守法治底线，依托法律规范构建数据安全治理框架。哲学社会科学开展数据采集、存储、加工、共享等各类处理活动，应严格遵循《数据安全法》《个人信息保护法》《网络安全法》等法律法规要求，落实数据分类分级保护制度，把合法、正当、必要原则贯穿社科数据全生命周期。科研机构要压实数据安全主体责任，防范个人信息不当泄露；对于重要、敏感社科研究数据，落实合规审查，严禁违规对外提供。强化科研人员法治意识，明晰数据处理的法律红线，杜绝非法抓取、滥用、篡改各类研究资料，以法治约束防范“数据投毒”、隐私泄露等风险，推动社科领域数据资源在法治轨道上有序开放利用。

　　要强化全流程风险管控，守住学术研究安全底线。压实资源保管和使用主体责任，严格管理敏感资源使用，规范模型调用，落实资料脱敏、访问留痕等制度。建立人工智能输出成果核验机制，强化外部导入资料甄别校验，把AI使用说明、成果核验纳入课题评审、成果刊发的管理环节，压实科研人员主体责任，防范学术失真、隐私泄露以及科研诚信问题。

　　要完善伦理审查和价值把关机制，筑牢意识形态防线。建立适配哲学社会科学的人工智能伦理审查流程，把算法偏见、数据投毒纳入风险评估范畴。针对重点领域研究成果健全多级复核机制。持续提升社科工作者的数字素养与批判思辨能力，始终坚守研究者的主体地位。

　　面向数字时代，人工智能赋能哲学社会科学是时代发展赋予的必答题。这道考题的核心不在于要不要拥抱新技术，而在于如何处理好资源开放共享与安全治理之间的关系。只有统筹推进馆藏文献、档案史料、调研数据等各类研究资源有序开放，同时织密法律、制度、技术相结合的全流程安全治理防线，在开放与安全之间实现动态平衡，才能让人工智能真正深度融入科研实践，为推动中国特色哲学社会科学高质量发展注入数字动能。

　　（作者系内蒙古自治区社会科学院党委书记、研究员）