Page 82 - 《党政研究》2026年第3期

ＡＩ 盲点、 现实痛点及田野研究的起点

赵 吉

一、引言

以大型语言模型为代表的人工智能技术正在快速渗透社会科学研究的各个领域，政治
学也未能置身事外。当前，国内政治学界对这一技术浪潮寄予了多重期待。首先，是方法
论层面的期待。一方面，学者们希望借助大数据与全样本分析来超越传统抽样统计的局
限；另一方面，也有政治科学倡导者希望能利用自然语言处理技术在质性研究与量化研究
之间架设桥梁，从而弥合长期困扰学科发展的方法论分裂。其次，在研究实践层面，学者
的期待则指向效率和严谨性的同步提升，以及对政治过程与政策过程认知边界的拓展。
这些期待本身合理并且值得尊重，反映出政治学人对学科进步的自觉追求。但是理想
与现实之间横亘着一条显著的鸿沟。当前所谓的方法论更新大多停留在新瓶装旧酒的阶
段，真正由人工智能催生的原创性理论成果尚付阙如，更多的只是技术概念的反复热炒和
工具名称的频繁替换。与此同时，人工智能的滥用已经引发了一系列学术乱象。一是利用
ＡＩ 代写导致的学术不端问题日益严峻，技术与资本壁垒正在制造新的学术不平等。二是
研究者因过度依赖 ＡＩ 而产生的认知惰性和思考外包倾向也在加速蔓延，其最终后果是创
新能力的整体枯竭。上述种种现象迫使我们正视一个根本性问题，即人工智能技术在带来
工具效率提升的同时，是否正在将政治学研究引向一条偏离学术本旨的歧途。这一追问不
仅关乎方法论的选择，更关乎政治学作为一门学科的知识品格与社会责任。

二、算法的承袭与放大：政治学研究中的认识论盲点
政治学研究尤其是行为主义传统下的量化研究，本身就存在着固有的认识论盲点。
〔 １〕
人工智能技术的介入非但未能克服这些盲点，反而在某种程度上对其进行了放大。
第一个盲点体现为对直接经验世界的贬抑以及数据至上主义的蔓延。科学知识的本源
在于人类对世界的直接感知与经验。然而现代社会科学研究中存在一种日益强化的倾向，
即过度崇拜客观化和量化的简约模型，并在此过程中扭曲乃至忽视了那些不可量化却至关
重要的本质性要素，这便构成了研究中的科学盲点。人工智能技术正在强化这一盲点，并
催生出一种数据至上主义。这种倾向使得研究者罹患一种经验失忆症，习惯性地用冰冷的
数据刻度替代鲜活的实践经验。人工智能在解释政策效果时，往往倾向于编造或调用百分
比数据来证明变量之间的线性关系，却根本无力理解政策执行背后那些复杂的意义网络和
情感脉络以及具体情境。研究者将数据本身误认成客观现实，而将直接经验贬低为次要的
和不可靠的主观现象。
第二个盲点体现为实验室逻辑施加的认知暴力以及地方性知识的消解。人工智能助推
了实验室逻辑在研究中的盛行，这种逻辑期望在一个人工构建的且变量可控的工作间里探
寻普适性政治规律。 这种逻辑对研究实践施加了一种认知暴力，它要求研究假设必须纯
〔 ２〕
粹且可操作，因而偏爱诸如理性人之类高度简化的元假设，同时排斥文化和惯习等难以量
化的复杂因素。这一方面淡化了至关重要的地方性知识，另一方面则扭曲了知识生产的权
力关系。比如同样是 “网格化管理”的政策，在上海和成都两地的具体指涉和功能定位
就有较大差异。人工智能模型若无视这种差异性，其分析结论必将流于表面且缺乏深刻的
解释力。更令人担忧的是研究议程不再由学者基于现实问题感来驱动，而是受制于既有成
熟理论的限定和人工智能技术的可行性。长此以往，政治学者将不得不让渡研究自主性，

〔作者简介〕赵吉 ，上海交通大学国际与公共事务学院副教授，上海 ２０００３０。

８ １ · ·