国产无码

人工智能尤其是生成式人工智能和大语言模型的快速发展，正在悄然改变人类知识生产的基本方式。过去，我们讨论人工智能，更多关注的是它能够替代哪些劳动、提高多少效率、改变哪些职业；而今天，当ChatGPT、Gemini、Claude、Grok以及各种专业化人工智能工具不断进入科研、教育、出版和知识服务领域以后，我们实际上需要重新思考一个更深层的问题：人工智能究竟会给学术研究带来什么？我的判断是，AI带来的改变可能远远超过传统意义上的“科研辅助工具”。它正在重新定义知识获取、知识组织、知识分析和知识生产的方式，并且可能进一步模糊传统学科之间长期存在的边界，使过去高度专业化、封闭化的知识体系逐渐走向开放、交叉和融合。在这个意义上，AI不仅是一种技术工具，也可能成为推动学术研究范式变革的重要力量。

传统教育体系建立在一个基本假设之上，即知识是稀缺的，因此教育的主要任务是知识传授。一个人需要花费十几年甚至几十年的时间，系统学习某一个专业领域的基本知识、理论、方法和研究规范，最终成为这个领域的专业人士。这种教育模式在人类知识增长速度相对有限的时代具有非常重要的合理性。但是，随着互联网、数字化知识库和大语言模型的发展，知识获取的成本正在急剧下降。过去需要几个月甚至几年才能完成的资料检索、文献梳理、概念解释和跨语言阅读，现在可能在很短时间内完成。一个研究者过去可能需要依赖图书馆、数据库、专业助手以及大量人工检索才能建立一个研究领域的知识地图，而今天AI可以帮助研究者快速梳理一个陌生学科的基本概念、主要理论、代表性研究和方法工具。这并不意味着传统知识失去了价值，恰恰相反，知识积累的重要性并没有下降，而知识本身作为稀缺资源的地位正在发生变化。

当AI能够越来越快速地提供知识以后，真正稀缺的东西就越来越不是“知道什么”，而是“如何提出问题”“如何判断知识是否可靠”“如何发现已有理论的不足”“如何把不同领域的知识连接起来”，以及“如何创造一个过去不存在的解释框架”。也就是说，未来真正具有竞争力的研究者，不再只是知识的储存者，而应该成为知识的组织者、批判者和创造者。AI可以告诉我们已有研究是什么，却不能自动替我们决定什么问题最值得研究；AI可以提供大量可能的解释，却不能简单替代研究者对于理论价值、社会意义和研究方向的最终判断。因此，人工智能时代并不是知识不重要，而是知识积累与批判思维、独立思考和创新能力之间的关系发生了新的变化。知识越丰富，视野越开阔，研究者越能够有效地使用AI；而研究者的判断能力越强，AI所能产生的价值也越大。

这恰恰涉及中国传统高等教育体系长期存在的一个问题。中国大学长期以来形成了高度细分的学科体系，从一级学科到二级学科，再到具体研究方向，专业边界相对清晰。这种体系在培养专业人才、建立学术共同体以及形成专业知识体系方面具有重要作用，但它同时也容易产生一个副作用，即知识被人为地切割成一个个相对封闭的“知识岛屿”。法学研究者主要研究法学，经济学研究者主要研究经济学，管理学研究者主要研究管理学，工程技术人员主要研究自己的专业领域。久而久之，学科边界不仅成为知识分类的边界，也可能变成研究者思维的边界。一个研究者在自己的专业领域内不断深挖，却很少主动进入其他学科寻找新的理论、方法和解释工具，这种现象在某种程度上可以称为“学科内循环”。

这种问题并非中国独有，但是在传统高度专业化的教育体系中表现得尤其明显。中国大学教育长期形成的学科组织方式，受到近现代专业化教育体系以及前苏联式学科分类和人才培养模式的较大影响，专业分工和学科边界相对明确。这种模式对于快速培养专业人才曾经发挥过积极作用，但进入知识高度融合的21世纪以后，其局限性越来越明显。今天很多重大问题根本无法由单一学科独立解决。人工智能治理既涉及计算机科学，又涉及法学、伦理学、经济学和社会学；平台劳动问题既涉及劳动法，又涉及劳动经济学、组织行为学、人工智能和社会保障；公司治理既涉及商法，也涉及金融学、管理学和行为经济学；气候变化治理则同时涉及环境法、国际法、经济学、公共政策以及工程技术。现实世界从来没有按照大学的一级学科、二级学科来运行，但我们的知识体系却经常按照这种方式被组织。

法学尤其如此。法律本身就是一种高度综合性的社会制度。研究劳动法，不可能完全脱离劳动经济学和组织管理；研究公司法，不可能完全不了解公司金融和现代企业治理；研究知识产权，不可能完全不了解技术创新和产业发展；研究人工智能法律问题，更不可能只依赖传统法学知识。甚至在法学内部，实体法和程序法也不是彼此完全独立的领域。一个研究者如果不了解实体法，就很难真正理解程序制度为什么如此设计；反过来，如果不了解程序法，也很难完整解释实体权利究竟如何实现。现实中的法律问题本身就是交叉的，真正封闭的往往不是问题，而是我们的研究方式。

因此，跨学科研究看似简单，实际上非常困难。原因就在于真正的跨学科不是把两个学科的概念简单放在一起，更不是在一篇法学论文中增加几个经济学名词、在文章最后增加一张统计图表就可以称为跨学科研究。真正的跨学科研究，需要研究者理解不同学科的问题意识、理论传统、研究方法和证据规则。例如，一个法学研究者使用计量经济学方法，就不能只是让别人替自己做回归分析，而应该理解变量如何定义、模型为什么成立、样本如何选择、因果关系如何识别以及结果可能存在什么偏误。只有这样，跨学科方法才能真正转化为研究者自己的研究能力。

这正是人工智能可能带来的一个重要变化。过去，一个法学研究者如果希望开展法律经济学研究，首先需要花费大量时间学习经济学理论和计量方法；如果希望进行社会学意义上的田野调查，需要理解质性研究方法；如果希望开展定量实证研究，还需要学习统计学、计量经济学以及Stata、R、Python等工具。对于一个传统法学训练背景的研究者而言，这个学习成本非常高。因此，很多研究者即使意识到跨学科研究的重要性，也往往因为能力结构和时间成本而停留在传统规范研究之中。

而大语言模型和AI科研工具正在降低这种跨学科进入成本。AI可以帮助研究者理解陌生学科的基本理论，可以解释统计模型，可以辅助设计变量，可以帮助整理数据，可以编写和检查Stata、R或Python代码，可以协助进行文献分类，也可以帮助研究者比较不同学科对于同一个问题的解释框架。过去一个法学研究者需要借助一个庞大的跨学科研究团队才能完成的部分工作，现在一个具备良好专业基础、同时善于使用AI的研究者，就有可能借助AI完成相当一部分前期工作。这意味着跨学科研究的技术门槛正在下降。

由此可能产生一个非常重要的现象，我称之为“学术平权”。过去，研究方法在很大程度上受到学科训练背景的限制。经济学家更熟悉计量模型，社会学家更熟悉调查研究，计算机科学家更熟悉算法和数据分析，而传统法学研究者则更熟悉规范解释、法条分析和案例论证。这种专业分工本身没有问题，但它容易造成一种现象：不同学科之间不仅研究对象不同，连研究方法也形成了相对封闭的壁垒。AI出现以后，研究工具正在变得更加普及。一个没有接受完整计量经济学训练的法学研究者，可以在AI帮助下学习基本的回归模型；一个传统经济学研究者也可以借助AI迅速了解法律规范和司法裁判中的基本概念；一个社会科学研究者可以借助AI学习一定程度的数据处理和程序工具。虽然这种辅助不能替代专业训练，但它确实正在使研究者进入其他知识领域的成本大幅降低。

这对于中国法学研究尤其具有意义。长期以来，中国法学研究中规范分析占有非常重要的位置，这种研究当然有其价值。但是，当我们讨论法律制度是否真正有效的时候，仅仅分析法律条文是不够的。假如一项劳动保护制度在法律文本上设计得非常完善，但是实施以后劳动者的实际权益并没有明显改善，那么问题究竟出在哪里？是假设本身错误，还是执法机制存在问题？是企业没有遵守，还是劳动者缺乏维权动力？是司法救济成本过高，还是制度产生了意料之外的行为激励？这些问题都可以通过实证研究进行进一步分析。研究者可以通过司法数据、企业数据、劳动者调查、访谈资料以及其他经验材料，对法律实施效果进行检验。这样，法学研究就能够从“制度应该是什么”进一步进入“制度实际上发生了什么”的层面。

尤其值得注意的是，实证研究并不等于“数据装饰”。真正的法律实证研究必须建立在明确的问题意识和研究假设基础上。比如，我们提出某项法律制度能够降低企业违法行为，那么就需要建立能够观察违法行为变化的数据，并通过适当的方法检验这种关系；如果我们认为某项司法改革改变了当事人的诉讼行为，就需要寻找相应的经验数据；如果我们认为某种劳动管理制度增加了劳动者离职概率，就需要通过适当的模型和数据进行验证。只有这样，定量方法才真正成为法律论证的一部分。AI可以帮助研究者进行数据清洗、模型选择、代码编写和结果解释，但研究假设从哪里来、变量为什么这样定义以及结果究竟意味着什么，仍然需要研究者自身具有扎实的理论基础和批判思维。

因此，我认为AI并不会使知识积累变得没有意义，恰恰相反，它会进一步放大知识积累的价值。一个没有知识基础的人使用AI，很容易成为信息的接受者；一个具有深厚知识积累的人使用AI，则可能成为知识的创造者。AI能够提供大量答案，但是研究者必须知道哪些答案值得相信、哪些答案值得怀疑，哪些问题没有被回答，哪些所谓的共识其实存在争议，哪些研究结论可能存在方法上的缺陷。换句话说，AI越强大，对研究者批判性思维的要求反而越高。

这也是未来学术教育必须改变的地方。传统教育如果仍然把大量精力放在知识记忆和知识重复上，其边际价值必然下降。未来大学真正应该强化的，是问题意识、批判思维、创新能力、跨学科能力、研究方法以及学术伦理。学生当然必须学习法律条文、经济学理论、管理学知识以及数学和技术基础，但学习这些知识的目的，不应只是为了在考试中获得一个正确答案，而应该是为了形成解释现实世界的能力。未来的优秀研究者应该既有专业深度，又有跨学科视野；既能够理解自己的学科，又能够主动借用其他学科的方法；既能够阅读经典理论，又能够发现经典理论无法解释的新现象。

对于中国“双一流”建设而言，这种变化尤其值得认真思考。建设世界一流大学不能简单理解为增加几栋漂亮的教学楼、增加多少科研经费或者增加多少论文数量。真正的世界一流大学，其核心竞争力最终体现在知识生产能力和创新能力上。而世界一流大学的一个重要特征，就是能够突破传统学科边界，围绕重大问题组织研究，而不是完全围绕既有行政学科边界组织知识。今天世界上很多重要的研究机构都在推动跨学科研究中心、问题导向研究平台以及不同学院之间的联合研究，这些经验对于中国高校具有重要参考意义。中国的“双一流”建设如果要真正走向世界一流，就应当进一步从“学科建设”走向“问题导向的知识创新”，从学科之间的简单合作走向真正意义上的跨学科融合。

当然，跨学科研究也不能成为另一个口号。真正的跨学科研究需要制度改革，需要评价机制改革，也需要学术文化改革。如果大学仍然按照非常狭窄的学科标准评价教师，期刊仍然只接受本学科内部熟悉的研究方法，青年学者仍然因为担心“跨出去以后没人认可”而不敢创新，那么跨学科研究就很难真正发展。尤其在法学领域，一些传统期刊对于计量分析、实验研究、社会调查以及其他非传统法学研究方法的接受程度仍然存在差异，这种情况实际上与学科知识结构和评价体系密切相关。未来真正有生命力的法学研究，应当更加开放地接受能够有效解释法律问题的各种方法，而不是因为某一种方法“不属于传统法学”就简单排斥它。

AI正在为这种改变提供新的技术条件。过去，一个人要完成真正的跨学科研究，可能需要组织一个非常庞大的研究团队；未来，一个具有扎实专业基础的研究者，在AI的辅助下，有可能形成一种“个人小型研究机构”的能力结构。一个研究者可以拥有自己的文献智能体、数据分析智能体、法律研究智能体、计量分析智能体、国际文献检索智能体和论文写作辅助智能体。这些智能体并不是简单替代研究者，而是成为研究者的“数字研究团队”。未来真正重要的问题，不是一个人会不会使用AI，而是一个人能否把多个AI工具组织起来，形成稳定、高效、可验证的研究工作流。

因此，未来的学术研究者需要建立自己的“个人知识库”。这个知识库不应该只是把网上的资料简单堆积起来，而应该包括研究者长期积累的专业文献、经典理论、案例资料、数据资源、研究笔记、个人观点以及经过验证的研究成果。在此基础上，通过AI建立个人化的知识检索、知识关联和研究分析系统，使AI真正理解研究者长期关注的问题。一个拥有深厚知识积累和独特研究方向的学者，一旦建立了自己的专业知识库，其AI应用能力将与普通的信息搜索产生根本区别。AI不再只是一个“问答工具”，而可能成为一个真正参与知识生产过程的研究伙伴。

从更长远的角度看，这种变化甚至可能重新定义学术组织。未来的研究团队不一定完全由传统意义上的研究人员构成，而可能由教授、青年学者、数据分析人员、程序员、出版编辑以及多个AI智能体共同组成。研究者负责提出问题和进行价值判断，AI负责信息处理、数据分析、知识关联和工具执行，人类研究者再对结果进行批判、验证和理论提升。这样的科研组织方式，将使个人研究能力获得前所未有的扩展。

但是，越是在这样的时代，我们越应该坚持学术诚信和研究伦理。AI可以帮助研究者寻找文献、分析数据和修改语言，但不能替代真实的数据收集，不能制造不存在的证据，不能伪造实验结果，更不能让研究者放弃对最终学术结论承担责任。特别是在法律研究中，AI生成的法律规范、判例和学术观点必须经过原始资料核验。AI能够提高研究效率，却不能自动保证研究真实性。未来真正具有竞争力的不是“最会让AI写论文的人”，而是最能够利用AI发现真正问题、验证重要命题并形成原创思想的人。

因此，我对AI时代中国法学研究的基本判断是：我们不应该害怕跨学科，也不应该把传统研究方法和新研究方法对立起来。规范法学仍然重要，法教义学仍然重要，法律解释仍然重要；但是，我们同时需要法律经济学、法社会学、定量实证研究、案例研究、田野调查以及其他能够有效解释法律运行的方法。未来的优秀法学研究，很可能不是规范研究和实证研究二选一，而是形成一种新的综合研究结构：以规范研究确定法律问题和制度逻辑，以跨学科理论解释问题，以实证方法验证制度运行，以经验事实反过来检验和修正规范理论。

这才是AI时代法学研究真正值得期待的方向。

我们今天谈人工智能，最终谈的其实不是机器，而是人类自身能力结构的改变。AI使知识获取越来越容易，却使真正的思想越来越珍贵；AI使跨学科研究越来越可行，却使研究者的专业基础和判断能力越来越重要；AI降低了科研工具的使用门槛，却提高了提出好问题、形成原创理论和进行批判性判断的要求。

因此，未来的中国学者尤其是青年学者，需要完成一次重要的思想转变：不要把自己限制在一个学科的围墙之内，而要以专业深度为根基，以跨学科视野为边界，以AI为工具，以现实问题为导向，以原创思想为最终目标。

我们既要把论文写在中国大地上，也要让中国的问题进入世界学术共同体；既要学习世界先进的研究方法，也要从中国丰富的社会实践中产生新的理论；既要实现与世界学术接轨，更要逐步从“接轨”走向“对话”，从“对话”走向“贡献”，最终形成能够影响世界的中国学术思想。

AI真正带来的“学术平权”，不是让所有人自动拥有同样的学术水平，而是第一次大幅度降低了不同学科之间知识、工具和方法的进入壁垒。谁能够拥有更深厚的知识积累、更广阔的学术视野、更强的批判思维和创新能力，谁就能够更充分地释放AI所带来的研究潜力。

这或许正是AI时代学术研究最值得我们认真思考的一场深刻变革：过去，一个人的研究能力在很大程度上取决于他所在的学科和所接受的训练；未来，一个人的研究能力越来越取决于他能够连接多少知识、提出多么重要的问题，以及能否把不同领域的知识和方法转化为新的思想。

而这，也将为中国法学乃至整个中国学术体系走向真正的国际化、跨学科和创新型发展，打开一扇前所未有的大门。

（作者涂永前，系国产无码 国产无码 研究员）

原文链接：[VitalFront Press]涂永前：AI与跨学科法学研究：从学科壁垒到学术平权