AI时代史学何为？史学家主体性不可被剥夺
AI大模型作为人类文明的里程碑，正全方位重塑社会。史学作为研究过往的学科，无法独善其身，吸纳其为新法是必然趋势。这便是所谓的“预流”。然而，如何精准预判这股浪潮？虽已有学理探讨和个案尝试，但技术迭代迅速，未来走向难测。本文将立足操作层面，探讨AI对史学工作的潜在影响。
近三四十年间，数字技术对史学的影响主要呈现三波浪潮。首波始于90年代初的“换笔”，即从手写转为键盘输入。这一过程漫长，受限于当时的计算机技术和社会经济水平，如五笔字型难记、字库不全。尽管如此，前辈学者为“驯服”键盘付出了巨大努力，大多积极拥抱。
虽然首波影响不及后续强烈，却十分深入。个人写作习惯被迫调整，思路表达亦受影响，但效率显著提升。笔者当年撰写博士论文，每改一次需誊录半月，身心俱疲。总之，“换笔”让我们摆脱手工，迈向机器时代，迈出了关键一步。
第二波次始于90年代末的全文数据库应用。文渊阁《四库全书》、中国基本古籍库及知网等数据库的建立，极大便利了资料搜集。特别是对新一代学者，无需依赖强记即可广征博引，罕见文献亦常见于学位论文。在此基础上衍生的“数字人文”（如文本挖掘、可视化）虽存在，但全文检索仍是主流。资料极大丰富，检索变得易如反掌，研究面貌焕然一新。
新技术影响总是双面的。常被诟病的是，它改变了阅读习惯，从全篇阅读变为片段检索，导致对整体寓意的理解产生隔阂，甚至形成言不及义的“检索体”。这种碎片化的知识结构具有普遍性，且目前未见改善趋势。
第三波次是近两年兴起的AI大模型。与前两次局限于技术不同，它似乎具备自主思维能力，正试图取代史学家的部分职能。
面对AI浪潮，史学应何去何从？首先需界定其影响力边界。当前技术发展迅猛，前景未明，我们只能立足于史学本位，试探性提出预判。
对比前两次，第二波次仅限于关键词统计与浅层分析，而第三波次的AI大模型已超越字符串对应。ChatGPT、DeepSeek等工具不仅能搜寻归纳，还能按逻辑连缀成文，甚至为求完整而杜撰“AI幻觉”。它们似乎具备了“思考”能力。范丁梁指出，数字人文处理的是符号形式，而AI能表达语义。计算机运作基于算法分解与概率统计，大语言模型本质是统计性而非认知性的过程。它将历史文本的缺陷（如事实隔阂、表述失衡、场景平面化）一并复制，因此常被戏称为“高级复读机”。
若要更好地应用，需在数据库与语言逻辑上加大投入。目前通用大模型多基于公开网络数据，对史学专业性不足。如李宗翰、柳立言所言，DeepSeek因无法利用全文数据库而存在致命伤。以中国古代史为例，文献数字化程度高，知网已覆盖大部分刊物。若能引入AI模型，技术难度不大。真正的阻碍在于数据库背后的资本运作，如何平衡商业利益与学术公益是关键。将学术专著数据化，依然任重道远。
语言逻辑同样关键。古代汉语语法与现代汉语存在差异且随时代演进。现代逻辑的AI处理古汉语虽有共通性，但易产生隔阂，甚至曲解信息。需技术人员与古汉语专家合作，建立不同时期的语言模型。如元代白话公牍等特殊资料，差异更大。困难主要不在技术，而在资本投入。不过，期待政策性投入跟进，技术层面的挑战相对容易应对。
当数据与逻辑条件具备，AI究竟能帮多大忙？它与真史家的分界线在于，AI对语料库是平面化阅读。它无法体察研究对象的主观意图，理解思想脉络，也无法通过算法体现非理性因素。它无法“移情”，更谈不上形成历史意识。
其一，当文本未直接反映历史信息时，该如何解读？文本是外观且有限的，词元串联下蕴含多重寓意。AI虽能处理简单联系（如范仲淹姓名与表字），但对隐匿的底层信息，史学家需多方考证才能揭示。从概念借用、反讽转喻到作者语气，需全篇贯穿以理解心境，即“移情”。这需超越文本数量与历史真实的失衡，AI难以企及。
其二，技术性路径在于对历史现象的观察、勾连与比较，发现与既有认识的落差，创造新知识。这种勾连涉及复杂的信息结构与跨度，AI难以将不同信息联系起来思考，这是人脑的独特任务。
“得间”若仅指具体史实，AI尚可尝试；但若指揭示前人未见的历史现象，提出新见解，则更为重要。学术创新依赖灵感闪现，AI大模型能否自主产生灵感？
史学研究分两道工序：史实复原与现象阐释。史学家基于认知、性情和偏好获取灵感，结合天赋、眼界和生命体验，最终实现灵光一闪。AI难以具备这些特质，无法取代史学家。
总之，史学虽重积累，但真正发现离不开天才想象力触发的灵光一闪。从目前看，AI难以企及。且AI应用需研究者设定主题，立意高下全在人为。
结合现有实例，AI在技术层面（古籍整理、翻译、史实铺叙）将大展身手。它将重构学术生态，学者应尽快掌握这一新方法。
除了部分人的兴奋，多数学者仍困惑。这非守旧，而是认真谨慎。革新影响复杂，需重视三点：首先，议题提出的主观性：AI助长关注细节，可能忽略整体把握，放大主观性。其次，学术生态：AI易助长重复劳动和投机取巧，催生大量铺叙文章。需引导其向知识创造方向，避免投机。最后，基础技能：文献释读、写作、逻辑训练仍是基础。应限制学生使用AI，教师也需掌握AI以引导学生。
总之，AI大模型不过是新技术，非“类人”生物，不会剥夺主体性，反而会凸显其价值。它能完成重复性工作，减少“匠气”，让史学家投入深刻思维。不应阻碍了解掌握它。认识局限性是为了更好应用。管理部门需协调各方，助推史学进步。
[1]参见王涛：《大语言模型时代的历史书写》，《历史研究》，2025年第5期；范丁梁：《概率与空间：大语言模型对史学思维的刺激》，《社会科学战线》，2026年第1期；等等。
[2]参见李宗翰、柳立言：《以DeepSeek仲裁黄庭坚与苏轼读〈远近景图〉的争议》，包伟民、刘后滨主编：《唐宋历史评论》第15辑，社会科学文献出版社2025年版，第3－58页。
[3]范丁梁：《概率与空间：大语言模型对史学思维的刺激》，《社会科学战线》，2026年第1期。
[4]李宗翰、柳立言：《以DeepSeek仲裁黄庭坚与苏轼读〈远近景图〉的争议》，包伟民、刘后滨主编：《唐宋历史评论》第15辑，第53－54页。
[5]王涛：《大语言模型时代的历史书写》，《历史研究》，2025年第5期。
[6]参见包伟民：《数字人文及其对历史学的新挑战》，《史学月刊》，2018年第9期。
[7]参见包伟民：《前言》，《史学问津》，浙江人民出版社2025年版，第1页。
[8]郭辉：《大数据时代史学研究的趋势与反思》，《史学月刊》，2017年第5期。
[9]邓小南：《走向“活”的制度史——以宋代官僚政治制度史研究为例的点滴思考》，《浙江学刊》，2003年第3期。
本文转自“史学集刊”，原载《史学集刊》2026年第3期"新时代史学研究的挑战与回应主题论坛"。旨在知识分享，如涉版权问题，联系小编删除。