人工智能会让社会科学“垮掉”，还是“焕然一新”？

本文探讨了大型语言模型（LLM）对社会科学实证研究的双重冲击。一方面，问题日益严峻：心理学家Raluca Rilla发现，其调查中近半数回答疑似由AI生成；政治学家David Lazer演示了如何用LLM一小时内炮制出包含文献综述、图表和数据分析的28页‘伪论文’；期刊投稿量激增（如《Organization Science》投稿量上涨42%），其中近1/3的摘要完全或主要由AI撰写。更隐蔽的风险在于‘调查污染’——在Amazon Mechanical Turk等众包平台，参与者为赚取小额报酬而用AI代答，使本应反映人类真实认知与行为的数据失真。另一方面，AI也带来转机：可快速处理复杂数据、自动检验结果稳健性、辅助识别方法论错误，甚至推动更严格的研究标准落地。文中还介绍了‘硅基样本’（silicon samples）这一争议性新方法——用基于真实人口特征训练的AI生成虚拟受访者，虽具效率优势，但极易被操控以支持预设结论，目前已被部分市场调研公司商用，引发学界对学术诚信的深切忧虑。多位学者坦言，当前尚无可靠技术手段彻底阻断AI干扰，重建信任可能需回归线下受控实验，或建立全新验证范式。