中國作家協(xié)會主管

2025年1月11日至12日，由南京大學歷史學院、南京大學數(shù)字史學研究中心數(shù)智文獻研究室聯(lián)合主辦的“從人工到智能：AI時代的歷史與人文探索”學術(shù)工作坊在南京成功舉行。來自中國社會科學院、華中師范大學、加州大學圣克魯茲分校、澳門理工大學等海內(nèi)外知名高校及研究機構(gòu)的30余名學者齊聚一堂，圍繞人工智能技術(shù)在歷史與人文研究中的應(yīng)用、數(shù)字史學的發(fā)展?jié)摿εc挑戰(zhàn)等議題展開深入探討。

會議開幕式由南京大學歷史學院副院長王濤教授主持，南京大學歷史學院院長張生教授致辭。張生指出，南京大學作為中國“數(shù)字人文”研究的前沿陣地，始終關(guān)注人工智能等新興技術(shù)在歷史研究中的應(yīng)用，并呼吁學術(shù)界努力探索數(shù)字史學發(fā)展的邊界與可能性。

一、大會報告：數(shù)字時代的史學建設(shè)

華中師范大學中國近代史研究所所長馬敏教授在《數(shù)字史學，何以成學？》的大會報告中，系統(tǒng)梳理了數(shù)字史學的起源與發(fā)展。他強調(diào)，數(shù)字史學是數(shù)字人文在歷史學領(lǐng)域的具體實踐，其核心在于利用計算機技術(shù)、網(wǎng)絡(luò)技術(shù)和軟件系統(tǒng)分析、生產(chǎn)與傳播歷史知識，超越了傳統(tǒng)計量史學的范疇。馬敏指出，當前歷史數(shù)據(jù)庫主要分為兩類：一是基礎(chǔ)性歷史文獻數(shù)據(jù)庫，如“國家清史工程數(shù)字資源總庫”“抗戰(zhàn)文獻數(shù)據(jù)平臺”等，通過文獻數(shù)字化與可檢索化提升研究效率；二是研究性量化數(shù)據(jù)庫，如“中國歷代人物傳記資料庫”（CBDB）、“中國多世代人口數(shù)據(jù)庫”（CMGPD）等，借助大樣本數(shù)據(jù)推動歷史研究的定量化與科學化。此外，社會網(wǎng)絡(luò)分析、語境關(guān)鍵詞分析等新方法的應(yīng)用，標志著數(shù)字史學方法論的革新。 面對生成式人工智能（如ChatGPT）的崛起，馬敏認為，數(shù)字史學將迎來新一輪變革。如何利用大語言模型實現(xiàn)史學的“思考”與“發(fā)聲”，將是未來研究的重點。

中國社會科學院近代史研究所副所長金以林研究員在報告中介紹了其團隊主持的“抗日戰(zhàn)爭與近代中日關(guān)系數(shù)據(jù)平臺”項目進展。目前，該團隊已積累近2000種近現(xiàn)代人物日記的數(shù)字化版本，計劃三年內(nèi)完成10億字日記的全文檢索，并納入年譜、書信集等文獻，構(gòu)建大規(guī)模智能化史料庫。金以林強調(diào)，數(shù)據(jù)建設(shè)是史學數(shù)字化的基石，但資源分配與話語權(quán)不足仍是制約發(fā)展的關(guān)鍵問題。

加州大學圣克魯茲分校歷史系教授胡明輝提出“半機械翻譯”（Cyborg Translation）概念，旨在結(jié)合機器翻譯與人工校對的優(yōu)點，提升中文學術(shù)文獻的翻譯質(zhì)量。以《現(xiàn)代中國思想的興起》第四章為例，其團隊通過分割文本、機器初譯與人工潤色的流程，實現(xiàn)了翻譯的準確性與風格統(tǒng)一。胡明輝指出，這一模式尤其適用于處理復雜術(shù)語與古典文獻。

南京大學數(shù)智文獻實驗室助理教授金伯文展示了該校自主研發(fā)的數(shù)智文獻平臺。該平臺集成Qwen、DeepSeek等國產(chǎn)大語言模型，支持歷史文獻的快速數(shù)字化、翻譯與知識挖掘。現(xiàn)場演示中，團隊展示了目錄自動解析、多語種文獻翻譯等功能，并預告未來將開發(fā)多模態(tài)數(shù)據(jù)分析工具，進一步拓展平臺的智能化應(yīng)用場景。

二、專題討論：數(shù)字技術(shù)的應(yīng)用與挑戰(zhàn)

會議設(shè)置三場專題討論，聚焦人工智能工具、數(shù)據(jù)庫建設(shè)與跨學科實踐。

第一組專題報告由《廣東社會科學》主編李振武主持。南京大學歷史學院王濤在《人工智能是歷史學家的興奮劑嗎？》中指出，AI雖能加速研究，但也可能導致“興奮劑效應(yīng)”，即過度依賴技術(shù)而忽視基礎(chǔ)訓練。他通過測試騰訊知識庫工具與谷歌Notebook LM發(fā)現(xiàn)，現(xiàn)有工具在處理復雜歷史文本時仍存在“車轱轆話”與“幻覺問題”。澳門理工大學人文與社會科學學院馬光則探討了本地部署AI知識庫的必要性，強調(diào)開源模型（如LLAMA、Qwen）在處理古籍與手寫文獻時的潛力與局限。《歷史研究》編輯部趙懿提出，生成式AI可系統(tǒng)化整理史料，但缺乏對歷史主體情感與價值的理解，“現(xiàn)實關(guān)懷”仍是人類學者的不可替代性所在。

第二組專題報告由《澳門理工大學學報》主編陳志雄主持。金伯文展望了人工智能時代電子藏書的三大變革：數(shù)據(jù)庫標準化、文獻智能化與知識原子化。他提出，未來學者可通過數(shù)智文獻平臺構(gòu)建個性化文獻社區(qū)，實現(xiàn)知識共享的扁平化。量化研究案例亦引人注目。華中師范大學馬克思主義學院薛勤借助縉紳錄數(shù)據(jù)庫，量化分析了清代學政的仕途流動；社科院姜濤助理研究員則聚焦國民黨軍官群體的地理與出身特征，揭示了政治變動對人事結(jié)構(gòu)的影響。

第三組專題報告由《廣東社會科學》編輯張祥梅主持。南京大學歷史學院姚念達利用數(shù)字報刊數(shù)據(jù)庫與BERTopic工具，分析了20世紀50年代美國社會的“核恐懼”對冷戰(zhàn)政策合法性的沖擊；南京大學信息管理學院宋寧遠從資源語義化角度，探討了AIGC技術(shù)在史料處理中的應(yīng)用，并呼吁以“循證”思維整合數(shù)據(jù)分析與人文研究。南京大學歷史學院李磊基于《中共組織史資料》構(gòu)建數(shù)據(jù)庫，通過數(shù)據(jù)驅(qū)動方法系統(tǒng)揭示了1927年后中共省委組織規(guī)模的動態(tài)演變及地域差異。

三、圓桌討論：人工智能時代的史學未來

在南京大學信息管理學院張斌主持的圓桌會議上，學者們就數(shù)字史學的學科定位、技術(shù)應(yīng)用等問題展開了熱烈討論。李振武指出，當前大數(shù)據(jù)研究結(jié)論多與傳統(tǒng)方法雷同，需開發(fā)更契合史學需求的數(shù)據(jù)庫；馬光強調(diào)，數(shù)字史學應(yīng)通過學科交叉挖掘新觀點；趙懿則提醒，學者需保持主體性，避免淪為技術(shù)的附庸。南京大學歷史學院李慶認為，AI可提升多語種史料處理效率，但技術(shù)開發(fā)需對接史學需求；《史林》編輯施恬逸預測，未來可能出現(xiàn)“個性化AI調(diào)試師”職業(yè)，以解決數(shù)據(jù)庫整合與版權(quán)難題。張斌認為，人工智能與大數(shù)據(jù)的應(yīng)用確實提升了數(shù)據(jù)收集與處理能力，但人工智能驅(qū)動的研究不應(yīng)僅停留在數(shù)據(jù)的堆砌，而應(yīng)致力于解決更復雜、深入的問題。

本次工作坊系統(tǒng)梳理了數(shù)字史學的發(fā)展脈絡(luò)，展示了人工智能在文獻處理、量化分析與跨學科研究中的廣闊前景。與會學者一致認為，技術(shù)革新為歷史學注入活力，但如何在效率與深度、工具與思想之間尋求平衡，仍是數(shù)字人文領(lǐng)域亟待探索的核心命題。