本文档属于类型b：这是一篇探讨生成式人工智能（Generative Artificial Intelligence, GenAI）驱动数字人文（Digital Humanities, DH）向智慧人文（AI-DH）范式转型的理论研究论文，由中国人民大学信息资源管理学院杨鑫、叶尔达纳·肯吉别克、温福铨与中山大学信息管理学院及数字人文研究中心陈涛合作完成，发表于2025年第6期《信息与管理研究》。论文系统论述了生成式AI对数字人文在形态演进、方法革新与认知重构三个层面的深刻影响，并提出了四种新兴的智慧人文范式。
论文核心观点与论证结构
1. 研究形态的范式演进
论文指出，AI-DH的形态特征体现在四大维度：
-
人智协同（Human-AI Collaboration）：生成式AI从工具升级为研究伙伴。例如斯坦福大学通过25个LLM驱动的智能体在《模拟人生》游戏中模拟人类行为（Park et al., 2023），以及WarAgent对历史战争的动态推演（Hua et al., 2023），证明了AI已具备参与创造性研究的主体性。
-
技术架构集成泛化：传统数字人文依赖离散工具链（如IIIF社区工具），而生成式AI通过端到端生态（如Coze平台、Qwen模型）实现多模态任务统一处理，降低了技术门槛。
-
数据智能激活：生成式AI突破结构化数据依赖，直接处理非结构化文本（如北大“吾与点”平台从古籍生成知识图谱），并通过多模态模型（如Gemini 2.5）实现跨模态语义互证。
-
研究形式涌现：从人类单向叙事转向机器推理（如上海图书馆竞赛作品《春江遗梦曲承传》的AI生成内容），以及单模态分析到跨模态互证（如文本-图像语义匹配）。
2. 方法论的三重转型
论文提出方法论层面的系统性革新：
-
理论迁移：从“工具辅助”到“智能伙伴”。研究者通过提示工程（Prompt Engineering）、检索增强生成（Retrieval-Augmented Generation, RAG）等技术引导AI参与认知构建，形成混合智能（Hybrid Intelligence）体系。
-
导向变更：从“人文为本”转向“以人为本”。强调人类需保留对伦理对齐（Alignment）、价值判断的主导权，例如通过人在回路（Human-in-the-Loop）机制控制AI的“幻觉”（Hallucination）风险。
-
工作流重构：线性实证流程（如DCC数字策展五原语模型）被开放生成系统替代，表现为三种新模式：人文向量化（如清华“九歌”诗词生成）、人文模拟（多智能体建模）、知识生成（AIGC驱动假设构建）。
3. 认知层面的辩证统一
作者从哲学角度剖析了AI-DH的认知重构：
-
主体性层面：人类智能与机器智能形成“解释者-执行者”协同。AI承担记忆、模式识别等任务（系统1思维），人类专注于批判性诠释（系统2思维），呼应卡尼曼的双系统理论。
-
过程层面：人文理性与概率猜想共存。例如大模型在古籍处理中既展现创造力（如王东波团队“荀子”系统的自动分词），又受限于训练语料的随机性（如战国文字异写导致的幻觉）。
-
结果层面：深度探索（“未知未知”发现）与广度泛化（技术民主化）结合。生成式AI既拓展认知边界（如暗知识挖掘），又促进公众参与（如提示工程降低研究门槛）。
4. 智慧人文的四种范式构想
基于实践案例，论文归纳出AI-DH的典型范式：
-
生成人文（Generative Humanities）：以AIGC为核心，如Midjourney重构《春江花月夜》视觉叙事，但需警惕原创性争议。
-
对话人文（Dialogic Humanities）：通过自然语言交互（如ChatGPT）实现动态知识建构，重塑数字叙事形式。
-
模拟人文（Simulated Humanities）：结合多智能体（Multi-Agent）与蒙特卡洛方法，推演历史可能性（如“如果”场景分析）。
-
延伸人文（Extended Humanities）：人机递归互动形成混合认知，如研究者通过微调（LoRA）优化领域模型。
论文的学术价值与现实意义
本文的理论贡献在于：
-
系统性框架构建：首次完整阐释AI-DH的形态-方法-认知转型逻辑，弥补了现有研究聚焦工具应用的碎片化局限（如刘圣婴等2025年对技术实现的讨论）。
-
人文与技术哲学融合：回应了技术自主性（Winner, 1980）与主体性危机（Farrell et al., 2025）的争议，提出“以人为本”的伦理锚点。
-
实践指导性：四种范式为古籍智能处理（如“荀子”系统）、数字策展（如上海图书馆项目）等提供方法论参考。
论文亦指出挑战：AI的幻觉问题、训练数据偏见、人文价值空心化风险等，呼吁在拥抱技术时保持批判性思维。这一研究为数字人文在AGI时代的发展奠定了理论基石，其提出的“人智协同”框架或将重塑未来人文研究的生态格局。