社会科学传播，AI 在场，人更要在场

一

一位老师在常州做基层普法讲座，一晃就是十几年了。

去年他试着借助AI辅助备课，让它写一份讲座提纲。短短三秒，一份结构完整、条理清晰、逻辑无可挑剔的文稿就生成了。科技果然省事，他直接带着这份提纲走进了社区课堂。

可整场讲座下来，效果格外冷清。那份AI写的提纲，句句正确、字字规范，却全是没有温度的套话、空话，脱离了生活，少了最珍贵的人间烟火，根本触不到普通人的真实困惑。

后来他重新修改讲稿，融进了三个真实故事：天宁区真实调解落地的房产纠纷、身边亲戚亲身遭遇的生活难题、本地报纸报道过的民生新闻。

只是这样一改，课堂氛围彻底变了。听众听得认真，讲座结束后还有不少居民围着他追问。

为什么?AI可以快速输出标准答案，却无法建立起一方水土、一群百姓之间最真切的联结。

二

近期有位数学家提出一个很贴切的词汇，叫“证明消化不良”。

放在从前，数学定理的证明门槛极高，耗费大量时间心血，只有真正钻研通透的人，才能推导出完整过程、读懂其中逻辑。可如今有了AI，短短几个月就能生成上百套完整证明，速度远超人力极限。

可问题也随之而来，机器产出的内容再多，人的精力和理解能力是有限的。海量内容扑面而来，我们根本来不及细读、来不及消化，更谈不上真正领悟内核。

这场景，像极了印刷术刚刚问世的年代。印刷机让书籍不再稀缺，文字遍地可得，但真正沉下心读书、读懂书、用好书的人，并没有随之变多。

如今的AI，就是一台极致的超级印刷机，一瞬便能堆砌出一座完整的数字图书馆。可人的认知节奏、思考速度，依旧是老样子，一天二十四小时的时间、接纳知识的容量，从来没有变过。

三

与数学相比较，社会科学的传播要更复杂、更微妙。

数学有明确的是非对错，对错自有定论、有据可依。但社会科学不一样，很多问题连评判标准都没有统一答案，仁者见仁智者见智，需要结合人情、世道、烟火百态去权衡。

AI能轻松生成一份看似完美的社科报告，数据规整饱满，图表精致直观，排版专业规范，外行一眼看去，会觉得无懈可击。

可它永远不会告诉你背后的细节：这些数据源自哪里？是谁实地走访采集而来？采集过程中，有没有遗漏弱势群体的声音、忽略小众群体的诉求？这份看似公允的标准答案，最终惠及了谁，又无形中辜负了谁？

更隐蔽的问题，藏在日常的信息推送里。

AI深谙人的喜好，精准捕捉我们的偏好，不断推送我们爱看、爱听、认同的内容。久而久之，我们会产生一种错觉：自己视野开阔、认知丰富，知晓万般道理。

可实际上，我们早已被困在无形的信息小屋中。眼前看到的一切，都是自己喜好的复刻，四面墙壁全是自己的倒影。这从来不是多元开阔的自由，而是被算法精心安排的安逸。这份舒服太过安稳，安稳到我们渐渐忘了，主动走出舒适区，去看见不同的声音、真实的世界。

四

AI时代，传播环境完全不同了。

从前做社会科学知识传播，最大的难处是匮乏。资料稀缺、专家遥远，普通百姓很难接触到专业知识，想学习、想解惑，却无处可寻。

可如今形势彻底反转，各类信息、海量资料铺天盖地、随处可见。我们不再缺内容，缺的是辨别真伪的能力、读懂本质的眼光。网上众说纷纭、真假混杂，眼花缭乱的信息里，到底哪些可信、哪些无用、哪些有误，很少有人能分清。

从前我们听讲座、学知识，是因为无知，想要查漏补缺。

而现在，AI能一秒给出所有问题的答案，最大的难题变成了：我们根本不知道自己的认知盲区在哪里。

我们靠着机器的速成答案，自以为通晓一切、了然于心，可实际上，我们离真正的理解、真正的生活，还差得很远很远。