姜利標 | 數據內爆時代認知範式變革下的知識生產_風聞

姜利標｜西安交通大學社會學系副教授

本文原載《探索與爭鳴》2024年第11期

具體內容以正刊為準

非經註明，文中圖片均來自網絡

姜利標

**在這樣一個需要知識且極可能產生知識突破的時代，審視具體情境、重塑認知理念以及釐清現實約束，無疑為我們有針對性地創造自主知識提供了可能性空間。**圍繞知識生產範式變革的議題，以下四個方面的問題尤為值得關注：第一，社會情境是否已發生了實質性變化？是否可以將當下的社會情境理解為一個全新的性質狀態？第二，是否存在一個被學界廣泛認可的“範式”概念？如果存在，那麼社會科學尤其是社會學的知識傳統又將經歷怎樣的範式變革？第三，在這樣的時代背景下，知識生產的過程正面臨哪些問題與挑戰？第四，作為一門面向社會現實的科學，社會學知識生產的自主性策略何在？

數據環繞和內爆的時代

**認清自我所置身的時代，是個體終其一生都無法迴避的現實議題。**伊恩·斯圖爾特認為，人類社會已跨越信仰時代、科學時代、概率時代、量子時代和混沌時代……進而以不確定性為核心驅動人類知識的發展。姑且不論斯圖爾特對人類社會性質發展階段的判斷是否準確，他所提及的一個不可忽視的事實是，個體已處在一個數據不斷環繞和內爆的時代。

**簡單來説，這是一個建立在互聯網、物聯網等現代網絡渠道廣泛收集數據資源的基礎之上，並進行數據存儲、價值提煉、智能處理和結果展示的信息時代。**此時的數據資源不僅體量大、類型多樣，還伴有速度快、時效高甚至價值密度低的特性。從社會學角度來看，這時的大數據時代具有完全嶄新的三個特性：**首先，數據生產痕跡化。**個體做任何事情都會留下相應的數據痕跡，雖然我們感知不到它，但並不代表它不真實存在。數據痕跡並不像互聯網早期所宣稱的那樣，個體行為具有模糊化、匿名化和多元化的特性；相反，個體行為指向更加具體、精準和明確。**其次，數據運作並行化。**如果説傳統的數據運作機制有時間先後次序之分的話，那麼當下數據挖掘、生產、存儲、分析等都可以同時發生。**最後，數據真身鮮活化。**數據已非單純的客觀數據或“死數據”，而是擁有生活化甚至社會化傾向的“活數據”，是能夠被科學精準分析的有價值的數據。

這樣一個數據不斷環繞和內爆的時代的社會症候包括三個方面：其一，萬物數據化。個體日常所接觸的東西、內心的想法以及外在事物的變化等，都可以藉助物聯網等技術進行數據化表達。人和物在成熟的科學技術支持之下，已被智能化地識別、定位、跟蹤甚至監管。其二，數據具有開發價值。至於這個大時代的數據價值怎麼衡量，不同的領域、不同的職業所看到的側重點可能會有所不同。其三，數據化時代也是一個動態發展的智能化世界。未來世界將面臨是否還受人控制，科學技術是否會像人一樣擁有理念意識等問題。

知識生產的範式變革

智能人類與人工智能的結合，使得知識生產正面臨着“範式的革新抑或範式的轉移”。用“範式”概念來指涉當下的知識生產情境確實契合，但到底什麼是共同體尤其是社會學界所理解的“範式”？

圍繞範式概念而延伸出來的歧義，很大程度上與托馬斯·庫恩1962年首次使用且沒有作出明確限定有關。他在《科學革命的結構》裏，只是將“範式”視為一個無須過多解釋且共同體都能夠領會的分析性概念。瑪格利特·馬斯特曼統計後發現，庫恩用了21種不同的表達方式來使用該概念。將“範式”概念首次引入社會學的是喬治·瑞澤爾。他在1975年將“範式”理解為“一種關於科學研究主旨的基本意向。它為我們確定了研究什麼問題、怎樣提出問題、遵循什麼樣的原則等。範式是共同體內部共識的東西，我們可以用它來區分不同的共同體或者次共同體。它包括定義、案例、理論、方法以及運用的工具等”。自此，“範式”概念也就變成了超越具體、包含理論、容納流派的一個抽象認知工具。吉姆·格雷在範式認知的基礎之上進一步指出，人類知識正處在“計算科學和數據密集科學的知識生產路徑上”。當站在該角度來理解社會情境時會發現，社會學學科的知識生產已不再限定在實證主義、人文主義以及批判主義的範式認知基礎之上，相反它會隨着社會情境的即時性變化延伸出新的認知方式。

**社會學的知識生產脈絡由此可以區分為兩種認知性範式，即保守主義範式和激進主義範式。**所謂保守主義範式，是指研究者在知識生產過程中對大數據持謹慎態度，沒有將大數據時代的來臨視為學科知識生產所必然要考慮的核心變量；相反，持激進主義範式立場的研究者，則積極看待大數據時代所發生的情境變化，並試圖在知識生產過程中揚棄、革新既有的知識傳統。當然，在學科知識不斷湧現的事實面前，保守主義範式和激進主義範式也只是一個相對化的認知區分。這點在整個社會學的知識發展傳統中體現得淋漓盡致。譬如，20世紀中葉網絡社會的崛起，就曾引發過學界內部類似認知立場的爭議，隨着知識的累積化發展，這些爭議最終都消融在個體的日常生活之中。從某種程度上可以説，社會學就是圍繞社會性質的狀態變化，進而逐漸確立起屬於自我的學科知識體系。大致來看，社會學學科知識的發展可以理解為建立在“三種社會形態和兩種範式認知”基礎之上所形成的結果。

**古典社會學時期，學科知識的生產方式主要受哲學思維的直接影響，它根植於研究者的邏輯思辨能力，進而圍繞工業社會性質狀態形成體系化認知。**雖然社會學家也注重比較、歷史、分類等方法的運用，但這些方法本身並不屬於學科自身的知識生產策略，因此它所催生出來的知識自然容易遭到受眾的冷落。伴隨學院派將數理統計分析和實地田野觀察的理念帶入學科，社會學才算真正鞏固了以代表性樣本來建構知識合法性的根基，但該階段學科知識的生產素材只注意到了社會事實的實體層面。換句話説，在網絡社會出現之前，社會事實的虛擬特性始終沒有被納入知識生產的認知範疇之內。

當微電子、電腦、光電等技術催生出社會情境的新形態時，人類便進入了以技術信息組織起來的網絡社會。由於網絡社會兼具虛擬和現實的雙重特性，建立在實體社會基礎之上的傳統社會學的知識生產策略必然面臨巨大的認知衝擊。**此時的社會學研究思維，已不再侷限於傳統的小樣本數據，而是轉向自然生成的大樣本數據範式認知。**隨着生成式人工智能滲透進個體的現實生活併成為社會發展的主導性力量，社會情境中的現實和虛擬特性開始變得模糊起來。人類社會也從網絡社會進一步升級為“數據會自我生成、技術日益智能化”的數智社會形態。

這種基於保守主義和激進主義的範式認知理念，能夠幫助我們釐清學科知識生產的現實邏輯，但也會伴隨社會性質狀態的變化而發生認知立場的形式搖擺。譬如，相較於網絡社會、數智社會，工業社會在知識生產過程中的哲學思辨策略和小樣本策略，就屬於一種保守主義的知識生產方式；而網絡社會里的“主題模型、詞嵌套模型、語義網分析”等分析策略，相較於數智社會里的“洞察分析、行動者建模、卷積神經網絡”等生成式人工智能策略而言，則可以看作是一種相對保守的知識生產方式。可見，將“範式”概念引入知識史的分析和知識生產的脈絡邏輯中，能夠讓我們快速明晰知識生產過程中的認知取向。

範式變革背後的雙重現實

數據環繞和內爆的時代，給社會學知識生產帶來了不容忽視的機遇和危機並存的事實，需要辯證審視。

**第一，這個時代的來臨為社會學學科提供了跨時空、多元化的素材。**雖然社會學脱胎於哲學，但它與哲學最大的區別就在於：社會學的知識生產方式，非常注重對日常生活之中的經驗素材進行加工和運用。沒有鮮活豐富、客觀具體的素材，就沒有社會學知識創新的靈感和知識立論的依據。素材是社會學知識推陳出新的基礎性條件。伴隨大數據時代的來臨，社會學知識生產所依賴的素材已不再受限於特定的時空情境，相反可以跨越時空尺度、實虛特性的限制，可選擇性空間很大，且具有隨時可獲得的特性。

**第二，這個時代的來臨加速了社會學學科分析模型的智能化發展進程。**如果説傳統社會學知識的科學性主要在於，將數理化的分析模型納入分析過程進而贏得共同體認可的話，那麼當下社會學知識還須創造性地推進更加精細化的模型開發和運用，並以此來維繫其社會科學的合法性地位。其實，不論是大數據策略下的可視化分析、數據挖掘算法、詞嵌套模型抑或語義網分析，還是生成式人工智能策略下的洞察分析、行動者建模以及卷積神經網絡等，都意味着學科分析模型正在快速崛起，且不斷朝着實用、完美的智能化方向迭代發展。

**第三，這個時代的來臨可以讓社會學的研究結論變得更加精準、客觀和科學。**傳統社會學的分析結論，不僅與具體素材的信度和效度有關，還受研究者自身主觀思維能力的約束。這時的知識是否具有科學性和實用性，往往受知識形成之外的影響頗多。相反，大數據時代所研發出來的知識生產工具，很大程度上能規避傳統社會學知識生產過程中的外部劣勢，進而最大限度地激活學科知識生產過程中的主體思維優勢。簡單來説，它能在研究素材和創新思維相互啓發的基礎之上，讓最終呈現出來的結論更具有説服力。

然而，這場令人振奮的發展實則也潛藏着內在性危機。譬如，研究者能否獲得自己想要的素材數據？畢竟大數據的生成、聚集、儲存和挖掘等都需要依賴特定的平台或技術，而不是單憑個體的研究能力就能輕易做到的。**大數據之所以“大”，還在於其是一種多維度、非結構性、異質性的數據類型。**即使研究者能夠獲取並分析它，也容易觸及具體個體的隱私權。既然涉及隱私的數據也能夠被蒐集到，是不是意味着這種數據背後始終存在着某種無形的控制力量？這時候所關注到的議題，是否還有學術價值可言？我們還必須正視的一個客觀事實就是，社會學的知識生產活動不再是研究者的專長。生成式人工智能已發展成為學科知識生產過程中的主體性力量。研究者不再處於認識和研究的中心，相反轉變成為知識生產環節的銜接角色。在此背景下，一個極端結果是，社會學具備了在自我繁衍基礎之上生產知識的能力，不再依賴研究者的創造性貢獻來形成知識。當知識具有自我延續的生命力時，也就意味着研究者“步入了主體意識的黃昏”。他們被迫接納和學習不再由人類所創造的知識，進而只有過度依賴智能化的技術，才能尋找到自我從事研究的意義。

社會學知識生產的自主性策略

基於上述分析，**捕捉社會性質狀態的變化以及如何回應知識生產範式的變革，成為社會學發展必須要正視的現實議題。**我們可以從知識生產的事實對象、知識生產的核心焦點以及知識生產的認知本質三個維度尋找可能的自主性策略。

第一，社會學之所以被視為一門科學，很大程度上源於該學科能及時捕捉到社會性質的微妙變化，並在明確自我研究的事實對象時給予合理性解釋。因此，**學科自主知識生產策略的起點，必須回落到對社會性質狀態的理解之中。**如果説社會學根源於現代性所孕育的工業社會性質狀態，那麼隨後的學科知識發展可以説都是在緊密圍繞工業社會事實所衍生出來的變化，進而形成的增補性對話。後工業社會、消費社會、風險社會、網絡社會、倦怠社會等，這時都轉化為了社會學知識增長的情境背景。如何更好地根植於當下的數智社會事實狀態來生產知識，是共同體構建自主知識體系的重要切入點。

第二，**如果説“個人和社會”抑或“行動和結構”是社會學新生知識的增長點，那麼大數據時代下的學科知識骨架也無法脱離對這四個概念的具體化延伸理解。**譬如，從“個體和社會”的角度來看，意識是否是個體的專屬特性？生成式人工智能是否也具有人類的意識？數智社會的基礎和本質是什麼？具體社會情境又有什麼樣的變化？從“行動與結構”的角度來看，“指涉人類也可能指涉類人類”的個體，他們將會作出什麼樣的行為選擇？個體更看重行動的動機、目的，還是行動所帶來的後果？作為總體性理解的結構，具體在日常生活之中是如何體現出來的？實際上，社會學之所以能延續下去並取得突破性的知識成就，某種程度上與學術共同體不斷推動對“個體”“社會”“行動”“結構”四個核心概念的拓展理解有關，進而形成了以“個體和社會”抑或“行動和結構”為核心議題的差異分歧性共識。隨後，藉助延續、對話和修正的方式，不斷地推進學科知識的累積性發展。

第三，雖然當下已進入大數據時代且社會學的認知範式已發生變革，但當共同體談論知識生產時，還需琢磨知識生產背後的本質性問題，即只有弄清楚了什麼是知識、知識是如何誕生的，研究者才能更好地推動創新性知識的生產。其實，個體對什麼是知識的認知，並不是一種與生俱來的思維能力，而是源於自我生存的本能以及生命歷程的發展性覺悟。也就是説，**個體起初並不知道自己已經掌握了某種知識，只是在憑藉自我所熟知的生活經驗與周邊的世界打交道。**這時候的知識，帶有更多生活經驗直接傳承的間接特性。當個體發現之前一直運用自如的知識突然不能適應生活類似情境時，也就意味着他們開始反思和試圖修正先前的間接性知識，進而促使知識的適用邊界和應用範疇變得更加明確。如果個體就類似情境為什麼會有不同的認知結果進行再思考，實則已觸及對知識的起源進行考究式探尋。此時，知識已不再簡單停留在具體的實用功能層面上，而是涉及具體情境差異背後的現實起源問題。可能個體仍疑惑類似情境為什麼會有截然不同的表達脈絡，進而對知識的生產歷程進行追問，這也就牽扯到知識與規範的隱性交織問題。也就是説，所謂的知識其實就是特定權力表達規範化之後的產物。當個體明白知識生產背後的規則且遵循相應的表達書寫規範時，才可能自如地針對具體現象生產出新的知識。因此，認知範式變革時代下的知識生產反思，還需要對知識到底是如何形成的這一根本問題進行本質化思考。

概而言之，**社會學是一門關注社會現實的學科，其知識生產方式離不開對社會情境的假定。**關注社會情境的本質變化，是社會學學科知識生產得以更新的必要條件。當然，社會學知識的專業化抑或學科知識的獨特性，不僅在於需要延續既有學科知識的根基，還在於需要及時根據社會情境進行適當性調整。只有不斷地追問學科知識的供給市場在哪，研究者才能時刻保持知識生產的衝動狀態。即使在社會情境面目全非、智能技術高度發達的狀態之下，他們也不會陷入唯技術、唯方法的工具主義窠臼之中。畢竟，技術或方法只是人類認識世界的工具，而不是獨立於人之外的意識化生命。退一步講，即使人工智能真的取代了人類的某些工作，那些被視為知識的知識，仍離不開屬於人類知識生產的螺旋塔邏輯。