智能体变革与知识生产方式转型-动态资讯-北京联索科技有限公司

动态资讯

智能体变革与知识生产方式转型

2026-09-15 16:14:48 腾讯 [查看原文]

点击上方“江汉论坛”关注我们吧！

作者简介

类成阳，华中科技大学教育科学研究院博士生，主要研究方向为知识生产方式、教育基本理论。参与国家社会科学基金一般项目1项，在《江汉论坛》《国家教育行政学院学报》《现代大学教育》等CSSCI来源期刊发表论文6篇，先后被《人大复印报刊资料·教育学》《高等学校文科学术文摘》《人大复印报刊资料·教育学文摘》全文转载或摘编。

摘要：为获取高深原创知识和纾解知识生产困境，智能体介入以推动知识生产方式转型或许是有益尝试。为应对大模型的幻觉、容量以及遗忘等问题，智能体得以产生。智能体的结构由感知、记忆、规划和行动四大功能模块组成，依托可靠性和创造性的张力与平衡，可成为“平台化科研”的核心构件。知识生产方式具有四维结构，智能体介入可使生产主体从人机交互到人智交互与人智共生、生产对象从传统对象到全面数据化与总体数据库、生产工具从碎片化黑箱到智能科研平台、社会建制从个性化独立生产到社会化平台生产。在四维转型的基础上，通过对“基于复杂系统的平台化科研”的结构组成、稳态维持和运行机制的分析，可初步提出新知识生产方式的构想。

关键词：知识生产；知识生产方式；智能体；平台化科研；人工智能

科学发展的进程虽然是非线性的，但人类社会对科学的期望和需求却呈线性增长。就当代所面临的极为复杂的生存、生产和生活问题而言，仅仅依托旧理论与旧范式已难以彻底解决，亟须补充能够超越前代的基础科学理论和高深原创知识，而以人工智能介入知识生产被认为是一种可行的方案。

事实上人工智能确实改变了知识存储与传播、知识生产与应用，重塑了知识生产的全球流动、网络结构与协作机制，推动知识生产从传统的“归纳—演绎”模式向数据驱动与算法生成模式转型。但从危机与限度来看，人工智能介入知识生产始终存在着透明度不足、可解释性缺乏以及信任与安全等挑战。当前，人工智能已历经传统AI、深度学习AI、大模型AI而步入智能体AI阶段。所谓智能体（Agent），可理解为以大语言模型（Large Language ModeI，简称LLM）等人工智能大模型为“大脑”、以各种软件和硬件为“躯干”的复合实体。相比于人工智能大模型，智能体更加关注人工智能的可靠性与创造性之间的张力和平衡，具有更低的技术门槛，在实现自主性和全流程参与科研方面前景广阔，其问世或将为知识生产方式转型带来新的契机。

一、

智能体及其引发的人工智能变革

智能体的英文对应词为“Agent”，其源于哲学领域，指具有行为能力的实体或主体。人工智能领域引入Agent后，通常选取其作为“代理”的含义，意指通过模仿人的思维和行为来代替人行使部分职能的主体。而中国学术界近几年倾向于将Agent译为“智能体”，特指在大模型的基础上，通过整合感知、记忆、规划与工具等模块，实现与外部环境主动交互和自主执行复杂任务的软硬件系统。这种智能体具备从感知环境、记忆规划到执行决策的完整能力，能以LLM等人工智能大模型为核心，居中调度感知、记忆、规划和行动等功能模块，使用相应的外部数据库和工具库与人类实现交互，甚至具备自主开展个性化复杂任务的潜力。智能体这一迅速崛起的新兴技术，其产生一方面带有技术突现的偶然性，另一方面则是应对人工智能大模型之不足的必然结果。

（一）智能体的生成动因：应对大模型的幻觉、容量与遗忘问题

当代，人工智能技术高速发展，以生成式人工智能和大语言模型为代表的最新成果似乎正在将人类对通用人工智能和强人工智能的设想变成现实。在具体方面，人工智能通过生成式行动者、复杂因果分析及人机科研协同等路径赋能科学研究。它不仅可以在工具层面提升研究者科研效率与质量，而且可以在思维层面可提供新的认知路线，在范式层面拓展科学研究的叙事尺度。然而，人工智能大模型本身也存在一些痼疾，影响了其介入科学研究的可靠性、准确性和有效性。这些痼疾主要包含三个方面：大模型容易产生幻觉、处理上下文的容量局限以及遗忘信息和知识的倾向。幻觉是智能机器所特有的现象，容量局限和遗忘实际是人的理解能力与记忆存储能力不足在智能机器上的投射和映照。

大模型的幻觉是指其具有“想象”的能力和“随意发挥”的可能，会生成与事实不相符合的内容，因而损害大模型的可靠性和准确性。人工智能意义上的“创造性”是指生成内容的随机性、不确定性和新颖性程度，而一旦大模型的可靠性受到怀疑，对其创造性的认可程度也会大打折扣。为此，在大模型因预训练而获得的一般泛化能力的基础上，如何通过叠加外部专门数据库和通过应用程序编程接口（Application Programming Interface, 简称API）调用各种外部平台和功能插件，从而增强大模型的可靠性并使其创造性在正确的轨道上发展，成为人工智能介入科学研究的发展方向，并造就了智能体的雏形。

大模型处理上下文的容量局限体现在两个方面：一是用于和大模型对话的上下文窗口的容量有限，二是大模型有效和准确处理上下文的容量有限。当上下文过长时，大模型难以对其有效识别并会丢失其中的关键信息。如果单从大模型本身出发，处理长上下文的局限只能依靠大模型技术的进步，需要对话窗口容量的扩展速度大于科研需求的增长，以及涌现出更有效和更全面的处理长上下文的算法。虽然一些大模型，诸如最新的GPT-5能够处理200k个token（相当于500页的文本）级的上下文，但仍然难以满足科研中处理大容量文本的需求，且识别信息的有效性仍旧有较大提升空间。为此，如何以外部接入的方式扩充大模型处理信息的容量和增强其有效性，以及将历史对话有效统合与接续，也成为智能体出现的动因之一。

大模型遗忘先前输入的信息和学习的知识，反映出的是其记忆功能的相对薄弱。大模型的记忆功能总体上涵盖两个层面：一是对用户输入的上下文当中所包含信息和知识的理解和调用能力，即对个性化信息与知识的记忆，可称为短时记忆；二是大模型在预训练阶段中处理的巨量数据，即对通用性信息与知识的记忆，可称为长时记忆。要应对大模型遗忘信息和知识的问题，破局之策在于短时记忆与长时记忆的共同强化。科学研究的主要目的在于确立诸如普遍规律这种通用的知识，但落实到每一个研究者的具体科研中，却是非常个性化的过程。强化大模型的记忆功能对于构建个性化和专门化的科研大模型非常重要，对于不具备微调大模型相关技能的研究者而言尤为关键。因此，增强大模型记忆功能以推动智能化科研的需求也成为促使智能体问世的重要力量。

（二）智能体的角色定位：平台化科研的核心构件

为实现Agent从代理到智能体的跨越，突破当前大模型的局限，将具有自主性潜力并可全流程参与科研的人工智能变为现实，需要对智能体的结构进行精心设计。类比人类神经系统中由感受器、传入神经、神经中枢、传出神经和效应器组成的反射弧，智能体的基本结构应涵盖：接收数据和信息的感知部分、对数据和信息进行记忆和规划的大脑部分、执行大脑决策的行动部分以及由各种线路和网络组成的传输中介部分。因传输中介部分相对简单，一般不需要将其单列，故而可认为智能体由感知、大脑和行动三部分组成。大脑部分主要行使记忆和规划功能，所以可以认为智能体由感知、记忆、规划和行动四大功能模块组成。总体而言，智能体是由四大功能模块协同并与人类进行交互的产物。

处于智能体结构核心位置的是其记忆和规划功能模块，主要由LLM等人工智能大模型承担。但如前文所述，大模型固有的幻觉问题、上下文容量问题和遗忘问题极大地制约了其生成内容的可靠性，为此需要引入新的技术对它进行强化，叠加的技术与大模型共同行使记忆和规划功能。针对于记忆功能模块的增强，当前主要有基于知识图谱（Knowledge Graph, 简称KG）的SciAgents框架、集成信息检索工具和外部数据库的检索增强生成（Retrieval Augment Generation, 简称RAG）技术、大语言模型与SQL数据库集成的ChatDB技术等。这些技术手段谋求的是外接专门领域的结构化知识图谱、数据库或知识库，以及通过搜索引擎等信息检索工具连接最新的数据和信息的方式，实现对大模型之外的数据、信息与知识的存储、检索与调用。规划功能模块主要行使推理、规划和决策功能，其中基于逻辑和证据的推理过程是整个功能模块的基础。目前主流的推理框架有思维链（CoT）、思维树（ToT）以及Reasoning and Acting（ReAct）等。其中，ReAct框架实现了一种交互式范式，在生成与任务相关的语言推理和动作之间交替，从而促进语言模型推理和动作熟练度的协同增强。规划则以推理为核心，主要工作是将总体任务以合理的方式分解为子任务；决策是推理与规划的外显化，形成相应文本或指令供行动功能模块执行。

相对于记忆和规划功能模块的高技术密集度，感知和行动功能模块更多处于从属地位，其能够有效发挥的程度也依赖于记忆和规划功能模块的发展水平，尤其是在智能体处于无自主性和低自主性的状态时。感知功能模块总体上可以划分为文本、视觉以及听觉的输入，可依托传感器、物联网以及信息处理模型进行。具体而言，感知功能模块需要对环境数据、用户行为和模型数据进行反馈，并制定数据对齐方法、模型结果解析以及多源信息融合等反馈策略。行动功能模块可以调用API和功能插件、代码解释器、外部机械装置以及通过基于文本的指令在外部环境中进行操作。当智能体达到较高水平的自主性后，记忆和规划对感知和行动的单向调节就具备了演变为后者并影响和反哺前者的可能性。作为当代人工智能技术的基底理论之一的具身认知理论强调身体在认知的实现中发挥着关键作用，认知过程的进行方式和步骤实际上是被身体的物理属性所决定。当智能体观察环境、接受数据和信息的广度和深度达到临界水平，可资使用的行动工具将更加实体化和精密化，趋近于人类的“身体构造”，在影响记忆与规划功能模块的同时，也将成为实现真正自主性和自动化智能体的新生动力。

智能体的主要特征是自主性、反应性、主动性和社会能力，这赋予它成为“平台化科研”核心构件的可能。在“Web 2.0”这一理念风行后，“平台”几乎成为各种互联网平台的统称。“平台化”从平台引申而出，将对平台自身特性和内部运作方式的关注扩展到对平台如何影响其外部环境的叩问，意指社会、组织或科研活动在平台逻辑下被重构为自适应复杂系统的过程。平台化科研则以智能体为核心构件，将研究者、人工智能、研究对象与研究素材统合为“利用较少的一系列规则去确定较大的复杂领域”的系统，在这一复杂系统内开展科学研究，以突破复杂度阈值的方式实现知识生产和知识的自然涌现。在通往真正意义的自主性这一远景目标的道路上，智能体介入科学研究如何实现可靠性和创造性之间的张力与平衡，成为研究者所面临的难题。

智能体介入科学研究时，研究者既希望其能够从科学的逻辑和翔实的证据出发生成与事实相符的内容，甚至可以生产出可靠的知识；又希冀智能体能够充分发挥其庞大的参数中所蕴含的巨量信息优势，以远超于人的“头脑风暴”产出极具创造性的观点和策略。LLM等人工智能大模型的“黑箱”特性已经赋予了智能体极大的不确定性，而不确定性正是智能体表现出创造性的前提条件。当前，智能体的相对不可控和未知的部分，也就是与创造性密切相关的部分已经足够复杂与成熟，反而是本应当更加基础性、涉及可靠性和准确性的部分却处于相对匮乏的状态。也正因如此，智能体的功能模块构建主要围绕可靠性的倍增展开，对LLM等人工智能大模型已有的记忆和规划功能进行外部强化，增加行使记忆和规划功能模块的技术的复杂度，以推动智能体在科研系统中新功能的涌现。此外，感知和行动两大功能模块进一步扩充智能体获取数据与输入信息的渠道，同时将输出端由仅输出文本内容扩展到调用外部工具库开展具体乃至全流程自动化的科研，则是检验智能体在可靠性与创造性基础上能否产生有效自主性的重要依据。也就是说，通过不断平衡可靠性与创造性之间的张力，智能体有望逐步达到作为平台化科研之核心构件的条件。

二、

智能体介入下知识生产方式的四维转型

除社会发展对高深原创知识的庞大需求外，知识生产方式转型的缘由和动力是多维而复杂的，本研究主要关注智能体介入下它的应然状态，以及如何为通往“平台化科研”奠基。当前，人工智能是引发知识生产方式转型的最重要技术因素，截取智能体这一最新形态作为主要关照对象，探讨智能体介入下知识生产方式转型的基本路径，具有对总体转型趋势作出标识的意义。以下从知识生产方式的“生产主体—生产对象—生产工具—社会建制”四维结构进行探讨。

（一）生产主体从人机交互到人智交互与人智共生

传统观念上，各领域的知识生产基本都认同人是唯一的生产主体。亦即，各领域知识是由人生产出来的，并在现实世界传播和应用，而且在科学研究和生产生活中被不断再生产。因知识生产表现出愈发强烈的跨学科性、异质性和社会弥散性，知识的生产主体处在不断的变迁之中，这具体表现为由个体的人扩展为群体的人和组织机构，并进一步发展为“大学—产业界—政府的三螺旋”生产主体和“学术界—产业界—政府—公众的四螺旋”生产主体。

在人工智能大模型问世之前，学术界主要还是将人工智能视为科学研究的辅助工具，但大模型强大的交互性、通用性和生成性使得研究者对人工智能的期望值陡然攀升。人工智能是否可以作为主体的问题，也从不值得探讨的伪命题变为可以适当引申的中性论题。尤其是新一代大模型表现出异乎寻常的逻辑水平和推理能力，以及大模型的幻觉问题得到一定程度的改善，推动知识生产从单一人类主体向人机交互的复合主体迈出坚实一步。

在智能体的介入下，知识生产的人机交互主体将具备演化为“人智交互”与“人智共生”主体的可能性。相比于人机交互，人智交互更加强调大模型或者智能体如同“滤镜”一样影响人们所见之物，能够感知用户需求的本质来源，分析行为动机并快速做出合理的反应。人智共生则是人智经过长期交互所达到的理想状态，人类的智慧与人工智能的智能获得增益而实现协同进化。亦即，人智交互突出人类与智能机器的双向学习，而人智共生则体现自组织的有机体和被组织的智能体的协同进化关系。不仅有机体显现出被组织性和构件化的可能性，智能体也有成为自组织复杂系统的可能性。人机交互与人智交互乃至人智共生相比较，前者虽兼具指导者—执行者范式和平等伙伴关系范式，但更偏向第一种范式，后者则是更加强调智能体对人施加的反作用，而真正趋向第二种范式，人智共生的实现是生产主体转型的关键。此外，通过跨主体性中知识上与道德上互为主体去替代互为他者，找寻主体间循环互相理解的“聚点”和“共同知识”，由此化解人类与智能机器间因同时空双位格所带来的干扰与偏误，有望最终形成人与非人自成主体的良性秩序。

（二）生产对象从传统对象到全面数据化和总体数据库

传统意义上的知识生产对象包括与自然、社会和人相关的统计和实验数据等各种实体数据，涵盖经验和理论的各种文献资料，以及访谈和田野调查产生的各种质性材料。然而在人工智能时代，单一的实体数据扩展至实体、虚拟和网络数据并存，各种文献资料和质性材料也有数字化为各类数据的明显趋势。一言以蔽之，数据已成为当今知识生产中最具潜力的生产对象，尤其是容量和规模极大、传输和处理速度极快以及类型极富多样性但准确性和价值密度低的大数据。为此，在传统生产对象数据化的基础上将大数据引入知识生产，创生新兴生产对象并从中挖掘知识，是生产对象转型的核心关切。

智能体与知识生产对象的数据化和语义化之间具有高度耦合，前者的记忆功能模块的构造过程，尤其是可计算的语义表征层的形成，便是传统生产对象数据化以及集成为知识图谱和专门数据库的过程。智能体的记忆与检索层则是在语义表征层之上，运用与记忆功能模块相关的检索增强、数据库与大模型集成等技术，进一步对数据化的生产对象进行存储、预处理、分析、挖掘以及呈现，为下游规划功能模块的推理、规划和决策提供充分支持。在此基础上，智能体与研究共同体、数据分析机制与信息处理系统协同，推进知识生产从传统对象到新兴数据的一体化表征与规范化接入。

智能体一方面可以主导知识生产的传统生产对象的数据化，尤其是针对各类文献资料和质性材料的数据化、统计数据和实验数据等实体数据的虚拟化和网络化，推进大数据等新兴生产对象的全面采集，实现传统与新兴生产对象的一体化和全面数据化。另一方面，智能体的介入使得从包含科学文献资料、实体数据和质性材料等的传统生产对象数据库，到以大数据为主的新兴生产对象数据库，再到包含同行评审与学术发表等的研究成果数据库的全流程总体数据库建设成为可能。科研总体数据库将成为科学研究共同体选取生产对象的主要来源，为科学事实呈现、科学规律和科学价值的揭示提供充分的研究素材支撑。

（三）生产工具从碎片化黑箱到智能科研平台

生产方式主要是指生产的技术条件与社会条件，而作为技术条件的生产工具的变革，是推动生产力跃迁最为直接也是最为显在的因素。但生产工具不会自发地进行知识生产，需要科学研究者与人工智能的人智交互和共生状态赋予它们目的和价值意义。当前，尽管知识生产的生产工具已经逐步从依托人的智慧和情感转向借助信息通信技术、计算机网络以及大模型，其类型不断丰富、效能不断提升和趋于数智化，但其结构性功能仍然较为单一和碎片化。大模型偏重系统的输入和输出而忽略系统本身的黑箱性质，使得工具集的构建缺乏透明度和可行性，难以满足知识生产对生产工具的整体部署和全流程参与的需求。智能体的介入可显著扩展知识生产中的可用工具谱系，研究者借助记忆功能模块和规划功能模块的集成，也有望实现对各类生产工具较为高效的调配。调配的结果是单一和分散的生产工具迈向系统化和一体化，并最终服务于知识生产的智能科研平台建设。以往由于缺乏高智能化、具自主性和可自动化的生产工具作为调配中枢，知识生产的总体数据库建设颇为乏力，如今在智能体介入下，建设囊括总体数据库在内的知识生产智能科研平台也可提上日程，从而改变单一分散工具的低效能状态。

生产工具的转型体现于智能体对全部工具的调配以及嵌入知识生产的全流程，并依据研究者和规划功能模块的指令实现对整个过程进行监控、调整和评价。科学研究者可利用诸如“Model Scope-Agent”框架构建智能科研平台的雏形，该框架的工具库可容纳自然语言处理、计算机视觉、音频和多模型领域的多样化人工智能模型，以及集成搜索引擎等广泛工具的通用API，此外还可以添加自定义功能插件并从工具库的自动检索系统中调用所需的API。也可利用开源平台“OpenAgents”中的多智能体，即Python和SQL数据分析的数据智能体、集成200多个日常API工具的插件智能体和专为自主联网检索而设计的网络智能体，以实现对知识生产中各生产工具的集成与调配，并以此为基础谋求构建规范的智能科研平台。但也应看到，智能机器相对于自组织的生命机体而言仍旧是被组织的，其元件虽然精密，但只要其中一些出现问题，整体的运行就可能被阻断且不能自行修复。因此，以“人在回路”实现自组织与被组织的联合仍十分必要。

（四）社会建制从个性化独立生产到社会化平台生产

如果说生产主体、生产对象和生产工具主要涉及知识生产的生产力层面，那社会建制则关乎知识生产的生产关系以及社会条件，或者说关乎知识如何为社会所建构。具体而言，知识生产的社会建制可理解为社会所建构的知识生产的组织方式和制度保障。

从社会建制的角度看，以往的知识生产方式可以称为“个性化独立生产”。“个性化”体现为知识生产行为主要由生产者的求知欲望驱动，即使是为满足社会和群体的发展需求，也需要投射为自身的“求用欲”，体现为生产者运用其自由意志的个性化活动。“独立”则可作两种理解，一是诸如人文学科或数学的知识生产多为生产者独自完成，二是即使有如自然科学和社会科学等群体知识生产，基本也是由“人”作为单一主体来自主开展，因而可称传统知识生产是独立的方式。

在人工智能时代社会转型和智能体介入的语境下，知识为社会所建构的境况也在发生改变。在组织方式层面，知识生产走向学者共同体和人工智能集群交互与共生的群智涌现知识生产。在智能体的介入下，以知识生产总体数据库建设为基础逐步形成智能科研平台的倾向愈发清晰，即一种更加有利于人—智交互协作和智—智互联倍增的组织方式正在建立。以单智能体为基础的多智能体系统不仅能实现智能体间的有效交互与协作，还会沟通囊括一线实践者、科研管理者、政策制定者、科学研究者、科研评价与学术评审者在内的各知识生产主体，从而推动科学知识从实践到理论再到实践的全链条生产。在制度保障层面，相关制度建设需要适应人的共同体和人—智共同体的并存状态，推动从人与单一智能体的个性化、自主性和自动化的知识生产，过渡到人与多智能体系统的社会化、群智性和平台化的知识生产。同时，应秉持“宽进严出”原则，在鼓励多方参与的同时，建立严密的过程监督与结果评议机制，既要保障足够多的生产主体参与总体数据库和智能科研平台建设，又应该对知识生产过程和知识生产成果订立严格的监督、评估和评议制度，确保在全流程中实现“人在回路”。

三、

新知识生产方式的构想：基于复杂系统的平台化科研

立足于对知识生产方式四维转型的分析，一种新的知识生产方式——“平台化科研”的构想呼之欲出，其更为完整的名称是“基于复杂系统的平台化科研”。复杂性和复杂系统的相关研究虽起始较早且成果丰硕，但限于技术水平，人工复杂系统仍难以进行构造，维持人工复杂系统的稳态也较为艰难，最终导致探明它的运行机制和涌现现象方面的困境。而新知识生产方式的构想一方面可为人工复杂系统的构造提供实践场域，另一方面也为平台化科研提供理论基础与基本框架。智能体的功能模块设置以及对自主性和全流程自动化的追寻，有助于科学研究中各要素的交互耦合，使知识生产方式不再仅依赖个体研究者与分散工具，而是转向以智能体为调配中枢、以数据—算力—算法协同为基础的全流程平台化实践。这种新知识生产方式可从三个维度进行初步探析。

第一，基于复杂系统的平台化科研的结构组成分析。人工智能时代人们对知识总量与知识效用和价值的要求不断提升，要求所生产的知识既能在普遍意义上发挥规律和通则的作用，又能应对日益个性化、情境化、价值多元化和高复杂度的现实问题。为此，以智能体介入建立人工复杂系统以落实平台化科研这一新知识生产方式将是有益的尝试。这一复杂系统的结构化知识生产近似于“受限生成过程”：科研总体数据库中的生产对象作为知识生产的基本元素和构件，科研智能体则为总体数据库的建立和使用提供操作系统；各种科学理论作为相互作用“机制”和“生成器”供给智能科研平台以约束条件和生产规则；作为执行载体的人—智生产主体在约束和规则下变更状态并制定知识生产的策略与方法。

第二，基于复杂系统的平台化科研的稳态维持分析。所谓“稳态”并非稳定，它是复杂系统在动态平衡中实现协同进化的过程。科学秩序的建立一般以牺牲复杂性为前提，典型代表是传统科学研究的简单还原方法，对繁芜丛杂的现象摘取主体部分和主要特征进行思辨或实证研究以求得知识。与其相对，科学的混沌状态具有充分的复杂性、非线性和默会性，但难以进行有效的学术研究并从中获得规律。在基于复杂系统的平台化科研中，位于底层的科研总体数据库代表科学混沌的一面，位于上层的科学理论体现科学秩序的一面，位于中层的科研智能体则成为秩序与混沌之间达成稳态的“奇点”和调配中枢，实现自下而上对所有主干与细枝末节的彻底归纳，和从科学理论自上而下对所有无序数据和资料的全面审视的结合。在人作为第一执行载体和人在回路的前提下，科研智能体与秩序一端的科学理论以规则供给和校验理论的方式交互，与混沌一端的科研总体数据库以对象供给和技术支持的方式交互。人在回路与三元驱动的联结体现自组织与被组织系统的协同进化过程，保障以科研智能体为核心的人工复杂系统稳态的维持。处于稳态中的平台化科研则以科研智能体为输出端，实现知识在人工复杂系统中的涌现。

第三，基于复杂系统的平台化科研的运行机制分析。在将知识生产的生产方式由单一驱动、双重驱动升格为大数据—人工智能—理论三元驱动的过程中，智能体的介入将形塑数据支撑、技术赋能、人智交互与理论建构的知识生产生态系统。首先，大数据一端是全面数据化后建立的科学研究总体数据库，囊括以传统对象和大数据为主体的各类生产对象，作为知识生产的基础资源而存在。其次，人工智能一端是基于大模型和各功能模块的科研智能体，其在以传统生产对象、科研大数据和现有知识作为训练数据的专门大模型基础上，集成各类科研感知和行动工具而产生。科研总体数据库和科研智能体两者整合，即为智能科研平台的主要实体部分。最后，理论一端是科研共同体、研究者—智能体共同体在智能科研平台上交互生成和涌现的知识，它们又进一步被精确化和体系化为科学理论，为科学研究定向和定性分析提供支撑，并成为智能科研平台的底层逻辑和研究资源。科研智能体中所涌现出的知识成果既可以参与组成新的科学理论，也能数据化为总体数据库中的新生产对象，从而达成知识生产的动态循环与即时反馈。人类研究者参与对全流程的指令、监督、调节和评估，知识经智能科研平台被初步产出，再历经制度化、合法化和社会化的社会建构过程成为社会现实，并凭借相应的组织方式和制度保障实现社会化的知识生产。

综合结构组成、稳态维持和运行机制的分析，基于复杂系统的平台化科研的构想如图1所示。

知识生产方式四维转型的分析和基于复杂系统的平台化科研的构想，最终目的是纾解当前高深原创性知识的匮乏和知识生产困境。基于范式理论，科学以非线性的“革命”的方式演替，科学革命前后不同的范式具有“不可通约性”，其中的断裂既是科学发展与社会需求的矛盾之处，也是高深原创性知识的涌现之源，从生产方式转型的视角透视知识生产以谋求知识效用提升是必要的。知识社会学研究揭示，即使是最具结构性、纯粹性和客观性的自然科学知识也是社会建构的产物，甚至可以说它们是在实验室中被科学家“制造”出来，并在不断的利益冲突和社会竞争中为公众所最终接受的。无限增长的知识生产资料与愈发短缺的信息处理能力之间的矛盾，促使自组织的人类主体与被组织的智能机器交互共生并建立人工复杂系统。以平台化科研的方式变两相掣肘为协同进化，有望打破基础科学和基础理论研究低迷的境况，并为属于21世纪的科学革命厚积力量。

（责任编辑胡静）

end

投稿系统

《江汉论坛》

（https://jhlt.cbpt.cnki.net/）

《社会科学动态》

（https://skdt.cbpt.cnki.net/）

地址

湖北省武汉市武昌东湖路367号

电话

（027）86789435

国内总发行：全国各地邮政局，国内邮发代号：38-226；国外总发行：中国国际图书贸易总公司，国外代号：M259。欢迎订阅！