摘要

本文探讨了人工智能（AI）在推动社会理论发展中的作用。作者提出了一种基于AI的社会理论研究计划，利用日益增长的数字数据来测试和生成新的社会理论。文章通过Randall Collins的状态崩溃模型展示了AI如何帮助综合来自多种来源的知识，推理世界，并以系统的方式应用已知知识。然而，作者也指出了AI驱动社会理论面临的实际、技术和认识论限制，特别是现有AI系统缺乏语义化、可转移性和生成性等关键能力。文章最后讨论了如果这些差距得到解决，未来最先进的社会理论计划可能会由AI驱动的累积进步所主导。

原理

文章定义AI为收集和处理数据以精炼模型从而准确代表社会世界的系统。这些AI系统通过自动数据采集学习环境，使用计算技术解释收集的数据，并通过符号或视觉方式表示模式，从而通过更好的社会变化模型促进社会科学知识的累积。文章强调了AI系统需要具备传感器捕捉数据、知识表示存储数据、自动推理使用数据得出新结论、学习适应新证据和检测模式、以及接口与机器或人类操作员通信的能力。此外，文章提出了AI设计应遵循的四个原则：累积性、整体性、开放性和目的性。

流程

文章通过图示展示了AI驱动社会理论的工作流程。首先，AI系统将累积的理论和数据源结合起来，通过可视化和/或形式化因果关系形成假设。然后，根据与证据或数据的拟合程度对解释进行排序或淘汰，如果拟合充分，社会理论将进入新领域；如果拟合不完整，则生成新假设，扩展现有理论的广度或深度，或使用新证据或数据。这个过程是迭代的，AI系统在不断学习中优化模型。

应用

文章认为，AI驱动的社会理论有广泛的应用前景，特别是在解决紧迫的社会问题和推动知识累积方面。AI系统可以帮助社会科学家更好地理解和开发研究社会变化的新方法。文章还提到了AI在模型经济与收入不平等关系、预测国家崩溃等方面的潜在应用。尽管存在技术和概念上的限制，但AI的发展有望推动社会理论的进步。