北京大学中国社会与发展研究中心主任、社会学系教授邱泽奇在《学术前沿》撰文指出：在人工智能向一切渗透的历史潮流中，学术智能是一个无法阻挡的部分。面向人工智能，就像历史中的文科和理科一样，理科已经先行一步，形成了理科智能。或许，我们可以从理科智能的努力中窥见文科未来。

　　第一，与理科智能一样，文科智能的前提也是数据。在一定程度上可以说，理科在科学革命之后就完成了以数据为支撑的科学逻辑建构，而文科还没有完成以数据为基底的知识创新与逻辑建构。可只要缺乏数据，就难以让人工智能进入文科。因此，文科未来的第一阶段工作是素材的数据化，将对社会现象的刻画从文字的、形象的转变为数据的，从碎片化的、离散化的数据转变为汇聚化的、可以彼此关联的数据，进而为运用算法、回到整体视角提供条件，且可以让人工智能支持甚至支撑数据化，如一切非数据素材的数据化。不仅如此，人工智能同样可以针对社会现象生成数据。简言之，“一切皆可数据化”的逻辑同样适用于文科素材。

　　第二，接下来的场景，文科与理科是一致的。如标记数据、清理数据、筛选数据、分析数据、表达数据，让数据以文科学者希望的形式精准呈现。再如，检验假设、发现规律等。需要特别说明的是，素材的数据化将改变人文与社科分立的现象，使得对人类精神的探索与对社会规律的探索殊途同归。直到当下，人类精神现象是否存在规律还是一个悬而未决的议题，对精神分析的争议便是明证。文科智能至少可以让文科学者们证明人类的精神世界是否有规律可循。同样，文科智能也遵循人机互生的模式。

　　第三，文科智能的知识创新与积累更有机会突破科学革命之后文科的悖论，迈向新的综合，以可靠的、可检验的整体性知识造福人类。与理科智能不同，除了运用数据检验假设、发现规律，形成给定条件下的具体规律，文科智能还需要将具体场景的规律整合起来，形成彼此关联的、有助于人们理解和解释日常现象的知识动态。

　　而要实践文科智能，除了面对理科智能的挑战以外，还有文科特定的挑战。在学术智能中，无论是理科还是文科，当下的实践路径都是建立在科学革命之后分科学术路径基础上的，人们已经养成了对专门问题进行深入挖掘的习惯，如何重新回到“深入浅出”的路径上，在专门知识之间建立联系，让专门知识成为日常知识池，还没有一条明确的可以实践的路径。算法创新或许是路径探索的关键。在海量数据环境下，不要说深入浅出，即使只是深入，没有算法也寸步难行。更大的难题还在于，当下，学术界似乎还没有充分认识到人工智能对学术的影响力，更缺乏相关能力的积累。从数据化、模型化、算法化到知识化，每一个环节与环节关联，文科未来的起点似乎要从培养跨学科的人才开始。 （高昂 辑）