自2022年底的初代ChatGPT发布以来，人工智能迅速成为推动社会生产和学术创新的重要力量。DeepSeek等国产人工智能产品于2025年初涌现，其功能强大，受到广泛关注。响应党和国家关于发展新文科、新质生产力和人工智能的号召，历史学家也积极探索其在历史研究和教学中的应用。基于对生成型人工智能与史学研究关系的充分实践和思考，笔者认为，这项革命性的技术既非“潘多拉的盒子”，也不是万能宝箱。人工智能在史学研究中的应用存在不可避免的局限性，需要靠学者克服并化剑为犁。
首先，人工智能并非无中生有，“思考”历史难免有局限和偏狭。无论是ChatGPT还是DeepSeek，它们的强大的“智能”都基于算法和训练数据。这两者都是人类劳动创造的产物，因而也不可避免地受到社会和文化因素的制约。马克·马利诺等西方学者探索了时代局限性以及各种社会偏见对代码的影响，并强调缺乏有效的治理和批判，算法难免误入歧途。同时，训练数据在塑造人工智能所生成的信息中起着至关重要的作用。无论数据来自网络还是其他渠道，它们本身都承载着人类社会中的各种矛盾和偏见。拙文《黑箱中的小丑：教育（美国）大学生批判性地使用ChatGPT》中曾分析过这一现象：在回答关于如何评价宋庆龄和邓颖超等女性革命家的问题时，西方的人工智能产品往往强调她们作为孙中山先生和周恩来总理的夫人身份，而忽视了她们在中国革命，尤其是在妇女解放事业中的重要贡献。显然，这种片面的观点并非源自机器的“主见”，而是源于训练数据本身的局限性——即英文文献对中国近现代史的叙述趋于片面；同时算法也未能有效规避数据中的性别偏见。面对这些局限，历史学家的作用难以取代：在课堂上，我们可以纠正学生无条件信任人工智能的误区，培养他们的批判性思维能力；在研究中，面对人工智能生成的信息，我们需要充分运用史料批判的方法。因此，我们不仅需要批判的武器，还需要对武器本身进行批判。
其次，人工智能所使用的主要史料——开源的数字化史料——存在结构性的不足。在美国史领域，这些资料主要以各类出版物为载体。从美国国务院历史学家办公室的GitHub页面上保存的解密外交文件，到国会图书馆的“记录美国”计划所展示的历史报纸，以及明尼苏达大学的“综合公共使用微观数据系列”数据库所收集的历史统计数据，莫不如此。相较于书写潦草的日记和书信等私人材料，这些史料便于识读，天然适于机器辅助研究。各类数字化或数字生成的数据构成了人工智能分析的基础，并塑造了其所产生的信息。其实，早在ChatGPT出现之前，这些资料就被历史学家广泛使用。不同于机器，我们将数字材料与其他实体资料相互印证并分析，从而得到更为客观和公允的结论。更重要的是，计算机难以像人类一样“上穷碧落下黄泉，动手动脚找东西”。通过田野调查，历史学家可以主动地收集大量口述材料和民间文献。就史料的丰富程度而言，现阶段的人工智能还无法与作为整体的历史学界相匹敌。
尽管人工智能存在许多局限，我们也不能否认其对历史研究带来的巨大挑战。面对电脑的强大算力，人类孜孜不倦也难以匹敌。因此，历史学家的工作是否会被人工智能部分取代呢？辩证地看待这一挑战，我们则会发现人工智能的普及将赋能以编程为核心的数字人文的新形态——计算人文。必须指出的是，北美的数字人文曾长期存在过分强调历史“表现”的倾向。除了国内学者熟悉的哈佛大学所主导的中国历代人物传记资料库（China Biographical Database Project）以及李中清教授始于密歇根大学的社会史数据库外，美国数字人文学者重视如何利用数字工具让研究走出象牙塔。从ArcGIS等地理信息工具实现用地图讲故事，到voyant等可视化工具做文化分析，再到用链接数据展现概念间的联系，这些在北美曾经流行的数字人文方法，无不指向如何更好地在非专业读者面前“表现”历史。不过，这种趋势正在得到修正：无论历史学家乔·古尔迪将文本挖掘用于政治史研究，还是计算科学家本杰明·李用机器学习分析历史报纸，这些数字史学的新热点都侧重于更好地服务“研究”而非“表现”。
对于计算人文进入课堂，笔者曾困扰于社会科学常用的统计工具（如各类回归分析和因果推断）和编程工具（如主题建模、数据挖掘和机器学习）纳入历史教学。为了实现这个目标，需要指导学生用Python或R等编程语言，并学习常用的资料库和工具包。在ChatGPT出现之前，在有限课时内，文科学生视编程为畏途。借助人工智能所生成的代码以及相关指导，他们可以迅速掌握相关技能。因此，我们可以主动地将人工智能引入课堂，促进新时代“新文科”后备军的培养工作。
总之，面对人工智能所带来的挑战，历史学家应当发挥史料批判的长处和皓首穷经的精神，用主观能动性驾驭这只“猛虎”，并赋能数字史学的发展。
