2025年3月7日，南京大學(xué)社會(huì)科學(xué)處成功舉辦“AI for HASS”青年學(xué)者系列工作坊首期活動(dòng)。
本次講座以“DeepSeek時(shí)代的學(xué)術(shù)創(chuàng)新：大模型如何賦能文科青年學(xué)者？”為主題，邀請(qǐng)南京大學(xué)新聞傳播學(xué)院準(zhǔn)聘助理教授馬志浩博士擔(dān)任主講嘉賓，哲學(xué)學(xué)院教授頓新國主持，全校十余學(xué)院近二百名師生參與活動(dòng)。
從“詞頻統(tǒng)計(jì)”到“語義理解”：大語言模型的演進(jìn)與突破
講座伊始，馬志浩以“二十世紀(jì)初的大學(xué)課堂”為引，對(duì)比傳統(tǒng)文本分析方法（如詞袋模型、詞典法、主題模型）的局限性，深入淺出地闡釋了大語言模型的核心機(jī)制。他提到，基于Transformer架構(gòu)的大語言模型（LLM）通過自監(jiān)督學(xué)習(xí)，從海量文本中捕捉語言規(guī)律與語義關(guān)聯(lián)，實(shí)現(xiàn)了從“機(jī)械統(tǒng)計(jì)”到“上下文理解”的跨越，彌補(bǔ)傳統(tǒng)方法在短文本分析、隱含語義識(shí)別等方面的不足。
賦能文科研究：從理論到實(shí)踐
馬志浩通過現(xiàn)場(chǎng)互動(dòng)和案例分析，展示了大模型在心理學(xué)、傳播學(xué)等領(lǐng)域的應(yīng)用潛力。例如，通過分布式詞典表示（DDR），研究者可利用詞向量相似性替代傳統(tǒng)詞頻統(tǒng)計(jì)，精準(zhǔn)分析社交媒體短文本中的情緒傾向；在敘事結(jié)構(gòu)研究中，大模型可通過語義連貫性分析，量化長文本的“敘事速度”與“迂回度”，揭示其與受眾投入度的關(guān)聯(lián)。此外，他分享了利用LLM預(yù)測(cè)健康感知的研究，通過提取文本特征并訓(xùn)練回歸模型，成功預(yù)測(cè)公眾對(duì)疾病嚴(yán)重程度的認(rèn)知。
思考與展望：機(jī)器如何成為“思想的共鳴者”？
講座尾聲，現(xiàn)場(chǎng)聽眾圍繞“大模型賦能文科科研”等話題展開了熱烈的討論，頓新國肯定了人工智能在哲學(xué)領(lǐng)域的深度融合新思路。馬志浩表示：“大模型不僅是工具，更是橋梁。當(dāng)機(jī)器能感知文本背后的情感與邏輯，人文研究將迎來更廣闊的共創(chuàng)空間。”
作為“AI for HASS”系列活動(dòng)的開端，本次工作坊聚焦技術(shù)前沿與人文社科的交叉點(diǎn)，為青年學(xué)者提供了方法論啟示。南京大學(xué)社會(huì)科學(xué)處將持續(xù)推出相關(guān)主題工作坊，助力構(gòu)建新型學(xué)術(shù)生態(tài)。
English
