学术活动纪要｜韩宇：AI时代的历史学习与研究

    2026年10月10日下午，应山东大学历史学院邀请，厦门大学历史与文化遗产学院韩宇教授以“AI 时代的历史学习与研究”为题作专题报告。韩宇教授现任厦门大学历史与文化遗产学院教授、博士生导师、美国史研究所所长。讲座由胡炜权副教授主持，孙一萍教授担任与谈人。

    首先，韩宇教授结合自身使用大语言模型的经验与相关研究案例，围绕AI生成历史知识的可靠性、人工智能幻觉、AI辅助史料研究及历史学写作等问题展开系统阐述，并与现场师生进行了深入交流。

    韩宇教授指出，人工智能正深刻改变知识生产方式，历史学研究中的资料检索、外文翻译、史料整理、信息提取和论文写作等环节均受到显著影响。面对人工智能的快速发展，历史学界需要讨论的已不只是“是否使用AI”，更重要的是认识其能力边界，判断生成内容的可信程度，并明确研究者应当承担的核查责任。

    围绕AI生成历史知识的可靠性，韩宇教授介绍了三类相关测试，分别涉及基础历史知识、全球历史中的专业性知识，以及中国科举制度等具体研究领域。相关测试显示，大语言模型在部分基础知识和常见问题上已表现出较强能力，但面对冷门史实、精确概念界定、证据链构建和学术观点整合等任务时，仍存在明显局限。不同地区、时代和语言的历史知识在模型中的分布也并不均衡。

    他又指出，欧美近现代史等数字化程度较高、英语研究成果较丰富的领域，往往更容易获得准确回答；全球南方历史、地方史及小语种史料等领域则相对薄弱。韩宇教授据此强调，AI的知识表现不仅取决于模型本身，也与既有史料的保存、数字化程度及学术成果的可获取性密切相关。同时，评价AI的历史研究能力，应尽可能采用统一的测试标准和相同的信息条件，避免因测试方式不同而得出片面的结论。

    针对人工智能幻觉问题，韩宇教授进一步分析了模型产生虚假信息的原因。大语言模型依据大量训练材料生成回答，并不意味着其真正掌握了所有事实。当相关史料稀少、信息不完整，或模型受到熟悉的人名、概念和表达模式触发时，便可能生成看似合理、实则错误的内容。此外，模型倾向于给出完整答案，也可能使其在缺乏充分依据时作出猜测。检索增强生成（RAG）等技术能够改善信息获取与回答质量，却无法彻底消除幻觉。因此，研究者不能将AI输出直接视为可靠史实，尤其需要对文献出处、引文内容、页码及具体论断进行逐项核实。

    在AI辅助史料研究方面，韩宇教授强调，应当将人工智能视为处理史料的工具，而非代替研究者作出判断的权威。通过文字识别、手写文献转录、外文翻译、专名提取和大规模信息整理，AI能够显著降低史料处理的时间与技术成本。例如，对于数量庞大、缺少索引且包含手写内容的历史档案，AI可以协助识别文字并提高检索效率；通过从人物档案中抽取信息，还能够帮助研究者梳理人物关系、社会网络及历史事件之间的联系。AI也在一定程度上降低了跨语言研究的门槛，为拓展世界史研究范围提供了新的可能。不过，古典语言、历史时期的特殊词义、专有名词及复杂语境仍可能造成误译、漏译或误判，机器识别和翻译结果必须结合原始材料进行校验。

    谈及AI与历史学写作，韩宇教授提醒师生，人工智能可以辅助梳理学术史、组织材料和改善表达，但不能替代研究者的问题意识、证据判断与独立论证。论文中的史实、引文和参考文献必须经过认真核查，不能将未经验证的AI生成内容直接写入学术成果。无论技术如何发展，研究者都应对论文内容及其学术规范负责，坚守学术诚信。

    在与谈环节，孙一萍教授结合自身使用AI的经验，对讲座内容进行了回应。她认为，AI在知识检索、信息处理和文本生成方面具有很高的效率，但技术优势并不意味着其能够完全替代人类的学习、思考与判断。研究者应主动提出问题、检验答案，并通过持续的实践与反思形成适合自身的使用方式。孙一萍教授同时指出，AI与人的关系不宜简单理解为对立或替代，更应重视二者在研究过程中的协作，以及研究者主体意识和独立思考能力的培养。

    随后，与会师生结合实际研究经验，就人工智能如何融入历史学研究流程，围绕AI的能力边界、历史研究中的证据意识、跨学科借鉴及学术规范等问题与韩宇教授展开了热烈的对话与讨论。最后，本次讲座在融洽的氛围中圆满结束。

    本次讲座从具体测试与研究案例出发，系统梳理了人工智能参与历史知识生产的主要路径及其局限，为师生理解和运用新技术提供了有益启发。韩宇老师最后强调，面对人工智能带来的机遇与挑战，历史学研究既要积极探索技术应用，也要坚持史料批判、证据核验和独立思考，在提高研究效率的同时守住学术规范与历史判断的底线。

文：谷风桦

图：朱亦丹