ASI111-AI AGI ASI社区 › 门户 ›首页› AI历史学 › 查看内容

制度史：AGI的规则建模与ASI的演化推演，如何重构制度史？

2026-9-1 10:32| 发布者: Linzici| 查看: 2| 评论: 0

摘要: 从AGI到ASI，制度史正在经历一次从"条文考据"到"规则网络"、从"个案叙事"到"长时段演化推演"、从"静态制度描述"到"制度韧性解释"的三重跃迁。这一跃迁最核心的意义是：制度史的材料——令典、律例、判例、档案、契约 ...

从AGI到ASI，制度史正在经历一次从"条文考据"到"规则网络"、从"个案叙事"到"长时段演化推演"、从"静态制度描述"到"制度韧性解释"的三重跃迁。这一跃迁最核心的意义是：制度史的材料——令典、律例、判例、档案、契约、账簿、特许状、书信——天然具有结构化、关系性、时序性的特征，恰恰是最能被AGI阶段的知识图谱、命名实体识别（NER）、信息抽取（IE）、时序建模"机器化"的史料类型；而制度作为"社会生成且文化继承的规则"，其长时段演变又是最适合ASI阶段用复杂适应系统（CAS）、演化博弈、多主体仿真的对象。但制度史作为涉及"制度正当性、路径依赖、国家与社会关系"解释的学科，其最终解释权、史料批判、价值框架始终不能让渡给机器。下面分四层说清楚。

一、AGI阶段：规则建模已经做成成熟工作流

传统制度史研究的根本局限在于：制度材料虽然丰富，但"零散于浩如烟海文献间"，学者个体的经验归纳难以穿透"规范维度"（书本上的法）与"事实维度"（行动中的法）的双重结构。AGI阶段的技术正在系统性地拆掉这道墙。

⚖️ 环节一：制度文本的结构化与知识图谱化

中世纪欧洲史与AI结合的最新实践提供了标杆性案例：通过Transkribus等手写文本识别工具将中世纪手稿和档案影像自动转写为可检索文本；通过知识图谱和语义网技术，把分散在特许状、账簿、书信等史料中的人物、地点与制度关系结构化为可查询的数据网络。2025年西班牙学者团队提出建立中世纪特许状的知识图谱，"通过结合专家标注、社区贡献与溯源机制，将分散的特许状数据结构化为可查询的知识网络，从而支持对中世纪社会、法律与经济关系的系统化分析"。

更前沿的是Aeneas——一款基于约20万条拉丁铭文训练的专用大语言模型，"可通过分析残缺文本或图像来补全古代和早期中世纪的铭文内容，并推测其年代、地点及相关信息，从而帮助学者更有效地解读受损或缺失的历史铭文"。

📜 环节二：立法网络的图结构分析

新西兰《心理健康法》作为案例的研究，展示了当代立法网络分析的最完整工作流：

许多司法管辖区现在以XML、JSON、HTML等机器可读格式发布立法文档，显式编码文档结构、交叉引用和修订历史
对于仅有扫描图像的法律文档，视觉语言模型（vision-language models）能够可靠地提取文本并解释版式，显著优于传统OCR
通过NER识别法案标题、章节标识符、案例名称、颁布日期等实体；通过IE抽取引用、修订、废止、司法解释等关系
大语言模型通过提示工程，可从非结构化文本中直接提取法律实体和关系，"在跨司法管辖区、文档类型和时间段的适应性方面具有极高价值"
一旦构建图结构，就可进行中心性分析、社区发现、鲁棒性分析——识别法理集群、映射法律变更的传导、检测系统性脆弱点

💡 关键转折：研究者明确指出，规则基方法虽然有效但"脆弱、依赖司法管辖区、难以规模化维护"；而LLM生成的结果"并非总是一致或可复现的"——这意味着制度史的知识图谱构建必须是"专家标注+AI抽取+溯源机制"的混合路径。

🏛️ 环节三：法律史本体论的双重维度编码

中国学者杨安卓提出的"人工法律史学家"元理论，直接回应了中国法律史研究中长期的"法学化"与"史学化"路径之争。这一本体论设计把法律史实体（机构、法典、档案、契约）定义为节点，通过精确定义的"边"实现连接，整合命名实体识别、关系抽取和知识融合等多种NLP技术。其理论旨趣在于：

规范维度：以令典、律例、判例等为核心，捕捉"书本上的法"的内在结构，将法律视为具备相对自主性的规范体系
事实维度：聚焦档案、契约、报刊、地方志等，呈现法律在实践中的实际运作

这一双重编码的意义极为深远——它让AI第一次能够兼容"法律规范自身的逻辑演化"与"社会经济结构与政治文化环境的决定性意义"两种解释路径，而这正是制度史解释框架的根本分歧所在。

🔍 环节四：时序版本与确定性重建

制度史最棘手的问题是"某部法律在特定历史时点究竟是什么文本"——巴西1988年联邦宪法已被修订超过100次，而当今LLM基于概率运作，"天生不适合需要绝对精确的任务"，"在要求检索特定过去日期宪法的确切文本时经常失败"。

对此，研究者提出基于LRMoo本体的结构化时序建模模式：将规范的演化建模为版本化F1作品的历时链，区分语言无关的"时态版本"（TV）与具体的"语言版本"（LV），并通过以事件为中心的建模将修订过程形式化。由此构建的"结构感知时序图RAG（SAT-Graph RAG）"框架，能够确定性地解析三类复杂查询：时间点检索、层级影响分析、可审计的来源重建。

费城联储以56年费城不动产契约为案例的研究进一步证实："自适应模块化"方法（组合OCR、全文搜索与前沿LLM）在准确性、成本效益和灵活性之间达到最佳平衡——这事实上是AGI阶段制度史工作流的标准架构。

二、为什么"重构"不能由AI单独完成：制度史的四重硬性约束

⚠️ 约束一：训练数据与算法的偏见会扭曲制度解释

中国教育新闻网刊载的《光明日报》文章指出：AI的"智能"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"。具体案例极为尖锐——"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，尤其是妇女解放事业中的重要贡献"。文章强调："面对这些局限，历史学家的作用难以取代……我们不仅需要批判的武器，还需要对武器本身进行批判"。

中国社科网2026年6月的文章进一步警告：AI系统"训练数据的偏差、算法架构的局限，都可能导致历史认知的扭曲"；"大语言模型在面对历史事件时存在显著的'历史修正主义'倾向"，需警惕AI对历史记忆的"假体否认"效应。2025年2月中国历史研究院历史研究杂志社发布《关于规范生成式人工智能工具使用的启事》，成为国内历史学界首个生成式AI使用规范——北京大学王军指出"AI正推动学术研究进入'高铁时代'，但真伪判断与学术责任等核心环节仍需学者主导"；南京大学梁晨强调"AI虽能辅助史料整理，但无法替代历史学者的批判性思维与语境理解能力"。

⚠️ 约束二：相关性不等于因果性，AI不擅长建立制度变迁的机制

这是制度史最核心的方法论底线。正如研究所指出的："AI is good at discovering co-occurrence. It is much less good at establishing causality"——AI善于发现共现，但不善于建立因果。如果劳动力动荡与通货膨胀同时出现，模型无法判断是哪一个导致另一个，或者两者是否都源自第三个因素。"AI可以排列可能性；它不能单独裁决。这是防止在公共领域过度宣称的关键保障"。

制度史的核心任务是揭示"制度变迁的根本动力"——这正是杨安卓所指的"法学化"与"史学化"路径之争的实质。AI可以从特许状知识图谱中发现中世纪社会、法律与经济关系的模式，但"规范自身的逻辑演化"与"社会经济结构的决定性意义"这两种解释路径的权衡，必须由制度史学者基于具体历史语境裁定。

⚠️ 约束三：档案本身的结构性偏见会被算法放大

Frontiers in Education的研究论文给出了最为系统的警示：机器学习工具虽然能大规模测试叙事模式，但"算法推断的挑战在于，它可能将有意义的链接与无关的链接混在一起"；"算法偏见威胁到扭曲历史记录，特别是强化特权殖民者视角的帝国叙事，边缘化下层群体的声音"。

更根本的是：在历史NLP中，算法偏见表现为性别误分类、命名实体识别中的殖民假设、反映源材料偏见的种族相关语言关联。"在计算历史中，这并非一个侧面问题；它是解释的核心"——如果模型在边缘化社区的文本上系统性地表现更差，项目不应仅仅报告整体准确性然后继续，而应该解释差异并在必要时限制其主张。

⚠️ 约束四：LLM的概率性本质与制度史要求的确定性相矛盾

巴西宪法案例的研究者们直言不讳："当今大语言模型基于概率运作，使其天生不适合需要绝对精确的任务"。制度史的许多核心问题——某条法律在特定日期的确切文本、某项制度修订的准确链条、某个判例的引用网络——要求的不是"最可能的答案"而是"确定的答案"。这就是为什么SAT-Graph RAG框架要"通过显式建模法律规范的正式结构和历时性本质"，提供"可验证的、时间正确的基质"。AI在制度史中的角色必须是"确定性检索+概率性发现"的混合，而非纯粹的生成。

三、ASI推演：从"规则网络"到"制度演化推演"

ASI（人工超级智能）尚未到来，但基于现有轨迹可以审慎推演三个方向的质变。

🌐 推演一：全域制度知识空间的自主构建

当前中世纪特许状知识图谱、新西兰立法网络、中国"人工法律史学家"本体论等仍是单点项目。ASI若到来，有望自主融合：

全球范围内的令典、律例、判例、档案、契约、账簿、特许状、书信
与制度运作相关的物质文化、社会实践、经济交易记录
规范维度（书本上的法）与事实维度（行动中的法）的双层数据
跨文明、跨时期的制度比较数据：不同文明、不同时期的制度生成与演变模式

由此形成的"全球制度史操作系统"，能让任何一项制度安排在毫秒级获得全域相似制度匹配、跨时期坐标对位、长时段演变推演。

🕸️ 推演二：长时段制度演化的形式模型与反事实推演

制度演化形式模型的研究已经奠定理论基础。Gavrilets & Currie的综述明确指出："描述和理解制度多样性及其生成过程，对人类社会组织的关键方面具有重要洞察潜力"。现有模型已覆盖三个层次：小规模社会的制度、复杂社会政治制度的历史涌现、近现代社会政治经济制度。

更具体的建模路径已经存在：

内生制度变迁的细胞自动机模型：DellaPosta、Nee和Opper使用细胞自动机模拟1000个主体在25×40环绕晶格上的互动，每个主体在"遵守"与"偏离"之间做二元选择，国家通过施加或撤回制裁来响应——模型捕捉了"偏离与背叛始终潜伏在主导制度安排表面之下"的本质真相。

中国土地经营制度演化的演化博弈模型：谢冬水的模型表明，在未受人口压力扰动下，土地经营制度博弈存在多重均衡；在人口增长的持续冲击下，定额租制是唯一的随机稳定均衡。

中央吸收地方实践的制度学习效应模型：通过理论建模和演化模拟研究发现，地方非正式实践上升为正式制度通常具备两个条件——努力程度较大的地方实践容易被中央观察捕捉；吸收能力较强的地方实践能带来更多制度收益。

ASI若到来，有望将这些形式模型推到全域尺度，让制度史第一次具备"反事实实验"的方法论能力：

"如果汉代未确立郡县制，中华帝国的制度韧性会如何呈现？"
"如果宋朝的祖宗家法可被修订，中国的文官制度会如何演化？"
"如果清末立宪改革提前二十年，帝制中国的制度终结会呈现何种替代轨迹？"

这种推演的价值不在还原真实，而在生成可供检验的研究假设——让制度史的"重构"从"补充被遮蔽的制度安排"走向"重构制度演化的解释框架"。

🔮 推演三：制度复杂性与适应性的全局推演

国际制度体系作为典型的复杂适应系统，"体系中行为体的适应造就了制度复杂性"。ASI若到来，有望将"刺激—反应"模型推到全域尺度，模拟：

制度体系中行为体的适应如何造就制度复杂性
制度与文化的共同演化（这是当前模型"未受太多关注的重要问题"）
正式制度与非正式制度的相互嵌套与协同演化
技术创新与制度演化的共同演化——"技术创新受到制度的系统性影响，技术与制度通过影响参与主体的适应度形成共同演化的复杂关系"

但必须清醒：ASI给出的"最可能的制度演化版本"，本质上仍是基于训练数据的统计推断与形式模型的模拟而非历史事实。Gavrilets & Currie坦言："Explicit models of institutional evolution have been relatively few in number but offer the potential to provide important insights"——显性制度演化模型数量相对较少，但提供重要洞察的潜力巨大。这意味着ASI时代制度史的"重构"，必须是"形式模型+史料批判+学者解释"的三重奏。

四、不可逾越的边界：制度史的四条底线

⚠️ 底线一：制度解释框架的选择权不可让渡

杨安卓所指的"法学化"与"史学化"路径之争，实质是制度史的根本解释分歧：制度变迁的动力究竟是"法律规范自身的逻辑演化与专业群体的能动性"，还是"社会经济结构与政治文化环境的决定性意义"？这一解释框架的选择，必须由制度史学者基于具体历史语境裁定，绝不能交由训练数据带有西方中心主义偏见的通用大模型自主判定。当AI用"帝国扩张"解释中国历史上的制度传播时，学者必须基于史料批判予以驳正——这正是"我们不仅需要批判的武器，还需要对武器本身进行批判"在制度史领域的具体体现。

⚠️ 底线二：史料批判与偏见审计不可让渡

面对AI的"历史修正主义"倾向、训练数据的西方中心主义偏见、算法对档案结构性偏见的放大，制度史学者必须具备"对武器本身进行批判"的能力。中国社科网的评价指出了方向——"AI虽能辅助史料整理，但无法替代历史学者的批判性思维与语境理解能力"。具体实践中，这意味着：对LLM抽取的制度实体与关系进行专家验证；对知识图谱中的"边"进行史料溯源；对AI发现的"模式"进行反事实检验与机制解释。

⚠️ 底线三：因果机制的判定不可让渡

"AI can rank possibilities; it cannot adjudicate them alone"——AI可以排列可能性，但不能单独裁决。制度史的核心任务是揭示制度变迁的因果机制，而因果机制的判定必须依靠历史学者的专业素养：寻求机制、语境和反事实。AI可以发现"劳动力动荡与通货膨胀同时出现"，但只有制度史学者能判断这背后是人口压力、是利益集团博弈、还是国家能力的消长。

⚠️ 底线四：确定性检索与学术责任不可让渡

巴西宪法案例的教训极为深刻：LLM的概率性本质使其"天生不适合需要绝对精确的任务"。在制度史的核心问题中——"某条法律在特定历史日期的确切文本"——学术责任要求确定性而非概率性。SAT-Graph RAG框架提供的"可验证、时间正确的基质"，正是这一底线的技术表达。但框架的构建、验证与最终解释，仍必须由学者主导——"真伪判断与学术责任等核心环节仍需学者主导"。

💡 一个值得记住的判断：Frontiers in Education的结论是——"Algorithms alone cannot determine the significance or context of associations"算法 alone无法决定关联的意义或语境。这事实上是AGI/ASI时代制度史的标准工作伦理：机器输出永远是候选，学者验证才是定稿。

五、未来制度史学者的画像

在AGI/ASI时代，制度史学者需要具备三种复合能力：

1. 数智制度工作流的设计能力

能够运用知识图谱、NER、IE、时序建模、SAT-Graph RAG等工具，让机器处理特许状结构化、立法网络构建、法律文本时序版本重建、双重维度本体论编码等机械性工作，自己聚焦于研究问题的设定与解释框架的构建。

2. AI偏见审计与批判性使用能力

能够识别训练数据中的西方中心主义偏见、能够对LLM抽取的制度实体与关系进行史料批判、能够在"法学化"与"史学化"路径之间做出权衡——知道AI会再生产"帝国史范式"，且能够在具体情境中识别并纠正具体偏见。

3. 制度史核心方法的坚守能力

在解释框架选定、因果机制判定、确定性检索等关键节点，保持学者的主体性——知道AI可以"rank possibilities"但无法"adjudicate them alone"，且能够在具体研究中坚守中国制度史的主体性叙事。

回到问题的核心：AGI让制度史在四个维度实现实质性跃升——通过知识图谱将特许状、账簿、书信中的制度关系结构化为可查询网络；通过"自适应模块化"方法从56年不动产契约等大规模档案中抽取结构化数据；通过LRMoo本体实现法律文本时序版本的确定性重建；通过"人工法律史学家"的双重维度本体论兼容"法学化"与"史学化"两种解释路径。ASI推演中的全域制度知识空间，则让制度史从"规则网络"走向"长时段制度演化推演+反事实制度实验+制度复杂性与适应性的全局推演"。

但重构的是分析能力，不是解释权威。AI能从中世纪特许状中抽取人物-地点-制度关系、能从新西兰《心理健康法》中构建引用网络的中心性分析、能确定性重建巴西宪法在特定日期的确切文本、能模拟土地经营制度在人口压力下的演化博弈；但它不能替我们回答：中国历史上的制度变迁动力是"规范自身的逻辑演化"还是"社会经济结构的决定性意义"？那条由AI推演出的制度演化路径，其史料依据是否可靠？当LLM用"帝国史范式"叙述中国制度传播时，我们如何在学术上予以驳正？——这些判断构成了制度史学者的学术尊严，也构成了"解释权不可让渡"的不可动摇底线。

未来的制度史学者，不是被AI替代的"条文考据者"，而是"数智制度工作流的驾驭者+AI偏见输出的审计者+制度史解释框架的选定者"。

马尔库塞的话放在这里依然有效：在算法的确定性逻辑与制度历史的开放性之间保持张力。AGI/ASI让制度史"发现"更多隐性制度关联、"连接"更多分散的制度文本、"推演"更复杂的制度演化，但制度背后"何为制度、制度何以变迁、中国制度传统的根本特征何在"的终极解释，最终要靠制度史学者的素养来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当AI生成的"制度叙事"比真实历史更具说服力、当西方训练数据中的偏见被算法规模化再生产时，守护"史料批判+中国制度史主体性+学术责任不可让渡"这一根本方法的责任，就完全落到了人类学者肩上。

中国社科网的评价值得重温：AI"正推动学术研究进入'高铁时代'，但真伪判断与学术责任等核心环节仍需学者主导"。在AGI/ASI时代，这三十个字，就是制度史学者不可让渡的学术使命——用最智能的工具，做最严谨的制度史，讲最真实的制度故事。

杨安卓的"人工法律史学家"元理论昭示了方向：把机构、法典、档案定义为节点，把"规范维度"与"事实维度"双重编码——这正是AGI/ASI时代制度史的方法论原型。机器负责结构化与推演，"人工"负责法律史学家般的批判与解释——这一"人工"与"法律史学家"的复合，就是制度史在数智时代不可替代的学术主体性的完整表达。