2026年9月21日下午,“AIGC时代量子思维与人机协作的融合创新”讲座在北京大学燕南园51号院举行。北师香港浸会大学文化与创意学院助理教授、创业合作中心主任梁海勇博士受邀担任分享嘉宾。梁海勇博士具有设计、商业与设计管理、教育测量领域的跨学科背景,研究关注创造力评价与生成式人工智能在教学中的应用。本次讲座由北京大学艺术学院博士生陈曦云天主持,通过线上线下相结合的形式,与师生围绕生成式人工智能参与学术研究、研究影响力评价及多智能体协作等议题展开交流。
梁海勇博士首先从“量子思维”(Quantum Thinking)一词切入,借用不确定性、叠加态与量子纠缠等概念,讨论研究中多种可能性并存、不同要素相互关联的状态,并将其作为启发研究决策的思维隐喻。结合视频材料,他进一步引出多路径探索与多智能体协作的工作方式。他指出,生成式AI为研究者同时考察多个问题、比较不同解释和方法提供了条件。研究者可以围绕已有文献提出一组相关问题,借助不同智能体从逻辑、批判、创意、数据与操作流程等角度展开分析,再对结果进行筛选与判断。随着工具承担更多执行性工作,人的精力应更多投入问题提出、证据审查与研究决策。
此外,问题如何提出,以及研究中的“不确定性”需要通过扎实的文献梳理加以辨认。他强调,首先需要了解已有成果及其边界,并进一步考虑资料来源、数据质量和实施条件,从而判断问题是否值得研究、能否得到有效回应。
围绕研究如何展开,梁博士结合教学经验提出从“想法、内容与媒介”三个方面梳理研究对象。想法需要联系研究者的知识积累、技能与资源;内容需要落实到具体的文化现象与问题;媒介则关系到内容通过何种载体、在何种场景中呈现。在研究框架层面,他强调哲学立场、研究背景、理论与概念、操作过程、分析模型和论述方式之间的衔接。跨学科研究需要理解不同领域的问题意识与方法要求,并在具体研究中说明概念和方法之间的关系。梁博士以自身的创造力研究经历为例,介绍了对罗伯特·斯滕伯格(Robert J. Sternberg)、詹姆斯·考夫曼(James C. Kaufman)和Mark A. Runco等学者相关成果的梳理。他指出,对核心概念不同定义及其演变的比较,有助于发现既有框架中尚待解释的问题,进而形成自己的研究位置。他还结合批判性文献综述与系统性综述,讨论了如何通过整理、比较和评估已有研究,为后续论证建立基础。
如何将创造力等抽象概念转化为可以观察和分析的研究对象,是讲座的重要内容。梁博士结合教育测量经验,介绍了马克·威尔逊(Mark Wilson)的测量建构思路,将测量工具的形成概括为明确测量对象、设计题项、建立评分规则和选择分析模型四个相互关联的环节。他指出,开展测量首先需要界定所研究的属性及其不同水平,再设计能够呈现相关表现的任务或题目。对收集到的回答进行分类、评分后,还需要通过分析模型考察数据与研究设想之间的关系。对于文化研究而言,这一思路提示研究者,在讨论如何量化之前,应先明确概念、评价维度与判断依据。
在谈及效度时,梁海勇特别强调,数字无法独自说明研究的全部质量。评价结果是否能够支持相应的解释,需要放回研究对象、理论框架与证据之间的关系中考察。因此,使用AI辅助处理数据和生成分析方案,也需要研究者理解方法的适用条件,并检视研究设计与论证过程。
“什么使研究具有世界级学术影响”?基于此问题,梁博士介绍了h指数、引用量以及香港RAE评审指数(Research Assessment Exercise)等评价工具,并结合学者的研究成果,讨论论文、著作与持续研究如何共同构成学术积累。他建议青年研究者关注本领域代表性学者的研究路径,通过阅读重要成果,了解其问题意识、方法选择和论证结构,并思考自身研究可以作出的贡献。引用数据能够为观察成果传播与学术关注提供线索,对研究价值的判断还需要结合具体内容展开。青年研究者应尽早建立持续阅读、写作与修订的工作习惯,在明确的研究方向上逐步积累成果。他也提醒,与AI合作能够提高部分环节的效率,但完成初稿之后,仍需通过反复修改推进内容和论证。
在工具应用环节,梁博士介绍了自己将不同AI工具用于资料检索、内容整理、文件管理和分析辅助的实践。他将从文献与多媒体材料中提取研究方法、论述结构和关键知识的过程称为“知识蒸馏”,并演示了如何通过逐层提问,理解一篇文章的研究背景、分析框架与证据组织方式。讲座还通过视频介绍与现场演示呈现了AI交互方式的变化。在语音演示中,梁博士使用粤语与普通话提出并调整检索要求,展示了借助自然语言连续修改任务的操作过程。围绕多智能体协作,他讨论了不同工具之间的任务分工,以及将整理结果交由其他工具进一步检查的工作方式。
在交流环节,与会师生围绕多智能体协作的成本、上下文信息衔接、提示词设计、设备配置和学术资源检索等问题展开讨论。有同学结合实际使用经历,提出多个智能体相互交流时可能出现信息丢失、词元(Token)消耗增加,以及任务执行过程难以判断等问题。
本次讲座将研究思维、教育测量与AI协作实践相结合,为理解生成式人工智能时代的学术研究提供了具体的方法参照。通过主题分享与现场交流,与会师生进一步讨论了如何在工具快速发展的背景下夯实文献基础、完善研究设计,并在持续的人机协作中保持对研究问题与成果质量的主动判断。关于人机协作如何更好服务于知识生产的思考与实践,将在未来的教学、科研与创新探索中继续展开。
供稿:陈曦云天
编辑:陈文琪 李家瑜
审核:庞洁 张亚欧