研究速递｜AI时代的社会创新理论
编者按
本期分享刘志阳教授团队发表的《AI时代的社会创新理论》一文，供感兴趣的读者阅读和参考。
摘要：人工智能（AI）技术不仅改变了人类的生产方式，也重塑了人类解决社会问题的方式。诞生于工业时代的传统社会创新理论在AI时代的解释力逐渐势微，学术界提出了重建AI时代社会创新理论的新任务。本文在比较传统社会创新与数字社会创新的基础上，提出AI社会创新的内涵，以此建构AI时代的社会创新理论。本文强调AI社会创新有助于智能识别漂浮的社会问题，推进解决方案的最优匹配，促进社会创新成果的扩散。围绕AI在社会问题与解决方案匹配过程中的作用，本文以社会问题的紧迫性和解决方案的新颖性为框架，首次提出AI自主搜索式、AI赋能生成式、AI自主修补式、AI赋能探索式四种AI社会创新模式。研究发现拓展了已有社会创新理论的内涵。
AI时代的社会创新理论
文献来源：刘志阳,郑若愚.AI时代的社会创新理论[J].研究与发展管理,2024,36(02):1-10.DOI:10.13581/j.cnki.rdm.20231576.
1. 引言
作为创新管理研究中的新兴领域，社会创新（social innovation）近年受到学界的高度关注。社会创新是一种旨在解决复杂的社会问题并创造系统性变革的新服务或产品开发的过程。与技术或产品创新相比，社会创新更加强调自下而上的集体协作过程，是一种典型的社会嵌入过程。
近年来，学者越来越关注技术对社会创新的普遍性影响。例如，DRUCKER 强调，科学技术的发展是社会创新的重要驱动力量。随着AI技术为代表的第四次工业革命时代的到来，AI的自学习、自组织、自适应、自行动等典型特征，在对经济社会产生极其深刻影响的同时，也重塑着已有的技术—经济范式和技术—社会范式。传统社会创新理论认为漂浮的社会问题与解决方案之间的链接必须依赖人类集体协作的假设，目前遭受着越来越多的挑战。而新兴的以区块链技术为代表的数字社会创新研究仍然停留于强调数字技术的简单赋能作用，没有全面揭示数字技术推动社会创新的内在机制。鉴于AI技术之于更加复杂社会问题解决的普遍重要性，部分学者提出了超越传统社会创新理论和数字社会创新概念，重建AI时代社会创新理论的新任务。
本文在全面总结已有社会创新理论的基础上，提出AI社会创新的新内涵、新机制和新模式，以此建构AI时代的社会创新理论。首先，本文对现阶段社会创新领域的相关文献进行总体回顾；其次，在比较传统社会创新与数字社会创新基础上，提出AI社会创新的内涵，揭示AI社会创新过程与运作机制；最后，总结提出AI时代社会创新的四种模式。
2. 文献综述
2.1 社会创新的定义
随着社会创新研究的兴起，学者们基于不同视角提出相应的界定，并逐渐形成了两种对立性的研究视角（见表1）。其一是工具性视角（instrumental perspective），将社会创新视为利用市场方法解决社会问题的过程，这种视角在当前的社会创新研究中占据主流地位。在工具性视角下，社会创业者被视为推动社会创新的主要力量。这种观点以现有的权力结构为基础，强调以市场为导向的目标，如生产力、竞争优势和可衡量的社会影响力。其二是民主视角（democratic perspective），将社会创新视为通过广泛的社会参与和公平分配实现社会变革的过程。民主视角强调构建更加分散的权利结构，倡导广泛的社会参与主体之间的共享知识并推动社会变革。
在此基础上，为促进各流派之间展开更多的交流对话，也有学者提出了第三种更具包容性的观点，认为社会创新既包括社会问题解决方案的开发和实施，也包括为其他社会群体创造的利益，主要关注的是被市场、政府和非营利部门忽视或未得到完美解决的社会需求。基于上述理解，BECKMAN等将社会创新定义为一种新的过程或产品，旨在产生更有效、更公正的解决方案，以解决复杂的社会问题，实现集体利益。该定义既包括以市场为导向的创新，也结合了注重公正和公平的社会过程；既包括解决方案的开发，也包括解决方案的实施。总之，虽然工具性视角和民主视角对社会创新的过程持不同观点，但均强调以社会价值创造作为社会创新的最终结果，第三种包容性视角的提出则是对现有研究的有效整合，对未来社会创新研究更具有重要启示。
2.2 社会创新的特征
学者普遍认为开放性（openness）和加速度（acceleration）是社会创新活动的两个主要特征。①开放性是指社会成员参与社会创新过程的广泛程度，更高的开放性代表更多样化的社会成员参与。由于社会问题的复杂性和规模不断增加，人们逐渐意识到解决这些社会问题需要借助来自不同利益相关者的力量，因此开放性成为组织开展社会创新活动的核心要素之一。事实上，学者和实践者都强调了不同社会成员（例如政府、非营利组织和企业）之间的合作对于开发创新性方案解决复杂社会问题的重要性，因为他们具备不同的技能和资源。具备高度开放性的组织有助于促进不同社会成员之间的互动，打通不同部门之间的资源流动机制。②加速度是指压缩社会创新者参与社会创新的时间跨度，进而加快整个社会创新的过程。相关研究主要关注社会解决方案的产生，而忽视了解决方案的实施，即通过加速产生的创新想法可能更加缺乏可行性的这一事实。进一步的研究表明，组织可以通过合理的时间管理来统筹开放式创新的过程，从而更好地协调不同利益相关者的参与。例如，FAYARD认为组织可以有意识地利用时间来开展合作创新并产生持续性的社会影响力。
2.3 社会创新的类型
现有研究从不同的视角出发，将社会创新划分为不同的类型。TRACEY和STOTT从社会创新的过程视角出发，将社会创业（social entrepreneurship）、社会内创业（social intrapreneurship）和社会外创业（social extrapreneurship）作为社会创新的三种类型。ZAHRA等从社会创业所产生的影响力范围出发，将社会创业者划分为三种类型：社会拼凑者（social bricoleur）、社会建构者（social constructionist）和社会工程师（social engineer）。参考ZAHRA等的思路，刘志阳等从社会创新的结果视角出发，将其划分为修理式社会创新、建构式社会创新和变革式社会创新。
总体来看，传统社会创新理论具有以下典型特征：一是建立在“社会人”假设的基础上，仅把人类作为社会创新的行为主体进行考虑；二是社会创新管理过程仅强调对人的管理，即人与人之间的分工与协作；三是社会创新成果的好坏是以人类主观满意为衡量标准，而不是基于大数据和强算法得出的全局最优解。AI时代，纯粹的社会人分工假设将逐步被人机协同假设替代，传统社会创新理论也将逐步失去解释力。
3. 社会创新内涵与运行机制
3.1 社会创新的内涵
自社会创新的概念提出以来，技术对社会创新的影响普遍被学界所关注到。很多研究指出了数字技术驱动下的社会创新相对于传统社会创新的区别。THOMAS和VELTHOUSE在分析数字赋能认知的四要素模型中，强调数字技术的高渗透性和网络性可以激发社会成员的主观能动性和积极性。一些专家进一步将数字社会创新明确定义为“运用数字技术带来的创造力和设计原则来解决社会问题的新想法、概念、策略或社会实践，旨在以比现有解决方案更好的方式满足社会需求”。刘志阳和陈咏昶则提出了区块链社会创新的概念，认为作为一种特殊的数字社会创新，其凭借去中心化、不可篡改和可追溯等特性，在社会问题识别、社会创新方案匹配、社会创新成果扩散等环节显示出独特性。
与传统社会创新相比，数字社会创新在社会问题识别、社会创新方案匹配（包括社会身份建构、社会网络构建和社会创新决策）和社会创新成果扩散等方面存在显著差异（见表2）。相比传统社会创新，数字社会创新借助数字技术的收敛性（convergence）和自生长性（generativity）的特征，能够提供更易复制、更高效能的社会问题解决方案。第一，在社会问题识别方面，传统社会创新主要通过发挥有意识个体的主观判断力，识别封闭的制度场域中漂浮存在的社会问题。数字社会创新借助数字技术的收敛性特征，存在于相对开放性的制度场域中，能够通过更加透明化的信息流通机制识别社会问题。第二，在社会身份建构方面，传统社会创新成员的身份都是作为现实生活中的社会人存在，而数字社会创新中的创新者还可以作为虚拟空间的数字人而存在。第三，在社会网络构建方面，传统社会创新成员之间通过现实世界构建社会网络，受限于物理距离等因素，资源流通效率较为低下。数字社会创新利用互联网技术，社会网络构建效率得到巨大提升。第四，在社会创新决策方面，传统社会创新决策完全基于人的判断，数字社会创新决策在一定程度上还会参考基于客观数据的分析结果。第五，在社会创新成果扩散方面，传统社会创新受物理空间的限制，创新成果的可复制性和可共享性较低，因此扩散范围和速度也较低，但数字技术的收敛性和自生长性特征可以有效弥补这一缺陷。
近年来，学者开始注意到AI技术对组织活动的影响，但对于“AI技术如何影响组织社会创新”的理解仍明显不足。不同于常规计算机技术依据既定程序执行计算或控制等任务，AI技术具有生物智能的自学习、自组织、自适应、自行动等特征。这些特征显著区别于一般的数字技术，强调AI的系统思维能力和自主决策能力等方面，体现出AI的独特价值在于代替（而不只是辅助）人类完成特定工作。
相比传统社会创新与数字社会创新，AI社会创新具有如下显著特征（见表2）。第一，在社会问题识别方面，AI在大数据、强算法和强算力的基础上，代替人类进行自动化、智能化识别漂浮的社会问题，不仅搜索范围更广，而且识别速度更快、结果更准。相比之下，传统与数字社会创新只能通过人类智能进行社会问题识别，且受限于人类脑力及其有限理性的决策过程，可能导致漏识甚至错识漂浮存在的社会问题。第二，在社会身份建构方面，AI社会创新主体的身份除了作为现实社会人和虚拟数字人存在，还作为智能人存在。第三，在社会网络构建方面，尽管与传统社会创新相比，数字社会创新的社会网络构建介质由物理空间拓展至数字空间，但本质上联结的依然是人与人之间的网络关系；在AI社会创新中，AI自身就可以作为社会创新主体而存在，因此社会网络的构建还包括人与AI之间的网络联结。第四，在社会创新决策方面，AI社会创新综合了AI的理性判断和人类的感性思维，前者的优势在于快速、准确的大数据分析能力，能够快速作出理论最优决策，而后者则不仅具有比AI更强的创造力，还能感知到AI无法识别的道德伦理问题。第五，在社会创新成果扩散方面，AI的自学习、自组织、自适应、自行动等特征使得社会创新成果的扩散范围和速度均大幅提高，后文将针对此内容进行更为详细的探讨。
3.2 AI社会创新的运行机制
基于AI社会创新的内涵，本文分别从社会问题建构、社会创新方案匹配、社会创新成果扩散三个环节来重构AI社会创新的运行机制（见图1）。一般认为，自动化（Automation）与赋能（Augmentation）是AI技术应用于组织管理中的核心概念，但却会对组织管理造成截然相反的影响。AI自动化意味着机器接管人类的任务，尤其是一些低技能和重复性较高的任务将由AI进行大规模替代。AI赋能则强调AI对人类工作效率和创造力的提升，体现为人类与机器密切合作来解决更加复杂的社会问题。因此，AI的自动化与赋能之间形成了一种相互冲突的紧张关系，即“自动化—赋能悖论”。有学者认为，过度强调任何一方都会产生显著的负面影响，但是如果能够充分结合两种AI技术的优势并综合应用，就可以将这种紧张关系转化成互补关系，从而提高组织效率和社会福祉。在此理解的基础之上，本文提出的AI社会创新运行机制综合考虑了AI自动化与赋能的作用，呈现出不同环节交替应用的特点。
3.2.1 社会问题建构 社会问题的建构是一切社会创新过程的起点。在传统社会创新研究中，对于社会问题的认识可以通过若干重要维度进行阐述，其中紧迫性维度尤为重要。部分学者倾向于将社会创新视为应对紧急问题的临时性策略，而另一些学者则认为与社会创新相关的社会问题属于长期的、跨越多代人的挑战。因此，根据社会问题的紧迫性维度，结合AI技术在不同应用场景中的独特作用，本文将分别探讨AI在短期和长期社会问题建构中的作用。
面对短期社会问题，优先采用AI自动化技术。鉴于短期社会问题的高紧迫性特征，社会创新者需要在尽可能短的时间内完成社会问题建构的过程。AI的自动化技术能够代替人类在极短的时间内处理大量信息，并且进行自主化决策，但需要建立在大量可供AI学习的数据基础之上。一般来说，大多数短期社会问题都曾在不同地区反复、多次产生，因此可以将这些过往社会问题作为数据向AI输入，再利用AI的自主分析能力提炼出核心要素，为AI自主识别社会场域中的社会问题提供参考。
面对长期社会问题，优先考虑AI赋能作用。相较于短期社会问题，长期社会问题的建构更为复杂。一方面，由于具有长周期的特点，长期社会问题反复出现的频率更低，可提供相对更少的历史数据供AI学习，因此不利于AI自动化技术的应用。另一方面，长期社会问题通常还涉及更多维度和层面的诱发因素，需要社会创新者对其展开持续性的深度挖掘。AI的赋能作用保留了人类作为社会问题建构中的行动主体地位，对数据的依赖性更低，但依然可以在借助AI的信息处理优势的同时，发挥人类的主观洞察力和创造力，从而有助于社会问题的建构。
此外，根据LAWRENCE等提出的社会创新管理框架，社会创新情境中的资源、关系和信念是影响社会问题建构的制度因素。AI能够通过机器学习技术，将过往的社会问题建构过程作为自主学习的元数据，并借助其作为社会创新过程中的智能人身份，重塑重构社会创新情境中的制度要素，进而对社会问题建构产生更为深远的影响。对于社会创新者（包括人类和AI）而言，这一过程不仅可以重新认识并重构已有的短期社会问题，还可能以更加开阔、客观和深入的视角理解并建构复杂的长期社会问题。
3.2.2 社会创新方案匹配 创造力是创新研究中的核心概念，提高创造力的直接结果就是产生更加新颖的创新方案。基于社会创新方案的新颖性维度，本文将继续探讨AI在解决方案匹配过程中的作用。本文认为，AI的自动化技术适用于自主生成新颖性较低的解决方案。AI能够对解决方案数据库进行快速搜索，匹配出相似度最高的历史方案，并自主生成最优的社会创新方案。同时，AI的自行动能力还能加速解决方案的实施，从而完成社会问题与解决方案的成功匹配。然而，通过这种过程产生的方案一般处于雏型状态，本文将其称为解决方案1.0阶段，具有较大的发展潜力。因此，通过将AI应用切换为赋能模式，实现AI的信息处理能力与人类的创造能力之间的有机结合，促进解决方案N.0的产生。这种解决方案的迭代机制遵循了社会创新学者所主张的在实践中学习的方法。当需要产生新颖性更高的解决方案时，由于缺乏可供AI学习的历史数据，因此需要通过AI赋能以增强人类社会创新者的创造力，促进其提出开创性的社会解决方案。研究表明，创新是知识的拓展和重新组合，AI技术模糊了组织内外部知识之间的界限，使创新者能够提高创意的数量、质量和多样性，并在创新过程中以极低的成本创造更多价值。例如，通过处理不同来源的知识库，AI中的语言模型（language models，LMs）技术可以从中学习、分享和转化知识，使得AI能够充当知识经纪人的角色，促进不同利益相关者之间的知识共享与新知识的创造。因此，AI可以承担一些在传统社会创新过程中，原本由人类中介提供的职能，并且根据互联网提供的大型文本库训练出来的模型拥有广泛的主题知识，为社会创新者整合专业领域之外的知识提供了更多机会。在人类的提示下，AI可以帮助建立社会问题和解决方案之间的联系，而这些联系对于人类来说可能并不明显。因此，将社会创新者的知识与AI提供的知识结合起来，就有机会大大提高复杂社会问题与解决方案的匹配效率，并产生仅靠其中一个参与者不可能取得的社会创新成果。
3.2.3 社会创新成果扩散 社会创新成果扩散的最终结果既是实现整个社会的变革，也是对社会创新情境的重塑。在LAWRENCE等提出的社会创新情境中，不仅指出了影响社会问题建构的制度因素，也强调了技术、社会网络和历史渊源是影响解决方案匹配的制度因素。在AI社会创新中，基于社会问题与解决方案匹配的历史信息，搭建社会问题—解决方案匹配数据库，通过AI的自学习、自组织、自适应、自行动等特征加速社会创新成果扩散，进而重塑AI社会创新情境。具体而言，AI技术可以在以下三个方面发挥作用。首先，AI技术具备持续的自主学习和自行动能力，能够快速掌握已开发的社会创新解决方案，并快速进行大范围推广，极大降低了原本由人类推广过程中所产生的学习成本。其次，AI技术具备自组织能力，能够有效链接社会创新成果扩散过程中涉及的不同参与者，从而有效提升社会成员之间的信息传递效率。最后，AI技术具备极强的自适应能力，对社会创新方案进行针对性的适应性改进，从而有利于更好地应用于当地的社会制度环境。
4. AI社会创新的模式
通过对AI社会创新运行机制的深入探讨，本文认为：①社会问题的紧迫性和解决方案的新颖性是AI社会创新过程中的核心概念；②自主与赋能是将AI技术应用于组织管理中的关键要素。因此，围绕“社会问题—解决方案匹配”这一社会创新研究中的核心问题，以AI技术的自动化与赋能为切入视角，将社会问题的紧迫性和解决方案的新颖性作为分析框架，本文总结出AI社会创新的四种典型模式：AI自主搜索式、AI赋能生成式、AI自主修补式、AI赋能探索式（见图2）。图2中，纵轴代表社会问题的紧迫性维度，横轴代表解决方案的新颖性维度，阴影部分表示主要利用AI的自主作用，无阴影部分表示主要利用AI的赋能作用。
4.1 AI自主搜索式社会创新
第一种模式是AI自主搜索式社会创新，旨在利用AI技术的自动化能力，为紧迫性高的社会问题匹配新颖性低的最优解决方案。面对高紧迫性的社会问题，社会创新者需要在短时间内匹配最优的社会问题解决方案。然而，在传统社会创新过程中，由人类基于以往处理类似问题的经验，匹配可能的解决方案。受人类脑力的限制，这种社会问题与解决方案的匹配速度不仅缓慢，而且通常在找到第一个可用方案时就停止搜索行为，这可能导致仅得出局部最优解，而非全局最优解。即使是在数字社会创新中，数字技术能够帮助人类处理大量的复杂信息，但依然需要依靠人类自身基于处理之后的信息作出判断，因而同样难以产生最优的社会解决方案。
相比之下，AI不仅具有更强的信息处理能力，能够更广泛地搜索已有的信息空间，还能够代替人类进行决策，智能匹配最优的社会问题解决方案。例如，在2019年突发的澳大利亚森林大火中，波士顿咨询公司的GAMMA团队利用AI快速锁定受大火威胁的脆弱区域，并自动评估和制定出针对性的应急措施。但是应当注意的是，这种AI自主搜索式社会创新必须基于大量的客观数据，以及多样化的社会问题与解决方案的匹配案例。在AI时代下，虽然智能化的数据采集技术使得数据存量呈指数级增长，AI的应用领域范围也得以广泛拓展，但鉴于社会问题的复杂性和不确定性，在某些问题领域仍可能面临数据可用性不足、算法不优或算力不强而导致系统性能不达标的情况，因而无法使用AI进行解决方案的自主搜索与智能匹配。因此，AI自主搜索式社会创新只能基于已有的数据库，针对紧迫性高的短期社会问题，快速匹配新颖性低的社会解决方案。
命题1 当社会问题紧迫性高，但可以借助常规手段作为解决方案时，应利用AI的自主能力快速进行方案匹配，即采取AI自主搜索式社会创新模式。
4.2 AI赋能生成式社会创新
第二种模式是AI赋能生成式社会创新。该模式虽然同样针对紧迫性高的社会问题，但却需要匹配新颖性高的解决方案。这种情况一般存在于一些罕见的，甚至是首次出现的短期社会问题。针对这一类社会问题，由于已有数据库中缺乏一致的解决方案匹配案例，因此无法完全依靠第一种模式中AI的自主搜索能力直接匹配最优的解决方案。然而考虑到社会问题的紧迫性，可以将解决方案匹配过程划分为两个阶段：在第一阶段，先利用AI的自主能力对现有数据库进行近似处理，快速生成应急性的初始解决方案；在第二阶段，为了最终匹配出新颖性高的最优解决方案，应当转而采取AI赋能的作用机制，且这一阶段在该模式中更加关键、持续时间更长，因此在图2中采用非阴影部分表示，以强调AI赋能的作用。研究表明，当组织需要利用AI产生新颖性较高的社会问题解决方案时，应将人类智能纳入创新决策过程，更多发挥人类大脑的创造力优势。不同于可以利用直觉和创造力的人类智能，AI无法在数据产生的空间之外进行搜索。因此，在第二阶段利用AI赋能对第一阶段产生的初始解决方案进行反复、快速的迭代，最终匹配出最优的社会问题解决方案。例如，BenevolentAI公司利用AI快速生成Covid-19感染人类的众多可能途径，帮助人类科学家成功搜寻出最可能的有效药物，并在后续通过人机协作对药物进行持续改良。
命题2 当社会问题紧迫性高，且必须尽快提出新颖性高的解决方案时，应阶段式发挥AI的自主和赋能作用，即采取AI赋能生成式社会创新模式。
4.3 AI自主修补式社会创新
本文提出的第三种模式是AI自主修补式社会创新，通过产生新颖性低的解决方案，解决紧迫性低的社会问题。需要强调的是，社会问题的低紧迫性并不与低重要性划等号。在AI时代下，AI自主修补式社会创新可能是最为常见且持续时间最长的社会创新活动。纵观人类社会发展史，虽然科学技术和生产力在不断发展，但一些复杂且需要长期应对的社会问题却是始终存在，呈现出惊人的历史相似性，例如人口老龄化、财富分配不均和心理健康等问题，均反复或持续地存在于社会环境之中。在传统社会创新中，需要人类耗费大量的时间和精力，在搜集大量数据的基础上，分析出问题产生的根源，并采取相应的解决方案。例如，全国人口普查作为全面了解国家状况的系统性工程，一般前后耗时两至三年左右。因此，解决此类社会问题的主要难点就在于采集、处理过于庞大的信息量，而这正是AI的强项。AI自主修补式社会创新能够智能采集基础数据，并基于已有的社会问题数据库，对整个社会的现状进行智能识别、分析，能够实时诊断出可能存在的“污点”。同时，由于这些社会问题都是以前反复发生过的，即使在部分细节上可能存在差异，但AI技术仍然能够通过对各项信息的处理，实现社会问题和解决方案之间的最优匹配。例如，为解决青少年心理健康问题，一款名为“暖心喵”的App不仅让AI代替人类担任心理咨询师一职，自主理解咨询者的倾诉内容并回复，还利用AI根据已有资料促进咨询双方的精准匹配。
命题3 当社会问题紧迫性低，但可以借助常规手段作为长期解决方案时，应利用AI的自主能力进行持续性问题识别与方案匹配，即采取AI自主修补式社会创新模式。
4.4 AI赋能探索式社会创新
最后一种模式是AI赋能探索式社会创新，虽然是用于解决紧迫性低的社会问题，但却与AI赋能生成式社会创新一样，需要产生高新颖性的解决方案，因此同样需要利用AI赋能的作用。紧迫性低却需要新颖解决方案的社会问题，通常是一些十分复杂、罕见的顽固性社会问题，虽然在短时间内不会对社会造成重大危害，但在长远来看却可能引起不可估量的严重后果。当前受到全球广泛关注的气候变化问题就是最为典型的代表之一。大量分析机构预测，如果不加以控制，持续的碳排放将对地球稳定的生态系统造成不可逆的负面影响，并严重威胁包括人类在内的生存空间。然而，由于气候变化是工业革命及之后的产物，历史上从未出现过与之类似的问题，所以AI无法基于已有数据库匹配最优甚至是近似的解决方案。不过借助AI强大的数据分析与预测能力，能够降低人类在搜寻创造性解决方案过程中的试错成本。例如，Google公司与ElectricityMap公司合作，利用AI进行数据智能采集与分析，实现对全球碳足迹的实时动态监测。借此，Google公司采取创新性方案对自身能耗计划进行调整，以更优地匹配电网的低碳电力供应时间，大幅减少碳排放量。鉴于此，本文提出的AI赋能探索式社会创新，强调利用AI的赋能作用增强人类对社会问题的理解力，最终依靠人类的创造力优势，提出具有开创性意义的问题解决方案。
命题4 当社会问题紧迫性低，但必须通过创造性的方案才能解决时，应借助AI赋能增强人类创造力，即采取AI赋能探索式社会创新模式。
5. 结语
社会创新作为一种利用创造性方法解决复杂社会问题的集体性过程，同时也是一种社会嵌入的过程。AI时代，人类社会的生产生活方式由人人协作转向人机协作，以“社会人”为中心的传统社会创新理论面临严重的适用性挑战，迫切需要重新认识AI对社会创新的意义。鉴于此，本文首先对已有社会创新文献进行回顾，为建构AI时代的社会创新理论奠定基础。其次，从社会问题识别、社会身份建构、社会网络构建、社会创新决策和社会创新成果扩散五个方面，剖析AI社会创新相较于传统社会创新和数字社会创新所具备的独特内涵。再次，从社会问题建构、社会创新方案匹配和社会创新成果扩散三个环节，揭示了AI社会创新的运行机制。最后，围绕“漂浮的社会问题与解决方案之间的匹配”难题，以AI技术的自动化和赋能为切入视角，以社会问题的紧迫性和解决方案的新颖性为分析框架，首次总结出AI社会创新的四种模式：AI自主搜索式、AI赋能生成式、AI自主修补式、AI赋能探索式。
相较于技术创新，社会创新更加强调社会集体协作在创新过程中的重要性。本文提出的AI社会创新特别强调将人机协作贯穿于社会创新全过程，并且利用AI技术构建去中心化的开放式社会创新生态。本文认为，应该更加全面理解AI技术对社会创新的作用。一方面，AI技术的独特优势为解决复杂社会问题提供了全新的思路；但另一方面，必须警惕AI应用可能伴随的一系列系统性风险。本文呼吁从以下几个方面对AI社会创新进行审视。①数据治理中的隐私保护问题。AI时代下，数据成为一种重要的核心资产。数据的开放共享是AI社会创新的关键一环，但如何在开放共享的同时确保隐私安全，是AI社会创新中的一项难题和必答题。②AI的高度智能化引起的社会创新路径依赖问题。与人类相比，AI能够在短时间内通过处理大量信息生成新的内容，这将导致人们产生依赖而不愿独立思考，长此以往将导致通过AI赋能产生新颖性解决方案的社会创新路径受阻。③AI大模型应用中的路径纠错难题。对于AI社会创新中基于AI大模型给出的错误解决方案，目前还难以对错误进行溯源，AI本身也缺乏自主纠错能力。④数字鸿沟导致的社会价值鸿沟问题。社会创新的核心目的是创造社会价值，但数字鸿沟可能导致AI社会创新活动主要活跃于发达地区，造成社会价值分配的严重失衡，进一步加深了社会价值鸿沟。⑤AI社会创新中可能产生的伦理问题。AI的独特优势在于基于大数据、大算力和强算法进行最优决策，实现社会问题与解决方案的最优匹配，但这可能会加剧社会创新效率与伦理之间的冲突。因此，在AI社会创新过程中，不能过度信任AI的理性决策，还应充分发挥人类的感性判断，避免产生“逆向”社会创新的结果。
本文仅供学习与交流，转载请注明出处。
-编辑：郑若愚 | 审核：张宇擎-
文章荐读