历史文本记录了制度、语言与价值，也留下人如何理解关系、合作、善恶和自我的痕迹。AI 可以帮助我们在巨大语料中寻找模式，但模式最终仍要回到人的经验与判断。
AI 能把古籍变成可计算的语义空间，却不能替人决定：一种模式为什么重要，它对今天的人意味着什么。
关系，是理解人的重要入口
分享从长期成人发展研究谈起：人与他人的连接，深刻影响幸福与生命质量。个体不是孤立变量，许多看似个人的选择，都发生在家庭、群体、制度和文化所构成的关系网络中。
从合作机制到 FAVEE 关系模型
胡韧奋博士介绍了理解关系的分析框架，用多个维度观察个体在关系中的期待、价值与行为。模型的意义不在于把人简化成标签，而在于帮助我们提出更清楚的问题：人为什么合作，冲突从哪里出现，不同文化如何塑造关系判断。
- 历史心理从长期文本变化观察群体如何理解自我与他人。
- 文化差异普遍的人类结构，会在不同历史文化中呈现不同表达。
- 语义计算通过大规模文本比较，发现人工阅读难以覆盖的模式。
- 解释责任统计关系不是因果结论，研究者仍需回到语境与证据。
AI 如何“读”古籍
大模型和计算方法可以帮助完成分词、分类、语义聚类、概念追踪和跨时期比较，让研究者看到词义、价值判断与叙事结构如何变化。它扩展了阅读尺度，却不会自动给出可靠解释。
善与恶，也有历史
人们对“好人”“坏人”、责任与德性的理解并非完全固定。古籍计算可以揭示一些价值词汇在不同时期与哪些行为、身份和关系共同出现，从而让我们看到道德语言背后的社会结构变化。
大模型的边界：相关性之外仍需要人
AI 擅长发现相似性和生成解释，但可能忽略史料偏差、概念迁移和缺失语境。研究的关键不是让 AI 代替学者，而是让机器扩大检索和比较能力，再由人提出问题、核对证据并承担解释责任。
本页依据“先蜂AI俱乐部”K4 活动回顾整理；封面使用原文第一张图片。