生成式人工智能進(jìn)入法學(xué)研究，真正改變的并不只是“寫得更快”。對(duì)跨學(xué)科研究者而言，更深層的變化在于：過去需要在法學(xué)、社會(huì)科學(xué)、經(jīng)濟(jì)學(xué)、技術(shù)研究等不同文獻(xiàn)體系間反復(fù)切換的工作，如今可以先由模型協(xié)助搭建檢索路徑、歸納爭(zhēng)點(diǎn)和呈現(xiàn)概念關(guān)聯(lián)，再由研究者完成判斷、核驗(yàn)與論證。
這會(huì)改變學(xué)術(shù)邊界的形態(tài)。法學(xué)研究不再只是在既有規(guī)范文本中尋找解釋，也更容易進(jìn)入數(shù)據(jù)、制度、技術(shù)與社會(huì)實(shí)踐交織的問題現(xiàn)場(chǎng)。但工具越能生成看似完整的答案，研究者越需要守住一個(gè)基本原則：AI可以加速知識(shí)加工，卻不能替代學(xué)術(shù)判斷。
從“找材料”轉(zhuǎn)向“設(shè)計(jì)知識(shí)結(jié)構(gòu)”
跨學(xué)科法學(xué)研究的難點(diǎn)，常常不在資料匱乏，而在資料之間缺少可比較的結(jié)構(gòu)。研究者面對(duì)的可能是法律規(guī)范、裁判文書、政策文件，也可能是技術(shù)報(bào)告、訪談資料、社會(huì)調(diào)查或倫理討論。不同學(xué)科使用的概念未必對(duì)應(yīng)，證據(jù)標(biāo)準(zhǔn)和論證習(xí)慣也往往不同。
生成式模型適合承擔(dān)前期的“結(jié)構(gòu)化勞動(dòng)”。例如，研究者可以先將一個(gè)寬泛?jiǎn)栴}拆解為若干可追蹤的維度：規(guī)范依據(jù)是什么，現(xiàn)實(shí)問題如何呈現(xiàn)，相關(guān)技術(shù)或社會(huì)機(jī)制如何運(yùn)作，不同立場(chǎng)之間的沖突在哪里，現(xiàn)有研究留下了哪些尚未回答的問題。模型可以據(jù)此協(xié)助生成檢索詞組、歸類文獻(xiàn)主題、提煉反復(fù)出現(xiàn)的概念，并提示可能被忽略的關(guān)聯(lián)方向。
這一過程的價(jià)值，不是讓模型替你選題，而是幫助研究者更早看見問題的邊界。比如，討論生成式AI的法律治理時(shí)，若只停留在責(zé)任歸屬或風(fēng)險(xiǎn)列舉，容易形成抽象判斷；若將法律規(guī)范、技術(shù)能力、平臺(tái)治理、教育場(chǎng)景與知識(shí)生產(chǎn)方式放在同一張問題圖譜中，研究問題就更有機(jī)會(huì)從“AI帶來什么風(fēng)險(xiǎn)”推進(jìn)到“既有法律概念是否足以描述新的行為結(jié)構(gòu)”。
已有法學(xué)討論也提示，生成式AI的影響并不限于法律適用層面。關(guān)于法教義學(xué)、法學(xué)教育與人工智能融合的討論，已經(jīng)將注意力投向知識(shí)生產(chǎn)、教學(xué)訓(xùn)練和理論創(chuàng)新等環(huán)節(jié)。對(duì)研究者來說，這意味著跨學(xué)科并非簡(jiǎn)單加入幾個(gè)技術(shù)概念，而是重新審視法學(xué)如何提出問題、組織材料和形成可檢驗(yàn)的論證。
用AI梳理文獻(xiàn)：先限定任務(wù)，再核對(duì)原文
文獻(xiàn)梳理是生成式AI最容易進(jìn)入、也最容易失控的環(huán)節(jié)。它可以幫助研究者處理大量摘要、筆記和目錄，但不應(yīng)被當(dāng)作可靠的文獻(xiàn)事實(shí)庫(kù)。尤其在法學(xué)研究中，作者觀點(diǎn)、規(guī)范依據(jù)、制度背景與原文表述之間常有細(xì)微差異，任何未經(jīng)核對(duì)的概括都可能誤導(dǎo)后續(xù)論證。
較穩(wěn)妥的做法，是把AI定位為閱讀后的整理助手，而不是閱讀前的替代者。
首先，研究者應(yīng)自行確定核心問題和材料范圍。例如，明確研究聚焦的是法律解釋、治理機(jī)制、教育轉(zhuǎn)型，還是特定領(lǐng)域中的制度影響。范圍越清楚，模型越不容易輸出寬泛而失焦的概述。
其次，將已經(jīng)確認(rèn)來源可靠的文獻(xiàn)摘要、閱讀筆記或關(guān)鍵段落分批交給模型，要求其按統(tǒng)一維度整理，而不是直接要求“綜述全部研究”。可以圍繞研究問題、核心概念、方法路徑、主要結(jié)論、證據(jù)類型、局限與待討論問題進(jìn)行歸納。這樣得到的不是一篇可直接使用的綜述，而是一份便于研究者回查的文獻(xiàn)工作底稿。
然后，對(duì)模型生成的歸納逐項(xiàng)回到原文核驗(yàn)。重點(diǎn)核對(duì)作者是否真的提出了該觀點(diǎn)，結(jié)論適用的范圍為何，材料能否支撐相應(yīng)判斷，以及模型是否混淆了不同作者的立場(chǎng)。對(duì)于法律條文、案例事實(shí)、引文和參考文獻(xiàn)，尤其不能僅憑模型輸出確認(rèn)。
最后，再由研究者重寫文獻(xiàn)評(píng)述。高質(zhì)量文獻(xiàn)綜述不是把觀點(diǎn)排成隊(duì)列，而是說明不同研究在什么問題上相互支持、彼此沖突，哪些結(jié)論依賴特定前提，又有哪些空白值得進(jìn)一步研究。這個(gè)“提出關(guān)系”的工作，仍然是研究者的核心能力。
概念映射：讓跨學(xué)科對(duì)話變得可見
概念映射比普通關(guān)鍵詞整理更進(jìn)一步。它要解決的問題是：不同學(xué)科究竟在談同一個(gè)對(duì)象，還是只是使用了相似的詞語？法學(xué)中的“責(zé)任”“主體”“權(quán)利”，與技術(shù)研究中的“系統(tǒng)”“模型”“數(shù)據(jù)”，與社會(huì)科學(xué)中的“行為”“組織”“激勵(lì)”，可能彼此相關(guān)，但不能直接互相替換。
研究者可以先列出論文中最關(guān)鍵的一組概念，包括法律概念、外部學(xué)科概念和連接兩者的中介概念。隨后請(qǐng)AI協(xié)助初步回答幾個(gè)問題：每個(gè)概念通常如何定義；不同文獻(xiàn)是否存在相互競(jìng)爭(zhēng)的定義；概念之間可能是因果關(guān)系、條件關(guān)系、分類關(guān)系還是規(guī)范評(píng)價(jià)關(guān)系；哪些概念缺少清晰邊界。
在此基礎(chǔ)上，形成一張由研究者主導(dǎo)的概念圖。圖中不必追求復(fù)雜，而應(yīng)明確標(biāo)出幾個(gè)關(guān)鍵節(jié)點(diǎn)：研究對(duì)象是什么，法律問題從何處產(chǎn)生，外部學(xué)科提供了何種解釋變量，法律規(guī)范如何回應(yīng)這些變量，以及論文最終準(zhǔn)備檢驗(yàn)或論證什么命題。
例如，在研究生成式AI參與法律知識(shí)生產(chǎn)時(shí)，可以把“文本生成能力”“法律論證”“學(xué)術(shù)誠(chéng)信”“作者責(zé)任”“知識(shí)可靠性”等概念放在同一框架中。模型可以協(xié)助列舉潛在關(guān)聯(lián)，但研究者必須決定哪些關(guān)聯(lián)具有理論意義，哪些只是表面共現(xiàn)。概念圖的目的不是制造更多術(shù)語，而是避免論文在不同學(xué)科語言之間來回跳躍卻沒有形成穩(wěn)定的問題意識(shí)。
讓AI參與分析，而不是代替論證
當(dāng)文獻(xiàn)和概念結(jié)構(gòu)逐漸清晰后，AI可以協(xié)助研究者進(jìn)行對(duì)照式分析。例如，將不同理論路徑放在同一組問題下比較，識(shí)別某一論證中隱含的前提，或者根據(jù)已有材料生成可能的反例與質(zhì)疑。這類用途尤其適合法學(xué)研究中的論證壓力測(cè)試：如果某項(xiàng)主張成立，它需要滿足哪些條件；如果條件改變，結(jié)論是否仍然成立；如果采用另一種理論立場(chǎng)，解釋會(huì)發(fā)生什么變化。
但模型輸出只能作為待檢驗(yàn)的分析草案。生成式AI擅長(zhǎng)組織語言和模擬推理形式，卻未必能準(zhǔn)確把握概念的法理邊界、制度背景或?qū)W術(shù)爭(zhēng)論的真正分歧。它給出的“平衡觀點(diǎn)”有時(shí)只是把相反表述并置，而不是完成理論上的調(diào)和；它提出的“研究空白”也可能只是資料不足造成的表面缺口，而非真正值得研究的問題。
因此，研究者應(yīng)把AI生成內(nèi)容放入自己的證據(jù)鏈中檢驗(yàn)：論點(diǎn)是否有原始材料支持，推理是否跨越了未經(jīng)證明的步驟，概念是否發(fā)生了悄然替換，結(jié)論是否超出了材料的解釋能力。只有經(jīng)過這一輪審查，AI提供的線索才可能轉(zhuǎn)化為學(xué)術(shù)貢獻(xiàn)。
學(xué)術(shù)誠(chéng)信的底線不能交給工具決定
生成式AI可以是學(xué)術(shù)助理、討論對(duì)象，甚至是幫助發(fā)現(xiàn)論證漏洞的“反方”，但它不能成為隱形作者。相關(guān)教育政策討論普遍強(qiáng)調(diào)，使用生成式AI不得構(gòu)成未經(jīng)說明的學(xué)術(shù)不端；具體課程、院校和期刊對(duì)于使用范圍、披露方式與責(zé)任歸屬也可能有不同要求。
對(duì)論文作者而言，最重要的不是尋找“能否使用”的模糊空間，而是建立可說明的使用記錄。凡是由AI參與完成的文獻(xiàn)分類、語言潤(rùn)色、提綱推演或材料整理，都應(yīng)保留必要的過程痕跡；凡是進(jìn)入正文的觀點(diǎn)、引文、事實(shí)和參考文獻(xiàn)，都應(yīng)由作者親自核驗(yàn)并承擔(dān)責(zé)任。若所在院校、期刊或項(xiàng)目對(duì)AI使用有聲明要求，應(yīng)按照其規(guī)則如實(shí)處理。
更需要警惕的是，AI輸出往往具有流暢、完整和自信的外觀。它可能遺漏關(guān)鍵文獻(xiàn)、混淆概念來源，甚至生成看似合理但無法核實(shí)的引文與事實(shí)。研究者如果直接接受這種文本，短期看似節(jié)省了時(shí)間，長(zhǎng)期卻會(huì)削弱自己識(shí)別問題、判斷證據(jù)和建立原創(chuàng)論證的能力。
跨學(xué)科法學(xué)研究的創(chuàng)新，不在于把生成式AI寫進(jìn)題目，也不在于用模型快速產(chǎn)出更多文字，而在于借助它重新組織問題：哪些法律概念需要被重新解釋，哪些外部知識(shí)能夠進(jìn)入法學(xué)論證，哪些制度后果過去沒有被充分看見。AI可以擴(kuò)大研究者的視野，卻不能替代研究者決定何為重要、何為可信、何為應(yīng)當(dāng)被論證。
