本文内容摘选自《从分类到跨维：应对AI时代的知识危机》，作者盛思鑫。文章仅代表作者个人观点。
人类的想象力与终极跨维
面对人工智能技术的冲击，除了在“小数据和小算力”场景中占优，人类是否还有其它的“立足之地”来缓解我们面临的知识危机？
要回答这个问题，我们必须深入审视人工智能技术的特点与局限，并将其与人类认知进行比较。人类不同于其它生物之处，绝不仅在于能大规模制造和使用工具，还在于我们能想象现实世界中不存在的事物，并将想象变为现实——也就是所谓的“从0到1”原始创新，或是对未来图景的预见。
例如，古代神话中的“腾云驾雾”与今天乘坐飞机日行万里何其相似；《星际迷航》里设想的无线视频通话器，正是如今智能手机的雏形。人类的想象力在知识创新中扮演着至关重要的角色。既然人工智能技术已经能够很好地“复刻”甚至超越人类的分类思维，那么它在想象力方面是否也能媲美甚至超越人类呢？换句话说，人类与人工智能的想象力究竟有何不同？
事实上，当前人工智能的想象力很大程度上是一种数据驱动的概率想象，而人类的想象力主要由好奇心驱动，并不总是具备概率特征。现有的人工智能技术，其想象力必须建立在海量可用数据的基础上。相比之下，人类的想象力并不依赖如此多的数据，它常常体现在对有限数据的“过度”想象中——即这些数据本身不足以支撑想象的结论。
如果套用维特根斯坦的理论，将世界分为“可以言说的”和“不可言说的”，那么人工智能想象力的优势主要体现在“可以言说的”世界中。这个世界的基础是语言与现实存在较为精确的映射关系，充满了各种可通过概率计算和逻辑推理发现的确定性或规律性。尽管多模态大模型的发展让人工智能得以涉足“不可言说的”世界，但它仍然面临幻觉、偏见和缺乏真正主观经验等难以克服的局限。
总体而言，人类想象力的优势尤其体现在“不可言说的”世界中，如宗教、美学、伦理学等领域，这些领域缺乏“可以言说的”世界中的那种确定性。换言之，“不可言说的”世界是人类心智的主宰领地。人类的“非理性”或许将成为对抗人工智能“理性”的强大武器，AI的技术进步只能以人机协作的模式增强对这一领地的探索，本质上无法替代人类的想象力。
人工智能对确定性的想象力正在或将超越人类，而人类对于不确定性的想象力则明显更强，这部分源自人类的“胡思乱想”中有人工智能难以捕捉的随机性。人类的“胡思乱想”与现实世界的不确定性高度契合，而现实世界在概率性质上的确定性，正是人工智能技术的重要基础。可以说，人类能通过有目标的“玄思妙想”甚至“胡思乱想”来突破已有知识的确定性框架。
与人工智能相比，人类想象力在面对不确定性时展现出独特优势：一方面，它能应对数据匮乏、难以精确计算概率的事件；另一方面，它能处理那些缺乏明确映射关系或很难进行逻辑推理的现象。事实上，在人工智能技术出现之前，它本身就存在于人类的想象之中。甚至在想象人工智能技术未来发展的种种不确定性方面，当前人类的想象力及其影响力也依然超越AI本身。
除了上述划分，人类还能通过一种终极形式的“跨维”来推动知识范式的革命，这种“跨维”与人类的想象力有关，并且是人工智能无法做到的。从分类思维角度看，人类知识的累积表现为各种分类体系在横向与纵向的不断拓展。但基于还原论哲学的分类思维，往往无法从整体上把握事物的根本规律。
老子的《道德经》对认知活动有一个重要分类：求学和求道。求学需要博闻强识、日积月累，这是分类思维的体现；而求道则需要“逆向思维”，通过不断摒弃求学所得知识带来的束缚，才可能体认宇宙的根本规律，这是对分类思维的彻底批判。如果祛除“求道”的神秘色彩，实现终极跨维便需要使用非分类的方法从整体上思考研究对象及其背后的规律。
简言之，人类不仅可以在“不可言说”的世界中“胡思乱想”，也可以在“可以言说”的世界中“玄思妙想”，从而推动知识范式的变革。历史上牛顿创建经典力学、爱因斯坦发现相对论，都属于这种“玄思妙想”。人工智能技术无法通过“玄思妙想”实现终极跨维，因为这与其运行逻辑相背离。人类知识的革命终究只能依靠人类本身，而人工智能在知识革命中只能扮演工具的角色。
人工智能与职业危机
人工智能对职业的冲击是当下的热点。一些审慎乐观的看法认为，AI会替代一些职位，但也会创造新岗位，然而两相抵消是否意味着更多工作机会，尚未可知。这类看法可能低估了人工智能技术对人类劳动的替代深度和规模。
在现代社会发展中，劳动的专业化与分化曾是核心驱动力，不同的职业将人限制在特定领域发挥专门作用。职业可以被定义为“一些由个体组成的排他性群体，用某种特定的抽象知识来处理特定情况”。职业主义则意味着职业群体保持自身在工作中的自主性与控制力，这需要维持职业知识的垄断性。
然而，人工智能技术正在打破职业群体对职业知识的垄断，使各种职业知识逐渐商品化。例如，马斯克曾宣称其发布的大语言模型在所有学科的学术问题上都超过了博士水平，并为此设置收费门槛。如同机器时代流水线取代手工业者，如今检测水管裂缝、管理交通乃至驾驶汽车这类工作也在被AI取代。甚至于，人工智能技术可以让普通高中生在未受系统训练的情况下，做出传统天文学家无法完成的研究。
人工智能技术的发展正在使几乎所有的职业知识逐渐脱离人本身，为职业知识的全面商品化铺平道路。当前AI代理与具身智能技术的发展，正试图将人类的职业知识转移至机器，彻底实现多数职业知识的商品化。
麦肯锡全球研究所2025年发布的一项报告指出，在对美国约800种现有职业进行分析后，具有最高自动化潜力的职业涉及当前美国总就业人数的40%。未来这些工作可能主要由AI代理、机器人或二者的协作完成。对知识的垄断依旧存在，只是垄断的主体正从各类职业群体转向人工智能与数字巨头。
本质上，当前的职业危机起源于职业群体与组织之间的竞争，并在AI时代遭遇到了巨头们对职业群体的空前威胁。尽管有人畅想未来是人机协作的时代，但仍不应低估这种协作将很大程度上受制于巨头，并可能主要为巨头的利益服务。
那么，是否有一些职业能免于或较少受到AI冲击呢？
第一类是与教育和塑造人的心灵相关的职业，如幼师和中小学教师。概括地说，与教育和塑造心灵越接近的职业，会更需要人的参与、反馈和引导。
第二类职业与马斯洛需求层次理论中涉及安全、爱与归属、尊重等高级需要有关，因为这类需求的满足很大程度上需要依靠个性化与真实的人际互动。这些职业包括法官、律师、医生、心理咨询师等。根据“能力—个性化理论”，当人们希望被当作独特个体对待时，他们选择人类专家而非直接使用AI的可能性就越大，即便AI的诊断能力更强。
第三类职业与人类对审美的需要有关，而这种需求及其意义解读很难被AI直接满足。相关的职业包括艺术家、音乐家、设计师、高级厨师等。
第四类职业与陪伴有关。随着AI技术的发展，成年人与亲友之间的直接互动可能减少，越来越多的人习惯于在“数字洞穴”中与外界间接交流，这反倒凸显了导游、老人陪护、宠物相关等陪伴类职业的价值。
在人工智能时代，尽管上述四类职业相对“更安全”，但它们也不可避免地会使用AI技术，或以人机协作的方式工作。从生产关系的角度看，几乎所有职业群体和个体都将会受到人工智能算法的深刻影响。巨头们凭借“数据领地”占有用户生成的内容与数据，任何依靠这些内容开展工作的职业群体都可能需要缴纳“数字地租”。
职业群体能否有效维护自身权益，很大程度上取决于国家和巨头之间的博弈。如果国家与巨头形成共谋，那么职业群体在AI技术编制的无形牢笼中将难有喘息空间。当前，AI技术正在塑造每种职业的“AI感”，这取代了“科技感”成为时髦的代名词。但这种心理状态也带来了后果：人们在工作中的自主性、职业的安全感与意义感可能会被大大削弱。
改造我们的学习与教育
人工智能时代的学习和教育也引起了普遍关注。与对职业的担忧类似，人们担心所学内容跟不上时代，在未来竞争中处于不利地位。2025年高考志愿填报中，一些职业前景明确的军校和二本院校，其录取分数线在部分省份历史性地超过了不少985高校的非AI相关专业。
这表面上反映了“求稳”心态，深层看却可能是一个长期趋势的开端：AI技术的发展将空前加强学习和教育的职业导向，大家都会尽力避开容易被AI取代的专业。当AI使得专业知识变得“唾手可得”后，每个理性的人都会思考如何让自己的教育投入更具性价比。
全球范围内的学历和学位或将进入加速“贬值”的通道。主要原因并非高等教育扩张带来的供给增加，而是AI技术正在侵蚀传统高等教育机构在传授知识方面的垄断地位。数字平台上的教育AI和知识博主可能比大学更能提供个性化与普及化的教育。
理论上，大学可以通过加快AI转型来应对挑战，但这种转型大概率会侧重于用AI辅助提高工作效率，而非实现教育的制度性变革。AI技术打破学科壁垒的知识整合趋向，与大学学科专业的“知识护城河”利益机制存在难以调和的矛盾。
对于个体的学习而言，增强对AI的“负向认识”比“正向认识”更能提高学习能力的韧性，使我们在使用AI时尽可能趋利避害。尽管AI让“知识记忆型”学习变得不那么重要，但这也给人带来一种“无所不知”的错觉。这种错觉源于混淆了内化的知识与可获取的外在知识，使得人们不容易意识到自己的“浅薄”。
AI技术也可能让人们更不易察觉自己的“偏执”。与“搜索引擎依赖症”相比，“人工智能依赖症”可能更容易让大脑“变懒”。例如，麻省理工学院2025年的一项研究表明，长期过度依赖使用ChatGPT对其使用者的神经网络、语言表达和行为均有负面影响。从人机关系看，AI可以是学习工具与伙伴，但我们最好将它当作切磋知识的对手。需要警惕的是，过度依赖将导致AI对人类的反向控制。
总的来看，AI时代对人们的学习提出了更高而非更低的要求。这不仅体现在需要更强的批判性思维，还体现在要兼顾知识的广度与深度。在传统的学科分界逻辑下，成为“专才”是理性选择，“通才”则常被揶揄。过去人们依靠“一万小时定律”便能成为某个领域的专家。但现在这一定律已在很多领域失效，AI技术使得专家知识“常识化”，“专才”们越来越难仅凭认知深度建立“知识壁垒”，亟需在广度上拓展以重建优势。
作为主流技术方向，当前通用人工智能力图在多领域形成比肩甚至超越人类的智能水平。这一趋势深刻改变了知识广度与深度的关系：AI时代的知识深度，越来越体现在知识广度基础上形成的跨领域深度整合与创新。这要求人们在知识广度上投入更多时间，努力成为掌握跨领域知识并具备整合能力的新型“通才”。简言之，尽管传统“专才”仍有生存空间，但新型“通才”更能适应AI时代。
传统教育培养的知识深度建立在学科分界基础上，而学科分界是由于人类算力和认知限制而被迫选择的分类简化办法。一旦接近这个分类认知的极限，投入的产出就会越来越少。由于AI技术极大地突破了人脑的算力和认知限制，故而可以在知识广度基础上重构知识的深度，即形成跨领域的深度整合与创新。这种深度与纯粹的学科深度完全不同，为人类认识和改造世界提供了更多可能性。
当前，各种人工智能大语言模型仍在“如饥似渴”地吸收人类的知识，同时又在人机互动中输出知识。随着算力增加、算法优化，纯粹由人类构建的知识终有一天会被AI完全吸收。人类此后是否还有动机和能力创造完全“人工”的知识？人机协作生成的知识中“人工”的色彩是否会越来越弱？当AI只能消化自己生产的“非人工知识”后，是否会导致知识发展停滞？
这些问题背后的一个共同担忧是：AI对人类知识的无节制使用或将导致人类知识资源的枯竭，最终形成“公地悲剧”。为了保有避免这一悲剧的能力，我们必须重视对AI时代以前人类知识经典的学习。这不仅是保有人类知识生产能力的需要，也是通过培养知识品味对人机协作知识进行有效批判的需要。
我们还应让下一代通过对历史人物传记的学习，增加对人类经历的深入了解，从而提高在现实世界中处理人际关系及对抗挫折的能力。以前“纸上得来终觉浅”，现在“智能得来更觉浅”，因此在AI时代有必要增加个人化的经验和体验。
最后，就保持人类的想象力与好奇心而言，这已被证明是人类思维抵御AI冲击的“立足之地”。语言、文学、艺术、历史、哲学等人文素质培养在AI时代的重要性不是下降了，而是提高了。尽管这些素质不与就业直接挂钩，却是我们保持人类“底色”、抵抗AI对人性侵蚀的重要基础。
对于在这些领域工作的教师和研究人员而言，他们不仅需要在课堂抵御AI和部分“网红”对学生的负面影响，还应在各类数字平台上努力争取更多用户的青睐。这既是挑战，也是崇高的责任。
欢迎在云栈社区继续探讨人工智能时代的更多可能性。
发表于 1 小时前
|
查看: 2|
回复: 0
