马松 耶鲁大学管理学院金融经济学和创新创业学终身教授
本文节选自《后知识社会》
1997年5月11日，纽约曼哈顿的安盛公正中心大厦里，国际象棋世界冠军加里·卡斯帕罗夫盯着棋盘。他意识到，他输了。IBM的超级计算机“深蓝”以3.5 ∶2.5的总比分击败了人类历史上最伟大的棋手之一。全世界的报纸头版都在渲染同一个故事：机器赢了，人类输了。卡斯帕罗夫在此后的10年里做了一件有趣的事，他发明了一种全新的比赛形式，叫作“先进国际象棋”（Advanced Chess）。这种比赛让人类棋手和电脑组队对弈。2005年，在一场面向所有人开放的先进国际象棋锦标赛中，最终的冠军既不是配备了强大电脑的国际象棋大师，也不是单独运行的超级计算机，而是两个普通的美国业余棋手。他们使用三台普通电脑，凭借出色的“教练”能力，指导电脑之间的协作，击败了所有对手。这个例子告诉我们：普通人加上机器智能再加上一个好的协作流程，胜过顶尖专家加上机器智能但协作流程糟糕的组合。它意味着在人机共存的时代，我们需要寻找一种全新的能力：理解自己能做什么、机器能做什么，以及让两者协同起来。在本书中，我们追溯了知识从篝火旁的口耳相传，到泥版上的刻写，到羊皮纸上的抄写，到活字印刷的批量复制，再到互联网的即时传播。每一次知识革命都改变了“谁能获取知识”和“知识的价值如何被定义”。现在，AI发动了新一次的知识革命。这一次，它动摇的不只是知识的记录和分发方式，更是知识的生产和使用本身。当一台机器可以在几秒内写出一篇文章、做出一份诊断、生成一段代码时，人的价值究竟在哪里？我们如何界定自己和机器之间的知识边界，并把两者协同起来？在一个AI无处不在的世界里，有五种能力空前稀缺。而稀缺，正是我们在新知识时代寻找价值的源头。AI是人类有史以来最强大的“回答机器”。你问它任何问题，它都能给你一个看起来合理的答案。虽然AI也能在回答之后提出问题，但是提出真正有创造性的问题、关于人类福祉和未来的问题，可能还更多属于人类的能力范畴。阿尔伯特·爱因斯坦说过一句被无数人引用的话：“提出一个问题往往比解决一个问题更重要。因为解决一个问题可能只需要数学或实验技巧，而提出新问题、新可能性，从新角度看旧问题，则需要创造性的想象力。”这句话在AI时代变得比以往任何时候都更加真实。当“解决问题”的成本因为AI而急剧下降时，“发现问题”的价值就会急剧上升。查尔斯·达尔文花了20多年观察藤壶、鸽子和热带岛屿上的雀鸟，才最终问出那个改变人类认知的问题：为什么地理上相邻但环境不同的地方，物种如此相似却又如此不同？这个问题需要一个人在漫长的困惑中，一步步把碎片拼接起来，直到那个关键的缺口显露。在知识爆炸的时代，提出好问题的人，能够在纷繁的信息中看到别人看不到的空白、能够把不同领域的线索编织成一个全新疑问的人，将成为真正有价值的人。1928年9月的一个早晨，苏格兰细菌学家亚历山大·弗莱明回到自己的实验室，发现自己犯了一个“错误”：他忘了盖好一个培养皿，结果一种蓝绿色的霉菌飘了进去，杀死了周围的一圈葡萄球菌。更“严谨”的科学家可能会把这个被污染的培养皿直接扔进垃圾桶，但弗莱明没有。他盯着那块空白看了很久，然后做了一件改变医学史的事，他问：“这是怎么回事？”青霉素由此诞生，此后拯救了数以亿计的生命。AI被设计为尽可能“正确”。它的训练过程就是一个不断减少错误的过程，不断调整参数、优化损失函数、逼近标准答案。这使得它在已知问题上表现卓越，但也意味着它在本质上是保守的。它避免“犯错”，所以它也不会从错误中发现全新的东西。人类的重大突破和发明，从青霉素到X射线，从便利贴到微波炉，几乎都始于一个意外、一次失败、一个“不应该发生”的事件。而把这些失败转化为发现，需要的不是计算能力，而是一种AI永远不会拥有的东西：在不确定中坚持探索的勇气，以及承认“我不知道，但我愿意去试”的诚实。在一个AI可以帮人规避大部分已知错误的世界里，敢于走进未知领域、敢于犯前所未有的新错误的人，反而变成了最珍贵的创新者。第三，在信息洪流中辨别方向的判断力，而非驾驭单一技能的熟练度。经济学家弗兰克·H.奈特把“风险”和“不确定性”做了区分。风险是可以计算概率的，比如掷骰子；不确定性则是连概率都无法确定的，比如一种全新技术会如何改变社会。AI极其擅长处理风险，但面对真正的不确定性，它和人类一样茫然，甚至更茫然，因为它没有直觉。我们进入了一个信息量远远超过任何个人处理能力的时代，每天产生的数据量以EB（艾字节）计。在这个时代，“记住更多知识”或“掌握一项稳定的技能”的价值在下降。AI可以记住一切，也可以执行大部分标准化的技能。真正稀缺的，是在海量信息面前保持清醒判断的能力：什么是信号，什么是噪声？什么值得深究，什么应该忽略？在没有标准答案的情况下，如何做出一个“还算不错”的决定，然后迅速调整？这种判断力不是一种可以被编码的技能，它更像是一种“品位”。这是经过长期训练形成的直觉，能帮助你在混沌中找到方向。而培养这种品位的唯一方式，是让自己反复暴露在复杂的、没有标准答案的真实情境中。这恰恰是传统教育，那种追求标准答案和标准化技能的教育，最不擅长教的东西。第四，跨界迁移的灵活性，而非“十年磨一剑”的单一深耕。年轻的史蒂夫·乔布斯从里德学院辍学后，做了一件看似毫无意义的事：他去旁听了一门书法课。他学习了各种字体的区别，学习了字母间距和排版的美学原理。十年后，当他设计第一台麦金塔计算机时，这些“无用”的知识被他注入了计算机界面。乔布斯后来回忆说，如果他没有去上那门书法课，个人计算机可能至今仍然只有一种丑陋的等宽字体。AI的“深度”令人惊叹。在国际象棋、蛋白质折叠、图像识别等单一领域，它已经达到甚至超越了人类的巅峰水平。在一个AI可以在任何单一领域迅速达到专家水平的时代，“通才”的价值正在被重新发现。“通才”不是那种什么都懂一点儿但什么都不精的“万金油”，而是那种能够在两个甚至三个看似不相关的领域之间自由游走，并在交叉地带发现全新可能性的人。未来最有创造力的人可能不是最深入单一领域的人，而是最善于“串联”不同领域的人。2023年，一项发表在医学领域的研究对比了医生和AI聊天机器人对患者提问的回复质量。结果令医疗界震惊：患者认为AI的回复比医生“更有同理心”。AI的回复更长、更耐心，语气更温柔。这个结果乍看让人沮丧。AI连同理心都比我们强了吗？但仔细想想，它揭示的其实是一个更深层的问题：不是AI太有同理心了，而是我们的制度把医生逼成了机器。一位全科医生平均每天要看几十个病人，三分之一的时间花在填写电子病历上，全球有超过60%的医生报告自己处于职业倦怠状态。一个每天工作12小时，连上厕所的时间都挤不出来的医生，你怎么能指望他在每个病人面前都表现出深切的关怀？同理心不是一种可以训练出来的技能，它是一种存在状态。它需要时间，需要空间，需要一个人在那个特定的时刻真正地出现和存在。AI可能恰恰是解放人类同理心的关键工具。如果AI接管了那些消耗医生精力的行政工作、标准化诊断和文书记录，医生就有可能把省下来的时间和心力还给最需要它们的地方——病人的眼睛、病人的故事、病人的恐惧和希望。同理心的价值从来没有消失过，它只是被一个过度追求效率的系统压榨殆尽。所以，AI时代的真正机遇，不是用机器的同理心替代人的同理心，而是用机器的效率释放人的同理心。几十万年前非洲高原上的夜晚，一群早期人类围坐在火堆旁，用声音和手势把白天的经历传递给彼此。那是知识最原始的形态：一个人对另一个人说：“我看到了什么，我学到了什么，我想让你也知道。”从那时到现在，知识的载体变了无数次：从人体到泥版，从竹简到纸张，从印刷机到互联网，从搜索引擎到大语言模型。但有一件事始终没有变：知识的起点，永远是一个人对世界的好奇；知识的终点，永远是一个人对另一个人，以及对人类群体自身的关切。AI是我们有史以来发明的最强大的知识工具。但归根结底，知识的旅程是人的旅程。当我们走到这个和AI共存的新知识时代，人的价值不在于我们能回答多少问题，而在于我们永远会提出新的问题；不在于我们永远正确，而在于我们敢于犯错；不在于我们掌握了多少信息，而在于我们能在混沌中找到方向；不在于我们在一个领域挖得多深，而在于我们能在不同的世界之间架起桥梁；不在于我们有多聪明，而在于我们能够感受另一个人的喜悦和痛苦。这五种能力不是AI逼迫我们退守的最后阵地，它们是人之为人的本质。只不过在AI到来之前，我们从未如此清楚地看见它们。
本文节选自《后知识社会》，文章仅代表作者观点，不代表本内刊立场。杜晓宇：《Token三次改名背后，藏着 AI 经济的草蛇灰线》
👇 点个“在看”分享洞见