那些跟社会高度脱节的文科专业，会被AI埋葬吗？

摘要： 黄靖洋 赛格大道 2025年03月11日 19:3赛格特约作者  黄靖洋历史地看，大学一直是知识权威的堡垒。教授、专家和研究人员通过生产各种理论和价值批判工具塑造着人类认知的轮廓。...

历史地看，大学一直是知识权威的堡垒。教授、专家和研究人员通过生产各种理论和价值批判工具塑造着人类认知的轮廓。然而，生成式人工智能（能够生成文本、分析数据，甚至与人类共同创造内容）对这种权威的根基提出了挑战。

过去人文社科被认为致力于解决人类生存意义和伦理价值问题，并培养批判性思维能力，一度被认为不会轻易受到机器干预。然而，随着人工智能往语言模型的方向狂奔，以写作和语言表达技能为重要评价标准的人文社科反而在技术面前呈现了独特的脆弱性。

Deepseek与Grok等免费的人工智能工具广泛渗透到知识生产和传播的各个领域，必定会动摇传统象牙塔式的，带有等级色彩的师承制度。这要求我们重新构想一种与AI共生的教育与学习模式。

技术发展和知识生产

现代社会中的知识生产每一次变革都是由技术创新推动的。技术创新重塑了知识的控制、创造和传播者。

在数字时代之前，知识权威牢牢掌握在精英手中——学者、专家和教育机构通过控制知识生产渠道来行使权力。学术机构、同行评审期刊以及报纸、广播和电视等传统媒体充当了把关人的角色，确保信息从少数开明人士向大众单向传播。

知识是一种稀缺资源，由那些拥有专业资质的人精心策划和分配。正如卡尔·曼海姆所言，这种由精英掌握的知识生产体系有利于社会秩序的稳定。这种制度对精英阶层价值理念权威的巩固还依赖于象征资本——例如的名牌大学出身、各种学术头衔和声望卓著的奖项。

互联网的诞生使个人和组织能够绕过传统的知识和价值的把关人，在分散的网络平台上创建和共享内容。维基百科就是这一转变的缩影，而随后知乎之类的平台进一步利用共享话语将用户转变为免费的内容生产者。

知识传播渠道也变得多样化——播客、博客、短视频和公共页面取代了印刷和广播媒体。知识生产从精英特权转变为协作式众包。在这个时代，信息获取量激增，专家垄断开始减弱。传统媒体的单向认知塑造力让位于碎片化的数字媒介传播。知识权威不再坚不可摧，而是要通过争取大众的注意力来获得。

社交媒体平台和关键意见领袖（KOL）的出现进一步削弱了传统精英的叙事能力。内容创作者的表达能力和对受众的情感支持甚至可能比实际掌握的知识深度更加重要。例如，无论在中国还是美国，年轻人在选择大学和专业的时候并不在意大学本身的宣传，被大学教授的学术声望、头衔和资历影响，反而会寻求媒体上意见领袖的意见。

如果说专业人士的权威性在互联网传播规律的面前已经岌岌可危，生成式人工智能的发展可能将会为埋葬传统知识分子和大学文科教师的权威打下最后一枚钉子。

抛开价值层面论，人文社科专业的目标实际上就是培养不同面向的文字工作者。但以人类历史上存在的文字材料作为训练对象的生成式人工智能的特长就是写作。而当人类可以和人工智能一道协同生产出极具说服力的文字时，它根本上改变了知识创造与专业知识之间的关系。

生成式人工智能对大学人文社科教育的冲击

人文社科的危机早在人工智能进入大学校园时已经出现。过去大学尤其是那些传统精英名校曾一度将培养学生跨行业的通用性能力作为人文社科的目标。这些包括反思性的创新思维、人文主义精神、对真实社会和行业的洞察力、团结合作和统筹的技艺以及着眼大局的战略眼光，从而帮助学生提高职业生涯的竞争力。

然而，随着全球高等教育对教职员的评价越来越和学术发表绑定，教职员的声誉和生涯往往建立在出版和项目之上，这也顺带影响了专业的教学实践，从而使得原本多样和理想化的培养目标被收敛成对学生专业写作能力的考察。

但学术发表不过是一个封闭圈子的文字游戏。除了极少数偏重实践的学科，绝大多数人文社科专业如今和社会及行业高度脱节，使得学生在人力招聘市场的信号仅仅是学位和教育背景。

很多从业者都明白，当多数的培养和考核是教学生如何写文章的时候，现在的培养模式不过是看破不说破的“学历工厂”和“论文工厂”。

生成式人工智能撕破了这层假面。受惠于全人类文化遗产的人工智能可以使任何人都可以制作复杂的文字内容，甚至是常人不懂的各种“学术黑话”，无论其是否具备所谓的文科专业知识。人们可以在完全不熟悉后现代理论的情况下，仅动用几个名字和概念就可以要求机器撰写一份平均水准之上的文化批判评论。

甚至乎，在机器的帮助下，人们能够糅合各种解构主义的观点去批判人工智能。于是，学者所擅长的使用理论和文本去解构现实这个动作也被解构了。

过去高校教师的权威在于指导学生阅读，帮助学生理解复杂的文本和思想，并指导他们利用概念工具和各种方法进行分析性写作。现在即使学生不再进行深度阅读，对统计方法和理论概念不求甚解，对材料和社会现实缺乏真正的感受，也可以写出一份超越他们理解能力的作品。

从实用主义角度看，如果只是为了课程达标和获得学位，对学生来说，教育工作者的专业知识变得多余。而对于教育工作者来说，这种“一知半解但有效生成”现象模糊了写作者创作力和能力的界限，挑战了过往的评估标准。

这为教育工作者提出了一种存在主义之问，“如果学生可以不依靠阅读，就从人工智能那里得到答案，甚至写出超越他们能力的文章，那么教育者的角色是什么？这是否会破坏促进真正理解和认知人类社会的教育使命?”

担心是否多余？

很多人可能会说对技术发展负面影响的担心是多余的。譬如在互联网搜索引擎诞生之初，技术怀疑论者会提及“谷歌效应”。它描述了我们对技术工具的依赖会损害记忆和认知的动力，从而带来“数字失忆症”。

但随着人们掌握了正确的搜索技能，一定的认知卸载反而提高了学习和工作的效率，为更高层级的思考腾出空间。那么这次技术的发展也可能有同样的意义，至少从现在来看，人工智能已经显著提高了高校里教授们论文生产的效率。

但是，技术对初学者的意义是不同的。本轮的技术发展不同之处在于，过去的技术从来不涉及直接生成文本，人工智能对学习者的推理和思考习惯的塑造比过去任何一次技术发展带来的影响都更加深远。生成式人工智能有更大的机会带来初学者在记忆、推理和理解上的惰性。

如果写作仍然是高等教育对学生能力的测评基础，人工智能可以帮助学生完美达成这个目标。这加剧了笔者提出的概念——“创意性写作”游戏化的趋势。这就犹如为学习者和写作者加上了一个游戏外挂或给予了通关秘籍，每一次写作可能只是一个为了毕业的小关卡，而毕业论文就是最后的关底BOSS。教师在课堂谈论的各种人物、理论和方法不过是为满足通关要件必须的与NPC的剧情对话。

因此，除非学习者觉得剧情足够有趣，NPC们具体说了什么一点都不重要。那么，年轻学习者不需要学习的参与感和意义感，写作的过程也不是为了介入具体问题在价值和事实上的争辩，仅是一个通关的过程。人工智能对文字整合的速度可能会使认知懒惰成为常态，更多的学生可能会沦为“机器输出的被动消费者”。

同时，当前技术变革的速度加剧了这种挑战。人工智能的发展速度远快于我们的适应速度。三年前，大语言模型离人们的生活非常遥远，然而当下只要你有一台电脑、一部手机都能部署人工智能工具，甚至可以比较不同工具生成的结果。

这导致不同人群之间在人工智能利用能力方面的差距可能比以往任何时候都要大。富裕的学生能够使用高级人工智能工具，而依赖过时资源的同龄人则可能落后，从而加深教育的鸿沟。

高等教育者该如何调整？

面对人工智能的颠覆性力量，人文和社会科学领域的高等教育教师必须做出战略性调整而保证自身的价值不被边缘化。这注定会是高难度的工作。

高等教育之前的教育，由于学生最终必须参与筛选式的考试，这降低了学生对人工智能的依赖。然而，当学生来到大学阶段，教育者始终希望转化过去死记硬背式的模式，在一个更开放式的教育环境让学生更自由地思考，但这反而可能会加强学生对技术的依赖，削弱学生自主独立工作的能力。

因此，这要求教育者从一开始就要调动起学生对学科的兴趣和彰显专业的存在价值。这需要教育者本身就拥有强大的专业认同和信念感。

在此基础上教育者才能顺理成章地强调人工智能使用的元技能。对教育者来说，教授信息溯源和逻辑推论的方法变得比传授知识更加重要。人工智能幻觉至今仍是一个重要问题。在一个可以生成看似合理但未经证实的内容的世界里，教育者必须训练学生分析信息来源，区分机器撰写的评论和人类撰写的文本间的差异，培养学生时刻对未经检验的输出保持怀疑态度。这些技能可以确保学生保持批判性思维，不成为机器内容的简单传递者。

实际上，基于问答形式的生成式人工智能对教育反而有一种返璞归真的效果。它犹如令我们回到孔子和苏格拉底的时代，那个时代的真知灼见总是以老师和学生的对话形式输出。

因此，我们重回一个重视发问和如何发问的时刻。为了保持学生的探究精神而非只对答案的关注，教师要引导学生掌握发问的技艺并鼓励学生更多的课堂积极讨论，以抵消人工智能塑造认知被动性的倾向。练习和作业要从写作转向口头表达，从而强化学生时刻保持思考和反思。

显然，如今的大学已经不是“知识权威的垄断者”，那么，教学者的角色应顺利技术发展的潮流，往“内容生产质量的认证者”转化。教学者应着重评估学生在人工智能辅助学习过程中展现出的自主性和能动性。这对教学者来说也是一个艰难的重新学习的过程。

不要说鉴别机器幻觉的能力，不少高校教育者如今连数字媒介使用中的事实核查能力也欠缺，本身也是虚假信息和假消息的受众。

因此，教师本身也要克服惰性和走出舒适区，接受持续的培训和坚持自我学习，像年轻人一样熟练运用人工智能并知晓当中的利弊。如此，教育者才有能力要求学生批判人工智能的输出结果，让学生成为技术的积极监督者，以维护学科的本身的价值核心。

结语：人机混合信息的未来

随着生产性人工智能全面融入知识生产，未来的文字生产将会以人机混合内容呈现。尤其是当人工智能训练穷尽了所有人类的文字材料之后，今后的训练材料将会是各类“人机合成信息”。这不仅对高等教育带来挑战，还令人类的认知迈向一个未知的未来。

正如诸多证据表明少年儿童从小使用手机和电脑会对认知和集中力有诸多影响，但人们只能接收数字原居民和数字移民之间的巨大差异。同样的，我们现在还有能力教育人工智能的初次使用者注意区分人类知识和机器生产信息，并认真思虑机器生产信息的合理性，并不会对当下发生的一切感到理所当然。

今后，当新生的“人工智能原居民”一代出现，持续浸淫在“合成信息”的他们对世界和社会的认知到底会有何变化？这些未知数才是对我们教育的最大挑战。

原标题为《一知半解但有效生成：人工智能对人文社科教育的挑战》，作者系香港科技大学人工智能伦理和治理实验室研究员。

暂无留言