賽格特約作者 黃靖洋

歷史地看，大學一直是知識權威的堡壘。教授、專家和研究人員通過生產各種理論和價值批判工具塑造著人類認知的輪廓。然而，生成式人工智能（能夠生成文本、分析數據，甚至與人類共同創造內容）對這種權威的根基提出了挑戰。

過去人文社科被認為致力于解決人類生存意義和倫理價值問題，并培養批判性思維能力，一度被認為不會輕易受到機器干預。然而，隨著人工智能往語言模型的方向狂奔，以寫作和語言表達技能為重要評價標準的人文社科反而在技術面前呈現了獨特的脆弱性。

Deepseek與Grok等免費的人工智能工具廣泛滲透到知識生產和傳播的各個領域，必定會動搖傳統象牙塔式的，帶有等級色彩的師承制度。這要求我們重新構想一種與AI共生的教育與學習模式。

技術發展和知識生產

現代社會中的知識生產每一次變革都是由技術創新推動的。技術創新重塑了知識的控制、創造和傳播者。

在數字時代之前，知識權威牢牢掌握在精英手中——學者、專家和教育機構通過控制知識生產渠道來行使權力。學術機構、同行評審期刊以及報紙、廣播和電視等傳統媒體充當了把關人的角色，確保信息從少數開明人士向大眾單向傳播。

知識是一種稀缺資源，由那些擁有專業資質的人精心策劃和分配。正如卡爾·曼海姆所言，這種由精英掌握的知識生產體系有利于社會秩序的穩定。這種制度對精英階層價值理念權威的鞏固還依賴于象征資本——例如的名牌大學出身、各種學術頭銜和聲望卓著的獎項。

互聯網的誕生使個人和組織能夠繞過傳統的知識和價值的把關人，在分散的網絡平臺上創建和共享內容。維基百科就是這一轉變的縮影，而隨后知乎之類的平臺進一步利用共享話語將用戶轉變為免費的內容生產者。

知識傳播渠道也變得多樣化——播客、博客、短視頻和公共頁面取代了印刷和廣播媒體。知識生產從精英特權轉變為協作式眾包。在這個時代，信息獲取量激增，專家壟斷開始減弱。傳統媒體的單向認知塑造力讓位于碎片化的數字媒介傳播。知識權威不再堅不可摧，而是要通過爭取大眾的注意力來獲得。

社交媒體平臺和關鍵意見領袖（KOL）的出現進一步削弱了傳統精英的敘事能力。內容創作者的表達能力和對受眾的情感支持甚至可能比實際掌握的知識深度更加重要。例如，無論在中國還是美國，年輕人在選擇大學和專業的時候并不在意大學本身的宣傳，被大學教授的學術聲望、頭銜和資歷影響，反而會尋求媒體上意見領袖的意見。

如果說專業人士的權威性在互聯網傳播規律的面前已經岌岌可危，生成式人工智能的發展可能將會為埋葬傳統知識分子和大學文科教師的權威打下最后一枚釘子。

拋開價值層面論，人文社科專業的目標實際上就是培養不同面向的文字工作者。但以人類歷史上存在的文字材料作為訓練對象的生成式人工智能的特長就是寫作。而當人類可以和人工智能一道協同生產出極具說服力的文字時，它根本上改變了知識創造與專業知識之間的關系。

生成式人工智能對大學人文社科教育的沖擊

人文社科的危機早在人工智能進入大學校園時已經出現。過去大學尤其是那些傳統精英名校曾一度將培養學生跨行業的通用性能力作為人文社科的目標。這些包括反思性的創新思維、人文主義精神、對真實社會和行業的洞察力、團結合作和統籌的技藝以及著眼大局的戰略眼光，從而幫助學生提高職業生涯的競爭力。

然而，隨著全球高等教育對教職員的評價越來越和學術發表綁定，教職員的聲譽和生涯往往建立在出版和項目之上，這也順帶影響了專業的教學實踐，從而使得原本多樣和理想化的培養目標被收斂成對學生專業寫作能力的考察。

但學術發表不過是一個封閉圈子的文字游戲。除了極少數偏重實踐的學科，絕大多數人文社科專業如今和社會及行業高度脫節，使得學生在人力招聘市場的信號僅僅是學位和教育背景。

很多從業者都明白，當多數的培養和考核是教學生如何寫文章的時候，現在的培養模式不過是看破不說破的“學歷工廠”和“論文工廠”。

生成式人工智能撕破了這層假面。受惠于全人類文化遺產的人工智能可以使任何人都可以制作復雜的文字內容，甚至是常人不懂的各種“學術黑話”，無論其是否具備所謂的文科專業知識。人們可以在完全不熟悉后現代理論的情況下，僅動用幾個名字和概念就可以要求機器撰寫一份平均水準之上的文化批判評論。

甚至乎，在機器的幫助下，人們能夠糅合各種解構主義的觀點去批判人工智能。于是，學者所擅長的使用理論和文本去解構現實這個動作也被解構了。

過去高校教師的權威在于指導學生閱讀，幫助學生理解復雜的文本和思想，并指導他們利用概念工具和各種方法進行分析性寫作。現在即使學生不再進行深度閱讀，對統計方法和理論概念不求甚解，對材料和社會現實缺乏真正的感受，也可以寫出一份超越他們理解能力的作品。

從實用主義角度看，如果只是為了課程達標和獲得學位，對學生來說，教育工作者的專業知識變得多余。而對于教育工作者來說，這種“一知半解但有效生成”現象模糊了寫作者創作力和能力的界限，挑戰了過往的評估標準。

這為教育工作者提出了一種存在主義之問，“如果學生可以不依靠閱讀，就從人工智能那里得到答案，甚至寫出超越他們能力的文章，那么教育者的角色是什么？這是否會破壞促進真正理解和認知人類社會的教育使命?”

擔心是否多余？

很多人可能會說對技術發展負面影響的擔心是多余的。譬如在互聯網搜索引擎誕生之初，技術懷疑論者會提及“谷歌效應”。它描述了我們對技術工具的依賴會損害記憶和認知的動力，從而帶來“數字失憶癥”。

但隨著人們掌握了正確的搜索技能，一定的認知卸載反而提高了學習和工作的效率，為更高層級的思考騰出空間。那么這次技術的發展也可能有同樣的意義，至少從現在來看，人工智能已經顯著提高了高校里教授們論文生產的效率。

但是，技術對初學者的意義是不同的。本輪的技術發展不同之處在于，過去的技術從來不涉及直接生成文本，人工智能對學習者的推理和思考習慣的塑造比過去任何一次技術發展帶來的影響都更加深遠。生成式人工智能有更大的機會帶來初學者在記憶、推理和理解上的惰性。

如果寫作仍然是高等教育對學生能力的測評基礎，人工智能可以幫助學生完美達成這個目標。這加劇了筆者提出的概念——“創意性寫作”游戲化的趨勢。這就猶如為學習者和寫作者加上了一個游戲外掛或給予了通關秘籍，每一次寫作可能只是一個為了畢業的小關卡，而畢業論文就是最后的關底BOSS。教師在課堂談論的各種人物、理論和方法不過是為滿足通關要件必須的與NPC的劇情對話。

因此，除非學習者覺得劇情足夠有趣，NPC們具體說了什么一點都不重要。那么，年輕學習者不需要學習的參與感和意義感，寫作的過程也不是為了介入具體問題在價值和事實上的爭辯，僅是一個通關的過程。人工智能對文字整合的速度可能會使認知懶惰成為常態，更多的學生可能會淪為“機器輸出的被動消費者”。

同時，當前技術變革的速度加劇了這種挑戰。人工智能的發展速度遠快于我們的適應速度。三年前，大語言模型離人們的生活非常遙遠，然而當下只要你有一臺電腦、一部手機都能部署人工智能工具，甚至可以比較不同工具生成的結果。

這導致不同人群之間在人工智能利用能力方面的差距可能比以往任何時候都要大。富裕的學生能夠使用高級人工智能工具，而依賴過時資源的同齡人則可能落后，從而加深教育的鴻溝。

高等教育者該如何調整？

面對人工智能的顛覆性力量，人文和社會科學領域的高等教育教師必須做出戰略性調整而保證自身的價值不被邊緣化。這注定會是高難度的工作。

高等教育之前的教育，由于學生最終必須參與篩選式的考試，這降低了學生對人工智能的依賴。然而，當學生來到大學階段，教育者始終希望轉化過去死記硬背式的模式，在一個更開放式的教育環境讓學生更自由地思考，但這反而可能會加強學生對技術的依賴，削弱學生自主獨立工作的能力。

因此，這要求教育者從一開始就要調動起學生對學科的興趣和彰顯專業的存在價值。這需要教育者本身就擁有強大的專業認同和信念感。

在此基礎上教育者才能順理成章地強調人工智能使用的元技能。對教育者來說，教授信息溯源和邏輯推論的方法變得比傳授知識更加重要。人工智能幻覺至今仍是一個重要問題。在一個可以生成看似合理但未經證實的內容的世界里，教育者必須訓練學生分析信息來源，區分機器撰寫的評論和人類撰寫的文本間的差異，培養學生時刻對未經檢驗的輸出保持懷疑態度。這些技能可以確保學生保持批判性思維，不成為機器內容的簡單傳遞者。

實際上，基于問答形式的生成式人工智能對教育反而有一種返璞歸真的效果。它猶如令我們回到孔子和蘇格拉底的時代，那個時代的真知灼見總是以老師和學生的對話形式輸出。

因此，我們重回一個重視發問和如何發問的時刻。為了保持學生的探究精神而非只對答案的關注，教師要引導學生掌握發問的技藝并鼓勵學生更多的課堂積極討論，以抵消人工智能塑造認知被動性的傾向。練習和作業要從寫作轉向口頭表達，從而強化學生時刻保持思考和反思。

顯然，如今的大學已經不是“知識權威的壟斷者”，那么，教學者的角色應順利技術發展的潮流，往“內容生產質量的認證者”轉化。教學者應著重評估學生在人工智能輔助學習過程中展現出的自主性和能動性。這對教學者來說也是一個艱難的重新學習的過程。

不要說鑒別機器幻覺的能力，不少高校教育者如今連數字媒介使用中的事實核查能力也欠缺，本身也是虛假信息和假消息的受眾。

因此，教師本身也要克服惰性和走出舒適區，接受持續的培訓和堅持自我學習，像年輕人一樣熟練運用人工智能并知曉當中的利弊。如此，教育者才有能力要求學生批判人工智能的輸出結果，讓學生成為技術的積極監督者，以維護學科的本身的價值核心。

結語：人機混合信息的未來

隨著生產性人工智能全面融入知識生產，未來的文字生產將會以人機混合內容呈現。尤其是當人工智能訓練窮盡了所有人類的文字材料之后，今后的訓練材料將會是各類“人機合成信息”。這不僅對高等教育帶來挑戰，還令人類的認知邁向一個未知的未來。

正如諸多證據表明少年兒童從小使用手機和電腦會對認知和集中力有諸多影響，但人們只能接收數字原居民和數字移民之間的巨大差異。同樣的，我們現在還有能力教育人工智能的初次使用者注意區分人類知識和機器生產信息，并認真思慮機器生產信息的合理性，并不會對當下發生的一切感到理所當然。

今后，當新生的“人工智能原居民”一代出現，持續浸淫在“合成信息”的他們對世界和社會的認知到底會有何變化？這些未知數才是對我們教育的最大挑戰。

原標題為《一知半解但有效生成：人工智能對人文社科教育的挑戰》，作者系香港科技大學人工智能倫理和治理實驗室研究員。