学人scholar 2026-11-16 08:11:17
学人简介:曾建华,湖南邵阳人,北京师范大学古典文献学博士,扬州大学文学院副教授,硕士研究生导师,北京大学哲学宗教系与华东师范大学中国诸子研究院访问学者。主要从事先秦两汉文学、文献学与思想史、文化史的研究,近年来逐步转向以重大文化典故为学科链接的古典学和数字人文领域,着力探索人工智能时代之跨学科研究范式的建构。
不得不说,在AI的加持下,徐贲老师的产出效率实在惊人!
就在我刚写完《AI共笔可能是伪命题》初稿的间隙,徐贲老师就发布了新作《AI让人文研究更纯粹,不是更容易》。而就在此文定稿之际,群友又把《AI时代人文学科的“学徒悖论”》甩到了我的面前。
文章指出,AI介入人文研究造成了双重的“学徒悖论”:一是高阶人机共笔需要成熟判断力,而这种判断力恰恰来自可能被AI替代的基础性劳动;二是AI写作规则主要由师辈制定,长期承受其后果的学徒却缺乏话语权,只能隐蔽使用。
因此,徐贲老师主张,有效区分后勤性劳动与构成性劳动,守住原典细读、问题形成、最终裁断等不可外包环节。进而呼吁资深学者公开成功的共笔实验,并为学徒争取正当空间。与此同时,其还要求学术评价应从“AI痕迹审查”转向“判断审查”,以重建“出师”认证,从而让学徒也能参与规则的制定,使AI成为学术代际延续而非断裂的工具。
不得不说,徐贲老师是难得的坦诚且能为弱势学术群体鸣不平的极少数资深学者之一。可惜的是,我的许多观点,竟又被徐老师给“抢答”了。
于是,我不得不暗自庆幸,他是以出版著作和发表学术公众号为主的资深“师辈”,而不是国内论文流水线上的喻某明们,否则不知又得有多少个白保国们,要因为完不成科研KPI而跳入涛涛黄河。
事实上,在当下的学术机制中,我们已经有太多没必要书写的论文和著作。如今,在AI的加持下,论文、著作更是爆发式增长。如果没有一套相适配的评价机制,将那些优质的、具有创建的文章从海量的学术洪流中打捞出来。那学者的时间乃至生命,都将消耗在毫无意义的人、机竞备式的学术角逐中。
正如徐贲老师《过了那个村,再无那个店——人类文本“纯真”的永久终结》所做的判断:“学术共同体完全可以重新定义什么值得计量。……让评审更多关注问题的价值、论证的质量和原创判断,而不是简单计算一年发表了多少篇文章。”
因此,与其继续讨论如何让AI帮助学者写论文,不如重新思考论文这种知识生产方式本身,进而将AI视为某种促使人文学术转向另一范式的技术“奇点”,让“眼高手低”的人文“学徒”们,也能在AI时代分得一杯薄羹。
一、AI的妙用焉能止步于“笔”端?
徐贲老师一直强调,学术思想的生成从来不是一个人闭门造车的结果。阅读文献、与朋友讨论、接受编辑意见乃至偶然受到他人(包括AI)启发,都可能改变一篇文章的结构和观点。既然如此,为什么AI参与讨论,就会被某些人质疑为学术污点,乃至直接等同于代写呢?
为此,徐贲老师提出了人与AI “深度共笔”的命题,并严格限定了“深度共笔”的边界:“文章的逻辑、问题意识、价值立场与关键洞见,始终由人来提出、判断和取舍。AI在其中可以是追问者,逼人把含糊的想法说清楚;是反例的提供者,帮助人检验论证的薄弱处;也是跨领域材料的提供者,拓宽人的视野。它可以参与思考的展开,却不能替人完成最后的判断。人始终是导演与主审,AI则是能力很强的顾问与辩友。”
但问题在于,在一个以论文为导向的畸形学术生态中,谁能保证作者不会在共笔中偷懒、撒谎乃至伪造证据材料呢?
仅仅靠“师辈”们的道德自觉吗?并不是所有“师辈”,都能像徐贲老师这样坦诚而纯粹,能够面向公众“披露”自己可能只是提供了“文章的思想骨架”,“但血肉里的好些历史典故、理论术语、案例支撑,确实靠了AI在那头替我跑腿、替我翻书、替我整理出‘可能的线索’”(《徐 贲:AI让人文研究更纯粹,不是更容易》)。
至少,我看到的,更多是KPI重压下层出不穷的学术造假现象(包括院士、长江)。而且,一旦AI参与了知识生产,学术贡献的归属问题将会变得更加复杂,我们又该如何有效识别并评估人类作者——尤其是“人文学徒”的贡献呢?
正因为此,几乎所有核心期刊——也包括一些踌躇满志的普刊,无一例外拒绝初阶学徒为第一作者的文章,更遑论AI署名的文章!这其实也就否定了所有形式的人机共笔,即便“学徒”们能够说明,自己究竟为这项研究作出了何种实质性贡献,并提供可追溯的人机交互记录。
这倒不是因为编辑们简单粗暴的一刀切,而是当前的编辑资源,根本无法应对研究生扩招与生成式AI所导致的日益暴增的投稿。关于这方面的报道已经很多,这里就不做赘述了。
事实上, 研究生扩招与AI生成论文,并不是学术出版危机的根源,只是暴露了早已存在的制度性空洞。学术界长期将研究生毕业、青年学者之 tenure、经费和部门生存,与论文数量、引用速度、h指数等指标进行制度性绑定。而手握资源与评价权力的出版商(比如《知网》),却能同时盘剥期刊、学者与科研机构,在获取暴利的同时,也让自己几乎成为所有知识与数据的唯一入口。
为了在入口竞争中取得优势,期刊不得不依赖几乎无偿的同行评审,而制度奖励也越来越倾向于“没人真正阅读的论文数量”。最终,用AI低成本生成论文,便成为许多“学徒”和“师辈”顺应这套激励机制所作出的理性选择。
可见,期刊论文这种“学术通货”的贬值,并不能简单归咎于模型迭代所带来的高频产出,而应归咎于学术评价体系本身(详见:'The Currency of the Journal Article Is Collapsing' (Because You Built an Economy on Autocomplete) - xroguex // Appendix B)。至于出版商随后推出的论文查重、AI检测等“套娃式”服务,更是对当前学术生态的极大嘲讽和破坏。
因此,我必须指出,当前徐贲老师围绕人机共笔所进行的许多讨论,实际上仍然过于依赖一个传统的理论预设:即学术成果主要体现为论文,而论文主要体现为文字。因此,谁生产了文字,谁便完成了知识的创造;谁生产的文字数量更多,谁便具有更大的贡献值和话语权。
事实上,这一预设正遭遇根本性的挑战。
今天的大语言模型,不仅能够生成文本,还可借助外部工具参与文献检索、资料整理、代码执行、数据库操作、图像识读以及部分研究流程的自动化。随着智能体技术的发展,知识生产的许多环节正从单纯的文字处理,逐渐转向可由多Agent协同完成的复杂任务,比如当前火爆出圈的“主控Agent+专业子Agent”的受控协同(Supervisor–Worker)模式,已能将文献检索、数据分析、写作与核验等科研任务分派给专门代理并统一调度、交叉验收,从而让学者以更少的事务性投入,获得更可靠的研究支持,尽可能把精力集中于问题提出、学术判断与创新(详见Building effective AI agents \ Anthropic)。
而Paper2Agent,更能把论文及其代码、数据和方法转化为可对话、可执行的AI科研代理,学者用自然语言即可复现原研究、调用其分析流程并开展新探索,从而大幅降低了科研成果理解与复用的门槛(详见:Reimagining research papers as interactive and reliable AI agents | Nature)。
当然,这并不意味着AI可以独立承担所有学术研究,更不意味着它能够保证所发现的知识真实可靠。恰恰相反,早在去年2月的时候,我就意识到,AI的出现与迭代进化,将让学者拥有新的意义和使命:那就是守护知识的源头,验证知识的真伪,重构知识的谱系(详见拙文:deepseek制造的“幻觉长城”真“比ChatGPT危险100倍”吗)。
我在使用Codex等工具整理古籍时,便反复遇到需要人类学者进行知识检验和校准的系统性问题。比如,当同一页古籍的正文、注文、眉批相互交错,而不同评语之间又具有高度相似的语言结构时,AI便可能将原本分属不同正文的评注混为一谈,甚至把若干条独立的评语合并成一条。这些错误有时极其隐蔽。而模型生成的文字颇为通顺,解释也似乎合情合理,但一旦逐字核对原始版面,便会发现其文本对应关系存在严重问题。
这让我意识到,至少当前AI在参与古籍整理时,仍存在很大风险,它不仅会误读某些生僻文字,更可能依靠局部信息和既有语言模式,推演出一种表面合理、实际上却破坏了原始文本关系的解释(详见拙文:当前AI的能力边界:古籍整理 ;为什么顶尖AI也会“偷奸耍滑”?AI幻觉与codex整理古籍中的一则案例分析 ;古籍整理中的AI應用:《新鐫尹文子玄言評苑》)。
而对于人文学术而言,某些看似微不足道的文本差异,恰恰可能决定一项解释性成果能否成立。所以,我并不赞成将人机共笔仅仅理解为人类提出问题、AI负责生成、最后再由人类审阅修改(尤其是文字层面的修改)的简单流程,因为这很可能让人类学者沦为AI时代的“挑山工”(详见拙文:当Token比人贵:人文学者会不会沦为AI时代的“挑山工”?)。
愚以为,要实现人机协作之重要一环的人机共笔,就必须允许智能机器参与问题发现与知识创造的整个过程。
因为,人类专家对于AI生成内容的判断,也不总是可靠的。即便是训练有素的研究者,也可能存在“幻觉”和误判,他也需要来自智能机器的“批判”。当然,这里的讨论,实则还排除了AGI(或许很快就将出现)远远超越人类专家能力极限的可能处境。
所以,人机协作绝不应停留于文字由谁书写,而应深入知识如何产生、如何检验,以及如何获得学术共同体之评价和认可的整个学术过程。唯有如此,我们才能在伦理上区分具有实质性知识贡献的人机协作,与仅仅利用AI批量制造学术文本的灌水行为。
我甚至认为,未来最重要的学术成果,未必一如既往地依赖传统的论文形式。随着知识库、知识图谱与智能体技术的发展,论文甚至可能成为某种动态知识系统的阶段性呈现,而原始文献、研究过程、证据关系与不断修订的解释,则可能成为学术成果不可或缺的组成部分。
如果这一判断成立,那么今天有关AI写作的许多争论,恐怕还只是人文学术范式变革的一段小小序曲(详见拙文:数学家可能真的不用再写论文了,真正的人文学者又该做些什么呢;论文写作应被AI替代的N个理由),而真正的问题则在于如何重新定义AI时代的知识生产与学术贡献。
二、AI时代的知识生产
迈克尔·吉本斯(Michael Gibbons)在《知识生产的新模式》(1981)中指出:“知识生产乃是应用情境中所展开的活动,其包括跨学科性、异质性,以及组织结构的非等级化与暂时性等特征。”
如果,我们将知识生产问题进一步投入文化史、知识史与思想史的视野,便会发现,它还关涉人类究竟如何将原本复杂、流动、多义的历史经验,压缩成某种可以被反复调用的知识形式的过程。或者说,它更应是人类及其协作系统,在特定历史、社会和技术条件下,通过问题发现、经验观察、概念建构、证据检验、理论解释及社会交流等活动,持续生成、修正并确立其知识系统的动态过程。
但AI的出现,让知识生产的整个过程变得更为复杂,甚至可能改变“何谓知识”“谁能够生产知识”以及“知识何以成立”等问题的基本前提。
比如,今年3月25日,发表于《Nature》的论文《Towards end-to-end automation of AI research》,便介绍了一套名为“The AI Scientist”的研究系统。它能够在特定机器学习研究任务中,自动提出研究构想、编写代码、执行实验、分析数据、撰写论文,并开展自动化评审。有趣的是,一篇由该系统生成的论文,便顺利通过了学术会议的同行评审。不过,研究者同时指出,该系统所生成的论文,仍然存在研究设计不够成熟、实验实现错误、文献引用不够准确等问题,距离稳定的顶尖科研水平还有明显差距(Towards end-to-end automation of AI research | Nature)。
然而,时至10月22日,《Nature Reviews Methods Primers》又发表了一篇系统讨论AI智能体,如何将文献、数据、理论、模拟和实验,有效组织成可追踪的研究工作流程的重磅综述(Agentic AI systems for scientific discovery | Nature Reviews Methods Primers)。
这便意味着,人类以知识主体的身份利用机器进行知识生产的基本范式,或将一去不返。因为,智能机器不仅会参与决定下一步的科学研究计划,还将决定我们获得何种新的知识,乃至重构整个知识的谱系。这便让以“不断扩展经认证的知识” 作为“制度性目标”的科学(Robert K. Merton, The Normative Structure of Science ,1942)范式,面临着前所未有的挑战。
其实,早在2020年,我便开始尝试借助数字人文的方法,以核心观念及其历史演变为线索,重新构建一个足以突破传统文史哲藩篱的古典知识谱系(详见拙文:《从“‘新子学’构想”到“新古典学”取向》,《诸子学刊》第21辑)。我的首次实验,便是从“孔老关系”的学术史叙事入手,去揭示某些看似理所当然的历史知识,究竟如何在反复言说中成为不容置疑的文化常识(详见拙文:《“新子学”视阈下的“孔老关系”———对孔老“典故”的叙事学还原》,《诸子学刊》第27辑)。
借助相关探索,使我逐渐意识到,我们所接受的许多知识,并非对原始事实的直接复现,而是经过漫长的选择、压缩、叙事、传播与再解释后,才逐渐成为某种可以被反复调用的意义模——我将这一过程,定义为 知识的“典故化”。
值得注意的是,在传统文学研究中,典故通常被狭义地理解为一种与历史人物、故事或者经典文本有关的修辞形式。但是,如果从知识生成的角度加以考察,典故便不只是文学修辞,而是人类组织和传承文化经验知识的一种特殊方式。
一个简单的语词、故事或者人物,之所以能够唤起复杂的历史经验、情感结构与文化认同,正是因为它已经成为一个具有稳定意义、又能够在不同语境中不断生成新意义的知识节点。
例如,“西王母”之名,在不同历史时期可能指向某种异域想象、神圣权威、长生信仰、仙境空间,或者文人诗歌中的审美情境。更有意思的是,文本流传过程中的字形、语音与解释之变化,也可能参与这些意义的生成。换言之,一个看似微不足道的文字问题,也可能关联着整个神话叙事及其文化记忆的知识生成过程(详见拙文:《文本异变与王母神话的生成:从“西王毋”到“西王母”》,《文化文本》第4辑)。
只可惜,当时的AI还不具备如今的智能程度,充其量只能作为一个更为高效且充满幻觉的搜索引擎。即便是当下顶尖的AI智能体,也未必能有效区分知识的来源与可信度,更遑论精确标识不同版本之间的文字差异,进而揭示层累的知识如何逐渐覆盖此前之事实和意义的复杂过程。
这也是我近年来,倡导“典故学”的原因。这不仅仅是为了应对所谓“AI幻觉”,而是试图考察,那些原本复杂、开放,且具有历史层次的文化知识,如何在反复生成和传播中,逐渐脱离其自身之证据或语境,最终成为某种看似确定、实则缺乏充分依据的意义模型,进而达成“规训”AI而非被AI所规训的目的。
因为,AI不仅能制造知识的“幻觉”,还能使“幻觉”披着经典的外衣,进而借助人机交互,迅速渗透知识生产与接受的所有环节。当某种表达方式不再只是语言习惯,而逐渐承载特定的思想立场、知识权威与文化认同时,它便可能进入某种经典知识的过程。
例如,今天只要谈到人工智能,人文学者便很容易援引“主体性”“工具理性”“具身认知”“技术赋能”“人机协同”等概念性知识进行解释,但同时又很容易忽略这些概念性知识,原本具有各自的理论背景和问题意识,一旦其在不断重复和传播中,逐渐脱离了原始语境,便很容易成为某种无需重新论证的学术套话。甚至,会让人觉得,只要将它们按照一定方式组织起来,就完成了知识的再生产乃至思想的再创造。
因此,相比于人机共笔,这或许才是我们整个人文学术范式所要直面的革命性命题。至少,我们必须意识到,习惯性地引经据典,有时恰恰遮蔽了真实情境中的具体问题,甚至让攸关使命的知识生产,沦成某种看似眼花缭乱实则毫无新意的炫博猎奇式的信息陈列。
正如“科学必须从神话以及对神话的批判开始”(Karl R. Popper, Conjectures and Refutations: The Growth of Scientific Knowledge ,1962),人工智能时代的人文学术,则必须从“行会”式的知识生产及对这一知识生产范式的批判开始。
三、知识生产的“未来范式”
行文至此,我不得不重提徐贲老师的“学徒悖论”。
在“谁来为学徒争取未来”的问题上,徐贲老师提出了三条建议,尤其是第三条,明确要求“师傅”——“把负责任的人机共笔落实为可执行的制度和训练”,如“要求学生说明AI参与了哪些环节、如何选择和修改生成内容、如何核实文献和事实、哪些关键判断由自己作出”(《AI让人文研究更纯粹,不是更容易》)。
或许,徐贲老师并未意识到,这其实是另一种形式的“自证清白”,并不能改变“行会”式知识生产所衍生的种种弊端,因而永远也没有抵达“清白”的可能。而且,这样的“自证”不仅很难操作,甚至还会增加新的形式主义,进而催生出新的作弊机制——即让AI提前完成上述所谓“自证”内容!
更要命的是,“行会”主导的知识生产,天然就不具有平等性和公开性,因为它规定了“师傅”(教授)的优越性。而现实中,很多“学徒”在先进工具——尤其是电脑、AI等复杂的科技工具——的使用与探索上,经常比“师傅”更为前沿和敏锐。比如,我就见过很多老师上课时,不会操作PPT或电脑配件,最后只能求助学生的情况。
同理,在人机共笔尤其是人机协作上,传统的学徒制经验,很可能是在沿用一种旧范式以解决新问题的空想。
因此,在我看来,真正有效的制度和训练,或是借助AI构建一套新的科学可复现的评测系统——能量化检验文章的贡献值和信息增量,而作者只需对事实、引证和结论承担学术责任即可,至于其他,都无关紧要。
其实,早在1962年,库恩便指出,“所谓常规科学,是指牢固建立在过去一项或多项科学成就基础之上的研究”,而“不以事实或理论上的新奇事物为目标,即便当它成功时,也不会发现这些新奇事物”。(Thomas S. Kuhn, The Structure of Scientific Revolutions ,1962)。这便意味着,我们所谓的科学研究,并不能自由地探索所有可能的问题,而要以共同体所认可的既有成就为基础,并主动接受特定问题、方法和评价标准之约束。
但问题在于,我们对于文本、语言、文化及复杂情境的理解,并不全部表现为可以直接陈述的规则,因为“我们所知道的(默会知识),超过了我们所能言说的(显性知识)”,而“知识创造以默会知识和显性知识的共同形成与发展为中心”( Michael Polanyi, The Tacit Dimension,1966;Ikujiro Nonaka, “A Dynamic Theory of Organizational Knowledge Creation,” Organization Science, 1994, 5(1): 14–37)。
从当前人工智能的发展看来,其对于人文学术,绝非简单的技术变革,更是一场可能涉及知识结构、学科分工与学术评价体系的范式革命,它预示着一种以探索知识本源及不同问题域之间动态关系为目标的人机协作范式——这正是我三年前所定义的“典故学”(详见拙文:《人工智能与人文学术范式革命——来自ChatGPT的挑战与启示》,《北京师范大学学报(社科版)》2023年第4期)。由于当时的技术条件下,尚难支持这一构想的工程化,因此,我也将其称之为“未来范式”。
然而,仅仅过去三年,人工智能的发展已然超出了我当时的预期。
尤其是随着智能体技术的发展,AI不再只是一个等待人类提示词(prompt)以生成机器文本的聊天程序,而是能够借助各种工具和技能,参与相对完整工作流程的智能体集群。这意味着,AI早已超出了论文的共笔,而是渗透于整个科研环节,包括但不限于古籍整理、文献发现、历史材料分析、知识关系建模,以及各类可重复研究程序的执行。
虽然,这些能力仍存在明显的可靠性边界,但这正是人文学术亟待建立新范式的证明。
比如,我们可以将典故理解为一种高度集约并具有稳定且开放的人文意义的信息模型,并以此连接人与历史,乃至令其成为人类知识与数智世界之间的重要关联方式(详参拙文:《数智化语境中的典故及其与世界、人文之关联》,《数字人文》2026年第2期)。
再如,借助“典故识别与生成融合模型”,我们便可通过向量知识库、语境校验与人类专家的共同约束,使AI具备追溯知识来源、辨析意义关系,并尽可能避免错误引用和伪典故之生成的能力(详参拙文:《范式变革与文明赓续:人工智能时代的古典学》,《管子学刊》2026年第2期)。
我正在探索的“子云-智网”,便是试图将这些构想转化为实际研究系统的一种尝试。
它不仅希望将古典文献整理成为可以检索的数字文本,还希望进一步将人物、事件、语词、版本、观念、图像以及相关学术解释,组织成一个能够不断更新、追溯和检验的文明知识网络。
在此网络中,专著、论文不再只是哈耶克所苦恼的某种“分散的、不完整的、而且经常相互矛盾的知识片段”(Friedrich A. Hayek,“The Use of Knowledge in Societ”,The American Economic Review, 1945),同时还是万尼瓦尔·布什所期待的那种,如同人的心智运作一般,“依靠联想建立关联”的知识网络(Vannevar Bush,“As We May Think”,The Atlantic Monthly, 1945),并且每个知识,都是具有明确证据来源和贡献值评分的网络节点,因而完全不需作者去“自证”如何使用AI,更无需考虑其发表刊物的等级,而且能在后续的知识发现、文本校勘、语境分析以及不同学者的批评中,不断获得校准和修正。
由此可知,AI的介入不只是改变了知识生产的效率,还有可能改变整个知识生产的结构——包括知识生产的流程、组织方式乃至知识的本质及其正当性标准。因此,我更愿意将这种变革理解为一种人与AI的双向“驯化”。
此处所谓驯化,绝非把AI“训练”成一台只会服从人类指令的写作机器,而是通过持续的人机交互,使人类不断改变机器处理知识的方式,同时不断重构自我对于知识生产的认知与规则。
事实上,一旦人类学者习惯于接受AI所提供的经典解释、知识结构和解决方案时,我们的思维乃至品味与判断力,便已经被AI反向“驯化”和塑造了。这或许与福柯所谓“权力生产知识”(Michel Foucault,Surveiller et punir: Naissance de la prison,1975,p.32)的逻辑并无二致。
正因为此,至少对于人文学术而言,真正重要的,不是人类能否始终保持某种不受机器影响的纯粹主体性,而是我们能否在此双向塑造的过程中,建立起足够公正、透明、可检验、且可不断修正的知识生产制度。
故而未来的人文教育,不应遵循“行会”式的知识培养——只培养知识的接受者和传承者,而是培养能够参与机器智能之教成的人(详参拙文:《人工智能时代的人文教育——基于生成式人工智能的省思》,《扬州大学学报(高教版)2025年第1期》)。
如果人文学者连自己积累了数千年的经典、思想与文化经验,都无法转化为能够参与未来智能系统建构的知识资源,那么所谓捍卫人文精神,恐怕很容易变成某种自我安慰式的口号。
毕竟,制造“学徒悖论”的,正是“学徒制”本身,而非AI!
曾建华:AI共笔可能是伪命题——如何看徐贲教授谈论AI的“AI味”文章?
【版权声明】本文内容来源于学人scholar,版权归原作者及原媒体所有。本站仅作信息分享,不构成任何商业用途;如涉版权问题,请联系本站删除。
发布时间:2026-11-15 20:05:38
(第1/1页/共33417字/1阅)