知識生產不能旁落機器之手

【學術爭鳴】

人工智能的快速迭代發展，正在重塑人類的知識生產格局。《光明日報》連續刊發的幾篇文章，為方興未艾的人工智能知識生產問題設定了若干極具張力的錨點。有學者聚焦知識生產本身，強調人工智能正在成為知識生產鏈條中的生成性力量，“它未必以人的方式理解世界，卻已經開始推動人類重新審視什麼可以被看見、什麼值得被研究、什麼能夠成為知識”﹔亦有學者堅守知識的古典門檻，認為“AI生成的內容，唯有結合人的理解，才能真正長成知識”。這些觀點之爭，表面指向人工智能的能力邊界，實則牽涉幾個更為根本的問題：當人工智能深度嵌入人類的認知實踐時，“知識”的定義是否必然隨之改變？人工智能能否自主進行知識生產？人類能否將知識生產的任務交給人工智能？筆者的回答是否定的。

“生的”信息與“熟的”知識

要回答人工智能能否生產知識，我們首先需要清楚人工智能如何表達知識。從人工智能的發展史來看，人工智能收納與表達知識的方法，總體上經歷了從早期專家系統向知識圖譜的開發與演進。

早期專家系統的基本設想是用計算機符號表示人類大腦中的知識，並通過推理模仿人腦對知識進行處理。其規則是明確的，但嚴重依賴人的干預，這極大限制了知識庫的規模與質量，造成知識表達與獲取方面的諸多困難。知識圖譜則努力避免早期專家系統的短板：一方面，知識圖譜採用更加規范而標准的概念模型、本體術語和語法格式來建模和描述數據﹔另一方面，知識圖譜通過語義鏈接增強數據之間的關聯。就知識來源而言，知識圖譜包括文本、結構化數據庫、多媒體數據、傳感器數據和人工眾包等﹔就知識表達而言，知識圖譜是一種大規模語義網絡，包含實體、概念及其之間的各種語義關系。

就此而言，人工智能表達知識屬於“有中生有”，而非真正意義上的“無中生有”。換言之，人工智能所表達的“知識”，實質上是為新知識的生產提供“信息”。英國歷史學家彼得·伯克指出，我們可以把信息想象成“生的”，而知識則是“煮熟的”，知識的生成是一個“系統化”的過程，在這個過程中，包含信息的事物被一步步發現、分析、“制作”或者“加工”。也就是說，人工智能所提供的，是一種“准知識”，與成熟的知識有一定距離。

從“生的”信息到“熟的”知識，表明知識並不是在被提出的那一刻就已產生，而是在被理解、被驗証、被整合的過程中生成的。人工智能在知識生產鏈條中承擔的，是“提出候選”這一環節，而這一環節在知識生成中所佔的認知權重，遠小於“理解與驗証”的環節。可見，人工智能改變的是人類“獲取信息”的方式，而知識是“賦予信息以意義”的活動。正如顯微鏡可以呈現肉眼不可見的微觀結構，這只是信息﹔隻有當科學家將這些信息納入理論框架、與已有知識相整合、解釋其因果機制時，信息才轉化為知識。

再者，知識的可信度不僅依賴於結論本身的真值，更依賴於結論得以確立的、可公開檢驗的過程。當我們聲稱“地球繞太陽轉”時，我們不僅可以給出理由，還可以追溯這個知識的來源——我們是在課本上學到的，課本的知識來自天文學家的觀測與計算，而天文學家的結論來自哥白尼、開普勒、牛頓等一系列可追溯的認知貢獻者。人工智能的“黑箱”輸出恰恰在這一過程維度上存在根本性欠缺。因此，無論其輸出的內容看起來多麼“像”知識，它在認識論上仍只能被歸為有待人類驗証的信息。

人類是知識生產的主體

人類的知識具有建構性，它並非獨立於人類的客觀鏡像，而是人類理解世界的產物。正如鐘表是由人類創造的，當我們判斷時間上的公約時，依靠的是人類自身的知識觀念﹔離開人類，鐘表只是七零八碎的機械器具。一言以蔽之，知識的生成離不開人的主觀能動性，隻有以人類經驗為主體的知識才是真正的知識。而生成式人工智能本質上是對人類已經完成建構的知識成果進行拆解、整合與重新呈現，本身並不具備主動切入未知情境、開展知識建構的主觀動機與能力。

首先，知識的源頭只能是人類，人工智能無法脫離人類設定的框架自主生成指向未知領域的疑問，更無法帶著主觀認知的目的開展探索性的實踐活動，也就不可能真正完成“從0到1”的知識發現。有研究人員利用一個計算機輔助的分子遺傳學實驗室，讓生成式人工智能扮演科學家，去嘗試獨立完成一項“諾貝爾獎級”的分子遺傳學科學發現。結果是，在提出假設的源頭上，人工智能無法生成真正原生態的假說，更不具備人類在看到異常實驗結果時靈光一現的“頓悟”能力。可以說，人類知識生產的核心，從來都不是對既有內容的排列組合，而是在具體的實踐情境中回應新的問題、整合新的經驗，最終建構出能夠解釋新現象、解決新問題的全新知識，這一過程從始至終離不開人類作為認知主體的參與。

其次，知識的生產和確証是負責任的主體履行社會和科學契約的專屬實踐，不具備反思能力的人工智能無力擔此職分。有研究者從知識論的本質出發，將知識區分為“作為產品的知識”和“作為地位的知識”，指出人工智能充其量只能生成前者（一種符合工具的輸出），而絕對不是“知者（Knowers）”，因為其完全缺乏“認知責任感”和主體性。由於人工智能缺乏對現實世界的物理體驗與社會感知，它無法驗証自己輸出的“概率組合”是否符合客觀真理，這導致生成式人工智能嚴重的“知識幻覺”問題。隻有通過人類的理性批判、實驗驗証與邏輯交叉比對，這些“合成物”才能被轉化為真正的知識。

最后，人工智能無力承擔知識在社會功能層面所要求的責任擔當與信任維系。知識兼具描述性維度與規范性、功能性維度，前者關乎真理，后者關乎社會再生產。當我們接受某一知識時，意味著不僅承認其內容是真實的，也將其作為指導實踐和推進知識再生產的依據。也就是說，我們信賴知識的提供者，及其為所持斷言承擔辯護與糾錯的責任。質言之，知識的歸屬，同時構成一種信任的授予與責任的指派。一份由人工智能生成的診斷報告，即使准確率很高，最終也必須由主治醫生簽字確認，以其職業聲譽和倫理承諾背書，才能建立信任鏈條。人工智能無法承擔這種規范性功能，它不會因為給出了錯誤答案而感到歉疚，不會因自身斷言引發不良后果而被有效追責。一個不能承擔責任的觀點主張，在社會功能的意義上不能被稱為“知識”。

由此可見，人工智能在知識生產中扮演的是“高效助手”而非“獨立主體”的角色，它拓展了人類處理信息的邊界，但始終無法替代人類在知識源頭、知識確証與知識責任等維度上的核心地位。真正的知識，只能是人類在世界中探索並為之負責的智慧結晶。

知識生產要面向未知世界

人類的知識生產是一個主動刺破未知迷霧的過程。面向未知世界、拓展人類的認知邊界，是人類知識生產最本質、最核心的特征。與之形成鮮明對照的是，生成式人工智能的所有輸出都是基於人類已經生產出來的歷史語料和既有數據，是面向已知的。這種面向已知的“信息”輸出，在給人類帶來諸多便利的同時，也潛藏著深層的“知識”危機——過於關注普遍的知識，往往會帶來視野的偏狹化。有研究表明，人工智能會“反噬”人類整體知識生態。2025年發表於國際機器學習大會的一項研究指出，大語言模型的訓練會與人類用戶之間形成一個反饋回路，模型從數據中學習人類信念，用生成內容強化這些信念，再吸收被強化的信念，繼而再次反饋給用戶。這一過程類似於“回音室”，會固化用戶既有價值觀和信念，導致人類思想多樣性的喪失。研究者通過分析數百萬次ChatGPT真實交互數據，發現在每次新模型版本發布后，用戶討論概念的多樣性都會出現顯著而持續的下降。這表明，隨著人工智能接管信息獲取管道，它會拉平信息價值，導致人類社會的知識分布均質化，產生“知識塌陷”。人工智能不僅不能獨立生產高質量的新知識，反而會讓整個人類傳統知識體系的活力和多元性走向衰退。

知識有“顯性知識”與“默會知識”的差異，盡管有差異，但也只是主體間性的差異，與人工智能的間性不同。就后者而言，這些“神遇”難以在工具性的器物那裡發生。庖丁和輪扁之“隻可意會不可言傳”之道只能是人類的專屬。不久前發生的安徽農民採用AI提供的除草方案導致農作物絕收的事件即表明，人工智能可以熟練地調用和拼接既有知識碎片，卻無法像一位有經驗的農人那樣，依據具體的土壤、氣候、作物生長狀態等做出情境化的判斷。實際上，人工智能只能在“顯性知識”層面進行非線性的交叉組合。而真正的知識生產，依賴於人類將人工智能生成的零散信息放入自己長期的經驗和直覺中進行“批判性內化”與再解讀。抽離人類的隱性知識積累，人工智能生成的代碼或文本就只是一堆冰冷的字符，無法轉化為真正能夠解決現實復雜問題的社會知識。但人類在認知科學時存在一種類似視覺盲點的奇特現象，這種認知盲點使我們難以察覺某些原本顯而易見的事實，無形中影響對經驗証據的准確理解，並深刻塑造著對現代科學的整體認知。當人類知識生產日益依賴並嵌入以“計算”為核心范式的人工智能時，人類直接經驗消失的風險會不斷加劇。

人類的知識生產，永遠要面向未知世界。面對技術狂飆，我們要堅決破除智能迷思。《說文解字》對“智”與“慧”有這樣的詞源辨析：智，同知，基本內涵是讀書認字，側重於對外在事理的認知、辨識與表達﹔慧，同儇，基本涵義是慧根的聰明、通透與敏銳，側重於源自心靈深處的覺察力、判斷力與主體性，從而引申為在人類事務的經驗上見多識廣並富有主見。對此，即使現代學者也感同身受：“智力，並不就是智慧。”“一種不明智的智力”常常被誤解為“智慧”。數智時代，人類應時刻保持一份自主的清醒。無論技術如何更新迭代，知識及其體系的構建者始終都是人類，知識與知識生產從來都不會、未來也不能旁落於機器之手。

（作者：張寶明，系河南大學人文社會科學高等研究院、歷史文化學院教授）