去年3月,我们曾推出《人工智能的写作预警》专题,初步探讨了人工智能对不同行业写作者的影响。如果说当时有关人工智能的讨论,更多还是“预警”,那么一年之后,它们已然对写作者产生更深度和具体的影响。


越来越多的作家公开承认自己创作的小说有人工智能的辅助参与,法国专门设立了面向人工智能辅助写作作品的文学奖帕斯卡奖,为人机协同写作开辟一片“实验田”。在学术写作方面,今年,清华大学方塘研究院的首届人机协作征文大赛,也于10月颁奖。不论是在文学创作,还是学术写作方面,我们都可能已经正式进入一个与AI深度共存的环境中。


AI发展到今天,纯粹的“手搓”会慢慢消失吗?从写作者、期刊编辑,到出版机构、媒体,人机写作会如何具体地改变知识生产?我们又该如何看待“人”的位置?AI应该被赋予作者地位吗?人机写作的作品进入奖项评选或是公开发表的流程,可能遇到哪些问题?曾经停留于观念层面的思辨,即将为更具体的细节讨论让步。围绕这些问题,我们承接去年的问题意识,推出本期专题。


图片

本文内容出自新京报·书评周刊11月20日专题《手搓时代的闯入者》B02-B03版。

B01「主题」手搓时代的闯入者

B02-03「主题」徐贲 在AI深度参与知识生产之后

B04-05「主题」戈德斯坦、李连江 人工智能时代,学术写作的未来与风险

B06-07「主题」圆桌 争议中的人机协同写作

B08「中文学术文摘」青年与农业文化研究两则


采写|新京报记者 刘亚光


当人工智能迅速发展,人文研究的“手搓时代”彻底一去不复返了吗?这涉及人机协同写作的边界问题。作为长期关注人文教育与公共知识生产的学者,徐贲在近些年对人机写作的话题投入了巨大的精力。他亲自实践“人机共笔”,更是在多家媒体平台发声,呼吁公众重视AI对知识生产的深度介入。


这些看起来有些“超前”的尝试为他带来争议。不时有作者对他有关人机写作的观点提出商榷、质疑,社交媒体上甚至开始出现一些帖子和评论,称对徐贲的变化“感到痛心和惋惜”。徐贲对此都做出认真的回应。在他看来,AI其实是一个思考诸多过去经典问题的很好的新入口,却逐渐成为一个“房间中的大象”:用AI的人假装不在用,用AI来查AI的痕迹,又用AI来消除AI痕迹,“一件事来来回回折腾了好几回,没有任何实质性的思想内容推进”。徐贲认为,我们已经几乎不可能回到一个完全没有被AI介入过的学术环境之中。在支持或是批判之前,我们都需要躬身入局,去直面这一事实。而即便AI已经深度介入学术写作的过程中,人的判断是否在场,依然决定着这种协同写作的质量。


图片

徐贲,美国加州圣玛丽学院英语系荣休教授。著作包括《人文的互联网》《人类还有希望吗:AI时代的人文启蒙与教育》《孤独、空虚与无聊:AI时代的人类意义危机》等。


“笨功夫”与判断力


新京报:最近一段时间,你在包括我们书评周刊在内的媒体平台发表了多篇有关AI介入知识生产的文字,也引起了许多争议。能不能先请你谈谈为什么在这个学术阶段如此关心AI以及人机写作的问题?这和你此前关心的公共讨论、批判性思维、经典阅读等话题,有何关联?


徐贲:AI对我是新的问题意识,但又不完全是新的,更像是重返过去我长期关心的许多人文问题,这次是通过一个新的入口,在一个新的历史文化语境。几乎全世界都在关注的AI,为当今硅基生命体提供了无穷的人文反思议题,成为一个当之无愧的公共问题。


我过去写《人文的互联网》和《AI时代的人文启蒙和教育》,关注的是互联网和AI如何改变知识的传播、人与人的关系以及公共生活;同时还讨论公共说理、批判性思维和经典阅读,关心的始终是同一件事:人在一个信息不断增加、观点不断涌现的世界里,如何保持独立思考,如何形成自己的判断,又如何不失去理解他人的能力。


AI把这些问题进一步推到了我们面前。不认真对待,就会成为一头大家装作没有看见的灰犀牛,或房间里的大象。更严重的是,AI参与写作正在成为一个公共伦理的癌症:用AI的人假装不在用,用AI来查AI的痕迹,又用AI来消除AI痕迹,投稿时,再会编造一个“手搓”的假故事。编辑则装模作样地用AI对稿件查痕。一件事来来回回折腾了好几回,没有任何实质性的思想内容推进。


它的荒谬之处不仅是浪费时间,而是把原本应该用于思想创造、事实核验和学术判断的精力,转移到证明自己没有使用AI上。它使诚实披露成为一种风险,使虚构经历成为一种生存策略。最后,制度所奖励的可能不是实际的写作能力,而是谁更善于表演没有使用AI。对这种集体装假和互相欺骗,我深恶痛绝,写了多少篇批评文章,我自己都记不清了。


我现在已经退休,没有职称晋升、项目申请或机构考核的压力,反而有条件从一个相对独立的位置观察这场变化。我关心的不是怎样用AI提高写作产量,而是它能否让更多人进入知识生产,能否使一些过去因为资源、语言和专业壁垒而无法展开的思想获得表达机会。


当然,这种可能性并不意味着结果必然美好,关键仍然是人的判断能否在场,责任能否得到落实。我在许多文章中都反复强调,我们谈论AI,其实是在谈论人类自己,包括发在《新京报》上的《AI时代,别把“人类特点”自动当成"人类优点"》。AI把许多旧有的人类问题带入了一个新的实践环境中。一个健康、正派的社会需要诚实和诚信。用AI并不丢人,丢人的是假装没有在用,假装在抵制。这也是我愿意持续投入时间讨论AI,包括人机共笔的根本原因。


新京报:纵观你发表的这些文字,其中一个核心主张,即人类写作者有可能在和AI的往复辩论中,发现过去未曾发现的知识之间的关联,比如过去单凭人力,很难在有限的时间内实现真正的“跨学科”生产。这里的一个疑问是:这种优势是否限于特定的知识生产方式,比如常见的人文学科纯思辨性质论述文,或是文献综述/评述类文章?也有一些人文社会科学知识生产高度依赖田野调查、具身经验,例如人类学、社会学。在这些类型的研究中,AI的介入是否会产生反面影响?


徐贲:你提出的区分切中要害,值得更深入的讨论,我这里只能点到为止。AI在“发现知识关联”上的优势,确实高度依赖于一种特定的知识生产方式:以既有文本为中介、以话语和概念操作为主要形态的思辨或综述性写作。一旦进入田野调查与具身经验主导的研究范式,AI的介入不仅难以复制那种优势,反而可能产生几种不同层次的“负面影响”——其中有些比“AI写错了”或“AI有偏见”更为深层。


我认为,AI带来的优势并不局限于纯思辨性的人文写作或文献综述,但不同类型的知识生产,AI能够介入的环节和限度确实很不一样。不能因为AI善于处理语言和知识材料,就把它的能力无限扩大。


在人文学科的理论研究、文献研究和跨学科论述中,AI的优势比较容易显现。它可以帮助研究者跨越语言和学科的边界,迅速调动不同领域的概念、材料和解释框架,发现一些过去没有意识到的关联。但这些关联首先是研究线索,而不是已经成立的知识。研究者仍然需要判断它们是否具有历史依据、逻辑依据和解释价值。


对于人类学、社会学等高度依赖田野调查和具身经验的学科,情况就不同了。AI可以帮助研究者整理访谈记录、分析文本、比较不同案例、发现材料中的某些模式,也可以帮助提出后续调查的问题。但是,它不能替代研究者进入田野,不能替代人与人的接触,更不能代替研究者在具体情境中感受到的尴尬、沉默、信任、权力关系和文化差异。


甚至可以说,这些学科尤其需要警惕AI带来的负面影响。如果研究者过早地让AI归纳访谈材料,可能会把受访者独特的表达压缩成现成的概念;如果过分依赖AI识别模式,也可能把复杂的生活经验套进既有的理论框架。田野中那些不符合预期的细节、无法立即解释的沉默,有时恰恰是最有价值的发现。AI倾向于把材料组织成连贯的解释,而真正的田野研究有时必须允许材料保持不连贯,甚至让研究者原有的判断受到冲击。


我念研究生时,吉尔兹(Clifford Geertz)的《文化的解释》(The Interpretation of Cultures)就已经是我们的教材,至今印象深刻。其中对“眨眼”与“暗号”的区分,以及他在巴厘岛观察斗鸡的经典案例,直观地揭示了这种“具身在场”的不可替代性。吉尔兹强调,人类学研究追求的是“深描”(Thick Description),即不仅记录一个动作本身(如眼睑闭合),更要阐释该动作在具体文化情境中的戏谑、暗号或讽刺意味;当警察突袭非法斗鸡场,吉尔兹与妻子跟着巴厘岛村民一同仓皇逃跑、躲进陌生后院并装作喝茶时,那种由“共同逃亡”带来的信任突破与具身尴尬,是任何文本输入都无法表达的。


如果让AI来处理斗鸡场的数据,它可以高效统计赌注金额与人群分布,却无法区分生理性的“眨眼”与充满社会含义的“挤眉弄眼”;若过分依赖AI去缝合材料,算法必然会本能地剔除那些无法归类、看似无意义的“微小抽搐”与异质细节,最终将丰富、矛盾且带有体温的文化“深描”,扁平化为毫无温度的理论图表。


新京报:关于人机协同写作的一个常被提及的优势,是它可以省去一些低价值的劳动,让学者将精力聚焦到真正有价值的思考上。比如你认为,“查找出处、核对格式、整理材料”,主要是后勤性的工作,可以由AI代劳。但这个“后勤工作”和“核心工作”的界限是否真的如此分明?老一辈的历史学者,多有做读书卡片的习惯,那就是一个纯粹的整理,甚至抄写的过程。人机协同写作中人类的判断力,其实有赖于自身的积累和沉淀。这些“后勤工作”被取代,是否恰恰容易带来“高阶人机协同”的不可能?


徐贲:这个问题确实非常重要,也提醒我们不能把知识生产中的劳动简单划分为低价值和高价值。查找出处、核对格式、整理材料,表面上是后勤工作,但对研究者来说,它们有时也是知识积累和思想形成的过程。


老一辈历史学者做读书卡片,当然是在整理材料,但他们在抄写、分类、比较和反复翻阅的过程中,也逐渐熟悉了史料,形成了对材料的敏感性。某个细节可能当时并不起眼,几年以后却与另一份材料发生联系。整理本身就可能产生发现。我们不能只看到它耗费时间的一面,而忽略它对研究者判断力的塑造。


图片

电影《她》(2013)剧照。影片向我们抛出了一个问题:机器生成的文本,到底算不算 “创作”?


安·布莱尔(Ann BlAIr)在《信息超载的时代》中曾详细描述过莱布尼茨那著名的纸质卡片柜——为了应对早期现代欧洲的“信息危机”,莱布尼茨亲自设计了带有挂钩与横木的物理卡片柜,将手抄的摘要分类挂置、随时重组。对于莱布尼茨而言,这种看似烦琐的剪裁、手写与物理归档,绝非机械的“信息搬运”,而是一种深度参与的认知实践。正是在反复触碰、移动和目力检索这些卡片的过程中,未知的关联才得以在物理空间的相邻性中偶然涌现。


当我们将这一切交由AI代劳时,失去的恰恰是这种通过“笨功夫”建立起来的认知黏性与感官直觉。AI可以在数秒内检索上百万字的数据并给出模式归纳,但研究者若跳过了亲自在文本中“爬行”、在材料间“翻检”的具身过程,就很难对史料产生那种肌肉记忆般的敏感度。自动化生成的关联固然高效,却缺少了学者在长期与材料缠斗中形成的判断力与洞察力;AI替代了机械的劳动,但也可能在无形中削弱了研究者让知识“自然发酵”的认知土壤。


高阶共笔更适合已经有相当判断力的资深学者,而不是学术新人。判断力不是天上掉下来的,是多年辛苦研究、阅读和写作慢慢熬出来的;如果这些劳动越来越多被机器分担,新人拿什么形成判断力?我看到一个有趣的“老登中登小登谁更有优势”的视频,说AI是特别利好老专家的,但是有几个老专家能从零开始学,那反而是一个问题。AI能把执行成本做得非常低。老专家加AI的威力是远远大于菜鸟加AI的。


这就是学徒悖论。高阶共笔需要高阶的人,而高阶的人传统上恰恰是由大量看似低阶的劳动造就的,所以最需要AI帮助的人,可能恰恰最没有能力判断AI。这也关乎文科创新和其他教育问题:如果AI只是在成熟学者手里降低探索成本,却让未来的学者失去形成判断力的过程,那它最终消耗的正是自己所需要的新一代创新主体,也就是数学家今天担忧的“中层阶梯断裂”和“后继无人”。对人文科学来说,没有高阶的人,就没有高阶共笔;没有高阶共笔,AI降低探索成本也未必转化为创新。


在思想实验中发现

“不知道自己不知道”


新京报:今年你开展了一些人机协同写作的实践,能否举一个你自己印象最深刻的例子,说明AI如何协助你发现了“不知道自己不知道”的认知前提,或是知识之间的关联?


徐贲:我最近进行的一个思想实验,也许能说明这个过程。是四篇《如果他们生活在AI时代:会不会用,又会怎样用?》的系列文章。第一篇老普林尼,讨论知识的汇集:《如果老普林尼生活在AI时代:知识百科全书会怎样重写?》;第二篇钱锺书,讨论知识的连接:《如果钱锺书生活在AI时代:AI能否成为他的跨文化对谈者?》;第三篇陈寅恪,谈历史世界的重建:《如果陈寅恪生活在AI时代:人工智能能否帮助我们重新发现历史?》;第四篇莱布尼茨,谈思想的形式化与计算:《如果莱布尼茨生活在AI时代:他会怎样重新理解人类思维?》,配合这个系列,我还写了一篇《倘若牛顿撰写〈自然哲学的数学原理〉时使用了AI,会发生什么?》,也是思想实验,准备明年牛顿去世300周年时拿出来发表。


思想实验的价值,恰恰在于它能够帮助我们发现“不知道自己不知道”的东西。一个人通常只能在自己已有的知识框架内提出问题,也容易受到既有经验和思维习惯的限制。思想实验则通过设置一个不同于现实、却又有内在逻辑的假想情境,迫使我们暂时离开熟悉的认知位置,重新审视那些原本不假思索地接受的前提。这是一种认知上的自我陌生化:借助一个假想情境,看见现实经验中被遮蔽的东西,发现自己原来不知道自己不知道什么。


例如,在与AI讨论钱锺书的《谈艺录》和《管锥编》时,我原本关注的是AI如何帮助跨越语言和文化的边界,发现不同文学传统之间的联系。但讨论逐渐使我意识到一个此前没有充分意识到的问题:发现相似性,并不等于理解相似性。


这看起来只是一个简单的区别,实际上却暴露了我原先思考中的一个盲点。我过去当然知道比较文学研究不能仅仅罗列相似之处,但在具体研究中,我并没有始终充分意识到,发现两个文学现象之间的相似性,与解释它们为什么相似,是两种不同层次的认知活动。两种文学表达的相似,可能来自共同的人类经验、历史传播和借鉴,也可能是独立创造或偶然巧合。即使相似性确实存在,也不意味着它们具有相同的文化来源或相同的意义。


图片

电影《机械姬》(2014)剧照,片中探讨了机器能否靠文字骗过人类。


这就是我所说的“不知道自己不知道”:我原来以为自己面对的是一个知识搜索和跨文化比较的问题,后来才意识到,在这个问题背后,还有一个自己没有充分意识到的认识论问题——我们凭什么确认发现的关联是真实的、有意义的?从发现关联到解释关联,中间还需要什么样的证据、判断和论证?


我甚至设想,可以开拓一种前所未有的人机共笔可能:让它形成一个智识接力和流动:思想实验→AI初步论述→专家质疑→AI回应与修正→专家再审查。这与数学研究中的接力推进确实有相通之处。一个难题未必由一个人一次解决,而是在前人的结果、后人的质疑和新的证明之间逐步推进。当然,人文学科的研究不能简单照搬数学证明的模式,但可以借鉴这种知识接力的机制。


一位人文学者不必先成为老普林尼、钱锺书、陈寅恪或莱布尼茨的专家,才能发起这样的讨论。他的角色可以是提出思想实验、选择问题、组织不同知识主体之间的对话,并判断这些讨论是否具有公共意义。专业学者负责他们熟悉的历史、文献和学术问题;AI负责协助展开论述、回应质疑、寻找关联和修正表达。不同参与者不必承担相同的工作,也不必假装拥有相同的专业能力。


这恰恰是一种新的人机知识合作方式:不是要求每个人都掌握全部知识,而是让不同知识能力在一个共同问题上接力。这也是我从思想实验中领悟到的。


AI时代真正需要保护的,

是人类判断的严肃性


新京报:你主张,在AI必然介入写作的年代,证明“纯手搓”的“纯真性”不重要,但表明其中关键性判断是由人作出的很重要。但在AI介入和引导之下,我们怎么理解此时知识生产中的“人类判断”是否纯粹?在过去的知识生产中,“人类判断”的价值,可能基于作者以自己的知识权威、人格为自己的写作所作的某种担保。如今,如果把整个知识生产的过程看成动态、不断试错的,会不会导致“判断”本身变得轻率?


徐贲:这几个问题其实指向同一个核心:AI深度参与知识生产之后,人的判断究竟如何存在,又凭什么值得信任?人类判断从来就不是纯洁的。过去的知识生产也受到阅读、师承、学术传统、同行交流和既有理论的影响。AI的介入并没有使判断第一次受到外部影响,只是使这种影响更加直接和深入。因此,我所说的“人类判断”,不是指一个人完全不受AI影响,而是指他仍然能够审视、选择、修正、拒绝AI提供的观点,并为自己的选择承担责任。判断的关键不在于思想来源是否纯粹,而在于思想是否经过了自己的审查。


判断不能靠作者自我宣称,而要接受检验。作者需要能够说明关键观点为什么成立,重要材料是否核实,为什么接受一种解释而拒绝另一种解释,以及如何回应反例和质疑。AI使用记录可以说明机器参与了什么,却不能证明人真正作出了判断。最终要检验的,是作者能否为自己的论证提供证据和理由。


动态知识生产并不必然导致判断轻率,关键是区分探索与定论。比如,AI发现两种历史制度相似,可以形成一个研究假说,却不能直接证明它们存在历史传承;AI发现中西文学表达相似,也不能直接证明两位作家存在影响关系。假说可以大胆,结论必须审慎。研究者可以不断试错和修正,但必须清楚地区分猜想、证据和已经能够承担的结论。


我所说的“判断在场”,不是要求人类证明自己没有受到AI影响,而是要求人类在AI深度参与之后,仍然没有放弃思想上的自主性和责任。AI时代真正需要保护的,不是人类写作的纯洁性,而是人类判断的严肃性。要让AI真正为你所用,你必须首先成为一个即使没有AI也具备基本判断力的人。这个悖论,既是AI时代独立思考的门槛,也是它的精髓所在。AI时代判断的门槛并没有降低,反而提高了。


你提出的“判断”的问题,其实在AI出现之前就已经存在,阿伦特就反复讨论过这个问题,我在2008年出版的《人以什么理由来记忆》中也讨论过这个问题。但AI使判断的重要性更加突出,也使我们不得不重新审视判断。重新理解判断力如何形成、如何在知识积累中生长、又如何在与AI的对话中经受检验,正是AI时代人文思考的一项重要课题。


新京报:前段时间,科幻作家郝景芳在采访中透露自己的新书有很多是AI参与写作,遭受很多批评。相较于学术写作,文学创作的人机协同似乎更被抵制。我认为这折射出一个很有趣的问题:或许大多数人看待公共知识生产,知识与“真诚”同样重要。所以文学这种更反映作家主体性和“私人心灵世界”的作品,会被用更严苛的目光审视。你怎么看这个问题?


徐贲:学术写作和文学创作在人机协同问题上存在不同的伦理期待。学术研究主要面对公共知识,读者首先关心材料是否可靠、论证是否成立、表达是否清晰有效、结论是否经得起检验。


我在不止一篇文章里论述过,AI的默认语言虽然还不完美,但它已经具备了人文写作所需要的基本品质:清晰、准确、连贯、有效,而且正在不断改善。事实上已经远超绝大部分人类的写作能力。许多极力批评“AI腔”的人,其本身的文字表达能力、逻辑严密程度与沟通效率,其实远未达到AI的平均水平,根本没有能力有效运用AI。


与其把AI默认语言简单视为一种需要消除的“AI腔”,不如承认它正在成为一种越来越成熟的表达资源。真正值得讨论的,不是如何证明一篇文章没有AI语言的痕迹,而是作者能否在这种语言能力的基础上,形成自己的思想、判断、风格和表达个性。


说出来你也许不信,AI深度共笔者都有这样的具身体验:长期人机互动,确实可能形成一种相对稳定、具有个人辨识度的共笔风格,这种风格并不会自动、完整地转移给其他用户。即使两个人使用同一个模型,得到的结果也会大不相同。这是因为共笔风格并不单纯来自AI的语言能力,而是在长期互动中由双方共同塑造的:使用者带入自己的知识积累、问题意识、概念体系、判断标准、审美趣味和表达习惯,同时又在反复提问、追问、质疑、修正和取舍的过程中,逐渐改变AI的回应方式,也改变自己的思考和表达方式。


久而久之,双方形成一种认知默契,甚至发展出某些只有彼此才能充分理解的概念、论证路径和表达习惯。别人当然可以学习这种共笔方法,模仿它的语言特征,甚至复制部分提示词和操作流程,却未必能够复制其背后的知识积累、判断结构和互动历史。因此,这种风格既不是AI预先具有的,也不是使用者原有风格(格调、天赋)的简单延伸,而是一种在特定人机关系中逐渐生成的关系性风格(relational style)。有朋友问我,文章写得这么清晰、透彻、有书卷气,你用的是什么AI?其实我用的就是普通的免费AI,只是我有自己的思想沉淀和人机互动方法,这就是高阶共笔的奇妙之处。


这种“关系性风格”本质上是技术哲学中“协同演化”与“分布式认知”的具身涌现——它既依赖于人类作者数十年的隐性知识积累与结构性判断,又交织着AI精准的语言表达与概率关联能力。正如吉尔·西蒙栋(Gilbert Simondon)的“个体化”理论与安迪·克拉克(Andy Clark)的“延展心灵论”所揭示的,技术并非被动的工具,而是在持续的提示、反馈、否定与重塑闭环中,与使用者共同构建了一个独特的外部认知架构。这种高度情境化的微观历史,赋予了双方只有彼此才能理解的概念隐喻与语义压缩效率;旁人或许能够模仿其表面的语言特征或复制操作提示词,却绝难复刻这种在数千次交锋中沉淀出的知识共振与动态默契。


我没有实践过,不敢妄议文学创作是不是也会产生这样的关系性风格。按当下的普遍说法,不会。最好要有实践过的人自己出来说话,而不是像现在大多数人在AI写作问题上那样,道听途说、瞎子摸象。


但有一点似乎可以确认,读者阅读小说、诗歌,不只是为了获得一个故事或一套思想,也是在寻找一个人的感受、经验、想象和精神世界。读者希望通过作品与作者相遇,甚至希望相信那些文字是作者真正经历、思考和感受过的。这种期待不是简单的技术保守,而是文学长期形成的一种特殊契约。


文学创作中的人机协同需要比一般知识写作更敏感地对待作者经验、主体性和读者知情权,但不应该因此禁止AI参与,事实上也禁止不了。AI可以帮助作家写出文字,却不能替作家获得生活;可以帮助作家组织人物,却不能自动赋予人物以生命。文学的真诚,最终不取决于作者是否使用了AI,而取决于作者是否仍然真正生活在作品之中。


图片

以“人机协同写作”为故事背景的电影《达洛维》(2025)。


防御性禁止AI为何行不通?


新京报:我也关注到前段时间你写给《文艺评论》的公开信。其实国内外,不止这一家期刊如此做。之前你在旧作《人文的互联网》中提到,一项技术的愿景,和它实际落地的效果往往是有差距的。比如互联网最初被寄予搭建“地球村”的期待,最终制造了更多的分裂。而对于人机协同写作,存在高阶使用者,但大多数使用者是“最需要AI帮助的人”,他们“可能恰恰是最没有能力判断AI的人”。人们很容易认为,一旦对AI不设限制,结果并不是知识的大开放,而是更多的注水、造假,所以索性防御性禁止。你对这个问题怎么看?


徐贲:这种防御性禁止有它可以理解的现实原因,但它把一个真实的问题转化成了一个过于简单的条文或行政规定,我认为是行不通的。


AI确实可能放大知识生产中的低质量现象。一个缺乏专业训练的人,可以借助AI迅速生成看起来完整、流畅,甚至颇有学术气息的文章,却未必有能力辨别其中的错误、虚构和逻辑漏洞。


你提到的那个悖论非常重要:最需要AI帮助的人,可能恰恰是最缺乏判断AI输出能力的人。这不是一个可以轻易回避的问题。高阶使用者能够把AI的回答当作思考的起点,低阶使用者却可能把它当作现成的答案。相同的技术,在不同使用者手中,产生的结果可能截然不同。


最近,在宾夕法尼亚大学的毕业典礼上,心理学家、《坚毅》(Grit)一书的作者、麦克阿瑟天才奖得主安吉拉·达克沃斯(Angela Duckworth)向毕业生做了一个出人意料的坦白:她当天的演讲,是与人工智能共同完成的。她没有致歉,反而明确表示自己并不惭愧,甚至有些骄傲。因为实践高阶共笔,这本身就是一种人类的高智能。


图片

《孤独、空虚与无聊:AI时代的人类意义危机》

作者:徐贲

版本:中国大百科全书出版社

2026年6月


这番话击中了当下许多人对共笔的真实处境:吃不准,偷偷用,公开承认则没有安全感。使用者既不知道这样做是否正当,也不知道别人是否同样在做,更不知道被发现后要付出什么代价。于是,便有了本能的自我保护和秘而不宣,于是一种本应被公开讨论、检验和改进的写作实践,退到了暗处。


互联网曾经被寄予连接世界、促进理解的期待,后来却也成为制造信息茧房、传播虚假信息和社会分裂的工具。这说明技术的愿景不会自动成为现实,却不意味着我们应该放弃技术,而是需要建立与技术相适应的制度、规范和能力。


禁止并不能消除低质量使用,只可能使一部分使用转入地下。低劣的审查与低劣的AI写作在黑暗中无休无止地玩着毫无意义的猫鼠游戏。公开承认AI参与的人可能受到惩罚,私下大量使用的人反而能够继续使用。结果是,真正愿意接受检验的人承担了风险,而不愿披露的人获得了某种保护。这既不利于学术诚信,也不利于形成健康的使用规范和共同提高共笔水准。每个人都把轮子重新发明一遍,在暗地里摸索效率的边界,却在明面上维护着陈旧的合规表象。


AI时代的知识公共性


新京报:你谈到,高阶的人机协同写作,有助于真正实现知识的开放,把知识从商品变成公共产品。但在任何时期,纯粹的“知识人”都不存在,他们都以职业的形式生活在一个知识生产的体系中,可能是媒体机构或是大学。这也是为什么,现在有很多鼓励人机协同写作的征文比赛(例如法国的帕斯卡奖),但大家都对正式出版,或是期刊收录AI参与写作的文章慎之又慎——它可能涉及公平问题。你觉得从读者、出版商、学术期刊的角度,应该做哪些具体的调整?我们该如何看待未来的“知识”?


徐贲:这个问题其实把我们前面几轮讨论的线头都拧到一起了:AI让知识生产变得便宜、快捷,时间和劳力成本下降,看起来离“知识作为公共产品”更近了;但知识人从来不是真空里的纯粹思考者,他们都活在职业体系里,靠论文晋升、靠稿费生活、靠机构承认获得位置。征文比赛可以鼓励人机协同,因为那是探索性的、象征性的;正式出版和期刊收录却慎之又慎,因为那里牵着公平、问责和利益分配。这个张力不是靠一句“拥抱开放”就能消掉的,但也不是无解,关键是别把“公共产品”理解成“免费”,而是理解成“可及、可验证、可问责、可持续”。


读者花钱买知识,买的其实不只是文字,而是筛选、验证和信任。如果AI大幅降低生产成本,读者会问:我为什么还要付费?答案不可能是“因为写得很流畅”,那AI自己就能做到。出版方和知识生产者要提供的价值得往上游走:谁做的验证、谁承担的解释责任、谁维护的更新和纠错、谁在利益冲突面前保持独立。读者未来买的更像是一种“经过检验的理解”和“可追责的判断”,而不是信息本身。所以对读者来说,最实际的调整是接受分层:基础内容可以更开放,但验证、深度解释、参与式更新、纠错机制这些需要成本的部分,可以有不同的付费或资助模式。知识作为公共产品,不等于所有环节都零成本,而是核心知识可及、质量可查、责任可追。


出版商这边,最该调整的是把自己的角色从“内容工厂”往“信任基础设施”挪。AI时代内容过剩,注水更容易,出版商的真正价值不是印书或发文章,而是把关、策划、验证和品牌背书。具体做法包括:建立清晰的AI使用披露标准,区分工具性辅助和生成性替代;发展能评估AI辅助文本质量的编辑能力,而不是一刀切禁止;探索公共资助加开放获取的混合模式,让一部分知识真正成为公共品,同时用增值服务维持可持续。出版商如果只靠版权壁垒和稀缺性吃饭,AI会把这个商业模式冲垮;如果转向信任和验证,反而更有存在理由。


学术期刊更难,之所以在AI时代陷入前所未有的困境,是因为它同时背负着质量把关、学术公平与职业晋升的三副重担。将成果与职位、资源及声誉强强绑定,使得任何工具的引入都迅速转化为生存与利益的博弈。


试图通过“分环节细化披露”——明确检索、整理、润色、生成与分析的比例及责任归属——在理论上虽然是最清晰的破局路径,但在实践中却面临着难以逾越的制度死穴。这种机制不仅建立在撰写者道德自律的脆弱假设之上,更受制于审查端巨大的认知鸿沟。许多缺乏深度人机协作经验的期刊编委与评审专家,既无法准确鉴别披露的真伪,也难以识别潜在的机器幻觉,在“不懂装懂”或盲目依赖检测工具的现状下,细化披露极易异化为“老实人吃亏”与“投机者表演”的规则博弈和逆向淘汰。


图片

以“人机协同写作”为故事背景的电影《达洛维》(2025)。


在人性与信任机制尚未得到根本改善之前,仅靠自觉披露或道德声明,无疑是望梅止渴,水中捞月。康德在《世界公民观点之下的普遍历史观念》(1784)中有一个著名的表述:从如此弯曲的人性之材中,造不出任何完全笔直的东西。人性中的弱点、利益冲突和自我辩护,不会因为技术进步或道德倡议而自动消失。


在我看来,除非发生某种奇迹,仅靠呼吁诚信、要求自律来解决AI写作中的信任危机,注定是一个死局。我并不是悲观,而是看到了一个近在眼前的可怕现象:碳基人类对自己的判断能力已经丧失了信心,甚至到了必须借助机器,才能判断另一个人是否使用机器的地步。


人用AI查AI痕迹,仿佛机器能够替人鉴别诚实与否,却没有认真追问:机器凭什么拥有这种判断权?当人类连自己的专业判断都不再信任,而把诚信鉴定外包给算法时,问题就不只是AI写作了,而是人类已经宣判了自身判断权威的死刑。


至于未来该怎么看待“知识”,我不是算命先生,但我希望:知识会从“稀缺的商品”更多转向“需要维护的公共基础设施”和知识礼物的赠予与回报。为此,我写过多篇文章,包括《人机共笔:碳基人类与硅基智能的礼物关系》《作为给他人“礼物”的AI翻译作品:从村上春树的新作〈夏帆〉谈起》《从“占有”到“贡献”:AI会促成人类知识产权观念的转变吗?》等。


AI时代,稀缺性不再来自生产,而来自验证、整合、情境化和问责。知识人的职业形态也会变:不再只是生产者,更是策展人、验证者、解释者和公共基础设施的维护者。这跟修路、供水、公共卫生有点像——东西本身可以更便宜甚至免费,但质量、安全、更新和可及性需要制度来保障。纯粹知识生产的理想不会消失,但它得学会跟职业体系共存:不是假装利益不存在,而是设计一套让利益和公共性不互相摧毁的制度。读者、出版商、期刊各自退一步也进一步——读者接受分层但要求可问责,出版商从卖内容转向卖信任,期刊从守门转向建规范——这个张力才可能变成动力,而不是死结。


采写/刘亚光

编辑/西西 重明

校对/杨许丽 吴兴发