【學術爭鳴】

7月10日，本報理論版刊發一組爭鳴文章。圍繞“人工智能究竟能否產出真正意義上的知識”這一話題，兩文針鋒相對，得出了不同的結論。南開大學教授陳浩在《人工智能正在成為知識生產的新力量》一文中指出，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么可以被看見、什么值得被研究、什么能夠成為知識；中國人民大學教授吳小坤在《人工智能為何尚未產生真正的知識》一文中提出，知識生產是一樁屬于主體的事業，今天的人工智能，是知識內容卓越的加工者與傳遞者，卻還不是知識的生產者。我們歡迎更多不同見解，并將圍繞這一話題持續展開討論。

近來關于人工智能與知識生產的討論有一些爭議。一種看法認為，人工智能已經成為知識生產的新力量，它能夠發現人此前看不見的關系；另一種看法認為，人工智能至今沒有產生真正的知識，它缺少對因果的理解，缺少可以負責的證成，也缺少一個持有知識的主體。兩種看法彼此對立，圍繞的卻是同一個問題，即人工智能能不能生產知識，只是，它們把知識生產的主體性放錯了位置。事實上，生產是主體性行動，知識是人類認知的產出，認知緣起于人類在生產與生活中的訴求。順著這條邏輯鏈觀察，人工智能與知識生產的關系會呈現出另一幅圖景。 

知識生產是人類的主體性行動

人工智能正在帶來知識生產范式的變革，這已成為學術界的共識。2020年，谷歌旗下的深度思維公司（DeepMind）發布AlphaFold2，把蛋白質結構預測從以年計的工作壓縮到幾分鐘。此后它給出了已知的約兩億個蛋白質的結構預測。到2024年10月，190多個國家的200多萬研究人員使用過它。2026年，同一家公司的人工智能協作科學家系統在《自然》上發表。它以多個智能體分工的方式生成假設、組織辯論、給出排序，其中與耶魯大學合作提出的一個假設，已經通過實驗驗證。

由人工智能帶來的知識生產變化不只是發生在自然科學領域。人文社會科學的素材正在從以詮釋為主，轉向大規模的文本挖掘。機器生成的內容也成了新研究素材。面向人文社會科學的機器智能，正在成為與科學智能并行的另一條路徑。

這些變化是真實的：素材的獲取方式變了，分析的方法變了，連假設的生成方式也在變。將其稱作范式變革并不夸張。人類知識生產的歷史上，這樣的時刻并不多見。古代的圣賢以理性建構起知識創新的路徑，卻沒有形成知識傳播與擴散的社會機制。十六世紀以后，觀測技術與計量技術的進步帶來了新的素材，大學承擔起傳播的職能，印刷術打開了擴散的通道，知識生產從此成為完整的社會活動。而今天正在發生的，是人類智能與機器智能共同參與知識創新、知識傳播與知識擴散的新局面。 

要緊的問題是，范式變革究竟改變了什么？

機器在認知、交互與決策上已經表現出近似人的屬性。把它理解為類人行動者，比把它理解為工具更貼近事實。工具是人的單向使用，伙伴意味著雙向交互的開始。類人行動者意味著機器在認知、交互、決策等維度具有近似人的功能屬性。社會成員則具有承擔權利與義務的規范性資格。新一代人工智能在功能上已經越過了工具與伙伴的界限，可是，卻還沒有社會成員資格。承認機器具有近似人的功能屬性，與承認機器是權利義務的主體，是兩件事情。前者是功能判斷，后者是規范性判斷。一臺機器可以在功能上完成本屬于人的認知任務，這并不意味著它就此獲得了主體的資格。

生產之所以是主體性行動，在于它需要有發起者，需要有有目的、有責任的承擔者。誰提出問題，誰設定標準，誰為結果負責，主體就是誰。

2024年的諾貝爾化學獎提供了一個清楚的答案。獎項的一半授予貝克，表彰其在計算蛋白質設計方面的開創性工作；另一半授予哈薩比斯與江珀，表彰其在蛋白質結構預測方面的貢獻。AlphaFold在其中的貢獻無人否認，領獎的卻是三位科學家。科學共同體在做這項判斷的時候并沒有猶豫。機器完成了預測，而提出問題、設定標準并承擔結果的，始終是人類。

追問機器為什么還沒有產生真正的知識，等于先把主體性給了機器，再責怪它沒有盡到主體的責任。顯然，被追問的對象錯置了。 

知識是人類的知識，是人類認知的結果

知識是人類對自然、對自身以及對兩者關系的認知與理解的總和，也是人類文明的載體。這個說法會遇到一個古老的質疑，即知識能否脫離人而獨立存在。柏拉圖把世界區分為恒常的存在與流變的生成，把真知歸于恒常的一端。知識由此獲得了某種獨立于認識者的地位。后世關于客觀知識的種種論說，大體沿著這條線索展開。人工智能的出現，讓這個問題重新變得尖銳。模型的參數里壓縮著人類幾乎全部的文本，它可以在人不在場的時候持續輸出，看上去很像一種不需要人類的知識。

其實，這一分歧可以化解。知識的載體確實可以外在化。從結繩到竹簡，從紙書到數據庫，再到今天的模型權重，載體一直在變。可是，載體的獨立不等于知識的獨立。一部無人能讀的典籍，一組無人能解的數據，它們作為物件存在著，可作為知識，卻是沉睡的。知識之為知識，只在它能被人類理解、被人類用來理解世界的時候才成立。

AlphaFold2恰好說明了這一點。它給出的是約兩億個蛋白質的結構預測，這些預測要經過結構生物學共同體的檢驗，要進入蛋白質數據庫，還要被寫進教科書，進而被用來設計藥物，才能成為知識。在此之前，它們只是極有價值的素材。機器給出可供理解的東西，可對其的理解卻只能由人類作出。知識創新如此，知識傳播與知識擴散更是如此。一個結論只有在被人類接受、被人類講授、被人類用于日常判斷之后，才真正成為人類知識的一部分。

由此，也可以理解主體性為什么具有獨占性。主體性一旦讓渡，責任、意義與價值就失去了承擔者。一個結論如果出了錯，要追問的是誰的責任；一項發現如果有意義，要追問的是對誰有意義。而這些問題只有在人類這里才能得到回答。人類不能把主體性交給機器，事實上，也無從交出。 

認知是人類生產與生活的訴求性行動

順著上述邏輯鏈便可以發現，知識生產的源頭在認知，而認知起源于人類的訴求。

人要吃飯，于是觀察物候，積累起關于農時的知識。人要避險，于是記錄洪水與地震，積累起關于災害的知識。人要與人協作，于是琢磨人心與人情，積累起關于社會的知識。人還要安頓自身，于是追問生死與意義，積累起關于自身的知識。訴求形成認知的動力，動力驅動認知的活動，認知的活動帶來知識的生產。瑞士心理學家皮亞杰在討論認識的發生時指出，認識起于主體與客體的相互作用，起于動作。人先要在世界里行動，才會有理解世界的問題。

人工智能沒有這樣的處境。它不會饑餓，不會受傷，不會死亡，也不需要為自己的存在尋找理由。它有完成任務的自主性，可以把一個目標拆成許多步驟并逐一執行，這個目標卻是被給定的。它沒有從自身的生存里長出來的訴求，因而也沒有主動的認知。

人工智能能力的增長也不會改變這一點。訴求源于生存處境，沒有生存處境就沒有原生的訴求，這與算力的大小、模型的規模沒有關系。人工智能可以模擬訴求的表達，可以在被要求的時候提出問題，那仍然是人類的訴求經由機器的轉述。人工智能協作科學家系統的工作流程把這一點顯示得很清楚。研究者先界定要解決的研究挑戰，系統再圍繞這個挑戰生成假設、組織辯論、給出排序，得出的結果最后仍要回到實驗臺上接受檢驗。機器在中間跑得很快，而起點與終點卻都在人類這里。那個關于免疫治療的假設之所以被提出來，是因為有人想讓冷腫瘤對免疫系統變得可見。須知，想讓病人活下去的，始終是人類。

這個道理不只適用于科學家。今天，越來越多的人在遇到問題時先去問機器。問什么，怎么問，追問到哪一步為止，都由人們各自的處境決定。一位農民想知道明天要不要澆水，一個母親擔心孩子的咳嗽要不要緊，一名學生則想弄明白一道題為什么這樣解……這些問題都是從各自的生活里長出來的，機器的回答即便再流暢，也只是對這些問題的回應。人們表達對知識的訴求，已經是在參與知識的生產。

所以，沒有獨立于人類認知訴求的知識。人工智能參與其中的每一個環節，都可以追溯到某個人、某個共同體想要理解什么。

這樣看來，人工智能與知識生產之間的關系就比較清楚了。它支持人、協助人、啟發人，幫助人類回應在生產與生活中遇到的訴求。它參與產生的知識，依然是人類的知識。范式在變，主體沒有變。人與機器由此進入一種相互建構、彼此塑造的關系之中。人在使用和訓練機器的過程中被機器改變著認知的方式，機器也在與人的持續交互中被人類定義和塑造。知識生產由此進入人機互生的階段。而這個階段里最要緊的事情，是人類清楚地知道自己是誰，知道自己想要理解什么。

作者：邱澤奇，系北京大學博雅講席教授、北京大學中國社會與發展研究中心主任

來源：《光明日報》