數智時代的知識變革與知識創新

ChatGPT、DeepSeek等人工智能工具自產生以來，以極高的活躍度迅速融入人們的日常生活，引發“人工智能對人類未來影響”的激烈討論。盡管人工智能依然處於早期發展階段，但其發展速度和所產生的影響已經遠遠超出預期。雖然現在還不能對這一技術的未來以及其將在多大程度上改變人類社會下定論，但無論如何，人工智能對人類知識創造已經產生巨大影響，我們沒有任何理由忽視或者輕視這種影響力。人工智能產出的文本和圖像幾乎與人類作品難以區分。實際上，人工智能深深嵌入人類社會的各個領域，已經構成人類知識創造的一個不可回避的生態環境。這些對人類知識創造帶來了挑戰，同時也提供了新的機遇。

社會科學知識是人類理性的產物。要理解人工智能對人類知識創造的影響，就必須回到人工智能的邏輯原點，可從哲學家維特根斯坦談起。在反抗宗教神學主導人類社會事務的過程中，自文藝復興到啟蒙運動，近代西方把人類理性提到了至高無上的地位。盡管不時有哲學家質疑理性的能力，但理性還是人類引以為傲的特征。維特根斯坦摒棄了西方社會自柏拉圖以來的哲學家所追求的目標，即理性可以識別事物的單一本質的概念。語言是人類理性表述的唯一方法，由此，維特根斯坦指出了語言的局限性，也即人類理性的局限性。在他看來，語言的限制也是哲學的限制，許多哲學都是對不可言說的事物的敘說嘗試，凡是可以說的東西都可以說得清楚，而任何超出這個界限的東西——比如宗教、道德、美、神秘性——都是不可言說的。因此，維特根斯坦建議從現象間相似性的概括中找到知識，並將之稱為“家族相似性”。家族相似性（Family Resemblance），即用同一個字代表不同的事物或者狀態。這些事物或者狀態雖然不同，卻如家族成員般從屬於同一家庭，因而具備某些相似特征。維特根斯坦曾以“game”（游戲）一詞闡釋家族相似性。他認為，在日常生活的語言裡，“游戲”一詞可指稱各種活動，如“下棋是一項游戲”“打棒球是一項游戲”“人生是一場游戲”雲雲。但這些被稱為游戲的活動並無相同的特質，它們所共同具備的只是家族相似性而已。正如一家之中，兄弟姐妹個個相似，似在神韻者有之，似在體型者有之，似在眉目者有之，唯其特質不同，但他們並不因此就不從屬於一個家庭。因此在維特根斯坦那裡，范疇的成員不必具有該范疇的所有屬性，而是AB、BC、CD、DE式的家族相似關系，即一個成員與其他成員至少有一個或多個共同屬性。范疇成員的特性不完全一樣，他們靠家族相似性歸屬於同一范疇。而范疇沒有固定、明確的邊界，而是隨著社會的發展和人類認知能力的提高而不斷形成和變化的。

由此出發，維特根斯坦認為，定義和分類所有事物，要求每種事物都有清晰界限的做法是錯誤的。相反，人們應該設法定義“此物和相似之物”，並熟悉由此產生的概念，即使它們的界線是“模糊的”或“不明確的”。

維特根斯坦哲學為人工智能和機器學習的相關理論提供了依據。這些理論認為，人工智能的潛力在一定程度上可歸於它能夠掃描大量數據集來學習類型和模式﹔雖然人工智能永遠不會像人類心智那樣認識一些事物，但通過與現實模式的匹配積累，它有可能接近人類感知和理性的表現，有時甚至能超過人類。也就是說，人工智能就是模仿或者模擬人類，是先“人工”后“智能”。從這個角度來說，可以進一步探討“人工智能”中的“智能”概念，因為機器本身並沒有像人類那樣思考，至少到今天為止，人工智能仍是基於現有存量知識之上的，而非基於人類所具有的智力和智慧之上。

因此，有兩個問題需要我們考慮。第一，人工智能的知識水平是可以評估的，其智力水平則不得而知。人工智能所產生的知識是基於現存知識之上的知識合成，具有邏輯性，類似人類所產生的知識。但很難說人工智能所產生的知識是人工智能“思維”的結果。盡管其所產生的知識符合人類的思維，但這並不是說人工智能擁有了人類的思維。從現存對人工智能的思維模式的研究來看，人工智能在很大程度上是基於統計概率的結果，其所產生的知識是統計學意義上的知識。

第二，迄今，人工智能科學應用（AI for Science）和人工智能社會科學應用（AI for Social Science）的大流行所指向的有關人工智能對人類創造知識的賦能作用已經有很多討論，但人工智能對人類智能的衰退作用幾乎被忽視。這種情況的出現基本上是因為作為技術的人工智能研究主要由科學界進行，而人工智能對社會的影響則由社會科學界進行。就智力的分化而言，有兩類影響值得關注。一是人類群體之間的分化，即進入人工智能時代以來，人們對人工智能的認識層次不同。二是人類與人工智能之間的分化，即人工智能能否超越人類智能，如能超越，是部分超越還是全面超越。隨著人工智能的發展，這些方面的影響也會變得越來越明顯，需要人類作出及時深刻的研究。

就知識創造而言，現在應當考慮的問題是：人工智能能創造什麼樣的知識，不能創造什麼樣的知識？我們既要接受人工智能的賦能功能，即幫助我們創造知識，也要預防人工智能對人類智能的去能作用，更需要超越人工智能，創造人工智能所不能創造的知識。

我們可以把人類迄今為止的社會科學知識分成三類：一是來自“形而上”研究的知識﹔二是來自“形而下”研究的知識﹔三是介於“形而上”和“形而下”之間並且作為兩者橋梁的知識。從這個分類學看，人工智能是基於“形而下”研究知識之上的，也就是第二類知識。

近代以來，所有的社會科學都是實証和經驗研究，是可以驗証的。而近代之前的人類知識大多是形而上的，表現為神學、哲學和倫理學等形式。形而上研究被視為不可驗証，因此常常不被視為科學，在社會科學研究中往往被邊緣化，尤其在實証主義研究方法佔據絕對主導地位的一些國家。形而上研究對形而下研究的深刻影響被大大低估甚至忽視。實際上，很多類型的知識都來自形而上的研究，如果沒有近代之前形而上的研究，就不會有近代以來的形而下的社會科學。大量從宏觀到中觀的社會科學理論的假設和命題都來自形而上的知識。

無論是形而上的知識還是形而下的知識，抑或介於兩者之間的知識，都指向了方法論的重要性。所有的知識都是各種不同類型和層次的方法論的產物。因此，如果要問人工智能能創造什麼樣的知識，不能創造什麼樣的知識，就需要回到社會科學知識的方法論問題。根據前面所說的三種類型的知識分類，我們至少可從三個層面的方法論來討論這個問題。

第一，作為計算工具的方法論。盡管很多研究者認為自己從事的是經驗性的實証研究，但並沒有意識到他們所使用的方法論的本質。經過漫長的學術訓練，今天，研究者已經擁有了大量研究工具，這些作為工具的方法論強調的是邏輯推理和數學算法，具有普遍性，研究者也希望通過使用這樣的工具來獲取普遍性知識，掌握普遍真理。但是從實踐看，在使用這些工具從事研究的時候，很多研究者都在用異常復雜的“科學方法”來論証一些顯而易見的常識。盡管數據和案例堆積如山，但研究者並不理解其到底想說明一個什麼問題及這個問題對於理論或者社會實踐的重要性。更有甚者，研究者並不是想回答一個問題而去尋找工具，而是為了使用某種或者某些工具而去尋找問題。

第二，作為思維的方法論。如果從材料和工具這個層面去尋找問題，那麼很可能會失敗。研究者需要擁有思想層面的方法論，才能找到問題的關鍵。現代大學裡往往存在一些被稱為方法論的著作，但在很大程度上說，這些書中的一些方法論很難產生任何思想，尤其是原創性思想。使用這些方法產出的研究和寫出的文字往往沒有思想和靈魂，自然沒有吸引力，更難轉化成軟力量。例如，在社會科學研究中，有人關注涂爾干和韋伯，研究涂爾干的“社會分工論”和韋伯的“科層論”。一些研究者善於使用“社會分工論”“科層論”來提出和分析問題，卻忘記了如果僅僅使用這些方法而不思考其背后的理論邏輯，是不能導向原創性概念和理論的。在閱讀涂爾干和韋伯著作的時候，最應當關注的問題是為什麼涂爾干發現了“社會勞動分工”以及他是如何發現的？為什麼韋伯發現了“科層”以及他是如何發現的？因為“社會勞動分工”“科層”都是原創性概念和理論，如果人們能夠回答這些問題，那麼就學會了如何從思想層面思考問題，而不僅僅是作為工具應用者。再者，如果回答了這些問題，人們就可從更深層次理解這些概念和理論的適用性。

第三，作為思維的文化動力的方法論。思維不可避免地受到文化的影響。說到文化，那麼就自然指向不同文明之間的差異。東西方社會科學研究的差異並不僅在具體工具、思想方法方面，而是具有更深層次的文明和文化因素。這裡，宗教和哲學因素變得極其重要。盡管近代以來宗教幾乎和社會科學分離開來，宗教成為被解釋的對象，而非解釋其他事物的“自變量”，但是宗教思維已經深深潛入人們的思維。在很多時候，宗教以比較容易接受的哲學形式表現出來。在這個層面，東西方表現出本質不同。在方法論上，西方是宗教思維，表現為“魔鬼”與“天使”的分野，反映在社會科學思維上便是“兩分法”。例如韋伯的“理想類型”和庫恩的“研究范式”等。這種兩分法幾乎表現在所有社會科學領域，例如經濟學中的“政府”與“市場”，“公有產權”與“私有產權”﹔政治學領域的“民主”與“專制”﹔社會學領域的“國家”與“市民社會”，“傳統”與“現代”等。在西方的思維光譜中，這些都構成了對立面。這種思維不僅影響西方學者對自己社會的看法，更影響他們對非西方社會的看法。中華文明中則不是這樣極端的兩分法。盡管有“陰”“陽”之分，但兩者不是絕對分離的，而是相互嵌入的，“陰”中有“陽”，“陽”中有“陰”。如，中華文明對人的分類有“文明”與“野蠻”之分，但兩者是可變的，孔子因此提倡“有教無類”。所謂的“文明”與“野蠻”只是受過教育和沒有受過教育之分，任何人通過教育都可以從“野蠻”轉向“文明”。

三種方法基本上對應了前面所討論的三類社會科學知識。作為計算工具的方法論是今天社會科學研究的主流，基本上是實証研究，尤其是微觀層面的研究。作為思維的文化動力的方法論是今天社會科學研究的小眾，基本上反映在哲學、倫理學和宗教研究，並且往往表現為一種倡導。作為思維的方法論可以說是介於前兩者間的橋梁，表現為社會科學的中觀理論和概念。

由此，就社會科學知識創造而言，人工智能能做什麼和不能做什麼的問題就容易回答了。簡單地說，人工智能能夠創造形而下的知識，但人工智能很難甚至沒有能力來創造形而上的和介於形而上、形而下之間的知識。對形而下的知識的創造，人工智能遠比人類高效和精確，形而上的和介於形而上、形而下之間的知識則依然屬於人類的智能和智慧范疇。至少從現階段的人工智能技術來看，人工智能沒有能力作出這樣的知識創造。隨著人工智能技術的發展，人工智能能否擁有人類那樣的智能和智慧還有待觀察。從這個視角來看，在知識創造領域，人類和人工智能必然會形成一種勞動分工。前文討論過的維特根斯坦對人類思想“劃定一個界限”的論斷也同樣適用於人工智能，即人工智能會很清楚地表達能表達的思想，對不能表達的思想則會保持沉默。也就是說，盡管從近期來看，人工智能對社會科學研究的沖擊是巨大的，但在知識創造領域，人工智能仍不能取代人類。人類知識生產體系的改革迫在眉睫，人類應准備好接受人工智能的賦能功能，避免人工智能的去能影響，同時超越人工智能，創造人工智能所不能創造的知識。

（作者：鄭永年，系香港中文大學〔深圳〕公共政策學院院長、華南理工大學公共政策研究院學術委員會主席）