AI時(shí)代，文科會(huì)崛起嗎？

生若夏花

一、為什么最近越來(lái)越多人說(shuō)“文科要崛起” 最近一段時(shí)間，經(jīng)常聽(tīng)到一種說(shuō)法：隨著人工智能的發(fā)展，未來(lái)可能不再是理工科的時(shí)代，而是文科重新占據(jù)優(yōu)勢(shì)。理由聽(tīng)起來(lái)似乎很有道理。人工智能擅長(zhǎng)計(jì)算，但不懂人性；大模型可以寫(xiě)代碼，卻無(wú)法真正理解社會(huì)；技術(shù)越發(fā)展，人文的重要性就越突出。因此有人推論：AI時(shí)代，文科反而會(huì)崛起。這種判斷并不是完全沒(méi)有依據(jù)。在技術(shù)快速發(fā)展的階段，社會(huì)確實(shí)會(huì)更加關(guān)注倫理、制度、心理、文化等問(wèn)題，人文學(xué)科的重要性也在不斷被強(qiáng)調(diào)。但如果進(jìn)一步得出結(jié)論：未來(lái)選擇文科比選擇理工科更有優(yōu)勢(shì)，甚至可以因此降低對(duì)數(shù)學(xué)和科學(xué)訓(xùn)練的要求，這種理解很可能是對(duì)趨勢(shì)的誤判。AI改變的，并不是文科與理科的強(qiáng)弱關(guān)系，而是整個(gè)人才結(jié)構(gòu)的要求。在這種變化中，真正受到?jīng)_擊的，往往不是理工科，反而是大量傳統(tǒng)的文科路徑。 ?二、AI首先沖擊的，恰恰是大量依賴(lài)語(yǔ)言和信息處理的崗位 很多人以為人工智能會(huì)優(yōu)先替代理工科工作。因?yàn)槌绦蚩梢宰詣?dòng)生成代碼，機(jī)器可以完成計(jì)算，工程流程可以自動(dòng)化。但從現(xiàn)實(shí)情況看，最先受到?jīng)_擊的，反而是大量依賴(lài)語(yǔ)言和信息處理的崗位，例如： ? 文案寫(xiě)作 ? 翻譯 ? 報(bào)告整理 ? 新聞編輯 ? 市場(chǎng)內(nèi)容制作 ? 基礎(chǔ)法律文書(shū) ? 咨詢(xún)材料整理 ? 行政與信息處理工作這些工作過(guò)去需要較強(qiáng)的閱讀和寫(xiě)作能力，但并不一定需要深度的科學(xué)訓(xùn)練。而大模型最擅長(zhǎng)的，正是： ? 生成文本 ? 總結(jié)信息 ? 改寫(xiě)內(nèi)容 ? 模仿風(fēng)格 ? 進(jìn)行基礎(chǔ)分析在很多場(chǎng)景下，AI已經(jīng)可以完成大部分工作量。因此，從就業(yè)結(jié)構(gòu)看，AI最先替代的并不是理工科，而是大量以語(yǔ)言和知識(shí)處理為主的崗位。這并不意味著文科沒(méi)有價(jià)值，但意味著低層次的腦力勞動(dòng)正在迅速貶值。在這種情況下，說(shuō)“文科會(huì)崛起”，顯然并不符合現(xiàn)實(shí)。 ?三、人文重要，并不等于傳統(tǒng)文科更有優(yōu)勢(shì) 很多人之所以認(rèn)為文科會(huì)崛起，是因?yàn)榭吹搅硪粋€(gè)真實(shí)的趨勢(shì)：隨著技術(shù)的發(fā)展，人文問(wèn)題越來(lái)越重要。例如： ? 人工智能倫理 ? 科技政策 ? 社會(huì)治理 ? 心理健康 ? 行為科學(xué) ? 醫(yī)療決策 ? 科技與法律 ? 科技與商業(yè)這些領(lǐng)域確實(shí)需要人文學(xué)科的知識(shí)。但這里容易產(chǎn)生一個(gè)誤解：人文問(wèn)題變重要，并不等于傳統(tǒng)文科專(zhuān)業(yè)更有優(yōu)勢(shì)。現(xiàn)實(shí)中的新方向，往往是交叉領(lǐng)域，例如： ? Cognitive Science ? Neuroscience ? Behavioral Economics ? Bioethics ? AI policy ? Computational linguistics ? Data science + social science這些方向需要的不是單一學(xué)科，而是多種能力的結(jié)合。既要理解社會(huì)，也要理解技術(shù)；既要能分析問(wèn)題，也要能處理數(shù)據(jù)；既要有人文視角，也要有科學(xué)方法。未來(lái)需要的是具有人文理解力的人，但不一定是傳統(tǒng)意義上的文科生。 四、自然語(yǔ)言時(shí)代，并不意味著文科更有優(yōu)勢(shì) 近年來(lái)還有一種很流行的說(shuō)法：AI時(shí)代不再需要編程語(yǔ)言，而是使用自然語(yǔ)言與系統(tǒng)交互。既然未來(lái)的接口是語(yǔ)言，那么文科生可能反而更有優(yōu)勢(shì)。這種推論忽略了一個(gè)關(guān)鍵問(wèn)題：自然語(yǔ)言只是輸入形式，背后的思維結(jié)構(gòu)并沒(méi)有改變。在早期的軟件時(shí)代，人和計(jì)算機(jī)之間的交互需要通過(guò)編程語(yǔ)言完成。編程語(yǔ)言具有嚴(yán)格的語(yǔ)法和邏輯，因此需要較強(qiáng)的理工訓(xùn)練。大模型出現(xiàn)之后，人們可以直接使用自然語(yǔ)言輸入指令，看起來(lái)門(mén)檻降低了。但當(dāng)任務(wù)變得復(fù)雜時(shí)，仍然需要： ? 清晰的目標(biāo)定義 ? 嚴(yán)格的邏輯分解 ? 對(duì)變量和條件的控制 ? 對(duì)結(jié)果的驗(yàn)證與修正 ? 對(duì)系統(tǒng)行為的預(yù)判這些能力并不會(huì)因?yàn)槭褂米匀徽Z(yǔ)言而消失。自然語(yǔ)言降低的是語(yǔ)法難度，并沒(méi)有降低思維難度。AI時(shí)代并不是不需要理工思維，而是即使不寫(xiě)代碼，也必須像工程師一樣思考。 五、真正下降的，不是文科，而是單一學(xué)科路徑 AI帶來(lái)的變化，并不是某一個(gè)學(xué)科的興衰，而是整個(gè)教育結(jié)構(gòu)的變化。過(guò)去的培養(yǎng)模式是分科式的：文科理科工科商科學(xué)生較早確定方向，然后沿著一個(gè)專(zhuān)業(yè)不斷深入。但在新的技術(shù)環(huán)境下，很多重要領(lǐng)域都難以用一個(gè)專(zhuān)業(yè)來(lái)定義，例如： ? 醫(yī)學(xué) + 數(shù)據(jù) ? 生物 + AI ? 計(jì)算機(jī) + 心理學(xué) ? 金融 + 數(shù)學(xué) + 編程 ? 法律 + 技術(shù) ? 工程 + 材料未來(lái)更有競(jìng)爭(zhēng)力的人，往往不是某一個(gè)專(zhuān)業(yè)最強(qiáng)，而是具備跨領(lǐng)域能力。因此，真正下降的不是文科，而是所有只依賴(lài)單一訓(xùn)練的路徑。無(wú)論是純文科，還是純理科，如果缺少跨學(xué)科能力，都可能在AI時(shí)代面臨壓力。單一學(xué)科的時(shí)代，正在逐漸結(jié)束。 六、AI時(shí)代真正需要的，不是文科，也不是理科，而是能力結(jié)構(gòu) 在過(guò)去的教育體系中，學(xué)生很早就要在文科和理科之間做出選擇，然后圍繞某一個(gè)方向不斷深入。這種模式在工業(yè)時(shí)代是有效的。社會(huì)分工穩(wěn)定，職業(yè)路徑清晰，只要在一個(gè)領(lǐng)域接受系統(tǒng)訓(xùn)練，就可以長(zhǎng)期使用。但在人工智能快速發(fā)展的背景下，情況正在發(fā)生變化。越來(lái)越多的重要領(lǐng)域，本身就是交叉形成的： ? 生物與人工智能 ? 醫(yī)學(xué)與數(shù)據(jù)科學(xué) ? 工程與材料 ? 計(jì)算機(jī)與心理學(xué) ? 商業(yè)與統(tǒng)計(jì) ? 法律與科技政策在這樣的環(huán)境下，僅依賴(lài)單一學(xué)科訓(xùn)練，往往不再足夠。AI時(shí)代真正需要的，是一種更穩(wěn)定的能力結(jié)構(gòu)：第一，扎實(shí)的基礎(chǔ)訓(xùn)練數(shù)學(xué)、科學(xué)方法、邏輯推理不會(huì)因?yàn)锳I而變得不重要。第二，良好的表達(dá)和理解能力無(wú)論做研究還是做工程，清晰表達(dá)仍然非常關(guān)鍵。第三，跨領(lǐng)域?qū)W習(xí)能力未來(lái)的問(wèn)題往往需要多個(gè)學(xué)科共同解決。第四，長(zhǎng)期學(xué)習(xí)能力技術(shù)變化越來(lái)越快，一次選擇無(wú)法決定一生。從這個(gè)角度看，AI并沒(méi)有讓文科崛起，也沒(méi)有讓理科消失，而是讓對(duì)人的要求變得更加全面。在AI時(shí)代，真正拉開(kāi)差距的，往往不是選擇了哪一個(gè)專(zhuān)業(yè)，而是有沒(méi)有建立起能夠不斷適應(yīng)變化的能力。 桓菁視角關(guān)于教育關(guān)于成長(zhǎng)關(guān)于時(shí)代Haijun Hu教育顧問(wèn)/寫(xiě)作者