人工智能革命重塑知识生产模式

自20世纪中叶萌芽，21世纪第二个十年爆发并席卷全球的人工智能浪潮，不仅是科技与产业的革新，更深刻折射出人类知识生产模式的根本性转变。这一转变促使“科学”向“知识”回归，即恢复其应有的整体性、关联性、开放性、多元性和包容性特质。

知识生产范式向复杂性科学演进

革命意味着根本性的颠覆。人工智能80年的发展可分两阶段：早期基于符号逻辑，后期转向联结主义，提出神经网络与机器学习，通过图灵测试。这种转向不仅是工具拓展，更是认识论的突破，体现了知识生产方式的变革。

符号逻辑早期认为解决自然语言处理即可推演出定理，但仅限小规模，面对复杂问题失效。联结主义摒弃逻辑规则，模仿人脑神经网络，采用多层深度网络。信息分布存储，通过反向传播算法微调参数，实现“机器学习”。如视觉识别，系统自动抽取语义特征，类似人类积累经验，故被称为“经验主义者”。2016年阿尔法狗战胜人类，其原理至今难解，印证了经验主义知识生产的特征。

回顾历史，知识生产从经验主义跃升至科学主义，正迈向人机协同混合模式。早期知识依赖个体经验，后伽利略开启实验数学，牛顿建立经典物理，知识进入逻辑实证阶段。爱因斯坦相对论及复杂性科学、量子力学的发展，动摇了经典决定论，为AI大模型奠定认识论基础。AI从数据中发现规律，看似回归经验主义，实则是线性实证向非线性复杂科学的转型与螺旋上升。

知识形态呈现立体交互特征

知识形态随载体演变。原始知识以人为载体，文字后固化于平面，印刷术促进传播。数字时代，知识呈现数据化、可检索、流动交互的立体形态。生成式AI通过数据重组改变知识结构，元宇宙等技术将知识交互推至新高度，颠覆传统静态形态。

远古知识零碎不稳定；文字时代形成精英垄断；现代教育实现大众共享，知识系统化；AI时代知识呈网状、快速流动且碎片化，伴随注意力分散与认知浅层化。

知识形态演变是认知、技术与社会互动的结果。福柯提出“知识即权力”，AI时代掌握数据算法的主体拥有“算法权力”。同时，数字网络打破地域边界，促进全球思想碰撞，但也加剧文化同质化，凸显本土文化与自主知识体系构建的重要性。

知识类型加速交叉融合

人工智能是多学科知识凝聚的新范式，涉及物理、信息、脑科学等，哲学社会科学参与度深。18、19世纪知识分化，21世纪则高度综合。教育部提出“四新”与AI革命同步，旨在打破学科壁垒，推动跨学科研究，实现知识综合整合。

科学仅是近几百年的事，“知识”更具包容性。AI推动学科融合，使知识重获整体性、关联性、开放性、多元性与包容性，这是AI革命对知识生产的深层意义。

知识生产效率激增伴随隐忧

AI革命极大提升生产效率，本质是AI辅助科研（AI4S）缩短时间。传统科研耗时费力，AI在实验设计、数据处理、模式识别上优势显著。例如在天文、气象、化学、材料领域，AI能快速分析数据，预测趋势，优化流程。

然而，AI不能产生原创知识，本质是贝叶斯概率推理，是对已有信息的“重组”或“深加工”，非“无中生有”。AI在艺术创作上虽有表现，实则遵循套路。此外，AI的“幻觉”与“伪知识”也带来困扰，抵消了效率提升。因此，提升公众AI素养（技术认知、工具应用、伦理评估）刻不容缓。

知识生产主体在人机互动中重塑

AI参与生产并未改变人的主体地位，人仍是主导者。人机协作中，人发出指令，机器是被动工具。应避免拟人化宣传导致的主体地位弱化。人的智能包含意识、直觉、创造，而AI仅是数据概率分析。莫拉维克悖论显示，人类擅长直觉与创造，AI擅长计算。AI的终极意义是扩展而非替代人类价值，将人从重复劳动中解放，推动“全人教育”。

（本文转自《光明日报》2026年04月10日11版；作者石英，系西北农林科技大学人文社会发展学院讲座教授。）