当算法照进人文：学科壁垒的崩塌与重生

人工智能给人文学科带来的震动，其本质并非简单的取代或转移，而是一场深层的结构暴露与剥离。AI并未首先撼动人文领域最内核的素养——对语境的领悟、对叙事的搭建、对价值的权衡——这些能力依然顽强地抵御着形式化与机械化的侵蚀；它率先冲击的，是包裹在这些核心能力之外的一整套制度性外壳：教学规划、评估标准、学科壁垒，以及维系它们的那些关于“何谓真知”“何谓学术”“何谓深刻”的潜在共识。

正是在这一维度上，AI释放出其真正的颠覆性能量。长期以来，人文学科通过一种被刻意维系的复杂结构，将真正的批判性思维与大量初级的语义操作混为一谈，并以统一的标准予以认证和褒奖。艰深的阅读、规范的引注、娴熟的理论搬用、看似精密的文本解读——这些操作既是培养过程的环节，也逐渐被误认为是培养本身的终极目标。当这些操作需要人类付出漫长的时间与精力时，它们与“深刻”之间尚能保持某种表象上的联结；而当AI以极低成本复现这些操作（如“博古通今”“满腹经纶”）时，这种联结便首次被彻底斩断。复杂性不再天然指向深度，困难性也不再天然等同于价值。

因此，这场震动的核心，并非能力层面的替换，而是正当性层面的动摇。AI所揭示的，不只是某些具体技艺的可复制性，而是人文学科长期倚赖的一种认知迷思：通过叠加操作的繁复度来模仿判断的深刻性，通过拉长培养周期来暗示价值的积淀。这种迷思一旦破灭，问题便不再是“文科还能做什么”，而是“文科过去究竟在干什么”。

在这一语境下，“死守学科壁垒”呈现出新的意涵。它不再只是学科建制上的守旧立场，而是一种试图维系既有正当性的认知防卫策略：将文科的价值禁锢在对典籍的诠释之中，将方法论的纯正性视作学术尊严的象征，将跨界实践视为对身份的弱化。边界在此所扮演的角色，不只是圈定研究疆域，更是在为一套业已失效的能力结构提供最后的庇护。

正是在这一意义上，死守学科壁垒的文科，展现出一种表面坚固而内里脆弱的状态。它看似拥有明确的规范、成熟的评审机制与深厚的传统，实则在其最根基的层面——对何谓有效培养、何谓学识或学问、何谓真实判断的理解——上正逐渐丧失支撑。一旦那些可被AI轻易复制的部分不再被误认为是核心，整个体系的重心便发生了不可逆的偏移。

因此，问题不在于文科是否遭遇危机，而在于它所倚赖的某种生存模式，当下，我们熟知的“文科”已然步入结构性难以为继的阶段。死守学科壁垒，并非在一条充满未知的路径上审慎前行，而是在为一种已然丧失现实根基的稳定性幻象延寿。这并非因为文科的核心价值正在消弭，恰恰相反，是因为这种以壁垒为中心的自我保护模式，从根本上背离了文科本应承载的那种素养——在复杂情境中作出判断，并为这种判断承担后果。

当曝光过程结束后，抉择也愈发清晰：要么继续在壁垒之内维护复杂性的表象，以延缓这一幻象的溃败；要么承认这种溃败的必然性，在失去庇护之后，重新界定文科的核心素养。前者通向一种缓慢而体面的凋零，后者则意味着一次真正意义上的蜕变——代价巨大，但仍保有未来。

延伸阅读：

徐贲：AI如何改写人类的战争伦理？

全民“养龙虾”时代，我们为什么写作？

文科惯常的自我慰藉叙事是这样的：AI取代了理工科的核心技艺，文科因其“不可量化性”而得以幸免，甚至逆袭。这个叙事令人宽慰，但它回避了一个更令人不安的真相：文科的“幸存”，并非源于自身固有优势，而是因为人类整体的判断力仍未被机器彻底取代——文科自身若不蜕变，它不过是在以更慢的速度走向同样的终点。

文科内部长期存续一批“伪素养”——那些在没有AI的时代看似有价值，本质上只是对既有知识进行初级重组与表述的能力。一篇关于葛兰西（Antonio Gramsci）霸权理论的文献梳理，一篇剖析《论语》叙事结构的学期报告，一篇套用后殖民框架解读某部当代小说的期末作业——这些产出之所以在过去能够通过评审体系，部分原因在于生产它们本身需要时间、耐心与一定的阅读积累。门槛虽浅，但终究存在。

AI的出现将这个门槛夷平。一个从未读过葛兰西《狱中札记》（Prison Notebooks）的人，可以在十分钟内获得一份措辞精准、引注规范、论证连贯的葛兰西思想综述。当初级产出的门槛消失，文科内部原本被遮蔽的能力分层首次以赤裸的方式暴露出来。

但这种暴露，其真正的深度，远超一般所描述的“能力危机”。它动摇的不只是某类技艺的市场价格，而是文科培养赖以维系自身正当性的一套隐性伦理——一种可被称为“知识苦修主义”（epistemic asceticism）的价值信条。

这套信条的核心逻辑是：付出即价值。它假定，凡是需要大量时间投入才能掌握的东西，必然具备相应的认知深度；凡是习得过程足够艰辛的能力，必然具备相应的判断价值。这个逻辑在前AI时代有其合理性——当困难的任务确实只有经过长期培养的人才能完成时，困难性与价值性之间存在相当的相关性，尽管二者从未真正等同。

AI首次将“困难”与“价值”彻底剥离。它揭示的是：时间投入 ≠ 认知深度 ≠ 判断力。一件事之所以曾经困难，可能仅仅因为信息获取的门槛高，可能仅仅因为语言处理的速度慢，可能仅仅因为跨文本综合需要记忆力——而所有这些，都是AI的强项，而非人类认知的核心所在。当AI轻松完成那些曾经需要数年培养才能完成的任务，它实际上是在做一次历史性的证伪：那些任务的困难性，从来就不是判断力的证明，只是信息处理门槛的产物。

这是一种启蒙幻象的破裂。现代人文教育继承了启蒙运动的一个核心信念：理性的培养是可积累的，知识的习得是通向判断力的可靠路径。文科培养通过“困难性”来制造价值感，并将这种价值感与人格的塑造、批判意识的养成绑定在一起，形成一套自洽的教育叙事。AI对这套叙事的冲击，不是从外部攻破它，而是从内部暴露它的地基：原来那些被视为“判断力培养”的大部分操作，不过是可以被机器高效复制的信息处理流程，而判断力本身——如果它真的存在于文科培养之中——从未在那些操作里被系统地锻造过。

更令人不安的是，许多文科学者与学生对这种揭穿的第一反应，不是反思培养本身，而是谴责AI“威胁学术诚信”。这个反应本身，恰恰印证了那种幻象的顽固：他们本能地感到，如果AI可以轻松完成他们花了多年才学会的事情，被质疑的不只是他们的成果，而是他们整个培养过程的意义。这种焦虑是真实的，但它指向的方向是错的。问题不在于AI作弊，而在于被AI轻松复制的能力，从一开始就不应该被视为文科的核心价值所在。

揭穿，从这个意义上说，是一个痛苦但必要的礼物：它迫使文科第一次诚实地面对一个长期回避的问题——我们究竟在培养什么？

在推进论证之前，有必要认真对待反对意见的最强版本。死守学科壁垒的立场，并非没有智识根基，草率地将其驳斥为保守主义，反而会使批判失去应有的说服力。

反驳一：学科壁垒是深度的前提，没有壁垒就没有真正的知识。

这是最有力的反对意见，也是最值得认真对待的一个。它的核心逻辑是：真正的跨界整合，需要以某一领域的真正深度为基础；如果连一个领域都没有深入过，所谓“跨界”不过是浅薄的拼贴。没有对修昔底德《伯罗奔尼撒战争史》文本的深入研读，就无法真正理解战争叙事的历史逻辑；没有对康德《道德形而上学奠基》的细致把握，就无法真正进行伦理推理。壁垒，在这个意义上，是知识深度的必要条件。

这个论证的核心是正确的——深度确实需要专注，专注确实需要某种边界。但它混淆了两种不同性质的边界：作为方法的边界，与作为制度的边界。作为方法的边界，是指在研究某一具体问题时必要的概念精确性和分析深度；这种边界是弹性的，随问题的性质而伸缩。作为制度的边界，则是指以学科归属来划定知识评审的范围，以方法论的纯粹性来判断研究的合法性；这种边界是刚性的，服务的不是认知的需要，而是制度的运作。死守学科壁垒，固守的是后一种，而非前一种。深度不需要制度性的封闭才能维持，它需要的是对真实问题的持续投入——而真实问题，从来不遵循学科分类来存在。

反驳二：AI只能模仿，无法真正理解文本的复杂性。

这是一个技术性的论证，它的基础是对AI能力局限的正确观察：大语言模型是基于统计规律的语言生成系统，它不“理解”文本，它只是在极其庞大的语料库中识别模式，生成在统计意义上连贯的输出。一个AI可以写出关于葛兰西的流畅综述，但它并不“懂”葛兰西，就像一个能完美复述乐谱的机器并不“懂”音乐一样。

这个观察在技术层面是准确的。问题在于：制度并不奖励“理解”，它奖励“可评估的输出”。在现实的评审体系中，一篇让审阅者认为“有深度”的文章，和一篇真正有深度的文章，获得的制度性奖励是相同的——因为评审机制本身就无法可靠地区分二者。当AI能够持续生产前者，制度性奖励的基础就发生了动摇，无论AI是否真正“理解”。更根本的问题是：如果“真正理解”是文科价值的核心，那么文科的教育体制是否在系统地训练这种理解，还是在训练它的可评估替代物？AI的出现，恰恰将这个问题逼到无法回避的位置。

反驳三：文科的价值本来就不在“实用”，而在“保存人类精神”。

这是最古老，也最具感召力的文科辩护词。它的基础是一个真实的价值判断：并非所有有价值的东西都需要以效率和实用来衡量；古典文学、历史记忆、哲学传统，作为人类文明的载体，其价值独立于任何功利考量。

这个立场在原则层面是值得尊重的。但它面对一个无法回避的追问：如果文科的价值存在于对人类精神的保存与传递，那么这种保存与传递是否真的在发生？一种被锁在学科壁垒内、只在同行之间流通、无法进入任何真实的社会判断的“精神保存”，究竟在保存什么、为谁保存？精神价值若无法在真实的判断情境中被激活，若无法在面对真实的伦理困境时提供实质性的导向，它就有沦为装饰性遗产的危险——被精心维护，却不再被真正使用。文科的传统之所以值得保存，不是因为它古老，而是因为它包含了在复杂情境中进行价值判断的智慧积累。而这种智慧，只有在被真正调用的时候，才算得上活着。

要理解为什么死守学科壁垒如此顽固，必须将问题从认识论转向政治经济学。学科壁垒从来不只是知识分类的工具，它同时也是一套资源配置与权威生产的制度装置。在这套装置中，什么被视为“有效知识”，谁有资格作出判断，哪些成果能够获得认证与传播，并非纯粹由真理标准决定，而是嵌入在一整套可运作、可复制、可分配的制度结构之中。

现有的学术评审体系——期刊、出版社、同行评议——本质上是工业时代的认知认证机器。它们的设计逻辑，与流水线生产有着深刻的同构性：将复杂的知识生产过程拆分为可标准化评估的环节，并通过一系列程序性检验来保证“质量”。在这一体系中，最容易被评估，也最稳定可复制的，是专业深度——在一个划定明确的学科范围内，方法是否规范，文献综述是否充分，论证是否符合既定的逻辑链条。

这种评估能力的前提，是壁垒的稳定存在。因为只有在壁垒清晰的前提下，“同行”才得以定义；只有在同行可以被界定的前提下，评议才具有可操作性；而只有在评议机制能够运作的前提下，整套认知认证机器才能维持其权威。换言之，学科壁垒并不是评审体系的附属物，而是它的基础设施。一旦壁垒松动，不只是研究对象变得模糊，连“谁有资格评价谁”这一问题本身，都会失去稳定的答案。

《毕业派对》（Fandango，1985）剧照。

因此，维护学科壁垒，对于那些已经在现有体制内积累了权威的人来说，并不是出于观念上的守旧，而是一种高度理性的利益选择。一位在某学科深耕三十年、发表了数十篇同行评议论文的学者，他的学术资本——不仅是知识积累，更是声誉、网络与评价权——全部建立在这个壁垒的稳定存在之上。这个壁垒不仅定义了他“擅长什么”，也定义了“什么算作擅长”。一旦壁垒松动，他的比较优势就可能被跨界综合者所稀释，甚至被AI所复制。原本依赖长期积累才能获得的地位，将不再具有同样的排他性。

正是在这个意义上，路径依赖（path dependency）不只是一个描述制度惯性的概念，而是一种利益结构的诊断。制度之所以顽固，不是因为它在认知上不可替代，而是因为它在分配上仍然有效。它决定谁被雇用，谁被发表，谁被引用，谁被视为“严肃的学者”。在这种分配机制尚未完全失效之前，守护它的人就有充分的理由延缓任何可能动摇它的变革。

美国社会学家罗伯特·默顿（Robert Merton）在《科学中的马太效应》（“The Matthew Effect in Science”）中所描述的积累性优势（强者更强，弱者更弱），在这里呈现出一种更加封闭的形态：已经拥有学科资本的人，不仅通过自身的生产继续扩大优势，还通过制度位置——同行评议、招聘委员会、期刊编委会——来塑造规则本身，使之持续有利于既有资本的再生产。新进入者即便意识到这套规则的局限，也往往不得不在其内部运作，以换取进入资格。这不是阴谋，而是一种高度稳定的制度均衡：每一个个体都在理性行事，而整体却指向守旧。

然而，AI的到来打破的，正是这种均衡赖以成立的一个关键前提：学科资本的稀缺性。过去，深度积累（如钱钟书的“博闻强记”）之所以具有价值，是因为它难以复制，需要时间、记忆力与系统训练；而现在，AI正在将这种积累中的相当一部分转化为可以被即时调用的公共资源。文献综述、概念梳理、框架应用——这些曾经构成学科训练主体的能力，正在被快速商品化，成为任何人都可以低成本获得的“认知基础设施”。

这意味着竞争的性质正在发生转变。过去的竞争，是在既定壁垒内进行的深度积累竞争；而现在，竞争正在转向另一种维度：谁能够在不同知识域之间建立有效连接，谁能够在真实问题中整合多种认知资源，谁能够在不确定条件下作出承担后果的判断。在这一转变中，死守学科壁垒的人不只是失去了相对优势，而是逐渐暴露出其资本形式的局限性——他们所持有的，不再是稀缺的判断能力，而是可以被复制的标准化产出能力。

纪录片《象牙塔》（Ivory Tower，2014）画面。

从政治经济学的角度看，这是一种典型的资本贬值过程：当某种能力可以被规模化生产时，它就不再能够支撑原有的分配结构。学科壁垒在这里的作用，越来越像一种人为维持稀缺性的机制——通过限制评审范围，来延缓这种贬值的显现。但这种延缓是有成本的：它使整个体系与外部世界的脱节不断加深，使真正有价值的能力越来越难以在体系内部获得识别与奖励。

因此，死守学科壁垒，不只是一个认知选择，更是一种对既有分配结构的防卫。而AI的冲击之所以具有结构性意义，正是因为它同时作用于认知层面与分配层面：一方面，它揭示了哪些能力只是复杂性的产物；另一方面，它削弱了这些能力作为稀缺资本的地位。在这双重压力之下，学科壁垒从一种保障深度的框架，逐渐转变为一种阻碍能力更新的制度壳层。

当一种制度必须依赖限制问题的范围，才能维持其评审标准的有效性时，它实际上已经站在了变化的对立面。而在AI不断重组知识生产条件的时代，这种对立，并不是一种可以长期维持的稳定状态。

如果我们承认学科壁垒的政治经济学基础，那么，下一个问题就是：文科的出路究竟在哪里？答案比许多人愿意承认的更为明确：跨界不是一种学术时髦，而是AI时代文科的基本生存条件。

但这里需要立即澄清一个危险的误解：跨界不等于蜻蜓点水。如果文科的跨界只是在原有训练之上，加一层对AI技术术语的表面熟悉，加一些对数据分析方法的浅显了解，那么这种“跨界”不过是用另一种方式生产低级产出——只是换了一套词汇，AI同样可以轻松复制。

当我们在AI时代讨论文科的“跨学科”时，如果不加区分，很容易把几种本质不同的能力混为一谈。表面上看，它们都指向“跨越壁垒”，但其内在逻辑与运作方式却并不相同。更准确地说，AI时代的文科跨学科，至少呈现出两种逐渐分化、却又彼此关联的路径：一种指向现实世界中的责任担当，另一种则指向知识世界中的概念重组与思想生成。

电影《社交网络》（2010）剧照。

例如，文科可以通过语境嵌入（context embedding），使其判断力承担现实世界中的伦理和政治责任。文科的判断力，必须嵌入真实系统才能被锻造。这意味着文科训练不再以“研究问题”为终点，而以“承担后果”为检验标准。一个受过良好哲学、伦理学、心理学训练的人，如果他对伦理论证的掌握只停留在对文献的熟练综述，那么这种掌握在AI时代的价值是有限的。但如果他将这种训练带入一家医院的临床伦理委员会，参与关于是否使用AI诊断系统替代医生决策的真实辩论，在病人利益、医疗效率、算法偏见和责任归属之间作出真实的权衡，那么他所锻造的，就是AI无法模拟的判断能力——不是因为这种判断更聪明，而是因为它植根于真实的利害关系之中，带着真实的责任担当。语境嵌入的对象可以是医疗、法律、AI产品设计或政策制定，但核心要求是一致的：不再是从外部分析系统，而是作为系统的一部分运作，并对自己的判断负责。

在这一意义上，跨学科并不是“多懂一点别的领域”，而是使自身的判断嵌入医疗、法律、技术或治理等不同系统的运作之中，使抽象的理解转化为具有现实约束力的决策。这种跨学科的核心，不在于知识的广度，而在于责任的强度；不在于连接了多少领域，而在于是否真正进入了那些判断不可回避、后果不可撤销的场景之中。

然而，如果仅仅停留在这一层面，我们对“跨学科”的理解仍然是不完整的。因为在另一条同样重要的路径上，AI正在以一种更为隐蔽却同样深刻的方式，重塑文科研究本身的知识生产机制。与社会实践中的跨界不同，这种跨学科发生在概念层面，在不同知识体系之间进行重组、迁移与再定义，其典型形式，正是那些试图重新书写基本人类经验的著作——关于愚蠢、孤独、尊严、洁净与肮脏等概念的历史与哲学探究。

在过去，这类研究之所以困难，并不仅仅因为它需要跨越多个学科，更因为不同知识体系之间存在着高昂的进入成本与整合难度。语言学、历史学、心理学、哲学各自拥有不同的问题意识、方法论传统与概念结构，将它们真正连接起来，需要长时间的积累与极高的认知负担。也正因如此，这类跨学科著作往往依赖个别学者的长期沉淀，难以规模化，也难以成为一种普遍的研究路径。

AI的出现，在这一点上带来了微妙但重要的变化。它并没有替代这种跨学科创造的核心难度，却在很大程度上降低了进入不同知识体系的门槛，并加速了概念之间的可见性。一个研究外语或文学的人，借助AI，可以迅速接触到心理学关于孤独的实验研究、社会学关于现代性与疏离的理论、哲学关于自我与他者的讨论，以及历史上不同文化对这些经验的表达方式。这种能力，并不仅仅是信息获取的加速，更在于它使原本分散在不同学科中的知识片段，开始以一种可被同时把握的方式呈现出来，从而为概念层面的重组提供了前所未有的条件。

更进一步说，AI在这里扮演的，不只是一个资料整合器，而更像一个“概念实验场”。在这个实验场中，研究者可以不断尝试不同的连接方式：如果将某一心理学概念引入历史叙事，会发生什么？如果用哲学的规范性框架重新解释一种社会现象，会产生怎样的张力？如果将不同文化中的相似经验并置，它们之间的差异是否会揭示出某种更深层的结构？这些尝试，本质上是一种思想实验，而AI所提供的，是让这种实验得以快速展开的环境。

《心灵捕手》（Good Will Hunting，1997）剧照。

但正是在这里，第二种跨学科与第一种跨学科之间的深层关联也显现出来。因为无论是在现实系统中的判断，还是在概念层面的重组，真正不可替代的部分，都不在于连接本身，而在于对连接的选择。AI可以生成无数种可能的跨学科组合，可以提供看似合理的概念迁移路径，可以在不同知识体系之间搭建初步的桥梁，但它无法决定哪一种连接是有意义的，哪一种重组揭示了真实的问题，哪一种概念需要被保留，哪一种则必须被舍弃。

换句话说，如果第一种跨学科强调的是“判断与后果的绑定”，那么第二种跨学科强调的，则是“概念与意义的绑定”。前者发生在现实之中，后者发生在思想之中，但两者共享同一个核心：判断不能被外包。没有这种判断，跨学科就会退化为两种不同形式的空洞——在现实中，它成为没有责任的意见；在学术中，它则成为没有内在张力的拼贴。

AI并没有简单地“赋能”文科的跨学科能力，而是将其内部的分化推向了极端。一方面，它使低成本的跨界变得极其容易，从而迅速暴露出大量停留在表层连接的研究形式；另一方面，它也为真正的跨学科创造提供了前所未有的工具，使那些能够在概念层面进行严肃判断的研究者，拥有更广阔的操作空间。这种分化的结果，并不是跨学科的普遍繁荣，而更可能是一种结构性的两极化：一端是由AI大量生成的、看似复杂却缺乏内在必要性的知识拼接，另一端则是少数能够在多重知识体系之间维持张力、并对这种张力负责的思想工作。

死守学科壁垒的文科，不只面临来自AI的能力挑战，还面临来自知识生产方式本身变革的结构性压力。一套与官方学术体系并行运作的“影子知识体系”（shadow knowledge system）正在旧体制的边缘成形：独立写作者的订阅者数量超过许多学术期刊的读者总量，深度分析现实问题的自媒体文章在二十四小时内积累的阅读量超过一本“学报”或“课题著作”的终身销量，跨界知识共同体在私人平台上进行着比许多学术会议更前沿的思想交换。

要理解影子知识体系的结构性意义，需要识别它与旧体制在三个维度上的根本差异。

第一是时间结构的变化。学术知识生产是慢速的、延迟认证的：一篇论文从投稿到发表，往往需要一到三年，其影响力的积累通常在数年甚至数十年后才能被评估。影子知识体系则是快速的、即时反馈的：一篇文章发布后数小时内，读者的反应、批评和进一步发展就已经在流通。这种时间结构的差异，根本性地改变了“什么被认为重要”——在一个AI时代的问题以月为单位迭代的世界里，一套以年为单位运转的认证机器，必然越来越难以捕捉真正重要的知识。

第二是权威