AI时代，文科生何去何从？

前段时间，张雪峰一句“文科都是服务业”再次引起了舆论上的“文理之争”，从专业课的质量不一到就业前景的不明朗，文科生承受着普遍的焦虑。而随着生成式AI在各领域的应用，也有一种声音认为，AI将在不久后取代一些文科生的就业机会，比如一些机构媒体设立了 AI编辑、AI记者；一些企业也尝试用AI取代原画师。

然而，以上两种假设反映了社会长久以来对文科的误解，也是近年来对AI的误解。AI在一定程度上打破了文理科生的技术壁垒，而过去一些 AI产品被诟病太“生硬”，更需要文科生的人文素养与情感关怀，比如对于聊天式AI语料库的筛选。纵观人类历史，技术一直在重塑我们对于学业和工作的理解， AI并非“洪水猛兽”，或许更应该思考是：如何运用 AI、如何打磨那些无法被AI取代的能力。

从被热议的“文理之争”出发，这期播客试图讨论在人工智能时代，文科何为？当一波技术浪潮袭来，如何应对AI焦虑并发现真实的需求？以及从知识生产的角度去看，创造力将如何诞生于人与AI的交互中？

如何看待张雪峰的言论？

青年志：谈及“文理之争”，张雪峰的言论总能引发舆论热议。去年他说“孩子报新闻系就把他打晕”，今年又认为“文科都是服务业”。两位对他的观点有何回应？这里面体现了公众的哪些焦虑？

刘海龙：张雪峰的言论，我个人觉得回应价值不大。他的做法更像是一个营销手段，通过这样的惊人之语来吸引关注。虽然学术界严肃回应的人还蛮多，但在回应之后随着大众的参与，事情就朝互相网暴的方向发展了。最后张雪峰又迫于舆论压力道歉，不再回应。而真正的讨论理应是双方各自陈述观点，有来有往地进行对话。

大家似乎把这个问题简单化了。焦虑可能主要产生于那些在意志愿选择的家长和学生，他们担心志愿的选择会直接影响到未来的就业机会和发展方向。然而，我个人认为，专业和学校的选择与最终的就业是两个完全不同的问题。除此之外，这里面还包括几个环节：大学期间的学习，个人事业的发展，以及个人的幸福感和对人生的满意度。大家如今在讨论的时候往往把这几个环节混为一谈，好像选专业就一定决定了就业，而就业又一定会影响事业发展，最终影响到人生和家庭的发展。但这一过程中存在许多变量，不应简单地将它们视为一环扣一环的因果关系。

当大家把这些事情“虚假”地联系到一起，就会产生这样的焦虑，学校和专业的选择变得无比重要。并且这种焦虑还有提前的趋势，比如像在北京、上海这样的城市，中考淘汰率很高，于是中考的重要性甚至变得比高考还重要。这么类推下去，从中学、小学再到幼儿园，每个阶段的容错率都在降低。但人生是一个特别漫长的过程，你用其中一个节点决定后面的节点，本身是不科学的。

这种焦虑自然也催生了以张雪峰为代表的高考志愿填报咨询市场，这本无可厚非。你在美国申请学校，也会有一些专业机构可以提供类似的服务，因为信息确实很庞杂。但我觉得不应过分强调“选专业”的重要性，最后的决策者还应该是学生本人——这个专业是不是Ta喜欢和擅长的？

张雪峰的问题在于把“喜欢”排在价值序列的后端。其实他的一些言论也被曲解了，他的完整表达是，如果你考了高分但家庭条件不太好，那么就应该做出一个更加功利的选择；如果家庭条件好，那么可以选自己喜欢的专业。这个判断我只能同意一半。难道家庭条件不好，就没有权利选择自己喜欢的专业吗？另外这种价值观也固化了我们对孩子选择的看法，限制了家庭条件不好的人群的发展可能性。最后孩子有可能就沿着自己不喜欢的路一直走下去。可以设想，一个人选择了自己不太喜欢的专业，进了一个自己也不太喜欢的行业，事业未必能够做得很好，人生也未必能够幸福。

沛沛：就像海龙老师说的，你选择的专业和你未来从事的职业在方向上可能并不会重合。从我的个人经历来看，选择也在不断变化。我有点像典型的“小镇做题家”，高考成绩在全省排名是100左右，但当时并没有像张雪峰这样的人指导我该选什么专业，我觉得我喜欢做新闻，然后就选了新闻传播学。因为家里没有从事新闻行业的人，我是通过大众媒体对记者这份工作的描绘，外加兴趣来设立目标的。后来进入大学后发现这个目标好像跟真实的世界有些不一样，这时身边的朋友开始受到类似张雪峰言论的影响，纷纷转向理工科或商科，认为这些领域的职业发展前景更好。

后来我想了想为什么大家会有这样的选择？其实跟我们从小常听的一句话有关——学好数理化，走遍天下都不怕。对于那些缺乏社会资本的人来说，理工科可能提供了一条相对稳定的路径。它能让人在专业知识上实现垂直发展，成为专家型人才，这样当你用自己的劳动换取相应的报酬时，能获得相对优越的财富积累。而文科生的职业往往需要建立并维护许多社会关系，如果你家里本来就有一定的社会网络，这些关系可以帮助你在职业上走得更远。当时我确实也被类似的言论有所影响。

至于张雪峰说“文科都是服务业”，我觉得倒谈不上对或错。进入职场后你会发现整个社会就是一个巨大的销售场景。如果你在高校从事研究，你销售的是自己的想法或论文；如果你是技术人员，你销售的是专业知识；而像我现在做的产品营销，销售的是产品。本质上，这个世界的运作逻辑都可以被视为一种销售。

大学生该怎样应对AI焦虑？

青年志：随着以大语言模型为主的生成式AI在各领域的应用，也有一些声音认为AI会对文科生的就业产生冲击。沛沛身边的新传学子会有类似的焦虑吗？

沛沛：反而我身边的理科生会有些焦虑。举一些行业内的例子，我们有一款产品能帮你进行智能编码。比如我现在想要写一款《飞机大战》小游戏的代码，在 prompt输入指令，不出10秒钟AI就会帮你完成这段代码。然后现在也有一些公司接入了这款产品，他们公司 80%的代码都是由AI帮写的。我感觉这是AI在这个时代应用的一个开始。

在这个案例中，AI 最能提供帮助的是代码辅助生成。例如，我以前只掌握了 C 语言，但AI 能帮助我将代码翻译成 Python 或 Java，这极大地提高了学习效率。在将一种知识转化为另一种知识的过程中，AI 能提供结构性或架构性的输出，帮助我们更高效地学习和应用新知识。

刘海龙：我也觉得理工科的一些专业受到的冲击可能会更大，像沛沛刚才提到的编程这样在过去大家觉得非常高深的东西，反而会因为AI的介入被快速掌握。包括外语可能也是这样，你不学是真不懂，但学完后立马就会跟别人不一样。现在的AI都是基于大语言模型，而外语和编程本质上都是另一套语言，具备明确的规则和结构，这些知识对于AI来说是更加容易被掌握和应用的。但另外一些专业和技能，比如文学或是写小说，没有那么明确的规则，也更加主观，那可能还真不是迅速通过AI可以学习的。

另外我想说的是，这个世界充满了不确定性，一些当时看上去很明智的选择在未来也许并不适用。ChatGPT从2023年初被开放给普通用户，时间非常短。如果你是在 2020 年或 2021 年进入高校，可能无法预见到如此巨大的变化。我觉得AI对于整个社会的影响还没有正式开始。前两天看到施密特的一个发言，他讲了一个很有意思的观点，大意是直到资本主义工厂体系建立后，电才开始真正对世界产生影响，虽然直流电很早就被发明出来了，但当时对世界的改变没那么大。互联网也同样如此，90年代就出现互联网了，但大家最初也只是用来做网页，无法预见移动互联网和社交媒体出现后对世界的影响。

所以我觉得AI现在也处于这个阶段。在这种未知的情况下，就不要试图用一个确定性的目光去预测所有事情，因为任何的预测都是有局限的。既然预测不清楚，你还不如跟着爱好走，至少你做的事情是自己喜欢的。而且我觉得不管什么专业，只要做好了肯定都是有社会需求的。哪怕没有需求了，你做一些微调也可以被接受。

青年志：就海龙老师的观察，过去一年半的时间，AI对于新闻行业产生了哪些具体的影响或改变？

刘海龙：就我了解，包括一些传统媒体和专业的媒体机构，大家对于AI的使用还是比较谨慎的。其实很早在新闻领域就有计算机辅助新闻报道，而随着AI的应用，这些功能会变得更加方便使用，它可以帮助记者做一些背景资料的收集、生成一些图表和改稿。当然这也涉及到另一个问题，就是AI会产生“AI幻觉”，因为它在设计早期是为了最大限度模拟人类的回答，也就是说它可能会出现一本正经的胡说八道。所以人在这个过程中还是要起主导作用，AI只能是一个辅助工具。

另外就是AI没有办法取代记者去现场采访，因为它没有办法去直接感知这个世界。现在有些媒体会做一些虚拟主播，或者让AI帮忙进行配乐和特效的筛选，这也是AI非常擅长的，它会提高我们的制作效率。而在整个新闻内容的制作过程中，最核心的还是讲故事的能力，这也是AI暂时无法替代人的一环。

青年志：我最近看了个新闻，美国著名主持人崔娃（Trevor Noah）就在跟一些科技公司的AI产品合作，试图让AI更多地去推动环保议题、辨别真假新闻等等，这似乎也预示着一种AI跟新闻媒体在未来合作的可能。然后我也想问问沛沛，你对于AI技术在新闻业的应用有什么观察或体会？

沛沛：海龙老师刚刚说到一个点，就是电视直播行业当中的数字人技术，其实这样的技术很早就有了，而AI的出现能够帮我们的创意添砖加瓦。比如今年央视有一个 AI 盛典，当中运用了非常多的AI技术。当时有一个场景是让苏轼“赛博复生”，我们知道宋代的古汉语发音和现在是很不一样的，然后AI可以把关于苏轼的所有材料整合到一起，再通过大模型的语音生成的技术，让苏轼用宋代的口音念出诗词。

刘海龙：AI在呈现技术上的确实会有很多新的应用，我倒是比较期待它之后在核心内容生产上的突破。至于阳少前面提到的AI对于真假新闻的甄别，我前段时间还提出了一个异想天开的设想，就是未来在新闻传播领域，可能需要专门培养一批人材来做信息核查工作，比如这个事情究竟是真实的还是生成的？这在未来可能会是一个产业。所以AI虽然可能替代一部分工作，但它也会创造出新的岗位需求。

不断使用AI，才能发现真实的需求

青年志：现在一些高校也引入了AI相关的课程或是与AI合作的跨学科项目，以及社会上也有很多所谓的AI知识付费，在年初也引发了许多讨论，两位如何看待这种现象？

沛沛：之前有一种说法是，唯一用 AI 挣到钱的就是做 AI 知识付费的人。我觉得这里面的焦虑在于，大家看到一个可能会引发新一轮信息革命的新技术的产生，既不想错过浪潮，又不知道自己该做什么。我现在看到学校在做的，基本上是在原来的课程体系中融入AI，比如广告经营管理专业，可能教大家去用一些 AI 程序来辅助你的经营管理计算；或者是你在做图像设计的时候，怎么用 AI 来辅助图像设计？但是在这个过程中，也有老师反映他们其实并不知道业界的 AI 在做什么。

刘海龙：我前面也提到了类似观点，就是AI对社会的整体影响还没有显现出来。就像90年代初的互联网，大家都知道它代表未来，但第一批往里面砸钱的人很多都失败了，因为大家并不知道自己的需求是什么，跟今天的AI非常相似。就像沛沛说的，大家都很迷茫。

相比于老师，学生对于AI的使用没准会更好，因为他们对于AI接触得更多，思路也是更新的。我还是要鼓励大家多多去使用，国外的AI用不上，国内也有很多替代型产品。在这个使用的过程中，你慢慢就会产生一些新的思路，并发现一些真实的需求。比如之前说一些绘画师因为AI失业了，但后来他们的工作就变成了去辅助AI做一些调整，然后合作产生出更精准的作品。

技术的发展必须与人类的需求相结合，因为需求是推动技术进步最重要的动力。然而当新技术突然降临时，我们往往会对具体的需求感到迷茫，这反映出我们对“技术的想象力”还不够，也说明技术的发展还是受制于社会结构，也就是我们前面提到的文科需要处理的问题，你仅有技术却不知道如何应用，就像掌握了“屠龙术”却看不见龙。任何技术的应用都是社会性的，比如互联网最终被广泛应用于社交媒体和短视频平台，正是因为这些满足了人的需求。那么，当前社会的需求到底是什么？这或许是我们现在最需要深入思考的问题。

青年志：现在很多大学生会在写作业的时候使用AI，沛沛对此体验如何？以及海龙老师如何看待这一问题？

沛沛：我觉得AI确实能让我的学习和工作高效很多，特别是像我这种“多边形战士”，在毕业的时候多线作战，学习、实习、考公、投互联网公司，往往这几件事是同步进行的。比如面对公务员考试的时候，会有申论与行测，我就会把教材、资料和视频丢给AI，它就能很快帮我提炼出各种章节，制定一个学习计划。相当于在生活里多了一个助手。

还有就是用更高效的方式来阅读文献。我可能只需要精读三篇文献，这些文献往往又会引用其他的文献。我将这三篇文献丢给AI，让它帮你从中按照引用率进行排序。我根据排序结果进行下载，再把这些文献都输入给AI，让它帮助你总结出核心内容。这样，你就能更高效地掌握大量相关的研究成果，而不必逐篇通读所有文献。

当然，以上前提都在于你要想清楚自己想要研究的问题，而问题只能从生活经验和与社会的交互中提炼。理论也同样如此，AI能够给予你的只是简单的理解，真正的深度理解还是只能通过看书、人与人的交流来获得。

刘海龙：AI可以替代我们进行很多程序性的工作，比如填表格、写周报等等。包括像我们过去做的大数据分析，你可以借助AI帮忙抓取关键词，或者进行一些分类，从中提取出一些共同的话语结构。还有针对非英语语种文献的翻译，过去我们遇到非英语文献就非常头疼，那么现在你丢给AI，它很快就给你翻译出来，至少大概意思是还比较接近的。

从这意义上来讲，我是不会禁止学生去使用AI的，反而会鼓励大家去使用。而且我们也没必要恐惧，因为AI目前没有办法替代人的思考，也没办法替代学生去做访谈、调查和收集问卷。如果你所有的答案都是 AI 回答的，那么你自己其实并没有在思考的过程中形成理解。一个道理是很容易明白的，但你怎么有条理地去思考它？怎么通过叙事将它论证清楚？这是更难的。

我会要求学生在使用AI的时候把使用的过程也发给我，比如你的提示词是什么，AI又给你生成了什么，在这个基础上你做了哪些修改？又提了什么新问题？如果能把这种共创的过程展示出来，那么就能看出哪些是学生的，哪些是AI的。但我觉得这样的方式还是比较机械，更重要的还是看结果，一个东西有没有创造性其实一眼就能看出来。我有一个观点，而且我在使用AI的过程中也发现，你让AI在学术上去做一个实证或质性的研究，在访谈完后的基础上生成新的观点，目前是很难做到的。

此外，上大学的意义并不在于总结出几条结果，如果是那样的话，大家也没必要费劲来考大学了。我觉得课堂上最重要的还是在于老师的叙事，这里面会渗透很多思维的方法。我们过去上课很喜欢听老师东拉西扯，这让书本上的知识跟现实发生呼应，触类旁通。就像录播客也是一样，人和人之间的对话有时能延伸到很远的地方，如果你要真讲知识量，对话可能比不上一本书。而这些东拉西扯的支线对于AI来说可能是废话，因为它跟主线任务是不协调的。

这种思维方式其实早在AI之前就对人类社会产生影响了，就像韩炳哲讲的，叙事在当下成了一个慢慢消失的艺术。我特别喜欢媒介理论家基特勒（Friedrich Kittler）的一段论述，大意是人类近五六百年的思考都不是真正意义上的思考，而是数据库的操作或者说控制论（Cybernetics）的结果。什么意思呢？就是早期学者在做研究的时候，会把知识用一张张小卡片分门别类归纳收集好，然后需要的时候就从数据库中提取，黑格尔在写《精神现象学》时就是这么干的，这其实也造成了知识的碎片化。

基特勒认为这和计算机的操作逻辑其实没有太大区别，因为它先把内容切分，切分完后再组合成一个论述，一字字生成出来，这其实就是一种AI的思维方式。我最近在观察自己家两个孩子编故事，就发现他们的思维完全是网络游戏的套路，比如走到一个节点，选择打怪还是逃跑？整个模式非常像一个工作流程图，而不再有传统叙事的开端、发展、高潮、结局和人物塑造。所以从某种意义上讲，这代人的思维在人工智能到来之前其实就已经被“人工智能化”了。所以我们或许需要思考的是，如何通过叙事将碎片化后的知识重新连接在一起。

创造力诞生于，人类与AI的双向奔赴中

青年志：海龙老师前面提到的观察非常有意思，问题可能不在于AI 越来越像人，而是人越来越像AI。这也让我想到你在去年的论文《新常人统治的来临:ChatGPT 与传播研究》里提到过一个观点，AI代表着一种知识渊博的认知平庸者。我也把这个观点抛给了AI——问它是否同意你的判断，AI表示赞同，并且它的回答面面俱到，比如会分析自己为什么是“知识渊博”和“认知平庸”的。

而在今年的论文《生成式人工智能与知识生产》中，你对这个观点进行了更新——引用苏格拉底的例子说明，聪明的提问者和平庸的回答者之间其实可以产生创造力，并且你还提到了一个词叫“AI素养”。这种思考上的转变是如何发生的？

刘海龙：其实我去年写的是比较初步的看法，回头看可能稍微也有点偏激，今年还是有一些发展和进步的（笑）。

你刚才举的例子就非常有意思，你会发现AI基本上不会否定你，而人是会否定他人的观点和想法的。这当然蕴含着人类不理性的那一面，但同时又是人的优点，人会把原有的想法推翻，然后逼自己去想一个新的、不一样的东西。

AI不会否定会带来一个什么问题呢？就是我去年讲的“知识渊博的认知平庸者”，因为它就是不断抓取各种知识最后形成一个最大公约数，也就是大家都认可的东西，那它自然也是平庸的。

但我今年的看法在于，平庸并不一定意味着它就没有创造性，二者并不矛盾。AI 有时会展现出很有创造性的一面，而这种创造性不是我们所理解的那种创造性，比如像梵高的作品，它当然很有创造性，但当时的人们并不能理解。我对这里的创造性有一个定义：它是超过我们的期待，同时又可以被我们所理解的东西。并且对于AI来说，无论它给你的答案是期待以内的老生常谈，还是眼前一亮的内容，背后的生成机制是完全一样的。

而人类的期待也会随着进步而发生变化。2016年Alphago刚刚出现时，在围棋比赛中展现了许多充满想象力的棋路，经过这些年的发展，人们逐渐不再认为AI拥有“想象力”，而是认为它下得非常精准。为什么会有这样的转变呢？因为那些最初被认为充满想象力的棋路很快就被人类学会了，并将其纳入到自身的经验和预期之中。

所以现在我们看AI下棋，已经不会觉得它的棋路难以理解，而是感叹它惊人的计算深度。如今围棋高手的棋路和AI的吻合率可以达到70%～80%。但关键在于，人类的思维方式与AI是完全不同的。AI依靠算法来推导出最佳棋路；而人类则是通过反向推理和自身的理解来做出选择，尽管路径不同，但结果却殊途同归。这其实非常有意思，有点像人类和AI在山脚下分开出发，最后到了山顶又重新汇合。

所以我对AI的创造性还是很乐观的，并且这里还有人的深度介入。过去我们一度以为只需给AI提供初始材料，它便能独立完成任务，现阶段证明这种想法并不准确。你要充分利用好AI，就必须了解其运作原理，例如如何设计提示词以实现预期效果，也就是我所说的“AI素养”。

“AI素养”意味着你要像AI一样去思考问题，或者说共情AI。这很有意思，AI一方面在不断共情人类，学习如何像人类一样思考，而人类也在不断学习AI的运作机制，以便给它投喂最准确的提示词，这就是一个双向靠拢的过程。所以回到苏格拉底的例子，就是他所提问的对象其实都不如他聪明，但大家在互动的过程中生产出了非常伟大的哲学，所以我也很期待看到AI在未来和人类更多的互动，现在这种提问的方式还是比较初级的。

沛沛：业界曾设想AGI（通用人工智能）能够像人类一样与我们交互。然而，越来越多的研发人员认为这不可能实现。训练AI通常分为三个阶段：收集海量数据、进行建模和理解。然而，在数据收集和推理过程中，信息常常会丢失，也不会完整地显示在你的创作中，这使得当前的AI看起来并不完全智能。

未来，如果AI能够进入一个全息可感知的世界——类似数字孪生的概念，或许有可能迈向AGI。海龙老师刚刚提到了AI的创造力，我觉得生成式AI的创造力很大程度来源于它的不可控性。我们可以把AI的想象力理解成一种概率事件。比如，当你要求生成一个紫色的风车时，AI可能会生成四叶或五叶的风车。过去人类的创造其实是100%复现脑海中的想象，未来，AI可能会改变人类的创作模式，它可能是一个 80% 的概率事件， 40% 是我原来构想的作品， 另外40%是 AI 跟我共同创作的结果。

刘海龙：感知确实是AI需要面对的一个关键问题，现阶段的AI之所以不完美，问题就在于它主要是基于二手文字资料的加工，而人类的经验要远远丰富于文字、视频和音频这些留下来的资料。这就像一个被关在屋子里的孩子，Ta从出生起就没有触碰过真实的世界，不知道水的纹理，也不知道颜色的形态，而是通过不断阅读、看电影和听音频去了解这个世界。

如果未来我们可以赋予AI一具身体，有像人一样的感知器官，那AI或许可以跳过对他人经验二次加工的环节，从而直接去感知这个世界。当AI可以感知世界的时候，它对世界的感知或许跟人类是不一样的，它又会如何运用这种感知去反馈已经习得的这些知识呢？也许有一天AI会认为人类的语言是很低级的，人类的自然语言确实有很多不精确的地方，那它是否会发明一种新的语言？再往后推演，这个事情就会有些不敢设想了。