【学术争鸣】

　　作者：邱泽奇（北京大学博雅讲席教授、北京大学中国社会与发展研究中心主任）

　　7月10日，光明日报理论版刊发一组争鸣文章。围绕“人工智能究竟能否产出真正意义上的知识”这一话题，两文针锋相对，得出了不同的结论。南开大学教授陈浩在《人工智能正在成为知识生产的新力量》一文中指出，人工智能正在成为知识生产链条中的生成性力量，它未必以人的方式理解世界，却已经开始推动人类重新审视什么可以被看见、什么值得被研究、什么能够成为知识；中国人民大学教授吴小坤在《人工智能为何尚未产生真正的知识》一文中提出，知识生产是一桩属于主体的事业，今天的人工智能，是知识内容卓越的加工者与传递者，却还不是知识的生产者。我们欢迎更多不同见解，并将围绕这一话题持续展开讨论。

　　近来关于人工智能与知识生产的讨论有一些争议。一种看法认为，人工智能已经成为知识生产的新力量，它能够发现人此前看不见的关系；另一种看法认为，人工智能至今没有产生真正的知识，它缺少对因果的理解，缺少可以负责的证成，也缺少一个持有知识的主体。两种看法彼此对立，围绕的却是同一个问题，即人工智能能不能生产知识，只是，它们把知识生产的主体性放错了位置。事实上，生产是主体性行动，知识是人类认知的产出，认知缘起于人类在生产与生活中的诉求。顺着这条逻辑链观察，人工智能与知识生产的关系会呈现出另一幅图景。

　　知识生产是人类的主体性行动

　　人工智能正在带来知识生产范式的变革，这已成为学术界的共识。2020年，谷歌旗下的深度思维公司（DeepMind）发布AlphaFold2，把蛋白质结构预测从以年计的工作压缩到几分钟。此后它给出了已知的约两亿个蛋白质的结构预测。到2024年10月，190多个国家的200多万研究人员使用过它。2026年，同一家公司的人工智能协作科学家系统在《自然》上发表。它以多个智能体分工的方式生成假设、组织辩论、给出排序，其中与耶鲁大学合作提出的一个假设，已经通过实验验证。

　　由人工智能带来的知识生产变化不只是发生在自然科学领域。人文社会科学的素材正在从以诠释为主，转向大规模的文本挖掘。机器生成的内容也成了新研究素材。面向人文社会科学的机器智能，正在成为与科学智能并行的另一条路径。

　　这些变化是真实的：素材的获取方式变了，分析的方法变了，连假设的生成方式也在变。将其称作范式变革并不夸张。人类知识生产的历史上，这样的时刻并不多见。古代的圣贤以理性建构起知识创新的路径，却没有形成知识传播与扩散的社会机制。十六世纪以后，观测技术与计量技术的进步带来了新的素材，大学承担起传播的职能，印刷术打开了扩散的通道，知识生产从此成为完整的社会活动。而今天正在发生的，是人类智能与机器智能共同参与知识创新、知识传播与知识扩散的新局面。

　　要紧的问题是，范式变革究竟改变了什么？

　　机器在认知、交互与决策上已经表现出近似人的属性。把它理解为类人行动者，比把它理解为工具更贴近事实。工具是人的单向使用，伙伴意味着双向交互的开始。类人行动者意味着机器在认知、交互、决策等维度具有近似人的功能属性。社会成员则具有承担权利与义务的规范性资格。新一代人工智能在功能上已经越过了工具与伙伴的界限，可是，却还没有社会成员资格。承认机器具有近似人的功能属性，与承认机器是权利义务的主体，是两件事情。前者是功能判断，后者是规范性判断。一台机器可以在功能上完成本属于人的认知任务，这并不意味着它就此获得了主体的资格。

　　生产之所以是主体性行动，在于它需要有发起者，需要有有目的、有责任的承担者。谁提出问题，谁设定标准，谁为结果负责，主体就是谁。

　　2024年的诺贝尔化学奖提供了一个清楚的答案。奖项的一半授予贝克，表彰其在计算蛋白质设计方面的开创性工作；另一半授予哈萨比斯与江珀，表彰其在蛋白质结构预测方面的贡献。AlphaFold在其中的贡献无人否认，领奖的却是三位科学家。科学共同体在做这项判断的时候并没有犹豫。机器完成了预测，而提出问题、设定标准并承担结果的，始终是人类。

　　追问机器为什么还没有产生真正的知识，等于先把主体性给了机器，再责怪它没有尽到主体的责任。显然，被追问的对象错置了。

　　知识是人类的知识，是人类认知的结果

　　知识是人类对自然、对自身以及对两者关系的认知与理解的总和，也是人类文明的载体。这个说法会遇到一个古老的质疑，即知识能否脱离人而独立存在。柏拉图把世界区分为恒常的存在与流变的生成，把真知归于恒常的一端。知识由此获得了某种独立于认识者的地位。后世关于客观知识的种种论说，大体沿着这条线索展开。人工智能的出现，让这个问题重新变得尖锐。模型的参数里压缩着人类几乎全部的文本，它可以在人不在场的时候持续输出，看上去很像一种不需要人类的知识。

　　其实，这一分歧可以化解。知识的载体确实可以外在化。从结绳到竹简，从纸书到数据库，再到今天的模型权重，载体一直在变。可是，载体的独立不等于知识的独立。一部无人能读的典籍，一组无人能解的数据，它们作为物件存在着，可作为知识，却是沉睡的。知识之为知识，只在它能被人类理解、被人类用来理解世界的时候才成立。

　　AlphaFold2恰好说明了这一点。它给出的是约两亿个蛋白质的结构预测，这些预测要经过结构生物学共同体的检验，要进入蛋白质数据库，还要被写进教科书，进而被用来设计药物，才能成为知识。在此之前，它们只是极有价值的素材。机器给出可供理解的东西，可对其的理解却只能由人类作出。知识创新如此，知识传播与知识扩散更是如此。一个结论只有在被人类接受、被人类讲授、被人类用于日常判断之后，才真正成为人类知识的一部分。

　　由此，也可以理解主体性为什么具有独占性。主体性一旦让渡，责任、意义与价值就失去了承担者。一个结论如果出了错，要追问的是谁的责任；一项发现如果有意义，要追问的是对谁有意义。而这些问题只有在人类这里才能得到回答。人类不能把主体性交给机器，事实上，也无从交出。

　　认知是人类生产与生活的诉求性行动

　　顺着上述逻辑链便可以发现，知识生产的源头在认知，而认知起源于人类的诉求。

　　人要吃饭，于是观察物候，积累起关于农时的知识。人要避险，于是记录洪水与地震，积累起关于灾害的知识。人要与人协作，于是琢磨人心与人情，积累起关于社会的知识。人还要安顿自身，于是追问生死与意义，积累起关于自身的知识。诉求形成认知的动力，动力驱动认知的活动，认知的活动带来知识的生产。瑞士心理学家皮亚杰在讨论认识的发生时指出，认识起于主体与客体的相互作用，起于动作。人先要在世界里行动，才会有理解世界的问题。

　　人工智能没有这样的处境。它不会饥饿，不会受伤，不会死亡，也不需要为自己的存在寻找理由。它有完成任务的自主性，可以把一个目标拆成许多步骤并逐一执行，这个目标却是被给定的。它没有从自身的生存里长出来的诉求，因而也没有主动的认知。

　　人工智能能力的增长也不会改变这一点。诉求源于生存处境，没有生存处境就没有原生的诉求，这与算力的大小、模型的规模没有关系。人工智能可以模拟诉求的表达，可以在被要求的时候提出问题，那仍然是人类的诉求经由机器的转述。人工智能协作科学家系统的工作流程把这一点显示得很清楚。研究者先界定要解决的研究挑战，系统再围绕这个挑战生成假设、组织辩论、给出排序，得出的结果最后仍要回到实验台上接受检验。机器在中间跑得很快，而起点与终点却都在人类这里。那个关于免疫治疗的假设之所以被提出来，是因为有人想让冷肿瘤对免疫系统变得可见。须知，想让病人活下去的，始终是人类。

　　这个道理不只适用于科学家。今天，越来越多的人在遇到问题时先去问机器。问什么，怎么问，追问到哪一步为止，都由人们各自的处境决定。一位农民想知道明天要不要浇水，一个母亲担心孩子的咳嗽要不要紧，一名学生则想弄明白一道题为什么这样解……这些问题都是从各自的生活里长出来的，机器的回答即便再流畅，也只是对这些问题的回应。人们表达对知识的诉求，已经是在参与知识的生产。

　　所以，没有独立于人类认知诉求的知识。人工智能参与其中的每一个环节，都可以追溯到某个人、某个共同体想要理解什么。

　　这样看来，人工智能与知识生产之间的关系就比较清楚了。它支持人、协助人、启发人，帮助人类回应在生产与生活中遇到的诉求。它参与产生的知识，依然是人类的知识。范式在变，主体没有变。人与机器由此进入一种相互建构、彼此塑造的关系之中。人在使用和训练机器的过程中被机器改变着认知的方式，机器也在与人的持续交互中被人类定义和塑造。知识生产由此进入人机互生的阶段。而这个阶段里最要紧的事情，是人类清楚地知道自己是谁，知道自己想要理解什么。

　　《光明日报》（2026年09月04日 11版）