别把理解世界的追问交给AI

谈到人工智能，人们常常将其视为一场竞赛：机器会不会比我们更会思考？会不会抢走我们的工作？会不会让专业知识变得过时？这些问题可以理解，但它们忽略了一个更重要的问题：我们会不会放弃自己理解世界的愿望？

关键的选择在于我们每个人。我们可以把智力活动交给AI，等待它不断喂给我们答案；也可以借助AI，更广阔、更深入地理解世界。这个区别听起来像哲学问题，其实并非如此。它将塑造我们如何教育学生、如何组织工作，以及哪些事情仍值得亲自去做。

我们读得没有计算机多，记得也没有计算机多；我们跑不过汽车，一位国际象棋特级大师单独面对最强的AI系统也难以取胜。但这样的比较容易把人带偏。重点不是与机器赛跑。人和AI一起工作，或许能够比任何一方单独工作时更好地理解一个情境。真正的问题是：技术会不会扩大我们理解世界的能力，还是会诱使我们放弃这份责任？

这在数学中尤其重要。计算与理解，向来是两种不同的成就。古代文明已经找到了解一元二次方程的方法；文艺复兴时期的数学家找到了三次方程和四次方程的解法。后来，拉格朗日和伽罗瓦解释了它们的结构与边界。伽罗瓦不只是找到一个答案；他创造了一种语言，让人们得以追问：方程究竟是什么？它们的对称性又揭示了什么？

不妨设想，如果一个AI系统诞生在文艺复兴之前。它或许能凭借惊人的搜索和计算能力，找到三次方程和四次方程的公式。但找到一个公式，并不等于解释它为何成立，也不等于创造出能让一个学科以全新方式看待问题的概念。很难想象，一个系统单靠计算，就能走到“伽罗瓦群”这样的思想。

这一区别，应当影响我们今天理解AI的方式。在数学中，这些系统能够探索复杂构造、检验大量可能性，超越人类徒手计算所能及的范围。它们可以让我们看到一些过去因规模过大、重复性太强或技术门槛过高，而难以认真研究的问题；也许还能揭示一些一直被忽略的现象——那些现象所在的例子维度并不高，却难以靠手工计算触及。

数学家往往从最简单的情形开始：研究一维或二维，辨认出一种模式，再尝试把它推广开来。然而，有些现象并不会在最小的例子中出现。它们会在稍后一些地方显现：对象在概念上仍然可把握，但细节已经超出未经辅助的人脑所能处理的范围。AI在这里或许尤其有用。它可以帮助我们探索、比较和构造，并让某些发现进入视野，进而成为新理论的起点。

但也正因如此，我们不应把AI当成神谕。神谕给出答案，却不要求我们做什么；工具则延伸我们的能力，同时仍让我们对问题、解释和后果负责。工具越强大，我们越要保留提出那些没有现成答案的问题的意愿。

这正是大学的工作。大学不能被简化为向学生提供最新工具，无论这些工具多么强大。学生必须学会检验AI生成的说法，区分看似合理的模式与可靠的解释，认识证据的限度，并对自己的判断负责。但大学还必须守护更根本的东西：对理解身边世界、理解宇宙的渴望。

因此，我最真切的愿望，是我们的学生始终保有理解身边世界和宇宙的渴望。这个愿望比就业能力更大，尽管它并不回避学生将要面对的现实经济压力。保有这种渴望的学生，不会只是操作一个工具；他们会追问：它揭示了什么，又遮蔽了什么？它服务于谁的利益？它又可能带来哪些新的知识或责任？

这很重要，因为AI不会在社会真空中到来。它会改变工作的组织方式。初级岗位可能消失，也可能被重新定义；教师必须重新思考如何设计习题、考试和博士生研究项目；我们还需要更好的方式，来评估和认可AI参与其中的工作。有时，AI可以让工作更愉快、更具创造性；但在另一些情况下，仅仅因为系统成本更低，它也可能带来用机器替代人的压力。

最深层的风险，不只在于技术能做什么，还在于我们会以怎样的经济逻辑使用它。如果效率成为唯一标准，我们可能把学习、判断和人的尊严所必需的任务交出去；我们也可能抹去年轻人获得能力的早期机会。问题不在于我们是否应该停止技术进步——我们既不可能，也不应该这样做。问题在于，当技术使替代成为可能时，我们究竟珍视什么。

没有任何个人、机构或公司已经拥有完整答案。我们必须通过政策、教育、就业、文化，以及科学和工程，共同把答案探索出来。这要求我们承认：人的贡献有许多形式，不能被简化为每小时产出或每项任务的成本。

正确的回应不是远离AI。让AI成为我们的工具，成为我们在这一追问中的伙伴；这是我们在这场变革中走下去的机会。“伙伴”一词很重要。伙伴不会替我们卸下责任，也不会替我们过智识生活；它只是陪我们走过一段艰难的旅程。

因此，AI最有价值的用途，或许既不是替我们省去思考的麻烦，也不是提供一个足以乱真的“思考”模仿。它可以让世界重新向探究敞开：揭示我们从未看见的模式，检验我们原本无法检验的想法，并为人类独有的工作留出更多空间——提出问题、作出判断、创造意义。这项任务值得守护，也值得传授。

作者：香港大学理学院数学系讲座教授吴宝珠（Ngô Bảo Châu）

本内容一英文为准