后知识社会的五种稀缺能力 - LOL团队运营

1997年5月11日，在纽约曼哈顿的安盛公正中心大厦，国际象棋世界冠军加里·卡斯帕罗夫注视棋盘，意识到自己落败了。IBM的超级计算机“深蓝”以3.5比2.5的总比分战胜了这位人类历史上最杰出的棋手之一。全球各大报纸的头版都在渲染同一主题：机器获胜，人类落败。

然而，故事并未就此终结。

在接下来的十年里，卡斯帕罗夫做了一件有趣的事：他开创了一种名为“先进国际象棋”的新比赛形式，让人类棋手与电脑组队对弈。2005年，在一场面向所有人开放的先进国际象棋锦标赛中，最终冠军既非配备强大电脑的国际象棋大师，也非独立运行的超级计算机，而是两名普通的美国业余棋手。他们使用三台普通电脑，凭借出色的“教练”能力指导电脑协作，击败了所有对手。

这个案例揭示了一个道理：普通人加上机器智能再加良好的协作流程，胜过顶尖专家加上机器智能但协作流程糟糕的组合。这意味着在人机共存的时代，我们需要发掘一种全新能力：理解自己能做什么、机器能做什么，以及如何让两者协同运作。

在本书中，我们追溯了知识从篝火旁的口耳相传，到泥版刻写，到羊皮纸抄写，到活字印刷的批量复制，再到互联网的即时传播。每一次知识革命都改变了“谁能获取知识”以及“知识的价值如何被定义”。

如今，AI掀起了新一轮知识革命。这一次，它动摇的不只是知识的记录和分发方式，更波及知识的生产与使用本身。当一台机器能在几秒内写出一篇文章、做出诊断、生成代码时，人的价值究竟何在？我们如何界定自身与机器间的知识边界，并将两者协同起来？

我认为，谁都没有确切的答案。

在一个AI无处不在的世界里，有五种能力变得空前稀缺。而稀缺，正是我们在新知识时代寻找价值的源头。

第一，提出好问题的能力，而非回答问题的能力。

AI是人类有史以来最强大的“回答机器”。你问它任何问题，它都能给出看似合理的答案。虽然AI也能在回答后提出问题，但提出真正有创造性的问题、关乎人类福祉与未来的问题，可能仍主要属于人类的能力范畴。

阿尔伯特·爱因斯坦曾说过一句被无数人引用的话：“提出一个问题往往比解决一个问题更重要。因为解决一个问题可能只需数学或实验技巧，而提出新问题、新可能性，从新角度审视旧问题，则需要创造性的想象力。”这句话在AI时代变得比以往任何时候都更真实。当“解决问题”的成本因AI而急剧下降时，“发现问题”的价值便会急剧上升。

查尔斯·达尔文花了二十多年观察藤壶、鸽子和热带岛屿上的雀鸟，才最终问出那个改变人类认知的问题：为何地理上相邻但环境不同的地方，物种如此相似却又如此不同？这需要一个人在漫长的困惑中，逐步将碎片拼接起来，直到关键缺口显露。在知识爆炸的时代，提出好问题的人——能在纷繁信息中看到他人忽略的空白、能将不同领域线索编织成全新疑问的人——将成为真正有价值的人。

第二，犯错的勇气，而非追求永远正确的执念。

1928年9月的一个早晨，苏格兰细菌学家亚历山大·弗莱明回到实验室，发现自己犯了一个“错误”：他忘了盖好一个培养皿，结果一种蓝绿色的霉菌飘了进去，杀死了周围一圈葡萄球菌。更“严谨”的科学家可能会将受污染的培养皿直接丢弃，但弗莱明没有。他盯着那片空白看了许久，然后做了一件改变医学史的事：他问：“这是怎么回事？”青霉素由此诞生，此后拯救了数以亿计的生命。

AI被设计为尽可能“正确”。它的训练过程就是不断减少错误的过程，不断调整参数、优化损失函数、逼近标准答案。这使得它在已知问题上表现卓越，但也意味着它本质上趋于保守。它避免“犯错”，因此不会从错误中发现全新事物。

人类的重大突破与发明，从青霉素到X射线，从便利贴到微波炉，几乎都始于一个意外、一次失败、一个“不应发生”的事件。将这些失败转化为发现，所需的不只是计算能力，而是一种AI永远无法拥有的东西：在不确定中坚持探索的勇气，以及承认“我不知道，但我愿意去试”的诚实。

在一个AI能帮人规避大部分已知错误的世界里，敢于走进未知领域、敢于犯前所未有的新错误的人，反而成了最珍贵的创新者。

第三，在信息洪流中辨别方向的判断力，而非驾驭单一技能的熟练度。

经济学家弗兰克·H.奈特区分了“风险”与“不确定性”。风险是可计算概率的，比如掷骰子；不确定性则是连概率都无法确定的，比如一项全新技术会如何改变社会。AI极其擅长处理风险，但面对真正的不确定性，它和人类一样茫然，甚至更茫然，因为它缺乏直觉。

我们进入了一个信息量远超任何个人处理能力的时代，每天产生的数据量以EB计。在这个时代，“记住更多知识”或“掌握一项稳定技能”的价值在下降。AI能记住一切，也能执行大部分标准化技能。

真正稀缺的，是在海量信息面前保持清醒判断的能力：什么是信号，什么是噪声？什么值得深究，什么应该忽略？在缺乏标准答案的情况下，如何做出一个“还算不错”的决定，然后迅速调整？

这种判断力不是一种可被编码的技能，更像是一种“品位”。它是经过长期训练形成的直觉，能帮助人在混沌中找到方向。而培养这种品位的唯一方式，是让自己反复暴露在复杂、无标准答案的真实情境中。这正是传统教育——那种追求标准答案和标准化技能的教育——最不擅长教授的东西。

第四，跨界迁移的灵活性，而非“十年磨一剑”的单一深耕。

年轻的史蒂夫·乔布斯从里德学院辍学后，做了一件看似毫无意义的事：他去旁听了一门书法课。他学习了各种字体的区别，以及字母间距和排版的美学原理。

十年后，当他设计第一台麦金塔计算机时，这些“无用”的知识被注入了计算机界面。乔布斯后来回忆说，如果他没有上那门书法课，个人计算机可能至今仍只有一种丑陋的等宽字体。

AI的“深度”令人惊叹。在国际象棋、蛋白质折叠、图像识别等单一领域，它已达到甚至超越人类的巅峰水平。在一个AI能在任何单一领域迅速达到专家水平的时代，“通才”的价值正在被重新发现。“通才”不是那种什么都懂一点但什么都不精的“万金油”，而是那种能在两个甚至三个看似不相关的领域间自由游走，并在交叉地带发现全新可能性的人。未来最有创造力的人，可能不是最深入单一领域的人，而是最善于“串联”不同领域的人。

第五，同理心——AI时代最被低估的稀缺资源。

2023年，一项发表在医学领域的研究对比了医生与AI聊天机器人对患者提问的回复质量。结果令医疗界震惊：患者认为AI的回复比医生“更有同理心”。AI的回复更长、更耐心，语气更温柔。

这个结果乍看令人沮丧。AI连同理心都比我们强了吗？但仔细想想，它揭示的是一个更深层的问题：并非AI太有同理心，而是我们的制度把医生逼成了机器。一位全科医生平均每天要看几十个病人，三分之一的时间花在填写电子病历上，全球超过60%的医生报告自己处于职业倦怠状态。一个每天工作12小时、连上厕所时间都挤不出来的医生，怎能指望他在每个病人面前都表现出深切的关怀？

同理心不是一种可训练的技能，它是一种存在状态。它需要时间，需要空间，需要一个人在那个特定时刻真正地出现和存在。AI可能恰恰是解放人类同理心的关键工具。如果AI接管了消耗医生精力的行政工作、标准化诊断和文书记录，医生就能把省下的时间和心力还给最需要它们的地方——病人的眼睛、病人的故事、病人的恐惧与希望。

同理心的价值从未消失，它只是被一个过度追求效率的系统压榨殆尽。

因此，AI时代的真正机遇，不是用机器的同理心替代人的同理心，而是用机器的效率释放人的同理心。

几十万年前，非洲高原上的夜晚，一群早期人类围坐在火堆旁，用声音和手势将白天的经历传递给彼此。那是知识最原始的形态：一个人对另一个人说：“我看到了什么，我学到了什么，我想让你也知道。”

从那时到现在，知识的载体变了无数次：从人体到泥版，从竹简到纸张，从印刷机到互联网，从搜索引擎到大语言模型。但有一件事始终未变：知识的起点，永远是一个人对世界的好奇；知识的终点，永远是一个人对另一个人，以及对人类群体自身的关切。

AI是我们有史以来发明的最强大的知识工具。但归根结底，知识的旅程是人的旅程。当我们走到这个与AI共存的新知识时代，人的价值不在于我们能回答多少问题，而在于我们永远会提出新的问题；不在于我们永远正确，而在于我们敢于犯错；不在于我们掌握了多少信息，而在于我们能在混沌中找到方向；不在于我们在一个领域挖得多深，而在于我们能在不同世界之间架起桥梁；不在于我们有多聪明，而在于我们能感受另一个人的喜悦与痛苦。在探讨这些能力时，我们不妨引入一些实际案例，比如通过英雄联盟下注分析来观察人类如何在复杂情境中运用判断力与跨界迁移。

这五种能力不是AI逼迫我们退守的最后阵地，它们是人之为人的本质。只不过在AI到来之前，我们从未如此清晰地看见它们。

马松 耶鲁大学管理学院金融经济学和创新创业学终身教授 本文节选自《后知识社会》

本文来自微信公众号“腾讯研究院”（ID：cyberlawrc），作者：马松，36氪经授权发布。