AI不会取代人类:机器越像人,人越要成为人

这几年，关于AI的焦虑几乎席卷所有行业。有人担心，AI会不会取代写作者？会不会取代老师？会不会取代医生？会不会取代管理者？甚至会不会有一天取代整个人类？这种焦虑有一部分是真实的。因为AI确实会取代大量重复性、标准化、流程化、可计算、可训练的工作。它会整理资料，会生成文本，会写代码，会做PPT，会分析数据，会帮助诊断，会参与管理，会成为很多行业的超级工具。但这种焦虑也有一部分是误会。因为AI能够取代的，始终只是人类能力中的一部分，而不是人本身。

辛庄课堂马兆远老师今天的讲课，表面上讲的是人类认知史，从语言讲到宗教，从古希腊讲到亚里士多德，从罗素讲到维特根斯坦，从哥德尔讲到图灵，从现代科学讲到人工智能。但真正贯穿其中的，其实是一个更深的问题：人类靠什么认识世界？机器又到底能不能穷尽人的全部？答案恰恰是：不能。AI很强，但它的强大有边界。而人类真正珍贵的地方，恰恰在那些不能被完全计算、不能被完全证明、不能被完全形式化的地方。

马老师讲AI，最特别的地方，是他并不从技术本身讲起。

他没有一上来讲大模型、参数、算力、算法，而是把AI放回到整个人类认知史里。因为AI不是凭空冒出来的东西。它是人类两千多年理性传统不断积累的结果。从古希腊开始，人类逐渐建立起逻辑、数学、证明、演绎、形式系统这些工具。亚里士多德建立形式逻辑，欧几里得用公理体系构建几何，牛顿用数学语言解释自然，罗素试图把数学彻底形式化，哥德尔揭示形式系统的边界，图灵提出计算模型，最后才有现代计算机和人工智能。所以，AI不是站在人类对面的怪物。AI本质上是人类理性的一次外化。人类把自己的一部分能力，尤其是可计算、可推演、可归纳、可模式识别、可重复训练的能力，交给了机器。机器在这些方面越做越强，甚至远远超过普通人。这也是为什么AI在数学、逻辑、信息整理、知识归纳、代码生成、图像识别、流程优化等领域具有巨大价值。但也正因为AI来自这套理性传统，它也继承了这套传统的边界。它强在逻辑、数学、计算、模式和工具层面。但人的生命，并不只由这些东西构成。

马老师一开始讲语言。

人类之所以能从非洲走出来，统治整个地球，不是因为个体最强壮，而是因为拥有复杂语言。尼安德特人可能比现代智人更强壮，脑容量也不低。但他们没有发展出足够复杂的语言组织能力，无法形成大规模协作。而现代智人可以通过语言组织几十人、上百人的围猎，可以分工，可以传递经验，可以协同作战。语言让人类从个体力量进入组织力量。语言也让人类形成文化、宗教、国家和制度。但是语言同时有一个巨大问题：它可以被不断诠释。同一句话，不同的人可以解释出不同意思。比如《论语》开篇“学而时习之，不亦说乎”，有人解释成复习，有人解释成实践，有人解释成多年以后把学过的本事重新操演出来的喜悦，也有人把它放进“为己之学”的脉络里理解。语言一旦写下来，文字是固定的；但解释权，却永远向后人开放。这就带来一个问题：如果语言可以被无穷诠释，人类如何形成稳定知识？于是，逻辑出现了。逻辑就是语言的规则。它试图把语言从模糊、多义、任意解释中拉出来，让不同的人、不同的时代、不同的文化，可以在相对清晰的规则下交流。所以逻辑不是抽象游戏。逻辑是人类知识可以积累的前提。没有逻辑，人类只能停留在各说各话。有了逻辑，知识才有可能跨越个体、跨越时代、跨越文化，被不断沉淀下来。

马老师讲维特根斯坦时，实际上是在为AI时代划边界。维特根斯坦早期思想中最重要的一点，就是追问：什么东西可以被清楚说出来？什么东西无法被语言完全表达？后来维也纳学派沿着这条路继续往前走，逐渐形成现代科学的一个基本边界：科学处理的，不是所有问题。科学处理的是那些符合逻辑、可以经验验证的事实命题。换句话说，科学能处理的是：有效陈述下的可检验事实。这句话非常重要。什么叫有效陈述？就是这句话本身要符合逻辑，不自相矛盾，不偷换概念，不把A说成非A。什么叫可检验事实？就是这个命题必须能够回到经验世界中，被观察、被实验、被证实或被证伪。比如，一个药物有没有疗效，可以设计实验。一个物体怎样运动，可以建立模型和测量。一个程序能不能运行，可以测试。这些都是科学和工程擅长处理的对象。而AI最强大的地方，也恰恰在这里。AI特别擅长处理那些可以被数据化、模型化、概率化、形式化的东西。它可以处理语言的结构，可以统计模式，可以生成文本，可以识别图像，可以优化流程，可以在海量材料中找出关联。但这并不意味着它能处理人类生活的全部。因为人类最重要的很多问题，并不都是“有效陈述下的可检验事实”。爱是什么？美是什么？一个人为什么值得信任？一位医生为什么让病人安心？一位老师为什么能改变一个学生？一首诗为什么击中人心？一个人面对死亡、失败、孤独、痛苦时，为什么还能保留尊严？这些问题当然重要。但它们不能被简单还原成数学公式，也不能被完全放进一个模型里训练出来。它们属于人类经验中更深、更复杂、更不可穷尽的部分。

马老师讲哥德尔，是整场课里最关键的部分之一。人类曾经以为，只要逻辑足够严密，数学足够精确，我们最终就可以建立一套完备、自洽、绝对可靠的知识体系。希尔伯特时代的数学家们，希望证明数学本身是可靠的。他们希望建立一种系统：只要一个命题是真的，就一定能被证明；只要一个命题是假的，就一定能被否定。这听起来像是理性的最高梦想。但哥德尔的不完备定理告诉我们：这个梦想不成立。在足够复杂的形式系统中，自洽性和完备性无法同时成立。也就是说，如果一个系统内部不自相矛盾，那么它内部一定存在某些命题，是真的，却无法在这个系统内部被证明。这句话的意义非常深。它真正打开的是人类理性的边界。过去我们相信：真实的东西，总有一天可以被证明。哥德尔告诉我们：真实性和可证明性并不等价。有些东西可能是真的，但无法在既有系统内部被证明。这对于AI意味着什么？AI本质上仍然运行在某种形式系统、计算系统、模型系统之内。它可以在系统内部做极其复杂的计算，但只要它仍然是一个有限系统，它就必然存在自身无法完全解决的问题。这不是说今天的AI还不够强，未来再发展就一定能解决一切。而是说，形式系统本身就有边界。所以马老师真正想表达的，并不是简单地说“AI现在还不行”。而是说：只要AI仍然建立在可计算、可形式化、可模型化的基础之上，它就不可能穷尽人类全部认知。人类的直觉、判断、审美、伦理、信任、意义感，很多时候并不是从一个封闭系统内部推演出来的。它们来自生命经验，来自身体感受，来自历史记忆，来自人与人的关系，来自长期处境中的体会，来自一种不可完全言说的综合判断。

图灵是现代计算机科学的奠基人。但马老师讲图灵，不只是把他当成“人工智能之父”，而是把他放在哥德尔之后理解。图灵机告诉我们，什么样的问题可以被计算。但也正因为图灵机划出了“可计算”的边界，我们才知道，不是所有问题都能被计算。这就是AI最深的矛盾。它的诞生本来就是为了说明计算的力量，也同时暴露了计算的边界。AI可以处理逻辑推演，但逻辑不是人的全部。AI可以生成语言，但语言不是生命本身。AI可以写一首关于母亲的诗，但它没有真正被母亲抱过，也没有真正失去过母亲。AI可以写一段关于悲伤的文字，但它没有在深夜被一段记忆击中。AI可以模拟同情，但它没有真正经历过痛苦。AI可以生成艺术风格，但它没有一个不断受伤、修复、成熟、变得敏感而深沉的生命。所以，AI可以无限接近某些人的表达形式，却无法真正替代人的生命经验。

这不是文学化的安慰，而是认知结构上的事实。

AI能处理的是大量人类表达的结果。但人类表达背后的生命来源，不属于AI本身。

维特根斯坦是罗素的学生，也是马老师反复提到的重要人物。他早期试图用逻辑澄清语言，划定世界与语言的边界。他认为，能被清楚说出的，是事实；能被逻辑表达的，是世界中的状态。但是他同时留下了那个著名的句子：对于不可说的东西，必须保持沉默。很多人误解这句话，以为“不可说”就是“不重要”。恰恰相反。维特根斯坦真正提醒我们的，是那些不能被语言完全说清、不能被逻辑完全证明、不能被科学完全检验的东西，可能正是人类生命最深的部分。

伦理、审美、信仰、意义、爱、死亡、苦难、尊严，这些东西不是没有价值，而是无法被简单放进逻辑公式里。

马老师讲到这里，其实是在提醒我们：科学非常重要，但科学不是新的神。AI非常强大，但AI不是人的全部。如果我们把科学当成唯一真理，把AI当成新的神明，那么我们只是用一个新的偶像替代了旧的偶像。人类并没有真正成熟。真正成熟的人类，是既理解科学的力量，也理解科学的边界；既使用AI的效率，也知道AI无法替我们完成生命本身。

所以，我们不能轻视AI。马老师并不是反AI，他恰恰是在非常深的层面理解AI。AI在资料整理、逻辑分析、文本归纳、方案生成、数据处理、辅助决策上，会有非常大的价值。它会像现代印刷术一样，极大降低知识获取的门槛。中世纪的时候，圣经掌握在少数僧侣手中。因为书太贵，语言又是拉丁文，普通人无法直接阅读。于是僧侣成为知识与信仰之间的中介。印刷术出现以后，知识成本大幅下降，普通人可以直接接触文本，宗教改革和文艺复兴由此发生。AI也可能起到类似作用。它会让知识更便宜，让学习更容易，让很多普通人获得过去只有少数精英才有的工具。过去写文章、查资料、学外语、做设计、做数据分析，都有很高门槛。今天AI会把很多门槛降低。但工具越强，人的问题越突出。因为当信息不再稀缺，判断就变得更重要。当表达不再困难，思想就变得更重要。当生成不再稀奇，品味就变得更重要。当知识获取越来越容易，真正决定差距的，反而是一个人提出问题的能力、辨别真假好坏的能力、建立意义的能力。AI可以给你很多答案。但它不能替你决定：什么问题值得问。AI可以帮你写一篇文章。但它不能替你决定：你为什么要写。AI可以帮你做一个方案。但它不能替你承担：这个方案后果由谁负责。

为什么很多人害怕AI取代人？因为现代社会长期把人训练成机器。如果一个人的价值只是填表、复制、转发、汇报、排版、搜索、背诵、执行标准流程，那么AI确实很容易取代他。但这不是AI太可怕。这是我们把人的价值压得太低。人不应该只是岗位说明书上的功能。人不应该只是流程中的一个节点。人不应该只是KPI的承担者。人应该有判断，有审美，有责任，有同情心，有创造力，有面对复杂处境时的综合智慧。一个好医生，真正打动病人的，不只是技术和处方，还有望闻问切中的体察，对病人处境的理解，说话时的安定感，对生命的敬畏，以及关键时刻的综合判断。一个好老师，真正影响学生的，不只是知识点，还有人格、气质、眼神、鼓励、点拨，以及他自己如何活成一个值得学生相信的人。一个好管理者，也不是只会看报表，而是在混沌局面中看见方向，在复杂人性中建立秩序，在组织困难中保留温度。这些能力，AI都可以辅助，但很难替代。AI能提供信息，但不能替代一个人的胸襟。AI能生成话术，但不能替代一个人的真诚。AI能提出建议，但不能替代一个人的担当。

马老师提出过一个很重要的教育框架，可以概括为几种人类基础能力：数学，是人与机器对话的能力。艺术，是人与内心对话的能力。文学和语言，是人与人对话的能力。物理和自然科学，是人与自然对话的能力。工程，是人与未来对话的能力。这套理解很重要。未来最有价值的人，不一定是最会背知识的人，也不一定是最会执行标准答案的人，而是拥有综合能力的人。他要懂数学，因为AI时代必须理解机器语言。他要懂语言，因为人类社会仍然靠表达、沟通和说服建立关系。他要懂艺术，因为人必须保留对美、情感、生命细节的感受力。他要懂自然科学，因为人不能脱离真实世界，只活在概念里。他要懂工程，因为未来不是靠空想抵达，而是靠把东西真正做出来。这其实也是马老师对通识教育的理解。AI时代不是不要通识教育了，恰恰相反，AI时代更需要通识教育。因为过度专业化的人，反而容易被AI替代。只会一个流程、一个工具、一个局部技能的人，很容易被更高效的工具覆盖。真正不容易被替代的人，是有跨界能力、有审美能力、有判断能力、有表达能力、有创造能力、有价值感的人。

所以，真正的问题不是AI会不会取代人类。真正的问题是：我们愿不愿意把自己活得更像一个人？如果我们只做机器能做的事，我们当然会焦虑。如果我们不断训练那些机器难以抵达的能力，AI反而会成为我们的助手。未来的人，要更懂逻辑，但不能只有逻辑。要更懂数学，但不能迷信数学。要更懂科学，但不能把科学当成新的神。要会使用AI，但不能把判断力交给AI。要尊重证据，但也要保留直觉。要追求效率，但不能失去美感。要善用工具，但不能丢掉灵魂。AI越强，人越要回到人本身。回到艺术，回到情感，回到伦理，回到审美，回到关系，回到生活，回到生命意义。

AI不会让人类变得没有价值。恰恰相反，它会逼迫我们重新区分：哪些是机器可以替代的能力？哪些是人类真正珍贵的能力？可计算的，交给机器。可重复的，交给机器。可标准化的，交给机器。但不可完全计算的，不可完全证明的，不可完全表达的，不可完全替代的，仍然属于人。艺术属于人。爱属于人。悲悯属于人。责任属于人。意义属于人。面对不确定世界时，那种带着经验、直觉、勇气和温度的判断，仍然属于人。AI时代最大的误会，是以为机器越来越像人，人就越来越没有价值。其实恰恰相反：机器越像人，人越要成为人。