AI正在撕裂人文学界:徐贲与燕南晓生还在争论“谁来写”,AI已经开始参与“发现什么”了——从“人机共笔”之争到“典故学”的范式革命

事情的起因，是《文艺研究》出台了一份关于规范使用人工智能工具的声明，其明确禁止作者使用AI生成论文的主体框架、核心观点及段落乃至全文。

对此，徐贲先生在第一时间提出了异议，认为这样的规定不仅存在概念模糊、执行困难等问题，更可能因为片面强调文字的生产方式，而忽视了思想的真实价值和作者的责任。

随后，徐贲连续撰文讨论“人机共笔”，主张在完全手写和AI代写之间寻找第三条路。燕南晓生则以《当AI替我们写作，人还能“独立行走”吗？》等两篇文章与之商榷，认为写作本身就是思维形成的过程，将这一过程交给AI，无异于让一个健康人长期依赖轮椅行走，最终可能失去独立思考的能力。

评论区更是热闹，有人站徐贲，有人挺燕南晓生。有人认为后者根本没有真正使用过先进的AI，有人则对徐贲越来越浓厚的“AI味”表示惋惜。

我几乎花了一整天时间才欣赏完这场争论，于是连夜写下了这篇文字。

一、当我们争论AI共笔时，是否遗忘了论文究竟为何而写？

诚然，徐贲先生敏锐地意识到了AI正在改变人文学术的知识生产方式，但他的“高阶共笔”似乎仍然主要停留在思想交流和写作协同的层面，尚未充分进入人工智能重新组织知识发现过程的技术机制。

燕南晓生关于人的创造性和思想独立性的忧虑确实值得尊重，但他对AI能力的若干判断，恐怕还停留在三年前大模型刚刚流行时的认识水平。

不过，我最感兴趣的并不是他们谁对谁错，而是他们为何都如此在意“写作”这件事。

难道我们长个脑子，就是为了写论文吗？

没错，写作不仅是思想的表达，也是思想的形成过程。

我们甚至可以说，许多思想不是在写作之前就已经完整存在，而是在写作过程中逐渐生成的。

但是，这里隐含着一个极容易被忽视的逻辑问题。

思想的形成需要语言，难道就意味着思想的形成必须经过独立写作？语言是思想的载体，论文就必然是思想最好的载体？

我们不妨回顾一下人类的思想史。苏格拉底留下了多少亲笔写成的论文？孔子的思想是不是主要通过撰写论文形成的？先秦诸子的学说，又有多少不是在讲学、辩难、问答乃至政治实践中不断形成，最后才被弟子或后人整理成书的？

当然，这些例子不能证明写作不重要，却足以说明一件更为重要的事情——思想的发生与思想的文本化，原本就不是一回事。

许多伟大的思想，往往最先发生于现实生活中的遭遇、观察、对话、争辩和行动，然后才被记录、整理和传播。只不过，随着现代知识生产制度的建立，论文才逐渐成为学术思想的主要表达形式，甚至被进一步确立为衡量学者智识能力的核心指标。

久而久之，我们便形成了一种近乎条件反射的认识：一个人有没有思想，首先要看他写出了什么；一个学者有没有能力，最重要的是他发表了多少论文。

这就颇有意思了。

论文原本只是思想的记录工具，如今竟然反过来成为思想的存在依据。我们为了证明自己能够思考，就必须不断生产论文。至于这些论文究竟解决了什么问题，反而不那么重要了。

我在与朋友讨论这场争论时曾说，今天许多所谓的学术论文，还算不算真正意义上的写作？它们究竟是合理的思想训练，还是一套越来越成熟的程式化表达呢？

看看那些年复一年被生产出来的论文，无非是先梳理学术史，再提出研究问题，然后展开几个并列的小标题，最后得出一套四平八稳的结论。文字看起来十分严谨，思想却未必有什么真正的推进。

这些程式化的东西，恰恰是大语言模型最擅长的（相关讨论，我三年来一直在参与，详见后文相关阅读）！

为什么？因为它们本来就高度模式化、规范化，具有很强的可预测性。AI之所以能够快速生成如此之多看起来像模像样的论文，与其说证明了机器已经掌握了人类思想的精髓，不如说，它暴露了相当一部分学术写作早已沦为可被机器轻易模仿的程式化的智力劳作！

倘若我们把这样的写作方式称为思想训练，恐怕就得先回答这样一个问题：它究竟训练了什么思想？

我甚至怀疑，在相当多的情况下，我们所推崇的论文写作，不过是一套早已被学术制度高度驯化的表达方式。

论文原本是思想的载体，如今却越来越成为思想的裹脚布。可笑的是，那些头上缠着“裹脚布”的学者，很可能也会像当年那些裹脚的老妇一样，最先站出来反抗废除裹脚的法令。

二、徐贲和燕南晓生，他们各自都看见了什么？

先说徐贲。

他的贡献并不在于宣布AI可以帮助人写文章，因为这件事早已不需要谁来证明。他真正提出的问题，是当机器深度参与文字生成乃至思想形成之后，我们究竟应该如何重新理解作者、原创性和学术责任。

徐贲不赞成以AI介入比例作为判断学术作品合法性的标准。他认为，一个观点最初受到AI启发，与受到导师、同行、经典文献的启发，并不存在绝对不可逾越的界限。真正重要的是作者有没有理解、检验和发展这一观点，以及是否愿意承担最终责任。

他的“高阶共笔”，便是要把人从繁重的资料收集、文本加工和初级写作中解放出来，让机器参与论证、提供反例、拓展思路，而人始终掌握问题意识、价值判断和最终裁断权。

这与我一贯的主张基本一致。

但徐贲的期许依然面临现实的悖谬处境。如果AI也可以提出真正的新问题、新概念、新解释，甚至能够独立发现人类没有发现的知识，人类的所谓“最终裁断权”，究竟该建立在什么基础之上？

假设AI提出一个我们从来没有想到过的理论，而且这个理论经过严格验证，被证明是正确的。一个人只是因为最终认可了它，就可以理所当然地将其认定为自己的创造性成果吗？

反过来说，如果一个研究者连AI的推理过程都无法充分理解，他又凭什么拥有最终的认识论裁断权？

从这个意义上说，徐贲所说的“高阶共笔”虽然具有启发性，却还缺少一套足以解释人机之间认知贡献、知识验证和责任分配的完整机制。

更重要的是，他似乎仍然把人类置于知识生产体系的天然中心，将AI视为等待人类驾驭的认知机器。这当然可以是一种合理的人机协作模式，但绝不意味着它就是未来知识生产的唯一模式，而事实甚至可能与其构想的完全相反！

再看燕南晓生。

我非常理解他对人的思想独立性的珍视。一个人如果长期不再独立阅读、不再尝试表达、不再经历思考的困顿，而习惯于让AI直接给出答案，确实可能逐渐丧失独立完成某些任务的能力。

这一忧虑并非毫无科学依据。

2026年8月，《Frontiers in Psychology》发表了一项针对中国大学生学术英语写作的八周准实验研究。研究比较了无AI写作、有限AI辅助并要求反思，以及开放式AI协作三种方式。结果显示，开放式协作在有AI辅助时取得较高的写作表现，但在随后不允许使用AI的独立任务中，受到限制并持续反思的辅助组表现更好。由于实验仅涉及六个完整班级，结论还不能无限推广，但它确实提示我们，作品写得好，不代表人的独立能力一定同步提高。

问题在于，这一结果同样不能证明任何AI参与都会造成思维退化。而且我们不能用前AI时代的评判标准，去衡量AI时代的学习成效。因为，种种迹象足以说明，AI带来的是结构性的变革，甚至是范式性的革命！

2026年7月的一项随机实验研究则发现，AI可以帮助学生学习新知识，其积极效果在停止使用AI后一周仍有所保留；而且，相比直接让AI生成文字，把AI用于解释概念、辅助理解的学生，获得了更有持续性的收益。

这意味着，认知外包究竟是有益还是有害，不能只看有没有使用AI，还要看人究竟外包了什么，以及由此获得了什么新的能力。

燕南晓生的核心问题，恰恰在于把这种具有条件性的认知风险，上升为了一种近乎普遍性的因果判断。

他的另一个观点更值得商榷。其认为，由于大语言模型基于既有语料和概率预测，因此无法真正创造新的思想。

这一判断在2023年或许还具有某种直观上的说服力，但我们已经进入2026年，如果还用这种方式理解前沿人工智能，就难免刻舟求剑，从而忽略了技术发展的实际状况。

今天的AI已然不是只会根据前面的字词预测下一个字词的简单续写装置。

当前的推理模型与多智能体系统能够借助外部工具、研究数据、程序执行和迭代反馈，对假设进行检验和修正。

当然，其基础模型仍然离不开统计学习，但从统计学习出发，并不能逻辑地推出它必然无法涌现新的知识。

人类大脑的认知活动同样大量依赖既有经验、模式识别、联想、预测和记忆。难道我们能据此断言，人类的创造性也只是一种没有原创价值的概率游戏？

而我们亟需讨论的真正问题则是，什么样的认知过程，才能够产生具有新颖性、解释力和可验证性的知识，而不是简单地依据某种技术的底层机制，预先判定其创造能力的上限。

三、AI不只在写论文，它已经开始参与科学发现

2026年5月19日，《Nature》同时刊发了两项值得人文学界认真阅读的研究。

一项是Google DeepMind的Co-Scientist，另一项是FutureHouse的Robin。

前者基于多智能体架构，让不同AI智能体围绕研究目标生成假设、相互批评、竞争筛选并不断改进研究方案。后者则进一步将文献检索、科学假设、实验设计和数据分析联结起来，在干性年龄相关性黄斑变性的研究中，提出了得到初步实验支持的候选治疗方案。

这里当然还存在许多限制。机器不能因为提出了几个有效假设，就被认定为拥有科学家意义上的全部能力。实验结果也远远不等于临床疗效。

但这至少说明，机器正在进入过去被人类视为创造性智力活动核心的知识发现环节。

这与传统意义上的AI辅助写作，已经是两回事了。

而就在过去几天的2026年10月22日，《Nature Reviews Methods Primers》又发表了重磅文章——《Agentic AI systems for scientific discovery》。

该文系统讨论了智能体如何分解研究任务、调用工具、共享记忆、协调实验，并将科研决策组织成可追溯、可复现的工作流程。

注意，这篇文章讨论的已经不是人如何用AI写出一篇文章，而是怎样将科学研究本身组织为一套能够持续运行、自动反馈、不断修正的认知系统。

如果说传统的AI辅助写作，是在人完成研究之后如何协助我们表达结果，那么新一代科研智能体的发展方向，则是让机器参与研究过程本身。

这才是我认为徐贲的“人机共笔”概念仍显不足的原因。

真正的协作，不是让AI和人一起写文章，而是让AI进入问题提出、证据发现、知识组织、模型构建、理论检验乃至新的问题生成的全部过程。

文字生产当然是其中一个环节，却可能是最容易被替代的环节。

我最近一直在尝试利用Codex和多智能体系统进行古籍OCR、版本整理、文本结构化、知识库建设和知识图谱研究，乃至使其与我一同书写《明清名学史》。这里面最有意思的事情，压根不是AI能不能把一篇论文写得更漂亮，而是那些过去需要学者长期手工完成的文献工程，正在逐步变成可以由多个智能体协同运作的研究流程。

其实，我子云智网中的神仙典故星图，也是codex一手操办。它可以帮我分析西王母、昆仑、不死药、黄帝升仙等知识关联，再借助我多年的学术积累去寻找其中的历史变化。

而在新的研究环境中，我们还可以让不同智能体分别进行原始文献识别、异文比对、知识节点抽取、关系建模和竞争性解释生成，再通过人工与机器交叉验证逐步修正结论。

这一过程当然可能出错，特别是古籍中的正文、夹注、眉批和不同版本之异文等细节，特别容易出错！因此，没有可靠的证据链和学术积累，再先进的智能体也可能只是一个高速运转的学术造假机器。你用得越多，越会觉得心惊胆战、精疲力竭。

但不能因为空难的存在，就认为人类只能永远徒步出行！真正值得研究的是如何提升制造技术、设置航空规则、建立验证系统，以及训练更高妙的驾驶能力。

当然，这仅仅只是一个类比，于人机协作的学术而言，关键还在于我们能不能建立一套新的知识生产机制。

值得注意的是，AI时代的研究进程还可能出现一种变化，即行动先于思想——因为行动再难以等待完整的理论构想之后才会发生。只要研究者在真实生活情境中发现了真实的问题，便可直接设定目标，并让智能体提出候选方案、执行可验证任务，进而促使人类重新思考这一整套问题。

这并不意味着思想已经失去作用，而是思想与行动之间形成了更密集的反馈循环。过去需要经过长期写作和整理才能呈现的探索过程，未来可能越来越多地会以可追溯的交互记录、实验结果和动态知识结构展现在我们面前。

由此看来，我们还有必要继续把线性论文视为思想最正统、最可靠，甚至不可替代的表现形式吗？

四、如果“AI写作是一种命运”，那我们该如何接受？

有趣的是，与徐贲和燕南晓生的争论相呼应，腾讯研究院王焕超先生最近发表了一篇非常有深度，且与我深度共鸣的文章——《AI写作是一种命运》。

该文借助尼采使用打字机的经历，以及柏拉图、基特勒等人对媒介与思想关系的讨论，指出书写工具从来不只是思想的外部载体，它也会反过来影响人类的思考方式。

王焕超先生进而提出了一个相当具有启发性的判断：当AI已经渗透到整个语言和知识环境之中，即使一个人坚持不使用AI，也不可能彻底摆脱它对公共表达标准的影响。

比如2025年，Dmitry Kobak等人在《Science Advances》发表研究，分析超过1500万篇生物医学论文摘要，发现2024年论文中某些风格词汇的使用频率出现异常上升。研究者据此估计，2024年相关摘要中至少13.5%经过了大语言模型的处理。

更值得注意的是，2026年8月，《Nature Human Behaviour》又发表了一项研究。研究者分析了多个领域的88万余篇文本后发现，AI辅助写作与语言多样性的下降存在显著关联。在所研究的数据集和模型中，AI改写可使写作复杂度的变异程度降低21%至50%。

这就意味着，AI不仅可能改变个人的写作习惯，还可能在群体层面重塑我们对于正常表达、合理结构乃至优秀文风的认知。

一旦所有人都习惯了某套AI偏好的表达方式，所谓“AI味”便可能逐渐转化为人类写作的新规范。

王焕超因此提出，在文字可以被无限生产的时代，真正稀缺的是作者的在场、个人经验、价值判断与愿意承担后果的主体性。他还提出“承重句”的概念，即那些一旦被替换，整篇文章便无法成立的核心判断。

这些观察皆不无道理。

但我仍然认为，“承重句”还不足以成为人类独占原创性的最后堡垒。

倘若未来AI能够独立提出一项经过证据验证的重大理论判断，难道仅仅因为它没有经历人类式的生命苦难，就必须否认这一判断的知识价值？

王焕超对于模型缺少连续自我和长期经验的判断，似乎也没有考虑到智能体技术的发展。如今具有外部记忆、持久工作空间和行动反馈的系统，已经能够在一定程度上保存并修正自身的研究历史。当然，这不等于它们具有人类意义上的自我意识、生命体验或责任能力。

但机器能否创造知识，并不要求机器需要具有人的生命体验——就像飞机不需要鸟的飞翔经验，却能比鸟飞得更高、更远。

因此，我更愿意把王焕超所说的“命运”理解为一种历史条件，而不是一种无法改变的技术宿命。

而且，每一次新技术的出现，都可能重新配置人的能力、权利和责任。但技术能做什么，和我们应该允许它做什么，始终是两个截然不同的问题。

真正的人文主义，不是拒绝技术，也不是向技术投降，而是不断追问技术将把我们带向怎样的世界，以及我们是否有能力继续参世界的塑造。

五、我们其实是在依靠“典故”思考，为什么AI就不行？

其实，上述思考在三年前就已经发生了。可惜，这篇文章直到今年才得以发表（《数字人文》2026年第2期论文《数智化语境中的典故及其与世界、人文之关联——“数智人文”如何可能？》）。

在这篇文章中，我尝试对传统的典故概念进行重新界定。

典故并非只是古典诗文中的用典修辞，也可以被理解为一种高度集约、相对稳定却又始终开放的文化信息模型。它将纷繁复杂的历史经验、文化知识、情感体验和价值观念压缩为一个相对简约的符号结构，并且能够在不同语境中不断被激活、解释和重构。

例如，我们今天谈论“乌托邦”，很少有人会重新追溯托马斯·莫尔原著中全部复杂的制度想象；谈论“现代性”，也未必会逐一重建它在不同哲学家和社会理论家那里所包含的全部概念差异。

我们往往直接调用一个已经被文化共同体反复编码的知识模型，然后根据自己的问题和语境，对它进行重新解释。

这便是我所讨论的“典故化”的认知机制之一。

甚至当我们看到桌子上的一只杯子时，也并不需要每次都从零开始分析它的形状、材质和用途。我们之所以能够迅速把握它，是因为既有经验和认知结构已经赋予它某种相对稳定的对象意义。

当然，这种一般性的对象认知不能直接等同于文学史意义上的典故。但它们在一个重要层面具有相似性，即人通过已经形成的知识模型，对新的经验进行识别、编码和解释。

如果进一步把典故理解为具有叙事性、文化关联性和历史演化能力的信息节点，那么人类的知识活动就不只是一个个孤立概念的逻辑推演，而是大量既有知识模型不断被激活、组合、重构的过程。

这与大语言模型有什么关系？

关系很大。

大语言模型同样在既有语言和知识关系中学习复杂模式，并据此生成新的表达与解释。当然，我们不能因此把人的具身认知、文化记忆与模型的数学计算简单等同起来，毕竟两者的形成机制和存在方式仍有显著差异。

但这至少提示我们，所谓原创性，从来不是在一片完全空白的意识中凭空生长出思想，而往往是在既有知识结构之间建立新的关联，发现此前没有被看见的问题，或者重新解释旧有知识的意义。

从这个角度看，人类的独立思考原本就并非绝对孤立的活动。

我们引用柏拉图、康德、福柯或维特根斯坦，难道不是在借助他们留下的知识模型进行思考吗？我们使用“启蒙”“主体性”“现代性”“具身性”等概念，难道不是在调用漫长思想史中所形成的集体智识资源吗？

这些知识资源早已成为我们理解世界的前提，有时甚至成为我们意识不到的思想边界。

只不过，过去这些模型主要通过阅读、教育和社会交往进入人的认知系统。而今天，AI使我们能够以更加直接、密集和互动的方式，对它们进行检索、重组、质疑和更新。

正因为此，问题也发生了重要的变化。

当一名学者与AI进行深度对话时，他未必是在用机器代替自己的思想，也可能是在借助一个能够不断调动不同知识模型的认知系统，重新审视自己原有的知识结构。

当然，前提是这种互动真正产生了新的理解，而不只是让人从机器给出的标准答案中挑选一个最顺眼的版本。

这也正是我认为“典故学”具有特殊意义的原因。

在我的设想中，AI时代的典故学，不是把古典文献中的典故全部识别出来，再机械地绘制一张知识图谱，而是尝试以文化知识节点为基础，重建知识的源流、传播、变形、互文与意义生成过程。

例如，西王母为什么会从早期神话中的复杂神圣形象，逐渐成为不死想象、仙境叙事乃至文学审美中的文化符号？“昆仑”“不死药”“瑶池”等知识节点又是如何在不同历史时期、不同文类和不同群体的言说中形成新的关联？

传统研究需要学者长期阅读与积累，再以论文形式提出解释。未来则有可能通过机器参与的动态知识网络，让历史材料、解释依据、竞争性观点和意义演变过程获得更加完整的呈现。

这样形成的知识结构，不再只依赖一篇封闭的文本来证明其价值，而能够在新的文献发现和不同研究者的参与下持续扩展、修正和更新。

这才是我所期待的“典故学”。

它不仅试图重新理解传统文化，更希望探索AI时代的知识，如何以新的形态存在，AI时代的人们，又如何通过这些知识结构重新理解世界。

六、未来的人文学者，可能都只是庞大知识网络中的一个节点

写到这里，我们还需要面对一个更深刻的问题。

传统学术共同体为什么如此重视作者、论文和学科建制？

因为在过去漫长的历史中，知识的传播和保存主要依赖人。一个优秀学者掌握大量专业知识，能够借助阅读、判断与写作，将分散的信息组织为较为可靠的学术成果。

因此，学者的个人权威、学科的专业边界以及论文的同行评审制度，都承担了知识筛选、认证和传播的功能。

但在AI时代，这些制度的功能结构正在发生深刻的变化。

如果机器可以持续处理海量文献、识别知识关联、比较不同解释、生成新的假设，并保存整个研究过程，那么学者便不再是知识生产链条中唯一的组织中心。

我们每个人都可能成为一个庞大知识网络中的某个节点。

从技术上说，未来的科研系统有可能将每个研究者、每篇文献、每个概念、每项证据和每次重要的理论修正，纳入不断演化的知识关联网络（我将其定名为“子云-智网”）。

而一个学者的学术价值，也可能越来越多地体现为他为这一网络贡献了哪些新的问题、可靠证据、解释模型或知识联系，而不是仅仅体现为署名发表了多少篇论文。

不过，我并不认为这种变化意味着学术共同体的判断，可以直接交给某个所谓客观的量化模型。

恰恰相反，算法评价也会受到数据质量、指标设计和制度利益的影响。如果我们只是把今天的论文数量换成明天的知识节点数量，把期刊等级换成算法评分，那么所谓学术范式革命，无非是给旧制度安装了一套新的自动计数器。

真正重要的，是让知识生产的证据过程更加透明，让不同学者的创造性贡献更容易被识别，让有价值的解释能够在公开的批评、修正与验证中持续发展。

这就引出了一个比人机共笔更值得讨论的问题：未来人文学术究竟能够为社会提供什么？

仅仅是不断生产新的论文吗？当然不是。

我认为，人文学术至少应该能够提供可靠的知识体系，帮助人们理解不同社会问题，解释人的历史经验，建立可供交流和批判的意义结构，并为面对不确定未来的人类提供价值反思与判断资源。

倘若一门学科除了维持自身的专业话语、培养自己的学科继承人，以及持续生产只有同行才会阅读的论文之外，已经很难对现实世界作出有效回应，那么它究竟还有多少不可替代的公共价值？

这不是AI向人文学界提出的问题，而是人文学界早就应该主动回答的问题。

只不过，AI让这个问题变得越来越无法回避了。

七、论文未必会消失，但我们必须重新体认何谓思想

行文至此，我还并不打算直接宣布——论文已死！

一篇严谨的学术论文，依然可以是复杂论证、充分证据和理论创新的有效载体。尤其在需要公开检验研究方法、证据来源和推理过程的情况下，论文所具有的规范化表达功能，仍然具有重要价值。

但我们也没有理由把论文看成思想必须服从的终极形态。

如果一个研究过程包含数万条文献关系、数百次模型修正、多个智能体之间持续进行的竞争性解释，以及可以随时被新证据更新的知识结构，那么最终强行将它压缩为一篇万字左右的线性论文，是否仍然是最适当的表达方式？

论文可以继续存在，但它或许应该成为复杂知识系统的一个可阅读界面、一份阶段性论证报告，而不再是知识生产的唯一合法成果。

更值得期待的，是一种能够直接呈现研究证据、知识关系、推理路径和不同解释的开放式学术系统。

我在此前的研究中提出过“人机交互史”的构想。如果从这一视角回望，我们会发现，人类的发展史也是一部不断将自身能力外化、借助工具重新组织生活与认知的历史。

从文字到印刷，从机械计算到互联网，再到今天的生成式AI与智能体，技术确实不断改变着人的能力边界。

但认知外化不等于主体性的必然丧失。文字让人不必记住所有事情，却也使更为复杂的知识积累成为可能。印刷降低了复制知识的劳动成本，却并没有消灭思想。互联网带来了信息茧房、注意力涣散乃至价值上的对立，但同时也让知识的获取变得轻而易举。

AI同样如此。

它可能使一些人变得更加懒惰，也可能使另一些人获得过去难以想象的认知能力。它可能制造海量平庸的文字，也可能帮助研究者发现从前无法发现的知识联系。

当然，最终结果不能只由技术来决定，而应由我们预见性地设计教育、分配、知识生产和公共评价制度。

我所担心的，并不是未来的人文学者没有论文可写。

而是，当技术已经能够帮助我们重新组织知识、检验思想、探索世界时，我们却仍然固执地认为，只有按照原有学科的规范写出一篇论文，才算完成了一次真正的智力劳动。

如果真是那样的话，人类即便没有被AI夺走思考能力，也早就被自己建立的学术裹脚布束缚了头脑。

徐贲先生提出“高阶共笔”，是在尝试打破这种束缚。

燕南晓生强调写作的生命经验，则是在提醒我们不要轻易放弃人的主体性。

他们各自都抓住了一个重要问题，但AI正在打开的世界，可能远远超出这两种立场的预设。

对于真正的人文学者而言，千万别再执着于“怎样使用AI才能写出更好的论文”，而应该进一步追问：

当机器可以参与知识创造时，我们还能提出什么新的问题？当知识不再依赖论文作为唯一载体时，我们又能建立什么新的学术制度？当人的认知能力不断被机器拓展时，人文学术究竟应该为人类保留和创造怎样的意义世界？

我之所以提出“典故学”，正是希望由此探索一种新的可能。

我希望，人类在漫长历史中形成的知识、经验和意义，不再只是封存在经典、概念和论文中的静态遗产，而是能够借助新的技术体系，成为不断被激活、被检验、被修正和被创造的开放式知识网络。

这并不意味着我的设想已经得到了充分证明。它仍然需要严谨的文献工程、可复核的研究案例以及真正能够运行的技术系统来检验。

但是，至少有一点可以确定：未来人文学术的价值，不应仅仅取决于它能够生产多少符合既定规范的文章，而应取决于它能否不断提出新的问题、创造可靠的知识，并帮助人类形成理解世界和判断自身处境的能力。

我们长了个脑子，原本就是为了生存、欣赏和判断，而不是为了写论文而存在的。

如果AI已经能够替我们完成许多写论文的工作，我们为什么不把宝贵的智力、时间和创造力，用来做一些比写论文更重要的事情呢？

也许，这才是人机协同真正值得期待的未来。

而“典故学”，正是我试图给出的一个回答。

相关阅读

华东师大打响了AI重构学术范式的第一枪！学术界的“华东起义”？

AI与人相协作的时代已经来临，且不可逆转！兼答尚杰教授对华东师大“AI驱动教育研究论文写作”征文活动的质疑

华东师大的 “第一枪” 到底如何？AI 将重构一种什么样的学术范式？

为何《华东师大学报》的 AI 一作论文，上线三天就被悄然撤下？还要不要将“AI4SS革命”进行到底？

曾建华|人工智能与人文学术范式革命——来自ChatGPT的挑战与启示

参考资料

徐贲：《关于规范使用人工智能工具：致〈文艺研究〉编辑部的一封信》《人机共笔，岂能以盲辨色？》《预期的预期：AI写作时代的集体沉默》《回应AI写作争议——跳出“手搓”与“代写”，还有第三条路》，2026年。

燕南晓生：《与徐贲先生商榷：当AI替我们写作，人还能“独立行走”吗？》《AI写作是否存在“第三条路”？——再与徐贲先生商榷》，2026年。

王焕超：《AI写作是一种命运》，2026年。

曾建华：《数智化语境中的典故及其与世界、人文之关联——“数智人文”如何可能？》，《数字人文》2026年第2期，第142—159页。

Kobak, D., et al. “Delving into LLM-assisted writing in biomedical publications through excess vocabulary.” Science Advances, 2025. https://doi.org/10.1126/sciadv.adt3813

Sourati, Z., et al. “The shrinking landscape of linguistic diversity in the age of large language models.” Nature Human Behaviour, 2026. https://doi.org/10.1038/s41562-026-02550-0

Chen, X. “Layer-sensitive cognitive offloading in generative AI-assisted writing: supported performance and independent no-AI outcomes.” Frontiers in Psychology, 2026. https://doi.org/10.3389/fpsyg.2026.1906199

Contractor, Z., and G. Reyes. “Experimental Evidence on the Learning Impact of Generative AI.” IZA Discussion PaperNo. 18792, 2026. https://www.iza.org/publications/dp/18792

“Accelerating scientific discovery with Co-Scientist.” Nature, 2026. https://doi.org/10.1038/s41586-026-10644-y

“A multi-agent system for automating scientific discovery.” Nature, 2026. https://doi.org/10.1038/s41586-026-10652-y

Feng, B., et al. “Agentic AI systems for scientific discovery.” Nature Reviews Methods Primers, 2026. https://doi.org/10.1038/s43586-026-00534-y