徐 贲:AI让人文研究更纯粹,不是更容易

学人简介：徐贲，1950年生于江苏苏州，美国加州圣玛丽学院英语系荣休教授。作者授权首发。

在人类知识生产的漫长历史中，工具与问题之间的相遇，往往比工具本身更具决定性的意义。望远镜的发明改变了天文学，但使伽利略成为伽利略的，不是望远镜，而是他将望远镜对准木星卫星时所携带的问题意识。显微镜使列文虎克（Antonie van Leeuwenhoek）看见了微生物世界，但使这个发现具有文明史意义的，是它与当时医学、神学和自然哲学问题的相遇所激发的连锁思想震荡。每一次重大的认识论变革，背后都有一次工具与问题意识之间的偶遇——一种在特定历史时刻，某种新的认知能力与某种积累已久的人类追问相撞所产生的火花。

人文研究者在当代与AI的相遇，正是这种性质的偶遇。然而，这场偶遇的意义，很容易被一种诱人的误解所遮蔽：以为AI使人文研究变得更容易了。这个误解不完全是错的——某些工作确实变容易了——但它错失了更根本的事情。AI所带来的真正改变，不是降低了人文研究的难度，而是改变了它的难度所在。它将人文研究中可以被外包的技术性劳动大幅压缩，从而使那些真正不可外包的东西——问题意识、判断力、道德勇气、跨越表象抵达结构的洞察力——以一种前所未有的赤裸方式暴露出来。

在这个意义上，AI并没有使人文研究变得简单，而是使它变得更加纯粹，也更加严苛。过去，研究者可以把大量时间和精力投入资料搜集、文献整理、语言表达等技术性劳动；如今，这些工作越来越容易获得机器的协助，研究者也就更难以这些劳动的繁重来衡量自己的思想贡献。真正的考验随之显现：能否提出值得研究的问题，能否辨别信息与洞见，能否在纷繁的答案中作出自己的判断，并为自己的判断承担责任。AI压缩了研究的技术性门槛，却抬高了思想创造的要求；它没有替人完成思考，而是让人更清楚地面对自己究竟思考了什么。

传统人文研究的知识生产结构，有一种内置的悖论：最重要的工作——提出具有原创性的问题，建构解释性的概念框架，在历史的碎片中辨认出结构性的规律——恰恰是最难被制度化、最难被传授、也最难被保护的部分；而不那么重要的工作——史料的搜集、整理、核实、归类——却占据了一个学者职业生涯中不成比例的大量时间和精力。一个历史学家为了写一部关于中世纪战争伦理的著作，可能需要花费五年时间在档案馆里辨认手稿；一个研究近代科层制与责任结构的社会学家，可能需要将数十年消耗在对行政文件的系统性梳理上。在这个漫长的过程中，最初驱动研究的那个核心问题——那个使这一切工作具有意义的追问——往往在史料的重压下逐渐模糊，甚至消失。

这种学术生产结构，造就了一代又一代的专家，却未必造就了一代又一代的思想者。专家的力量在于对特定领域史料的掌握；思想者的力量在于对跨越领域的结构性问题的感知能力。两者并非不能共存，但在传统的学术训练体制中，前者的培养系统性地压制了后者的发展——因为一个人的精力是有限的，而史料的积累是无限的。更重要的是，这个结构为思想的懈怠提供了完美的借口：问题意识的缺乏，总可以被解释为史料积累的尚未充分；真正重要的追问，总可以被推迟到"等基础工作完成之后"。这个"之后"，在许多情况下，终其一生也没有到来。

AI在这里所带来的改变，不是让人文研究变得更容易，而是让它变得更纯粹——同时也更硬核。一个关注"战争责任的历史性消解"问题的学者，在过去需要先成为古希腊史专家、中世纪封建制度专家、近现代总体战史专家，才能拥有足够的史料基础去支撑一个横跨数千年的比较性论断。这意味着，在他真正能够以足够的学术严谨性提出和回答那个问题之前，他的职业生涯可能已经接近尾声。

而今天，AI可以在几分钟内提供拜占庭帝国军事科层制的结构性描述，梳理一战总动员机制的关键节点，列举奥斯曼帝国战争责任分配的制度性特征——不是以一种代替思考的方式，而是以一种为思考搭建脚手架的方式，使学者得以将全部的认知能量集中在那个真正重要的工作上：辨认这些历史现象背后的共同结构，建构一个能够将它们统一解释的概念框架，并追问这个框架对于理解当代算法战争时代的责任异化具有怎样的意义。

但这里的"纯粹"，同时意味着压力的转移与暴露。当史料搜集不再是拖延真正思想工作的原因，当文献梳理可以在数小时内完成，研究者便被迫正面遭遇一个长期被技术性劳动所遮蔽的问题：你究竟想说什么？你所提出的问题，是否真的是一个值得被追问的问题？你的概念框架，是否真的在解释什么，还是只是在用更复杂的语言重新描述你已经知道的事情？这些问题，在传统的学术生产节奏中，可以被无限推迟；在AI辅助的研究条件下，它们以一种令人不舒服的速度被提前摆上桌面。

波兰尼（Michael Polanyi）在《个人知识》（Personal Knowledge）中提出的明确知识（explicit knowledge）与默会知识（tacit knowledge）的区分，在AI时代获得了新的意义。史料、文献、概念等明确知识越来越容易被AI获取和组织，而真正决定人文研究深度的，则是那些长期积累形成的问题意识、历史判断、概念敏感性以及跨领域联想能力。这些能力无法通过简单的信息调用获得，也难以被工具直接替代。AI降低了获取知识的门槛，却因此更加凸显了那些只有长期阅读、思考和生命经验才能形成的默会知识的价值。对于人文研究者而言，这意味着真正的竞争，不再主要发生在知识占有上，而发生在知识如何被理解、组织和重新发现意义的能力上。

"纯粹"的追问，要求真正广阔的参照系。一个关于战争责任的人文研究，如果只能调用西方近现代的理论资源，它的"纯粹"便是残缺的——它所发现的结构，可能只是西方近现代的特殊性，而非人类经验的普遍规律。然而，要在一部著作的写作周期内真正跨越不同文明传统、跨越语言屏障，在传统的研究条件下几乎是不可能完成的任务。

在人类知识传承的历史上，文明记忆的可接近性始终是思想生产的根本性限制。文艺复兴人文主义者最深沉的梦想，是重新找回那些在历史动荡中失散的古典文献——当波吉奥·布拉乔利尼（Poggio Bracciolini）在1417年于一座德国修道院的图书馆中重新发现卢克莱修（Lucretius）的《物性论》（De Rerum Natura）时，他所经历的，是一次与一个沉睡了千年的声音的相遇，那种震动在随后的一个世纪里以涟漪的方式扩散至整个欧洲思想界。

启蒙时代的百科全书派，则试图以另一种方式回应同样的渴望：将分散于不同领域、不同传统的知识重新组织起来，使之成为可以被任何有求知意愿的人所接近的整体。这些历史努力，都是对同一个根本性限制的不同回应：文明积累的知识，远远超出了任何个体或任何时代的实际接近能力。

今天，第一次出现了一种工具，使得一个普通的研究者，在一个工作台上，能够同时与亚里士多德、孔子、司马迁、奥古斯丁、阿奎那、韦伯、阿伦特展开某种形式的对话。在"责任"这一概念下，孔子的"仁"与亚里士多德的"德性"（arete）与阿伦特的"复数性"（plurality）可以被同时调用，它们之间的张力与共鸣可以在同一个分析框架中被探索。

布鲁诺·拉图尔（Bruno Latour）在《我们从未现代过》（We Have Never Been Modern）中论证，现代性的知识分类体制将本质上混杂的现象人为地切割为纯粹的领域。儒家伦理与斯多葛主义、佛教的苦难观与基督教的赎罪神学、伊斯兰法律传统中的集体责任概念与现代西方个人主义的责任理论——这些本来可以在"人类如何理解道德责任"这一共同问题下相互照亮的思想传统，在过去的学术格局中，由于语言障碍和学科边界的双重隔绝，几乎从未真正进入同一个对话空间。

阿比·瓦尔堡（Aby Warburg）一生致力于追踪古典图像在后世文化中的存活与变形，他在汉堡建立的瓦尔堡图书馆，其独特之处在于拒绝按照学科分类来组织藏书，而是按照"邻近性"（neighbourhood）原则将书籍排列——一本关于占星术的书旁边可能是一本关于政治仪式的书，一本关于希腊神话的书旁边可能是一本关于文艺复兴绘画技法的书。这种排列原则，是对偶遇的制度性保障：它相信，最重要的发现往往来自意想不到的邻接。AI在某种意义上，是一种数字化的瓦尔堡图书馆——一个跨越所有学科边界、跨越所有语言屏障、跨越所有时代区隔，将人类文明的思想产物置于同一个可检索空间中的装置。

然而，这种可能性本身并不自动产生"纯粹"。它只是创造了条件。如果研究者携带的不是真实的问题，而是装饰性的跨文化引用需求，AI同样能够以令人印象深刻的方式满足这种需求——提供一批看起来博学的引文，却没有任何真正的比较意义。真正的纯粹，要求研究者在面对这片突然敞开的文明记忆时，保持足够的问题意识去辨别：哪些传统之间的对话是真正具有思想张力的，哪些只是表面的相似而掩盖着本质的差异，哪些差异本身就是最重要的洞见。这种辨别力，无法从AI那里获得；它只能来自研究者自己对所追问问题的深度投入。

人文研究的学科划分，在知识生产的历史上是一种必要的组织原则，但它也内置了一种认识论的限制：最重要的问题，往往不在任何单一学科的管辖范围之内。"战争如何改变人的道德判断能力"这个问题，同时属于历史学、心理学、哲学、社会学和政治学；"科层制如何使个体的道德责任系统性地消失"这个问题，跨越了组织行为学、政治哲学、法律理论和历史社会学。在传统的学术体制中，这类问题的研究者面临一个两难困境：要么以牺牲深度为代价进行广泛的跨学科涉猎，要么以牺牲广度为代价在单一学科内精耕细作。两种选择都意味着对问题本身的某种背叛。

AI在这里所提供的，不是跨学科研究的替代品，而是跨学科研究的基础设施。当一个学者试图理解"为什么现代战争中的普通参与者在事后往往感到自己没有道德责任"时，他需要同时调用阿伦特关于"平庸之恶"的政治哲学分析、斯坦利·米尔格拉姆（Stanley Milgram）关于服从权威的社会心理学实验、马克斯·韦伯关于科层制的社会学理论，以及现代神经科学关于道德判断在压力下如何被抑制的实证研究。

在传统的研究条件下，将这四个领域的相关文献梳理清楚，本身就可能消耗一个研究项目的大半时间。AI可以在这个维度上承担相当一部分的文献整合工作，使学者得以将精力集中在真正需要人类判断的地方：这四个不同领域的分析框架，如何在"责任的系统性消解"这一核心问题上形成互补而非重复的解释层次？它们之间存在哪些张力？这些张力本身揭示了什么？

但跨学科在AI时代同样面临一种新的纯粹性考验。AI能够迅速提供来自不同学科的文献摘要与概念梳理，这使得"跨学科"变得表面上容易——一篇引用了哲学、心理学、社会学和神经科学的论文，很可能只是将四个领域的现成结论并列陈述，而没有真正的整合性洞察。真正的跨学科，不是材料的拼贴，而是在不同学科框架的碰撞中发现单一框架无法看见的东西；不是用多个领域的词汇重新描述同一个现象，而是在这些词汇的张力中发现一个更深层的结构。

费尔南·布罗代尔（Fernand Braudel）以"长时段"（la longue durée）的方法论论证，某些历史结构的演变需要以数百年为单位才能被有意义地观察（Braudel 20）。这种方法论所要求的，不只是跨领域的材料积累，而是一种将不同时间尺度的变化整合进同一个解释框架的概念能力——这种能力，AI可以为其搭建材料基础，却无法代为构建。

二十世纪下半叶的人文学术，在方法论上经历了一场深刻的微观化转向。这一转向有其充分的理由：宏大叙事的历史充斥着以理论预设凌驾于历史证据之上的傲慢，充斥着以西方经验冒充普遍规律的遮蔽，充斥着对边缘声音与异质经验的系统性压制。微观史学、厚描民族志、话语分析的兴起，是对这些问题的必要纠正。

然而，这种纠正在某些领域走得太远了，产生了一种新的、以过度谨慎为形式的认识论问题。人文学术逐渐形成了一种文化气候，在这种气候中，提出大问题本身被视为方法论上的不成熟，被视为对学术严谨性的轻率背叛。结果是，学术生产越来越精密，越来越自我封闭，越来越难以对人类真正关心的问题做出有意义的回应。约翰·杜威在《民主与教育》（Democracy and Education）中论证，真正的智识生活依赖于问题与经验的真实联结——当思考与真实的人类处境脱节，当知识生产变成一种自给自足的制度性游戏，它便失去了其最深层的意义根基。

AI有可能以一种意外的方式改变这种格局。当大量技术性劳动——文献检索、史料梳理、跨语言对比、跨学科文献综述——的成本被大幅压缩，学者终于有机会重新面对那些被专业化所遮蔽的大问题，而不必为提出这些问题付出方法论上不可承受的代价。一个研究者可以严肃地追问"人类为什么反复陷入战争，这一规律性在文明史的尺度上意味着什么"，而不必为了回答这个问题先花费二十年成为战争史的专家。

但"大问题"的回归，并不自动意味着好的大问题的回归。这里的纯粹性要求最为严苛：AI时代最容易产生的知识幻觉，正是以"跨文明综合"面貌出现的宏大空洞——引用了足够多的经典，涵盖了足够多的文化传统，却没有真正的洞见，只是在用宏大的规模掩盖论证的空洞。伊赛亚·伯林（Isaiah Berlin）在其整个学术生涯中，始终坚持将思想家理解为在具体历史处境中以其全部人性回应真实问题的人。

这种理解，要求研究者自己也能够感知那些真实问题的重量——要求一种对人类处境的真正敏感性，而不只是对文献的技术性掌握。AI在解放了研究者的技术性负担之后，实际上也在以一种更直接的方式逼问研究者：你对这些大问题的追问，是来自你真正在乎的某种人类困境，还是来自一种对宏大感的学术表演欲望？这两种追问产生的文字，从外表上可能很相似；但前者有重量，后者是空壳。在AI使得空壳的生产成本趋近于零的时代，有重量的追问变得比以往任何时候都更难伪造，也更珍贵。

在思想史上，伟大的思想很少诞生于独白。苏格拉底的哲学，以对话为其基本形式；马克思与恩格斯之间长达数十年的通信与对话，使他们每个人的思想都远远超过了他们单独工作所能达到的深度。约翰逊博士（Samuel Johnson）需要博斯韦尔（James Boswell）——不只是作为记录者，而是作为一个通过提问和反应来激发约翰逊最好状态的对话伙伴。思想的诞生，在这些案例中呈现出一种共同的结构：它需要一个真实的他者——一个会提出意想不到的问题、会提供意想不到的联系、会对自己的想法做出真实反应的存在。

AI作为思想伙伴，具有一种独特的性质，而这种性质与"纯粹"的主题直接相关。它是一个永不疲倦、随时可得的对话者——但它的对话，在某种意义上，是一种毫不留情的暴露。当一个研究者向AI阐述自己正在发展的论点时，AI会立即提供来自不同方向的参照、质疑、补充和反例。这个过程，与其说是思想的舒适陪伴，不如说是一种持续的压力测试：你的论点是否真的能够承受来自阿伦特的视角、来自韦伯的视角、来自《韩非子》的视角的同时审视？你所认为的"洞见"，是否只是在某个单一传统内部才有效的局部真理？你所构建的概念框架，是否真的在解释现象，还是只是在以概念的复杂性制造一种解释的幻象？

保罗·利科（Paul Ricoeur）在《活的隐喻》（La Métaphore vive）中将创造性思维的核心定位于"适切的不适切"——将本不相干的领域强行接触，在它们之间建立出乎意料的联系。AI作为思想伙伴的最大价值，正在于它能够以一种远超任何个体人类对话者的速度和广度，持续地提供这种"适切的不适切"——将思考者引向他自己永远不会主动去寻找的联系，在意外的碰撞中激发出无法被单独预期的洞见。但这种价值，同样只有在研究者携带着真实问题时才能兑现。一个没有真实问题的研究者与AI的对话，只会产生越来越精巧的文字游戏；一个携带着真实问题的研究者与AI的对话，则可能在某个意想不到的参照中，忽然看见自己正在直觉性摸索的结构。

AI不能替代真正的人类思想对话——那种在共同的生命处境中、在真实的相互理解中发生的深层交流，仍然是AI无法企及的。但它作为思想伙伴的独特意义，在于它能够充当一面不偏袒的镜子：你在它面前无法依靠个人魅力、无法依靠学术权威、无法依靠情感说服——你只有你的论证本身。在这个意义上，AI作为思想伙伴，是对人文研究纯粹性的一种持续的、无情的、也是有益的测试。

一位朋友读了我的《公共知识与私人秘术：用AI协助写作需要伪装和去痕迹吗》一文后，对我说，这篇文章写得真好，是AI写不出来的，但没有AI，你也写不出来。朋友这句话说得好，像一盆冷水，又像一枚勋章。我愣了两秒，然后忍不住拍了一下桌子。他说得对，而且恰恰说到了点子上。这不正是在用我的亲身经历，证明我那篇文章一直在念叨的那个理儿吗？

我那篇《公共知识与私人秘术》，跨度从炼金术士扯到福柯，从公地悲剧拐到印刷术，信息量不小，论证结构也还算结实。如果要诚实一点，我得说，里面关于“中世纪炼金术秘方”的历史细节，是我自己凭记忆绝对拿不准的；关于“制度性悲剧”里那几个社会学模型，也是我先有了模糊的直觉，然后扔给AI让它替我“搜”一圈经典表述，我再从那些搜索结果里挑出顺眼的、符合我论点的，重新用我自己的话讲一遍。

所以朋友说“没有AI你写不出来”，这确实不冤枉。那篇文章的思想骨架是我的，但血肉里的好些历史典故、理论术语、案例支撑，确实靠了AI在那头替我跑腿、替我翻书、替我整理出“可能的线索”。过去一个学者要写这种跨学科的宏文，得在图书馆泡一两个月，现在我只花了三天，其中两天半还在跟AI来回磨嘴皮子或者扯别的话题。我能成为一个纯粹的炼金师，全因为我可以专心致志干我自己的活，而不必去身兼矿工的任务。

但我和AI哪一个更重要，更关键呢？当然是我。没有AI，我可以去挖矿，虽然慢一些，差一些，但可以愚公移山，多少能挖出一些来。但AI却代替不了我炼金。因为如果把我的原始提纲直接扔给AI，让它“帮我写一篇”，它吐出来的东西我见过——语言流畅、结构工整、每段都有小标题，像一份标准的研究生课程作业，但绝对不会是像我那种成色的成品，绝对不可能赢得我那位聪明朋友的赞叹。

AI时代的写作工艺是：它当矿工，你当炼金师，而不是调换角色。写作者越是合理、高效地拆分“写作”这个不可相互替换的活计，高层次的活才能干越纯粹，越精致。

我们过去把写作想象成一个“从无到有”的创造过程，像一个工匠从零开始捏陶罐。但AI时代不是这样了。现在更准确的模型是：写作 = 直觉的爆破 + 数据库的勘探 + 个人经验的熔铸 + 语言节奏的驯化。

第一步，直觉的爆破，全靠你自己。你得先有一个“非写不可”的念头，一个让你睡不着觉的别扭感受。比如我那篇文章的源头，就是因为讨厌那些“AI写的”，“不是，而是用了11次”这类留言涂鸦，就是因为在网上看到一堆人在转发“如何消除AI痕迹”的技艺传授，我心里堵得慌——不是气他们不诚实，而是气这个环境逼得大家把精力浪费在查AI痕迹和指纹的无聊游戏上。这个“堵得慌”，AI永远不会有。它没心没肺，不会糟心，不会胸闷。

第二步，数据库的勘探，大胆交给AI。当你决定写《AI时代的战争伦理》之后，就需要拉一张巨大的网：历史上有哪些关于战争伦理的讨论？从古希腊的正义战争观到现代国际人道法，经历了怎样的演变？现代社会学如何解释战争中的集体行为与道德责任？制度经济学、政治哲学和国际关系理论又能提供哪些分析工具？这时候，AI是你最好的勘探工。你让它列出相关著作、理论模型、历史案例和重要论文，再逐一筛选：“这个太老套了，那个有点意思，你再帮我深挖一下，关注点请放在正义战争理论与现代自主武器之间的关系。”你还可以让它比较不同学科的解释框架，寻找彼此之间尚未建立的联系。这些文献搜集、资料整理和初步比较的工作，耗时而繁杂，却恰恰是AI可以大显身手的地方。它比你快得多，不必客气，让它去做。

第三步，也是最要紧的，是个人经验的熔铸。勘探工给你搬回来一堆矿石，有金、有铜，也有废铁。现在轮到你上场了。你需要把正义战争理论中关于责任分配的讨论，与自己对技术、权力和制度的长期观察联系起来；把国际法关于区分原则和比例原则的抽象论述，与现实中决策者如何面对具体生命的困境放在一起。你还可以把自己亲历的组织决策、制度运作和责任推诿的细节带进来，追问战争中的道德责任为什么会在层层授权和技术中介中变得模糊。

这个过程需要你自己的判断、记忆和切身感受。AI可以帮助你找到理论，却没有经历过你所经历的事情；它可以归纳战争中的人性困境，却没有你对某个具体历史事件、某段个人经历或某种道德处境的特殊感受。它能够提供全世界知识的广阔背景，而你要做的，是从这些知识中找到那个只有你才会提出的问题，并赋予它自己的思想重量。

接下来的一步，是语言节奏的驯化。这是人机角力中最见功夫的环节。AI生成的初稿，往往带着一种“标准化普通话”的味道：句子通顺，语法正确，逻辑完整，却也因此显得过于平整，读起来容易让人犯困。你得像驯服一匹野马那样，反复折腾这段文字。该长的句子不妨拉长，该短的地方就果断截断；把僵硬的被动句改成有行动感的主动句，把习以为常的套语换成更贴近自己说话习惯的表达。有时，一个连接词的改变，一处停顿的调整，甚至一个词的取舍，都可能改变整段文字的气息。这个过程没有捷径，你得一个字一个字地磨。

那些教人“消除AI痕迹”的指南，常常把修改直引号、调整段落结构、替换“首先、其次”之类的套路当作技术诀窍。有人把这些做法视为作弊，我倒愿意把它们看作一种新的修辞训练。当然，改动标点和连接词本身并不等于形成了个人风格；真正重要的是，你能否借这些具体修改，重新掌握文本的节奏、语气和表达方式。古人练对仗、押韵、炼字，我们今天也需要面对一种新的语言训练：如何让一段由机器生成的平整文本，重新长出人类皮肤的纹理。

写得多了，我发现一个诀窍：AI最好用的地方，不是它当你秘书的时候，而是它当你杠精的时候。真正的优秀的写作者，在于敢于把AI当成自己的“思想对手”

你把你写完的初稿喂给它，让它“用最挑剔的审稿人的口吻，挑出所有论证薄弱的地方”。它会毫不客气地指出：“你第三段和第四段之间跳了一步”“你那个历史类比只说了相似性，没说差异性，会被人抓辫子”“你的结论喊口号太多，证据太少”。

这时候，你气得想砸键盘，但你不得不承认，它说的大多是对的。你就摁着它回怼：“第三段和第四段的缝隙我承认，那你给我三个可能的过渡方案。”它给，你挑，你改，你把它给的方案再揉碎了掺进你自己的语气里。一来二去，那篇稿子就像被砂纸打磨过的木头，越来越有光泽。哪个AI给你指出错误或不足，你就叫它把优化的文字让你看，然后把结果让另一个AI评价。我把这称作为“原汤化原食”，一般会比直接让AI乙来解决AI甲的问题有更好的效果。

对写作者，这个过程的本质是，用机器的高速计算力，倒逼自己思维的精密化。你原来可以糊弄过去的逻辑漏洞，现在被一台不知疲倦、没有情绪的监督员拿探照灯照着，你只能老老实实打补丁。真正推动人文研究和人类文明扩界探索的，从来不是某件工具本身，而是围绕工具形成的透明、可检验的集体讨论机制。你和AI之间的这场“私下争吵”，其实就是这种机制的最小实验单元。

朋友评价共笔文章的那句话——没有AI，写不出那么好的文章——之所以能先让我愣住，是因为他替我捅破了那层窗户纸：我一下子还真的没有心理准备，没法承认“没有AI，我也写不出”的这个事实。我一向对自己的写作能力很有信心，读研究生的时候，如今已经是世界著名作家的Donna  Leon是我的老师，夸我是“Essay machine”（写作机器）。共笔让我发现，我的写作潜力还远远没有发挥出来，共笔的实践极大地提高了我的写作能力，让我对自己的写作有了关于优秀/平庸的更高标准。

在我们当今的文化环境里，承认自己用了AI，像承认自己穿了内增高，偷偷做了整容。好像作品的“纯度”才是价值的唯一来源。可问题是，你用了图书馆，用了搜索引擎，用了语法检查软件，为什么从来没人要你“消除图书馆痕迹”？因为那些工具已经完成了制度化的“经验公共化”，它们成了基础设施。AI还没走到那一步，它还在“私人秘术”和“公共工具”的灰色地带挣扎。

一个写作者，如果想要在AI时代写出真正的好东西，第一步就是承认你就是用了AI，承认你就是离了它不行，就像你离了字典和咖啡不行一样。这没什么丢人的。丢人的是，你把AI吐出来的稿子原封不动地交上去。那是懒人作为，而优秀写作的天敌，从来不是工具，而是懒惰。

说到底，AI时代的优秀写作公式并不复杂：你独有的生命体验（无法替代）+ AI提供的知识光谱（无限延展）+ 你不厌其烦的语言打磨（死磕到底）= 一篇机器写不出、而没有机器你也未必写得出的东西。

那个“未必”，不是你的无能，而是你的幸运——人类历史上第一次，我们有了一个可以实时对话的知识外脑。莫扎特若没有钢琴，未必写得出那么多协奏曲；但这不妨碍莫扎特成为莫扎特。钢琴是他的外延，AI是我们的外延。关键从来不在外延，而在那个按下琴键、敲下字符、并且知道什么时候该把AI的建议扔进垃圾桶的人——那个活生生的、会胸闷、会拍桌子、会偷偷观察历史老师表情的你。

AI在其技术本质上，是反偶遇的。这里所说的“反偶遇”，并不是说AI不能给人带来意外，而是说它的运行机制倾向于从已有模式中寻找最可能的延续，而不是主动偏离这些模式。它可以制造令人惊讶的结果，却未必真正理解偶然相遇的意义，更不会像人一样，因为一次意外而改变自己原有的问题意识。

AI依靠模式识别，依靠概率分布，依靠对过去行为的学习来预测未来需求。语言模型的工作原理，是在巨大的文本语料库中识别统计规律，以最可能的方式延续给定的语言序列。在这种意义上，AI是人类历史上最强大的反偶遇装置之一——它以一种前所未有的规模和精度，将意外、偏离、错误和迷路这些偶遇的必要条件系统性地过滤掉。

而人文研究中最重要的发现，往往恰恰依赖于那些AI试图消除的东西。一个改变思想史的概念联系，往往依赖于两个本不相干的问题在同一个头脑中的意外碰撞；一个真正原创的问题，往往来自研究者在某个意想不到的材料中感受到的困惑与震动——而不是来自对"最相关文献"的系统性检索。当AI以无比高效的方式为研究者提供"相关内容"，它同时也在以一种隐蔽的方式压缩研究者与那些"看起来不相关却可能至关重要"的材料的相遇机会。一个完全依赖AI进行文献检索的研究者，可能正在以效率换取那种最无法被规划的思想惊喜。

这是AI辅助人文研究的真正风险，也是"纯粹"这一主张必须正视的内在代价。纯粹不只是去除了遮蔽，同时也去除了某些形式的迷途——而迷途，有时正是发现的前提。真正能够在AI时代维护人文研究之纯粹性的研究者，需要发展出一种双重意识：既能够善用AI作为工具，又能够在某些关键时刻故意绕开它，保留那种在没有人工智能引路的情况下独自面对材料的空间，保留那种效率极低却可能孕育最重要洞见的漫游能力。

智能机器试图预测一切，而人类却借助它重新发现了那些无法被预测的问题。智能机器试图消除一切未知，为万物标定精确的轨迹；而人类却在与它的深邃对话中，重新擦亮了那些无法被预测的惊奇天地。人类最深刻的智慧，正需要诞生于算法力所不及的茫然之处。

真正值得珍视的，并不是AI提供了多少答案，而是它让人类重新遭遇了那些曾经被技术性劳动所遮蔽的大问题、被学科边界所隔绝的文明传统、被埋没在史料重压下的经典声音——以及那个始终需要在工具洪流中重新找到自己的研究者本身。在这个越来越追求预测、优化与控制的时代，人文精神在这场偶遇中，不是被工具所淹没，也不是被工具所轻松解放，而是被工具逼回到了它本来应当占据的位置：不是历史的复印机，不是信息的整合者，而是文明的守夜人——在一切可以被机器承担的工作被机器承担之后，仍然坚守着那个只有人才能承担的追问：这一切，意味着什么？

游学招募·俄罗斯(2.8-16)｜历史专家领衔，走进四大名城，巡礼世遗