刊登日期 : 28/10/2026
1997年5月11日，纽约曼哈顿的安盛公正中心大厦里，国际象棋世界冠军加里·卡斯帕罗夫盯着棋盘。他意识到，他输了。IBM的超级电脑“深蓝”以3.5：2.5的总比分击败了人类历史上最伟大的棋手之一。全世界的报纸头版都在渲染同一个故事：机器赢了，人类输了。
但故事没有在这里结束。
人机共存时代 重新理解自己和AI⻆色 共同协作
卡斯帕罗夫在此后的10年里做了一件有趣的事，他发明了一种全新的比赛形式，叫作“先进国际象棋”（Advanced Chess）。这种比赛让人类棋手和电脑组队对弈。
2005年，在一场面向所有人开放的先进国际象棋锦标赛中，最终的冠军既不是配备了强大电脑的国际象棋大师，也不是单独运行的超级电脑，而是两个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，指导电脑之间的协作，击败了所有对手。
这个例子告诉我们：普通人加上机器智慧再加上一个好的协作流程，胜过顶尖专家加上机器智慧但协作流程糟糕的组合。它意味着在人机共存的时代，我们需要寻找一种全新的能力：理解自己能做什么、机器能做什么，以及让两者协同起来。
在本书（《后知识社会》）中，我们追溯了知识从篝火旁的口耳相传，到泥版上的刻写，到羊皮纸上的抄写，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”和“知识的价值如何被定义”。
现在，AI发动了新一次的知识革命。这一次，它动摇的不只是知识的记录和分发方式，更是知识的生产和使用本身。当一台机器可以在几秒内写出一篇文章、做出一份诊断、生成一段代码时，人的价值究竟在哪里？我们如何界定自己和机器之间的知识边界，并把两者协同起来？
我相信，谁都没有确定的答案。
在一个AI无处不在的世界里，有5种能力空前稀缺。而稀缺，正是我们在新知识时代寻找价值的源头。
AI减省“解决问题”成本 发现新问题才有价值
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，它都能给你一个看起来合理的答案。虽然AI也能在回答之后提出问题，但是提出真正有创造性的问题、关于人类福祉和未来的问题，可能还更多属于人类的能力范畴。
阿尔伯特·爱因斯坦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要数学或实验技巧，而提出新问题、新可能性，从新角度看旧问题，则需要创造性的想像力。”这句话在AI时代变得比以往任何时候都更加真实。当“解决问题”的成本因为AI而急剧下降时，“发现问题”的价值就会急剧上升。
查理斯·达尔文花了20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：为什么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？这个问题需要一个人在漫长的困惑中，一步步把碎片拼接起来，直到那个关键的缺口显露。
在知识爆炸的时代，提出好问题的人，能够在纷繁的资讯中看到别人看不到的空白、能够把不同领域的线索编织成一个全新疑问的人，将成为真正有价值的人。
要有犯错的勇气 在不确定中坚持探索
第二，犯错的勇气，而非追求永远正确的执念。
1928年9月的一个早安，苏格兰细菌学家亚历山大·弗莱明回到自己的实验室，发现自己犯了一个“错误”：他忘了盖好一个培养皿，结果一种蓝绿色的黴菌飘了进去，杀死了周围的一圈葡萄球菌。更“严谨”的科学家可能会把这个被污染的培养皿直接扔进垃圾桶，但弗莱明没有。他盯着那块空白看了很久，然后做了一件改变医学史的事，他问：“这是怎么回事？”青黴素由此诞生，此后拯救了数以亿计的生命。
AI被设计为尽可能“正确”。它的训练过程就是一个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，但也意味着它在本质上是保守的。它避免“犯错”，所以它也不会从错误中发现全新的东西。
人类的重大突破和发明，从青黴素到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“不应该发生”的事件。而把这些失败转化为发现，需要的不是计算能力，而是一种AI永远不会拥有的东西：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可以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，反而变成了最珍贵的创新者。
在海量资讯中保持清醒 判断方向
第三，在资讯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·奈特把“风险”和“不确定性”做了区分。风险是可以计算概率的，比如掷骰子；不确定性则是连概率都无法确定的，比如一种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，因为它没有直觉。
我们进入了一个信息量远远超过任何个人处理能力的时代，每天产生的资料量以EB（艾位元组）计。在这个时代，“记住更多知识”或“掌握一项稳定的技能”的价值在下降。AI可以记住一切，也可以运行大部分标准化的技能。
真正稀缺的，是在海量资讯面前保持清醒判断的能力：什么是信号，什么是杂讯？什么值得深究，什么应该忽略？在没有标准答案的情况下，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以被编码的技能，它更像是一种“品位”。这是经过长期训练形成的直觉，能帮助你在混沌中找到方向。而培养这种品位的唯一方式，是让自己反复暴露在复杂的、没有标准答案的真实情境中。这恰恰是传统教育，那种追求标准答案和标准化技能的教育，最不擅长教的东西。
编按：下回继续分解马松教授认为AI世代必备的余下两种能力。（二之一）
（转载节选自《后知识社会》，作者为美国耶鲁大学管理学院金融经济学和创新创业学终身教授马松，标题和内文经编辑整理）
延伸阅读：