刊登日期 : 2026-10-28
1997年5月11日，紐約曼哈頓的安盛公正中心大廈裏，國際象棋世界冠軍加里·卡斯帕羅夫盯着棋盤。他意識到，他輸了。IBM的超級電腦「深藍」以3.5：2.5的總比分擊敗了人類歷史上最偉大的棋手之一。全世界的報紙頭版都在渲染同一個故事：機器贏了，人類輸了。
但故事沒有在這裏結束。
人機共存時代 重新理解自己和AI⻆色 共同協作
卡斯帕羅夫在此後的10年裏做了一件有趣的事，他發明了一種全新的比賽形式，叫作「先進國際象棋」（Advanced Chess）。這種比賽讓人類棋手和電腦組隊對弈。
2005年，在一場面向所有人開放的先進國際象棋錦標賽中，最終的冠軍既不是配備了強大電腦的國際象棋大師，也不是單獨運行的超級電腦，而是兩個普通的美國業餘棋手。他們使用三台普通電腦，憑藉出色的「教練」能力，指導電腦之間的協作，擊敗了所有對手。
這個例子告訴我們：普通人加上機器智慧再加上一個好的協作流程，勝過頂尖專家加上機器智慧但協作流程糟糕的組合。它意味着在人機共存的時代，我們需要尋找一種全新的能力：理解自己能做甚麼、機器能做甚麼，以及讓兩者協同起來。
在本書（《後知識社會》）中，我們追溯了知識從篝火旁的口耳相傳，到泥版上的刻寫，到羊皮紙上的抄寫，到活字印刷的批量複製，再到互聯網的即時傳播。每一次知識革命都改變了「誰能獲取知識」和「知識的價值如何被定義」。
現在，AI發動了新一次的知識革命。這一次，它動搖的不只是知識的記錄和分發方式，更是知識的生產和使用本身。當一台機器可以在幾秒內寫出一篇文章、做出一份診斷、生成一段代碼時，人的價值究竟在哪裏？我們如何界定自己和機器之間的知識邊界，並把兩者協同起來？
我相信，誰都沒有確定的答案。
在一個AI無處不在的世界裏，有5種能力空前稀缺。而稀缺，正是我們在新知識時代尋找價值的源頭。
AI減省「解決問題」成本 發現新問題才有價值
第一，提出好問題的能力，而非回答問題的能力。
AI是人類有史以來最強大的「回答機器」。你問它任何問題，它都能給你一個看起來合理的答案。雖然AI也能在回答之後提出問題，但是提出真正有創造性的問題、關於人類福祉和未來的問題，可能還更多屬於人類的能力範疇。
阿爾伯特·愛因斯坦說過一句被無數人引用的話：「提出一個問題往往比解決一個問題更重要。因為解決一個問題可能只需要數學或實驗技巧，而提出新問題、新可能性，從新角度看舊問題，則需要創造性的想像力。」這句話在AI時代變得比以往任何時候都更加真實。當「解決問題」的成本因為AI而急劇下降時，「發現問題」的價值就會急劇上升。
查理斯·達爾文花了20多年觀察藤壺、鴿子和熱帶島嶼上的雀鳥，才最終問出那個改變人類認知的問題：為甚麼地理上相鄰但環境不同的地方，物種如此相似卻又如此不同？這個問題需要一個人在漫長的困惑中，一步步把碎片拼接起來，直到那個關鍵的缺口顯露。
在知識爆炸的時代，提出好問題的人，能夠在紛繁的資訊中看到別人看不到的空白、能夠把不同領域的線索編織成一個全新疑問的人，將成為真正有價值的人。
要有犯錯的勇氣 在不確定中堅持探索
第二，犯錯的勇氣，而非追求永遠正確的執念。
1928年9月的一個早晨，蘇格蘭細菌學家亞歷山大·弗萊明回到自己的實驗室，發現自己犯了一個「錯誤」：他忘了蓋好一個培養皿，結果一種藍綠色的黴菌飄了進去，殺死了周圍的一圈葡萄球菌。更「嚴謹」的科學家可能會把這個被污染的培養皿直接扔進垃圾桶，但弗萊明沒有。他盯着那塊空白看了很久，然後做了一件改變醫學史的事，他問：「這是怎麼回事？」青黴素由此誕生，此後拯救了數以億計的生命。
AI被設計為盡可能「正確」。它的訓練過程就是一個不斷減少錯誤的過程，不斷調整參數、優化損失函數、逼近標準答案。這使得它在已知問題上表現卓越，但也意味着它在本質上是保守的。它避免「犯錯」，所以它也不會從錯誤中發現全新的東西。
人類的重大突破和發明，從青黴素到X射線，從便利貼到微波爐，幾乎都始於一個意外、一次失敗、一個「不應該發生」的事件。而把這些失敗轉化為發現，需要的不是計算能力，而是一種AI永遠不會擁有的東西：在不確定中堅持探索的勇氣，以及承認「我不知道，但我願意去試」的誠實。
在一個AI可以幫人規避大部分已知錯誤的世界裏，敢於走進未知領域、敢於犯前所未有的新錯誤的人，反而變成了最珍貴的創新者。
在海量資訊中保持清醒 判斷方向
第三，在資訊洪流中辨別方向的判斷力，而非駕馭單一技能的熟練度。
經濟學家弗蘭克·H·奈特把「風險」和「不確定性」做了區分。風險是可以計算概率的，比如擲骰子；不確定性則是連概率都無法確定的，比如一種全新技術會如何改變社會。AI極其擅長處理風險，但面對真正的不確定性，它和人類一樣茫然，甚至更茫然，因為它沒有直覺。
我們進入了一個信息量遠遠超過任何個人處理能力的時代，每天產生的資料量以EB（艾位元組）計。在這個時代，「記住更多知識」或「掌握一項穩定的技能」的價值在下降。AI可以記住一切，也可以執行大部分標準化的技能。
真正稀缺的，是在海量資訊面前保持清醒判斷的能力：甚麼是信號，甚麼是雜訊？甚麼值得深究，甚麼應該忽略？在沒有標準答案的情況下，如何做出一個「還算不錯」的決定，然後迅速調整？
這種判斷力不是一種可以被編碼的技能，它更像是一種「品位」。這是經過長期訓練形成的直覺，能幫助你在混沌中找到方向。而培養這種品位的唯一方式，是讓自己反復暴露在複雜的、沒有標準答案的真實情境中。這恰恰是傳統教育，那種追求標準答案和標準化技能的教育，最不擅長教的東西。
編按：餘下兩種《後知識社會》必須的能力，下回繼續分解。（二之一）
（轉載節選自《後知識社會》，作者為美國耶魯大學管理學院金融經濟學和創新創業學終身教授馬松，標題和內文經編輯整理）
延伸閱讀：
