-
日期: 2026-06-18 | 来源: 林奇宏/风传媒 | 有0人参与评论 | 字体: 小 中 大
八百年前，大学之所以诞生，是因为知识稀缺，学生必须到特定的地方，向特定的人学习，才能接触知识。因此，中世纪的大学，首先解决的是“知识如何传承”的问题。如今，人类面对相反的处境：知识不再稀缺，答案甚至过剩，生成式人工智慧让知识以前所未有的速度被生产、重组与传播。如果大学始于知识稀缺的时代，那么在答案随手可得的年代，大学究竟肩负什么使命？
当大脑思考开始被外包...
过去两年，人们对 AI 的讨论大多围绕在能力与应用。它是否会改变产业结构、取代部分专业工作，甚至重新定义劳动市场？然而，这些问题背后还有一个更根本的问题：AI 将如何改变人类形成知识与理解世界的方式？
学习往往始于未知。学生透过阅读建立理解，透过摸索形成判断，透过讨论修正观点，并在反复思辨中发展自己的世界观。真正塑造人的，除了知识本身，还包括获取知识的过程。如今，AI 正在压缩这段过程。输入一个问题即可获得完整答案，输入一个主题即可得到文献摘要，输入一段需求即可生成程式码。效率的提升无庸置疑，但当搜寻、整理、比较、分析，甚至部分推理逐渐由 AI 完成时，人类与思考之间的关系也正在改变。
近年来，学术界开始讨论“认知外包”（cognitive outsourcing）现象。当越来越多认知工作转移至外部系统，人类的思考习惯、学习模式与判断方式是否也将随之改变？这个问题尚未有定论，但它提醒我们，AI 所带来的影响已经超越工具层次，开始触及认知。这不只是一次技术革命，更可能是一场关于人类思维模式的深层转变。
什么样的 AI 才是好 AI？
两千多年前，亚里斯多德曾指出，人类之所以成为人，不只是因为拥有知识，而是因为具备追求善（the good）的能力。人类创造出能够生成知识的机器，它可以回答问题、整理资讯、进行推论，甚至在部分专业测验中展现超越多数人的表现，但另个问题也随之浮现：它知道什么是善吗？
知识的生成与价值的判断，始终是两件不同的事情。AI 可以计算最佳路径，却无法决定目的地应该在哪里；可以分析庞大的数据，却无法回答什么样的社会值得追求；可以提供无数选项，却无法定义什么样的人生具有意义。这也是为什么许多经典伦理难题，如著名的“电车问题”至今仍没有标准答案。因为人生中许多重要的选择，并不存在唯一解答。当失控的电车冲向五个人时，是否应该牺牲另一个人来挽救更多生命？
从效率的角度来看，答案似乎显而易见。但真正的人类社会，从来不只由效率构成。责任、情感、信任、文化与价值，同样影响著我们的判断。这些问题并不存在于数据之中，也无法透过演算法计算出唯一解答。因此，当 AI 愈来愈聪明，人类真正需要培养的能力，或许不是掌握更多知识，而是形成更成熟的判断。
因此，全球科技界开始出现另一种讨论。无论是 NVIDIA 所提出的 Good AI，或学术界持续倡议的 Human-Centered AI，其共同关注的核心都不只是技术是否安全，而是技术是否能够为人类社会创造真正的价值。当 AI 被应用于疾病预测、新药开发、气候模拟、智慧制造与教育创新时，人们开始思考的已经不是“AI 能做什么”，而是“AI 应该为什么而做”。
从 Responsible AI 到 Good AI
围绕著这个问题，全球大学、政府与科技产业积极讨论 Responsible AI。公平性（Fairness）、透明性（Transparency）、可解释性（Explainability）、问责机制（Accountability）与隐私保护（Privacy），已成为 AI 治理的重要原则。这些原则回应的是一个关键课题：如何降低 AI 带来的风险，并确保技术符合人类社会的基本规范。然而，在更长远的文明尺度上，人类仍需要回答另一个问题：AI 应该引导我们走向什么样的未来？- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见