文化解码 | 人工智能时代,新文科何以重构知识生态

市场资讯
3 hours ago

(来源:呼伦贝尔市海拉尔区人民政府)

在教育数字化与学科交叉融合纵深推进的背景下,《教育发展“十五五”规划》明确提出持续深化新文科建设。新文科聚焦依托学科交叉融合,回应国家战略需求与时代发展命题,文理交叉融合是其建设的重要路径。然而,长期以来,文科与理科之间难以形成实质性的学术对话与协同共进。究其原因,并非方法论的差异,而是二者在认识论层面存在分歧:文科研究以目标与价值为导向,依托文本解释、历史素材分析和理论反思展开研究;理科研究以观察和实验为基础,主张将研究对象转化为可重复验证的数据与数学模型,在量化推演中生成新的认知结论和研究价值。

如何打破文理学科壁垒?生成式人工智能技术的迅速发展,为破解这一问题提供了全新路径,可将不同认识论引发的方法论分化与协同问题转化为知识生产问题。换言之,在人工智能技术迭代发展的背景下,新文科建设的命题已然更新为文科如何依托人工智能技术,构建多学科、多主体共同参与生产的新型知识生产生态。回应这一问题,需从知识生态的三项关键要素,即知识生产模式、知识结构与知识主体出发,系统梳理人工智能为新文科知识生态带来的变革与重塑。

人工智能转化新文科的知识生产模式

知识生产模式指的是使知识生态持续运作的根本机制。知识生产模式转型理论曾经认为知识生产正在从纯学术、分科明确的模式一,转向以应用为背景、异质性主体参与、跨学科的模式二。生成式人工智能的参与不但加速了这一转变,还使知识生产模式向交互生成式模式推进。这一知识生产模式的具体特征是以实际问题为引导,以人机交互为基础,通过用户持续发问,帮助人工智能在模型参数和生成策略上不断迭代,以生成更适合的问题解决方案。

新知识生产模式为多学科、多主体的参与协同提供了前置条件,而人工智能则提供了可操作平台。以文科与理科的参与协同为例,文科研究者针对具体应用问题确立目标与意义,并通过向人工智能分析和解释目标意义,获得达成目标需要的方案和手段;理科则根据方案和目标设计算法和建构模型,并通过人工智能模拟运行以检验其可行性,从而对方案进行修正。这一协同模式已经在文科研究案例中得到了验证:如北京大学数字人文研究中心开发了“古文献溯源分析平台”项目,构建了“理为文用”协同模式。圣路易斯华盛顿大学人工智能人文实验室提取GPT(生成式预训练语言模型)所模仿19世纪名家的文风特征并设计分类算法,开发了能够识别人工智能合成文本与真实人类创作的检测模型。鉴于生成式人工智能所拥有庞大的信息库和语言组织能力,新的知识生产模式将使不同学科的知识主体专注于问题解决,并在参与协同中逐渐对一种新知识结构产生认同。

人工智能重塑新文科的知识结构

知识结构指的是知识的组织形态和逻辑连接形式。在生成式人工智能的推动下,新知识生产模式推动了新文科知识结构重塑,使其由单一主体主导结构向多行动者互动结构转变。“行动者网络”理论认为,知识生产并不是由人单独完成,而是在一个由多种因素参与的网络中形成的。在这个网络中,不仅人是“行动者”,各种技术工具、数据乃至设备也是“行动者”。科研的过程,实际上就是不同“行动者”之间不断互动、协调的过程。然而“行动者”之间根据其发挥作用的程度亦有强弱之分,较之显微镜、数据设备这样的辅助知识生产工具,生成式人工智能更接近一种类人的“强行动者”。

因此,在新知识结构中,人不再处于绝对中心位置。文科研究者、理科研究者与生成式人工智能皆是构成行动网络的“强行动者”,并在互动中成为新知识结构的有机组成部分:文科研究者扮演指挥家的角色,把握知识结构的核心和底层逻辑,规划实践方向;生成式人工智能发挥档案管理员的作用,负责分析、整理和演绎知识素材;理科研究者承担建筑师责任,负责知识框架设计和组合。交互生成式知识生产模式既促成了新知识结构的形成,又以上述三者在行动网络中持续发生的互动与协同维系着稳定。

多行动者互动知识结构的形成,具体表现为作为知识生产单位的传统学科结构的重组,并向一种以问题为导向、去学科边界与多主体参与为特征的超学科结构发展。这种“超学科”,可以说是前述新知识结构的实践载体,也是新文科发展的理想方向,且在当代高校中已有初步探索。如斯坦福大学的人工智能与前沿技术课堂重构项目(CRAFT)、人工智能普惠项目(AI4ALL),巴黎综合理工学院的“视觉与创意人工智能”硕士项目,我国也在2025年将“人工智能教育”专业正式纳入高考招生,由北京师范大学率先布点。这些探索都在促成一种新知识主体的生成。

人工智能推动新文科知识主体的生成

知识主体指的是知识的继承者与创造者。在人工智能时代,新文科的新知识主体既是推动新知识生产模式、新知识结构产生的创造者,又是研究者与教育者,还是在学习中内化这种新知识生产模式与结构的继承者,即学习者。尤其是后者的产生是检验新知识生态是否产生的关键指标。“后人类研究”领域的学者认为随着信息技术发展,人不再是拥有稳定知识体系和物质形态的个体,而是在与技术、信息不断互动中形成的动态存在。从这一视角来看,新文科建设需要培养的不只是“掌握知识的人”,而是能够在与技术共生中不断学习、不断生成新知识的“动态主体”。因此,新文科需要从人才培养模式、专业设置与高校运作模式三方面为培养这一新动态知识主体做好准备。

在人才培养模式上,新文科教育要实现从传统的知识传授向交互生成模式下的认知生成转变。传统的文科教育是以主体知识的积累与内化、能力养成为培养目标。在人工智能时代,新文科培养对象将是一个拥有具身感知能力的主体,因此教育与学习过程是这一主体与技术、环境之间持续互动的过程:教育者还原认知生成的原初环境,以问题为导向,启发学习者调动具身经验发现真实的社会问题和产业需求,并向生成式人工智能发问,寻求可行的解决方案。

在专业设置层面,新文科教育将从传统学科划分转向能够联结不同知识主体的超学科设置。超学科意味着为知识主体创造开放学习空间而非设置知识生产的规范,具体表现为在人文与技术的交汇点上,为文科学习者设置跨学科交叉课程与项目。跨学科交叉课程能够为学习者提供超出其知识范畴的资源,使其在问题引导下,获得解决问题所需的能力;跨学科交叉项目设置,则要求学习者在任务驱动下,主动与包括生成式人工智能在内的多个行动者交互协同,并在此过程中将自身构建为新知识结构中的新知识主体。

在高校运作模式上,新文科的运作要打破原有的封闭分割,走向更加开放协同的网络化运行。传统高校以院系为单位进行分割管理,而知识生态系统是一种开放、动态的网络结构。这种结构需要打开高校学科通向科研、产业、社会的边界,使学术生产与管理面向社会和企业开放,推动产教融合、科教融汇,并以知识的交互、生成与应用为目标,促进UGSS(“高校—政府—中小学—社会”)四维协同育人机制建立,最终构建起“科研—教育—产业”协同育人生态。

总之,在人工智能时代,新文科意味着作为一种学科边界概念的“文科”的消解,作为一种交互生成式的知识模式、一种多行动者互动的知识结构与一种培养动态主体的知识生态的“文科”的在场。人工智能以自然语言为接口,以算法为核心的逻辑模式无法取代人的历史经验和直觉判断,因此,新文科研究者与教育者不应仅仅成为技术互动协同对象,更应该成为技术的监督者及其发展方向的决策者,不仅能够延续新文科扎根民族文化传统、传承人文底蕴的核心优势,发挥其在培育个体成熟思维逻辑、塑造健全人格方面的积极作用,更能够立足时代发展需求,推动知识生产模式与知识结构的重构优化,使社会发展和科技进步最终服务于新知识生态的构建,助力新型知识主体的确立、塑造和完善。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10