AI 作为新的知识传播设施

因为大多数时候我们处理的都是常规科学，所以真正的创新节点其实并不多；绝大部分工作，本质上是工程化的重复、调参和模式匹配。人类平均水平的提高，并不是因为古往今来的人突然拥有了更多学习时间，而是因为知识的扩散变得越来越容易。Newton 和 Leibniz 在 17 世纪发明微积分时，那是当时人类智力活动的绝对前沿；而今天，一个高中生用几个月就可以掌握其基本框架。共同体实际上形成了一种分工机制：让后人不必反复从零开始，也让“重复造轮子”逐渐变成一种低效而可疑的行为。

CS 领域里，绝大多数论文从事的也正是常规科学。Transformer 出现之后，几千篇论文的工作实质上是在给 Transformer 换数据集、加 module、改 loss function：这些都是在 Transformer 范式内部推进工程演化，而不是完成根本概念层面的断裂。真正称得上创新节点的，也许就那么几个：attention mechanism 本身、scaling law 的发现、RLHF 作为 alignment 方案的成型，以及 diffusion model 的理论框架。其余大量工作更接近 exploitation，而不是 exploration。

这里的主要机制，是知识的编码、压缩与传播技术在持续迭代。文字、印刷术、学术期刊、互联网，以及现在的 AI，每一次都是传播基础设施的升级。Joel Mokyr 在 The Gifts of Athena（2002，通常译作《雅典娜的礼物》）中区分了两类知识：propositional knowledge（“是什么”，即 Ω 知识）和 prescriptive knowledge（“怎么做”，即 λ 知识）。他的核心论点是，工业革命之所以发生，并不是因为人类突然变聪明了，而是因为这两类知识之间的映射变得更高效了：人们能更快地把“知道 X 的原理”转化为“知道如何利用 X 来做事”。

如果常规科学是对特定模式的重复练习，如果人类进步的瓶颈更多在传播而不是发现，如果共同体的功能之一就是通过分工避免无意义的重复，那么 AI 对学术的冲击就不只是“写论文更快了”。更尖锐的判断是：AI 可能正在让常规科学中的大量人力投入变得不再必要。如果 90% 的学术产出都是在既有范式内做增量填充，而 AI 已经能够胜任相当一部分填充工作，那么继续维持一个由数百万人组成的全球学术劳动力来执行这件事，其合理性究竟在哪里？

过去，“怎么写论文”这类知识的传递机制是什么？是师徒制。你跟着一个导师，他手把手教你：实验应该怎样设计 baseline 才显得公平，related work 要怎样写才不冒犯审稿人，rebuttal 的语气该如何拿捏，abstract 的第一句话又该怎样钩住 editor。这些东西没有完整写在任何教科书里；它们是程序性知识，寄生在特定的社会关系结构中，通过 apprenticeship 口耳相传。于是，你能不能学到这些，本质上取决于你的导师是谁。一个顶级实验室的学生耳濡目染就知道的东西，一个普通学校的学生可能读完博士都不知道。知识的传递通道，和学术权力的等级结构，是绑定在一起的。Michael Polanyi 在 Personal Knowledge（1958）中系统展开的 tacit knowledge 概念，描述的正是这一层东西；他后来那句著名判断——“we can know more than we can tell”——说的也是此类知识无法被完全显性化、无法由教科书充分承载，而只能在实践共同体内部流动。

AI 做了什么？AI 把这层 tacit knowledge 的获取门槛，从“你得先在某个行会里当几年学徒”，降到了“你得会提问”。“给 AI 看看论文，基本起到了 peer 头脑风暴的效果”——这件事在两年前还几乎不可想象。一个博士生想要获得高质量的 peer feedback，要么等待几个月后的正式 peer review，要么找到同方向、且愿意花时间细读你论文的同行。现在，你可以随时获得一个质量尚可的智识切磋伙伴。而且注意，这不只是效率提升，而是一种放权：过去能够获得这种质量学术反馈的人，在全中国也许只有那几千个身处顶级实验室的博士生；现在，任何一个拥有 Claude 或 GPT 访问权限、并且知道如何提问的人，都可以获得类似资源。

短期内，学术界不会因此发生根本变化，因为学术权力结构并不完全建立在知识垄断之上；它更深地建立在 credential 认证和 network access 之上。你会写论文，不等于你能把论文发出去，因为发表的瓶颈往往不只是论文质量，还包括审稿人是否认识你的导师、你的机构是否拥有足够的声誉资本。但长期来看，如果 AI 持续降低知识生产的门槛，那些纯粹依赖信息不对称维持地位的中间层，比如那些自己不怎么做研究、却凭借学术行政权力分配资源的人，会面临越来越严重的合法性危机。不过，这个变化会很慢：行会的惯性，远比技术迭代的速度更顽固。