知名ai教授北大教授陈平原：当卷不过AI时，何处是归途

用户投稿 2025年09月05日 02:35:02 25 0

北大教授陈平原：当卷不过AI时，何处是归途

讲述者/陈平原北京大学博雅讲席教授编辑/吴怡澎湃新闻记者

【编者按】

在人工智能与人形机器人的一骑绝尘中，中国大学迎来2025。

2025年，注定要成为变革的年份。是以战略敏捷赢得战略主动，还是在延误中错失转型机遇，中国大学踏上征途。

人工智能技术如何赋能学科建设？人工智能技术给创新人才培养带来哪些启示？澎湃新闻特推出“大学2025”专题，以深入探讨人工智能时代的大学之变。

5月17日，由中国人民大学和苏州大学联合主办的首届中国人文学科年度发展大会在苏州举办，大会以“人文学科与文化强国建设：新时代的使命与责任”为主题，聚焦与人文学科发展密切相关的一系列重要问题，展开深入研讨。

国家一级教授、北京大学博雅讲席教授陈平原在会上以“人工智能时代的人文学”为题作主旨报告时表示，真正意义上的创新，永远属于少数人。绝大多数人，无论怎么努力，都竞争不过AI的。中等以及以下的大学，与其努力提高专业性与创新水平，不如强调通识性与适应能力，培养有专业知识、文化修养、艺术趣味，能思考、善交流、身心健康的大写的“人”。

国家一级教授、北京大学博雅讲席教授陈平原。主办方供图

什么是人工智能取代不了的？

谈到人工智能对科技革命、思维转型、人类生活的影响，人文学者此前其实不太关注，最近几年ChatGPT和DeepSeek出来以后，伴随着生成式人工智能崛起，越来越多人意识到这个问题的严重性。无论是畅想人类未来还是感知具体的课堂教学，整个场景都发生了巨大变化。

其实从二十年前讲数码时代的人文学到今天讲人工智能时代的人文学，都是意识到我们所面临的困境。审视AI时代文学教育乃至整个人文学术的困境和出路，必须落实到专业的培养目标、教学方式、课程设计以及评价标准。短期内我们看不清楚，但将来肯定会形成巨大的冲击。一般公文性的写作，机器马上能取代，即便是学术论文的写作，也有很多人会借助AI来完成。

我说，AI一出手就是80分。其实做人工智能的人告诉我：“你太保守了，不是80分，是90分。”

这让那些皓首穷经的好学生以后怎么办？什么是人工智能取代不了的？我觉得，要养成读书这个好习惯，在未来的人机竞争中保留自我感动、独立思考和创新思维。而这会直接挑战现有的文科教学，包含从课程设计到课堂到师生对话，乃至作业评审以及将来的学位论文评审等等，我们必须直面。

“教育受人工智能的影响最直接深刻”

关于AI时代的人文学到底应该怎么走，我有几点看法：

第一，接下来十年会是一个震荡期，大家一开始意见分歧，不乏意气之争，就好比一百年前引进索引技术或者本世纪初接纳数据库一样，但十年以后大体上平静。

第二，与AI共舞，承认危机、适应变化，但是坚守人文精神，保有人类的尊严与价值是很重要的，不要被压垮。

第三，必须说明并不是所有的人文学者都必须跟AI对话，你可以融入但也可以目不斜视地走自己的路。想象AI赋能以后就降维打击是不对的，人文学者自有其独立的价值，尤其是在AI大火特火的当下，应该允许有人说“不”，让这个社会倾听那些抵抗的声音。

第四，人文学中的语言学和逻辑学其实已经深深介入人工智能的理论和实践，某种意义上来说，人文和科技反而因为人工智能的出现而有可能重新打通。

长远来看，各行各业都会受人工智能的影响，但最直接最深刻的可能是教育，尤其是人文教育。在这个过程中不要随风倒，也不该完全漠视，努力发出人文学者的声音，争取我们的位置，呈现我们的功能，实现我们的价值。

AI提高创新的门槛

传统中国教育看重的是文化传承，当老师的，完全可以“述而不作”；现代教育注重创新，大学老师“不发表就‘死亡’”。我们已经习惯于自我吹嘘或者恭维他人在不断地创新“填补空白”，可是严格意义上的创新谈何容易。AI的迭代更新，实际上大大提高了创新的门槛。

原来那些花了不少力气的“突破”，在DeepSeek等大语言模型面前，很可能变得不值一提。这时候你还有心情与动力吭哧吭哧地攀登吗？想想也是很残酷的，当有一天你发现无论怎么卷，你都卷不过AI的时候，何处是归途？

其实，全民写作、全民发表论文是近20年的事。在大学教书，不仅比论文数量，还要看刊物等级，还有社科基金等等，水涨船高。大学里的“浮躁”与“内卷”就是这么来的。请记得，并不是所有人只要努力，就能有创新成果的。

在文明传递中，原先特别重要的中间层被AI轻而易举取代了，这里说的不是职业，也不是专业。一流的文人、学者、科学家永远需要，也永远能得到整个社会的尊重，社会底层的努力同样不可或缺。关键是中间这一大块，面对AI的突飞猛进，很可能上不着天下不着地，需要重新调整心态和位置。

恕我直言，随着AI的不断进步，不少昔日花了很多心血完成的论著和科研成果，不再值得夸耀。

“很多大学都在卡文科招生的名额”

今年，从国外到国内很多大学其实都在卡文科招生的名额。最近我接受采访，记者让我预测2050年大学的招生状态，比如说人文学科还有多大的比例。我跟他说，不仅那个时候文科生的比例不会下跌，还会触底反弹。人家说我太乐观了，我说不是我太乐观了，是我很保守。

我之所以认定未来中国大学不是减少而增加文科招生数量，那是因为理工科解决外在问题，一旦实现，可以迅速推广，如果走不到最前沿，很容易被覆盖的。人文学科面对个体的生活经验和心灵问题，更多考虑精神及文化需求。因此大学里的人文教育有很好的退路，那就是回到传统读书人的传道授业解惑，注重修身养性。

现在可以看得很清楚，人类必要劳动时间大为减少，寿命明显延长，闲暇时间增加。有时间、有心情、有金钱，但不见得有能力从事创造性的劳作。真正意义上的创新，永远属于少数人。绝大多数人，无论怎么努力，都竞争不过AI的。这样一来，带有自娱性质的传承文化与修身养性，很可能会成为教育的主要功能，包括大学教育的主要功能。正是基于此判断，我才会再三提倡“为己之学”。

与此相关，中等以及以下的大学，与其努力提高专业性与创新水平，不如强调通识性与适应能力，培养有专业知识、文化修养、艺术趣味，能思考、善交流、身心健康的大写的“人”。

夸张点说，今天被很多人“看不起”的开放大学和老年大学，其提倡终身学习、凭兴趣读书、跨学科修课，而不强调“创新”与“突破”，反而值得我们认真借鉴，这是我对未来人文学科的想象。

“大学不会彻底消亡”

从ChatGPT出世，到DeepSeek震惊全球短短几年间，人工智能从一个高深的专业领域，变成一个狂欢的全民话题。从政府到民间到学界，各行各业此刻或者今后都将受到深刻的影响。作为大学教授，尤其是人文学者，我自然特别敏感。

我说世界历史上，每次重大的科技进步都会伴随一定的价值重组、社会动荡以及知识结构的变迁。这回自然也不例外。若干年以后，震荡期过去了，回过头看今年的好多想法和论述显得很幼稚可笑，但那是真实存在的人类寻路的迷茫、痛苦与挣扎，值得尊重与保存。这是今天所有的思考与表达的意义。我的力量很小，我能做的就是文学教育，看文学教育以后该怎么走。

这么多年来我一直从历史记忆、文化阐释、精神构建以及社会实践层面思考“大学”是什么、有什么，还能做些什么。

我认为，我们正面临“大学”这个人类社会极为重要的组织形式发生根本性蝶变的前夜。最激进的朋友认为大学会消亡，而我认为大学会产生巨大的变革，但不会彻底消亡。

人工智能的突飞猛进，对以传授知识、培养人才为己任的大学，尤其是人文学，构成了巨大的挑战。我不觉得它会消亡，但是我会承认技术迭代迅速，世界日新月异，大学必须适应这个变化，不断调整教学宗旨、学科体系、教学方式以及培养目标等。

本期编辑邹姗

对话华师大教授钱卫宁：AI正在消解老师的权威

·现在高校内部教育系统的变化，更多依靠行政命令在推动，大家都非常急迫，但是这种急迫怎样能够把行政的推动和学科本身、技术的规律相结合，我认为这是我们面临的很大问题。我们认为现在教给学生的内容可能将来用不到，但如果不教这些，我们应该教给学生什么？

以大模型技术为代表的人工智能正冲击着高校课堂，而数据科学与工程正是AI直面冲击的领域之一。

作为华东师范大学数据科学与工程学院院长，钱卫宁观察到，AI正在越来越深入到学生的日常，譬如数据学院的学生在调研中表示，去年每周用AI节省的时间大概是10个小时，到了今年，这个数字已经增长至20个小时。

面对这场由技术驱动的高校教育变革，钱卫宁一直在思考学科设置中的“变”和“不变”。在他看来，对于新工科人才的培养，需要打破学科的边界，计算机、统计和应用数学这些传统学科和各个应用领域相结合会产生大量新的应用创新和交叉学科。面向交叉领域的需要培养新工科人才非常重要，他也担心今天教给学生的技能随着技术发展很快就变成了过时的东西。所以，老师的思维方式必须转变，老师的职责也要变，如何激发学生的内驱力，保持对这个世界的好奇心，掌握自学能力，掌握应对变化的思维，也是高校教学的应有之举。

华东师范大学数据科学与工程学院院长钱卫宁来源：受访者供图

以下为澎湃科技日前与华东师范大学数据科学与工程学院院长钱卫宁教授的对话全文：

不教这些，我们应该教给学生什么？

澎湃科技： 人工智能给你们学科带来最大的冲击是什么？

钱卫宁： 人工智能让教学模式发生了很大变化。我们做了一个调研，一周研究生使用AI节省的时间有多久，去年的学生说每周大概节约10个小时，但在今年，学生一周使用人工智能能节省的时间大概有20个小时，此外，学生用人工智能帮助他们在课堂上现场回答老师提问的现象也变得越来越普遍。

我们内部曾经讨论：现在的大模型已经可以帮助学生写代码，那我们还要不要教学生写代码这类技能性的内容。但需要强调的是，今天的AI是会用AI的人在用，对于一个没有计算机基础知识的人来说，哪怕用今天最强大的人工智能工具，仍然没法完成一个复杂的开发任务。

这给我们带来很大的挑战：一方面我们认为教给学生的技能可能将来用不到，但另一方面，如果不教具体的技能，我们应该如何训练学生掌握未来技能的能力？

目前，数据学院在一线授课的老师还是认为基础知识的教学是必要的。但我们也都承认，不能用原来的方法来进行教学。我们需要梳理教学内容里“变”与“不变”的内容。因为在AI时代，变化的东西很多，今天哪一所学校或者哪一位老师能够尽早把那些“不变”的内容提炼、沉淀出来，哪个学校可能会在教学和研究上走到最前沿。

澎湃科技： 在你看来，哪些内容应该发生变化？哪些又应该是不变的？

钱卫宁： 我们在一些科目上做了“减法”。我们目前在规划新的人工智能专业课程，一方面，传统计算机类专业课中一部分相对古老的知识，我们做了裁剪，在课堂上不讲了。另一方面，针对学生未来从事人工智能相关工作，我们补充了和矩阵计算、优化和运筹学等相关知识。当然，如果所有的计算机、数学知识都要放到课堂来教，本科四年时间是教不完的。所以我们还需要围绕学生将来从事某些方面的研究和开发工作需要和学习的规律，对课程的编排展开设计。

人工智能是典型的“应用驱动创新”的领域。学术界和工业界之间没有太清晰的边界，产业界、工业界和高校的人才双向流动越来越普遍。我们培养人才的逻辑也强调这一点。如果缺少在产业界深耕过的有工程研发经验的老师参与，很难培养好学生。所以，我们目前的40多位专业课任教老师中有十几位老师在英特尔、蚂蚁、京东、华为、百度等创新型企业有丰富的工程研发经历。

人工智能发展的速度实在太快了，如果我们用固定的培养方案去教学生永远是落后的，所以我们也开发了一系列项目制研究型课程。比如，我们正在开发的一门新课程，让学生从零开始自己做一个预训练模型，学生在完成任务的过程中，要主动额外学习很多知识，也要从应用的角度去思考怎么做设计，去做实现和工程。如果用传统的方式，讲授这些内容通常需要很多门课。用这种新的方式，学生可能会学得更快、更好。

最大的困难是激发学生的学习动力

澎湃科技： 在这个过程中，你遇到的最大的困难是什么？

钱卫宁： 最大的困难是如何建立一种既能激发学生学习动力的教育模式。

在教育资源有限的时候，我们通过“拔尖”或者“掐尖”的模式来培养优秀的人才。也就是把优秀的人选拔出来，集中在一起，给他们更好的教育资源。不过这些学生本身就很有潜力，即便不集中起来，可能也会非常优秀。

但是在创新领域，我们看到越来越多的反社会常识的人才，比如王兴兴等，他们取得突破的领域可能远离所学习的专业。这让我们去思考在高校里，是继续用过往灌输的方式去教，还是应该去点燃学生的兴趣，激发他内在的动力？

我们正在探索另一种路径，我们的学生本身也都是传统意义上的“好学生”，但我们更关注的是如何进一步激发他们的内在动力。但这个过程很长，没有成熟的经验，还需要更多探索。

另外，当前人工智能对高等教育的变革，行政要求是非常重要的推动力，大家都非常急迫。但是，怎样把行政力量的推动和学科本身、技术发展的规律相结合，我认为这是我们面临的很大问题。

澎湃科技： 在你看来，AI来了，现在大学里的考试对学生来说还重不重要？

钱卫宁： 我们传统的考试体系，承担了两部分的功能，一是对学生的能力评估，另外是选拔。大学里，学生的成绩部分反映了自己学习情况。但是从能力评估的角度来看，我认为考试其实并不全面。

今天，在我们这个学科，学生有丰富的工具和外部资源可以使用，课堂知识的学习情况只能反映学生的能力一部分。我们要评估的是学生用课内学到的知识，加上主动获取的其他知识，解决实际问题的能力。当我们的课程进行了改革，对应的考核方式也要发生改变。

这类项目制研究型课程的考核方式目前已经在我们拔尖班里开始探索，后期也会逐步辐射到其他班级、其他课程。

学校和老师的权威性正在被消解

澎湃科技： 你们学院想培养怎样的人才？

钱卫宁： 我们学院承担了数据专业和学科的本科生、研究生培养、计算机拔尖2.0基地学生培养任务，同时也承担了全校计算机公共课的教学任务。这些人才培养任务大致分为两类，也就是专业新工科人才培养和全民计算机科学教育。

对于新工科人才的培养，我们想要有家国情怀、具备社会责任感的人才，同时兼有求知欲和好奇心。什么是工科品质？我觉得是理性思维、乐于动手，还有敏捷开发和具备设计思维。

对于新工科人才的培养，说到底，需要打破学科的边界，交叉领域知识的应用，包括传统计算机统计应用数据和各类应用领域相结合，这对我们培养新工科人才是非常重要的。

对于所有人来说，当前学习新技能当然是非常重要的。但是需要考虑技术发展的速度太快，今天教的技能在学生学完很短时间之内，很可能就会变成过时的东西。所以，在教授技能的同时，传授知识、训练思维，才是最重要的。

我认为，掌握编程思维是非常必须且基础的，编程思维指在编程中常用到的分而治之、循序渐进、试错迭代、例外处理的思维方式。这其实教的是怎样解决问题，怎么跟机器打交道，怎样让机器（也包括人工智能）为人所用。这是进一步培养数字素养、学习人工智能技术和知识的基础。

澎湃科技： 如果现在不是名校的学生，怎么去学习用好AI？人工智能发展得越快，高校里的师资配比、发展，学校与学校之间的教育资源会不会更加不公平？

钱卫宁： 人工智能和大数据、云计算一样，其实是一种“平民化”的技术。与传统的需要进入校园、实验室才能学习的科技相比，今天我们任何人学习AI的门槛要低得多——在网上，有大量名校/培训机构的免费优秀课程、讲义、教科书，有大量开源的优秀代码可供学习，有对学生相对便宜的云资源可供实践使用，在技术论坛上，有很多热心人回答各个层次的学习者遇到的问题。如果有足够大的内驱力并且掌握一定的主动学习方法的话，我想每个学生、每一个青年人都能够学习到足够的、比较新的AI知识和技能。

对于高校和高校教师，他们正面临另一个问题。今天学校和学生、老师和学生的关系正在发生变化。以前学校和老师的权威性正由于从互联网化开始的知识普及，特别是AI的高速发展而被消解。 在有些领域，教师和学生都是学习者。当然，教师可能由于有更多的经验，掌握更好的学习方法，但反之，也可能由于沉重的传统知识的包袱，没有年轻学生那么强的学习能力。学校的培养方案、教学大纲很可能是落后于技术发展的。

学校在硬件投入、师资、外部资源方面的不平均是永远存在的。AI不会加强这种学习资源上的不平均。 但是学校需要将学生的自主学习，课内外、校内外的学习的成果综合起来考虑，纳入教育评估体系，真正实现“有教无类”和“因材施教”。

另一方面，高校在硬件资源、数据资源等方面的不平均对于在高校从事研究工作而言可能会导致一定程度的不公平。不过研究本身就需要“八仙过海，各显神通”，就像“大而全”和“小而美”的AI相关研究都能找到自己的生长点。

澎湃新闻记者喻琰

(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)