超越“替代论”与“工具论”的二元对立
【学术争鸣】
编者按
围绕“人工智能究竟能否产出真正意义上的知识”，本栏目已从不同视角刊发了五篇争鸣文章，得到学界积极回应。本期三篇文章，均立足人机协同的知识生产模式，从不同切入点将讨论重心由“能否”的总体判断推进到如何“协同”的机制与边界分析，进一步拓展了理论视野与问题意识。欢迎广大读者围绕此议题继续赐稿。
知识生产不是纯粹客观的技术过程，而是深深植根于人类主体结构之中的社会历史实践。但今天人工智能所涌现的“类智性”，模糊了其与精神生产的界限，让世人感觉“智能体也在从事精神生产”，这便引发了关于智能体是否有主体性、理解力和创造性的争议。近期，光明日报理论版围绕这一争议展开了讨论。相关论述立场不同，但多围绕智能体究竟是精神生产的“主体”还是“工具”展开。本文认为，对这一话题的讨论，应超越“替代论”与“工具论”的二元对立，看到通过人类思维方式与智能技术的互相塑造，一种人机协同的知识生产模式正在形成。
从自然工具到智能工具，升级知识生产的技术基础
马克思指出：“生产方式的变革，在工场手工业中以劳动力为起点，在大工业中以劳动资料为起点。”纵览人类知识生产历程，生产工具每一次跃迁，都直接拓展知识生产的可及范围，持续增强知识生产的实现能力。
英国工业革命后形成的机器体系虽然极大地拓展了人类改造自然的能力，但本质上仍是人类体力的延伸与替代。马克思颇有预见性地指出，劳动资料的“最后的形态是机器，或者更确切些说，是自动的机器体系”，它“是由自动机，由一种自行运转的动力推动的”，这种自动机“是由许多机械器官和智能器官组成的”。人工智能正是“智能器官”在新一轮科技革命背景下的实现。以人工智能为标志的数智化劳动资料，使机器体系的智力系统实现了自动化运转，形成动力系统与智力系统双重自动化的新格局；将原本固化于机器之中、被动执行的知识，转变为能够自主感知、决策并执行复杂任务的能动的生产力量。具体而言，人工智能既能承担海量数据清洗、跨域文献梳理等重复性知识生产，更能凭借深度学习和关联挖掘能力，捕捉人类难以直观发现的隐藏规律，提出富有启发性的问题假设。
当然，人类劳动仍是价值创造的唯一源泉，人工智能只是更高级形态的劳动资料，不具备独立的价值创造能力，也无法成为真正的劳动主体。马克思认为：“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。”人工智能带来的劳动资料的根本变革，改变的仅仅是“怎样生产”以及“用什么劳动资料生产”。它使知识生产从手工式、作坊式的个体劳作，转变为智能化、规模化、自动化的社会协作过程；不同于传统机器主要替代人的体力劳动，人工智能不仅延伸了人的肢体，更替代和增强了人的一部分脑力劳动。尤其是具身智能的出现，标志着马克思所说的“一般智力”从信息空间向物理空间的落地：它通过构筑“感知—决策—行动”的闭环，实现科学知识向直接生产力的即时转化，使劳动资料从被动执行的工具跃升为具有类人自主性的“虚拟主体”。正是这种智力系统的自动化运行，使人工智能成为知识生产领域具有革命性意义的新工具。
从经验归纳到数据计算，重构知识生产的行为逻辑
人类知识生产的传统深深植根于“实践—认识—再实践—再认识”的辩证运动中：人在改造客观世界的实践中获得感性材料，经过思维加工上升为理性认识，然后以理性认识指导新的实践，如此循环往复、螺旋上升。在这个持续过程中，以人的理性能力为轴心，人们运用观察、实验、推理、归纳等方法，研究积累了数千年的文化知识。人工智能作为知识生产新工具，基于大规模预训练模型，通过海量数据的训练与学习实现知识的生产与生成，为知识生产注入了一种全新行为逻辑。
数据计算逻辑是人工智能参与知识生产的重要基础，它具有超越以往任何一个历史时代的大规模与高效率。譬如，生成式人工智能以多重算法混合与千亿级参数模型为驱动，具备跨模态数据的分析能力，使知识的分类、生产、传播和再创造由文字符号扩展至图文影像等多种类型；诸多大模型深度参与知识生产、创造数据价值，推动知识生产主体日趋多元，知识产出日益个性化、多样化。
值得注意的是，人工智能处理知识的方式，依赖的不是对世界的理解，而是对数据模式的计算。大语言模型通过知识表征、映射、生成、建模等技术环节，推动从离散符号到连续向量、从局部特征到全局表征的知识生产范式转变。就物质基础而言，现代计算机体系的离散架构，从输入端限制了生成式人工智能对连续经验信息的全面把握；就认知机制而言，生成式人工智能在语义重构与参数规模的急剧扩张中形成“统计形式”，以此模拟“先天形式”来处理经验数据。因此，人工智能所生产的“知识”，在本质上仍是数据之间的关系模式，而非对客观世界本质的把握。
正因如此，人工智能的知识生产不能脱离人类的价值导引与经验校准。生成式人工智能中的数据与现实世界脱节问题、生成与扩散过程中的幻觉问题、人机交互中的价值对齐难题等，都构成当前数智化知识生产的结构性瓶颈。数据计算逻辑的崛起并不意味着经验归纳逻辑的消亡，相反，两者正在形成互补的关系：人类贡献经验直觉、价值坐标与创造性洞见，人工智能贡献算力支撑、模式识别与生成能力。唯有数据计算与经验归纳相互结合、算法逻辑与人类判断彼此对齐，才能既发挥生成式人工智能大规模、高效率的生产优势，又突破传统知识生产受个体认知边界与时间精力限制的桎梏，在守住知识生产服务人类认识世界、改造世界这一根本立场的同时，为知识生产的创新与可持续发展注入活力。
从单点应用到全链赋能，变革知识生产的实践形态
知识生产从来不是孤立的认识活动，而是嵌入特定社会历史条件之中的实践过程。传统知识生产往往呈现为单点式、离散化形态：知识的发现、验证、传播、应用等环节相对分离，由不同主体在各自的时间和空间中完成。人工智能对千行百业的技术渗透，正在将知识生产从单点应用推向全链赋能，使知识生产的全流程发生系统性变革。
其一，知识检索与资料整合的智能化。传统知识检索依赖人工查阅文献、手动整理资料，效率不高、覆盖面有限；人工智能凭借强大的自然语言处理与语义理解能力，能够从海量数据中快速检索、精准提取、深度整合相关信息，拓展了知识生产的资料来源与信息广度。
其二，知识分析与推理的自动化。人工智能能进行复杂分析与推理。在科研领域，以大语言模型为基础的智能体已能编写代码、检索文献并执行多步分析，从简单的信息处理工具上升为知识生产的积极参与者。
其三，知识表达与呈现的多模态化。传统知识生产主要以文字和图表为载体，人工智能则能够以文本、图像、音频、视频等多种模态呈现和传播知识，拓展了传播渠道与接受方式，使知识更加直观、生动、易解。
其四，知识创新与发现的加速化。生成式人工智能深度嵌入知识生产全过程，推动知识生产节奏显著提速、创新周期大幅缩短。在科学发现领域，人工智能在材料发现、药物研发等方面的应用，已展现出逼近乃至超越人类专家的能力。
其五，知识验证与评价的客观化。传统知识生产的验证与评价多依赖同行人工评议，不仅评审周期长，还容易受到学术圈层、主观偏好等因素影响。人工智能依托全量信息覆盖能力，可以快速完成知识成果的原创性核查与学术不端识别，推动知识生产体系更趋规范、公平。
其六，知识传播与应用的场景化。传统知识传播与应用多以标准化内容形态输出，易出现知识供给与实际需求错位的问题。人工智能能基于用户的知识背景、需求偏好等，实现知识的精准匹配与场景化落地，进一步放大知识生产的社会价值。
人工智能是模拟和延展人类智能的技术存在，是人的创造能力物化而成的劳动资料。它以覆盖知识生产全流程的赋能改造，打破传统知识生产各环节间的壁垒，使原本分散于不同时空、由不同学科主体独立完成的生产环节实现动态衔接、交互协同。全链赋能不仅大幅降低知识生产的专业门槛，推动知识生产从少数人员的专属活动转向大众化的协同创造，而且使知识生产的节奏深度契合经济社会发展现实需求，为知识经济时代的生产力跃升奠定坚实的新型生产基础。
总之，知识生产中人机协作的新模式，不是完全依赖外在于人的技术装备，而是人类与人工智能在认知层面的深度交互——人类设定问题领域、价值准则与创新方向，人工智能提供数据检索、模式识别与方案生成，两者在反复对话与迭代中共同进行知识生产，使人工智能真正成为拓展人类认知边界的建设性力量。
（作者：徐浩然，系中共中央党校〔国家行政学院〕科学社会主义教研部教授）