KIK 2025-04-20 17:05 北京
最近国际计算机协会（Association for Computing Machinery，ACM）发表的一篇博文《计算机科学与人文科学在 GenAI 时代的融合之路》指出，两个领域各自面临的危机，很可能是促使它们走向深度融合与重塑的契机。
最近几年来，我们时常能听到这样一种论调：在 AI 时代，人文学科正无可避免地走向衰落。小红书上的各种“文科生自救指南”，纷纷劝诫文科生“转码”，放弃人文学科，言下之意，那些专注于阐释、文化和人类经验的学科，在这个日益被算法主导的世界里，正变得不合时宜，甚至像是过时的古董。
但随着生成式人工智能（GenAI）能力的不断强大，很多人发现，“转码”似乎也并不意味着高枕无忧。当 AI 能在 5 分钟内完成过去需要 50 小时的编程工作时，传统的计算机科学（CS），也面临着前所未有的挑战。
但挑战也带来了机遇，最近国际计算机协会（Association for Computing Machinery，ACM）发表的一篇博文《计算机科学与人文科学在 GenAI 时代的融合之路》指出，两个领域各自面临的危机，很可能是促使它们走向深度融合与重塑的契机。
图丨相关博文（来源：Communications of the ACM）
不仅是人文学科的黄昏，CS 也面临“存在危机”
人文学科的困境已是老生常谈。根据美国艺术与科学院等机构的数据，美国大学授予的人文学科学士学位比例从 2005 年的近 15% 显著下滑至 2022 年的 8.8%。究其原因，首先是整个社会对高等教育“就业市场准备度”和即时经济回报的空前强调。在功利主义的驱动下，教育被日益视为通往特定职业和高薪的直接跳板。相较于计算机科学毕业生通常能进入一个拥有大量高薪职位、相对稳定需求和清晰职业晋升路径的市场，人文学科毕业生往往面临着更为不确定的就业前景、较低的起薪，并且常常需要获取额外的证书或更高学位才能获得稳定的职业发展。
图丨美国大学授予的人文学科学士学位比例变化（来源：the American Academy of Arts & Sciences）
这种显而易见的市场差异，将许多本可能对历史、文学、哲学抱有浓厚兴趣的学生，推向了看似更“实用”的 STEM（科学、技术、工程、数学）领域。这不可避免地形成了一个负反馈循环：入学人数减少导致相关院系获得的经费和资源相应削减，进一步降低了其对未来学生的吸引力，学科活力随之萎缩。
同时，人文学科内部也不容乐观。20 世纪中后期兴起的后现代主义思潮，作为对现代性所信奉的宏大叙事、普遍理性和绝对真理的反思与批判，虽然极大地深化了我们对知识、权力和语言的理解，但也带来了一些始料未及的后果。其对“真理”和“进步”等概念的质疑，在某些领域（如强调功能实现和技术迭代的计算机科学）似乎影响有限——毕竟技术实实在在地在进步，产品功能在不断增强。
然而，这种怀疑论却深刻触及了人文学科的核心，这些学科恰恰是围绕意义、阐释和价值进行探讨的。后现代主义的批判使得学术讨论变得更为复杂、有时甚至显得高深莫测，与公众的日常关切和现实需求产生了一定的疏离感，降低了其在公共领域的可及性和影响力。
但就在许多人认为计算机科学作为 AI 时代的“显学”高枕无忧之时，GenAI 的崛起同样给其带来了巨大的冲击。博文中指出，GenAI 正威胁要自动化计算机科学领域的核心智力任务，引发了该领域自身的“存在危机”。
想象一下这样的场景：一名学生投入四年宝贵时光，刻苦学习 Python 编程，在 2021 年踌躇满志地毕业，却猛然发现，如今的 AI 工具能在短短几分钟内生成、调试甚至优化他曾需要耗费数十个小时才能完成的代码。这不只是效率的指数级提升，更是对计算机科学教育核心价值的根本性质疑。传统的计算机教育，尤其是那些侧重于特定编程语言语法、框架使用和基础算法实现的课程，是不是还在为那些可能在学生毕业之时就已经被 AI 大幅改变、甚至趋于消失的工作岗位培养人才？
图丨美国程序员就业人数的下降（来源：THE WASHINGTON POST）
当 AI 能够完美地处理语法细节（比如曾经让无数初学者头疼的分号和括号匹配）、自动生成功能模块、甚至提出调试建议时，我们对“计算机科学家”核心能力的定义也必须随之演变。仅仅掌握编程的“技术”层面——即如何按照规则编写代码——似乎正在迅速贬值。
计算机科学领域开始弥漫一种担忧：未来会不会培养出一代只会熟练“提示（prompt）”AI、却对底层的计算原理、数据结构选择的深层原因、系统设计的复杂权衡知之甚少的“开发者”？这种对核心能力空心化的恐惧，使得计算机科学也开始深刻反思其教育目标和评估方式，与人文学科一同陷入了对自身未来价值的追问。
融合的潜力
博文指出，面对 GenAI 带来的共同震荡，计算机科学和人文学科并非只能被动地接受冲击。恰恰相反，这场看似摧毁性的危机，可能蕴藏着前所未有的机遇——一个推动这两个长期以来被视为分属“科学”与“人文”、“硬”与“软”两极的领域，走向深度融合、实现共同振兴的历史性契机。
GenAI 最直观的贡献在于其强大的自动化能力，能够将人类从大量重复性、规则导向的智力劳动中解放出来。对于人文学者而言，这意味着可以借助 AI 加速处理浩如烟海的历史档案（如自动转录手写文献、快速翻译多语种资料、初步进行大规模文本模式分析）；对于计算机科学家而言，则意味着可以将繁琐的代码调试、单元测试用例的生成、样板代码的编写等任务部分委托给 AI。
这种解放并非意味着智力的外包，而是将人类有限的认知资源——注意力、创造力、批判性思维——从“技术性”的束缚中释放出来，使其能够更专注于更深层次的智力探索、更具原创性的思考和更复杂的跨领域问题解决。
早期的图形化编程环境即是如此，如卡内基梅隆大学开发的 Alice 和麻省理工学院开发的 Scratch，它们通过降低编程语言的语法门槛，使得学习者能够更早、更直接地接触和实践计算思维的核心——问题分解、逻辑构建和算法设计。同样地，GenAI 也有潜力通过自动化处理语言、数据等基础性任务，降低人文学科和计算机科学的入门门槛，让更多人能够接触并深入其核心的问题。
图丨最近大火的“Vibe Coding”的定义（来源：X）
作者指出，这种“民主化”效应带来的影响可能远比想象的深远。在人文学科，长期以来，精通多种语言往往是进行深度研究（尤其是在古典学、中世纪史、比较文学等领域）的先决条件。
在以往，要全面研究犹太人大屠杀，学者可能需要处理德语、波兰语、俄语、法语、意第绪语甚至希伯来语的档案材料，这极大地限制了研究的广度和参与者的范围，迫使学者往往只能专注于特定区域。
GenAI 强大的机器翻译和转录能力，虽然不能完全取代语言专家的深入理解，但无疑能极大地辅助学者跨越语言障碍，进行更宏观、更全面的文献梳理和初步分析，将更多精力投入到阐释和论证上。这不仅有望吸引更多元化的学生群体（他们可能因语言学习的畏难情绪而却步），更能激发学者提出更大胆、更具比较视野的研究问题。
例如，系统性地比较中世纪阿拉伯文学与现代日本文学中的特定叙事母题，或是追踪某个哲学概念（如“正义”或“自由”）在亚洲、非洲和欧洲不同历史时期、不同文化传统中的演变轨迹——这些在过去对于单一研究者而言几乎是无法想象的、需要庞大团队耗费数十年才能完成的全球性比较研究，如今在 AI 的辅助下，其可行性大大增加。
超越“技术”的智慧
GenAI 的冲击迫使我们直面一个根本性问题：当机器能够高效、甚至在某些方面超越人类地完成许多明确定义的“任务”之后，人类的独特且持久的价值究竟寄寓何处？答案就在于那些超越具体“制造”技能的领域。
这里，我们可以借鉴一下亚里士多德关于知识类型的区分。他区分了 Techne（技艺/技术）和 Phronesis（实践智慧/明智）。Techne 关乎“如何制作”，是遵循规则、可传授的制作知识，其成果是外在的产品。AI 在 Techne 层面表现出色，擅长执行规则、生成内容。而 Phronesis 则关乎在具体的、复杂的人类实践中“如何行动”，它要求情境化的判断、价值权衡和对整体目标的把握，是关乎“做正确的事”的智慧，难以被规则完全捕捉。
图丨亚里士多德（来源：Wikipedia）
AI 在模仿和执行 Techne 方面的高效，恰恰凸显了人类在 Phronesis 方面不可替代的价值。当 AI 能轻易完成编码、写作等技术性任务时，人类的重心就需要转向那些更依赖实践智慧的方面。
对于计算机科学而言，这意味着超越单纯的编码能力，更加强调判断力（选择解决什么问题、如何设计系统）、批判性思维（评估 AI 的局限与风险）、伦理考量（理解技术应用的社会后果）以及系统性思维（把握复杂系统的整体性与交互影响）。核心不再是“你会不会写”，而是“你是否知道为何这样写、何时应用、以及如何负责任地引导技术”。
对于人文学科而言，其传统优势本就与培养实践智慧紧密相关。在信息泛滥、AI 能生成海量内容的时代，人文学科训练的深度阐释能力、批判性分析能力、伦理思辨能力、历史语境化能力和跨文化理解能力变得更加关键。这些能力帮助我们辨别信息真伪、理解复杂现象背后的意义、进行价值判断、并在不确定的世界中做出更明智的选择。
因此，AI 时代并非宣告技能的终结，而是促使价值重心从可被自动化的“技艺”（Techne）向更需人类判断、理解和责任感的“智慧”（Phronesis）转移。这要求两个领域都必须重新定位其教育目标和核心竞争力，培养能够在复杂现实中进行审慎思考和明智行动的人才。
结语：在危机中拥抱机遇
回到最初的问题，AI 时代，人文学科死了吗？计算机科学会因为自动化而失去其核心价值吗？答案显然是否定的。相反，这两个领域正面临着一个共同的挑战，这个挑战迫使它们都必须超越自身传统的边界，重新审视其核心使命和价值所在。
这场由 GenAI 引发的变革，或许可以称之为“人工智能转向”（AI Turn），与以往的“语言转向”（linguistic turn）或“空间转向”（spatial turn）不同，“AI 转向”不仅改变了我们获取知识的方式，更根本性地挑战了知识主体与知识客体之间的关系。
在传统认识论框架中，知识生产遵循主体-客体的二元模式：人类主体通过观察、分析和解释来认识客体世界。GenAI 引入了一种三元模式：人类主体、AI 中介与知识客体相互作用。在这种新模式中，知识不再是人类主体对客体的直接把握，而是通过与 AI 系统的互动协作而产生的。
这种三元认识论结构引发的不仅是方法论上的调整，而是对知识本质的重新思考。当我们使用 GenAI 分析哲学概念或优化算法时，最终产生的见解既不完全属于人类，也不单纯源于 AI，而是两者互动的结果。这种“混合认知”（hybrid cognition）模式挑战了传统上将知识归属于个体认知主体的观念，转而指向一种更为分布式和协作性的知识生产方式。
结论是，GenAI 带来的挑战是真实的，但它所开启的机遇同样是前所未有的。通过拥抱这种变革，计算机科学和人文学科不仅能够克服各自的“存在危机”，更能在一个日益由技术塑造的世界中，找到新的、共同的、且更为重要的存在意义。这场融合，关乎的不仅是学术的未来，更是我们如何在一个“AI 增强”的世界中，更好地理解自身与创造未来。
参考资料：
2.https://cacm.acm.org/blogcacm/assessment-in-computer-science-education-in-the-genai-era/
排版：初嘉实
