AI在快速“剥削”人类的知识财富？你也可以驯化AI | 李檬相对论

今天，你可以向AI提出任何问题，并迅速得到答案，回答水平超过了95%的专家，而这是AI通过技术优势快速“剥削”人类知识财富实现的。正如《人类简史》作者尤瓦尔・赫拉利所说：“只需几年时间，AI 可能会吞噬整个人类文化数千年来产生的一切，进行消化，并开始涌出大量新的文化产物。”

很多时候，AI甚至都看不上人类那点知识，因为在很多情况下AI生成的知识质量更好。比如，人类医生一周能看200个患者，AI医生一天就能看200个患者，两者的最大差别在哪里？同样时间，AI医生看过的病人要多得多，也就有更多机会接触各种疑难杂症，熟悉大量罕见病的病程进展，而且还能从这些进展中发现规律。相比之下，人类医生除了在知识量上远远不及AI，更重要是，AI还能领悟透我们人类触及不到的知识结构。

时至今日，人类有史以来所有知识经验，都能被AI统筹起来，建立一个大数据库，供每一个人随时随地免费取用，包括最顶尖的创作、法律、医疗、教育等核心资源。

AI让知识的获取与生成变得如此简单，我们是否还能保持对深度理解的渴望和探索？未来还会有人类的学术成就吗？对这些问题，我并不感到悲观。

基督教会有一项“查经”活动，就是逐字逐句读《圣经》，一晚上只读一小段，然后大家自己体会，自己领悟，这件事做了几千年。同样的《圣经》经文，不同时代的人，不同社会阶层的人，以及不同年龄、不同见识的人，会有各自不同的理解。比如，耶稣说“爱你的仇敌”，马丁·路德·金的理解是“非暴力抗争的力量”，尼采则认为是“弱者的道德”。

《圣经》经文几千年没有变，但人们头脑中的思维模型一直在变，不断删掉旧的程序，形成新的程序，涌现新的知识输出。知识是什么？无非就是人脑中不断变化的思维模型，对新的环境信息做出各种加工，然后实现输出。

如果AI快速筛选、整合信息并生成新的知识，被认为是剥削人类知识财富，那么，人类也能快速更新思维模型，或者创造新的思维模型。人类思维模型的核心是判断：

第一个是“真伪判断”，这是真的吗？

下一个是“是非判断”，这对不对？

然后是“价值判断”，这个重要吗？

最后是“道德判断”，这事我该褒奖，还是谴责？

这四个判断的次序是不能错的，不能连基本的事实都没搞清楚，就搞道德判断，点赞或者吐槽。但时至今日，AI的正常使用越来越需要由人来把控，AI胡编滥造、传播谣言的事情已不少见。

AI吸收、创造、储存知识，有无与伦比的优势，但不能偏离我们人类的思维模型。纵观人类的知识进化史，其实就是知识储备和思维模型的“交互迭代”——知识储备迈出一步，思维模型便旋转一圈，两者相互推动、螺旋上升，每一次迭代升级，都是对旧有边界的突破，也是对未知领域的拓展。

工业时代之前，知识掌握在少数精英手中。尤其在中国，读书跟做官、获得社会地位是挂钩的。那时，书写昂贵、教育门槛很高，知识与权力（社会地位）相互巩固，导致了“寒门难出贵子”的普遍现实。古人读书有多贵？蔡伦改进造纸术前，寒门学子为（使用帛书）抄录一本《论语》，往往需要变卖家产或借贷度日。即使在印刷术发达的宋朝，要购买一套《资治通鉴》也需花费一个普通家庭2年的生活费用。

仅仅获取一些存量知识，就这样困难和昂贵，导致古人头脑中的思维模型进化缓慢，比如中国“天圆地方”的观念，欧洲人“地球是宇宙中心”的执念，都可以延续千年。

进入工业时代，大多数人都被动接受标准化教育，生产线式学习知识。我们几乎都是在“普鲁士教育制度”下完成的学业阶段。什么意思呢？就是学校教的知识被分割成为不同科目，学生早出晚归，听课、做笔记和参加不同学科的考试，最好不要偏科。上了大学，专业更加细分，绝对是隔行如隔山。比如，同样是眼科医生，研究晶状体的专家与研究视网膜的专家，手术技能、设备使用几乎没有交集，就像来自不同专业。

“垂直化分科”在工业化初期起到很大作用，与工厂的流水线几乎是无缝对接的。但接受这种教育是有代价的，导致我们的思维模型难以对不同学科知识融会贯通，丧失跨界思考能力。

互联网时代渐渐形成了“平台吞食世界”的趋势。也不是说，互联网就一定会塑造强势的平台，但互联网强化了“内容受制于渠道”的现实。

哪怕在好莱坞的黄金时代，电影编剧、导演也是受制于制片人，制片人则受制于发行公司，很多时候发行公司又受制于院线，因为院线负责排片，决定了哪部电影可以被更多人看到。日本漫画界一贯以“尊重作者”著称，也难以避免“渠道为王”，漫画家受制于杂志编辑，杂志编辑受制于杂志出品人，杂志出品人又受制于报刊零售渠道。这种层层递进的制约，让知识创造者很难不去讨好外行。

互联网让渠道变得更加集中，也更加昂贵和强势，加上决策式AI（比如智能推荐）影响，平台公司垄断了信息分发，推荐算法操控了人们的注意力。苹果 CEO 蒂姆·库克曾说过:“我并不担心机器像人一样思考，却担心人像机器一样思考。”现今的知识创造者，最大的问题就是“像机器一样思考”。他们总会隔着 AI 分发算法，去猜测用户究竟想要什么样的内容。或者说，知识创造者们大多是在配合互联网平台的算法规则，猜测哪些内容会被机器筛选出来，推荐给用户。

此时，我们的思维模型长期受制于AI推荐算法，逐渐失去了独立思考和多元视角的能力。推荐算法的可怕之处，在于AI并非被动迎合你的需求，而是主动引导你的选择。比如，TikTok和Instagram的推荐机制就利用“多巴胺效应”：算法会在短时间内不断呈现让你感到愉悦、刺激的视频内容，使你持续刷屏，渐渐“培养”了我们大脑短视化的行为模式。

生成式AI时代的知识定价变得十分精确，以OpenAI的GPT-4为例，用户按token数量支付费用（Token是AI模型理解和生成语言的基本单元），1个token约等于0.75个英文单词，或者1个汉字，比如生成大约750个英文单词或1000个汉字（即1000个token）就需要支付相应费用。token计费的最大好处，在于知识创造者（加工者）可以绕过平台直接变现。

英伟达CEO黄仁勋就认为：“就像19世纪末交流发电机给人类带来了源源不断的电，而现在的AI正在源源不断产生各种token，这确实是一场新的工业革命。”黄仁勋还直言：“生成式AI会逐个生成token，这些token可以是单词、图像、图表、表格，甚至是歌曲、文字、语音和视频，可以代表任何具有明确意义的事物。不管是化学物质、蛋白质，还是基因都可以。我们可以通过生成的方式探索无限可能，为任何有价值的事物生成token，无论是控制汽车的方向盘，还是让机械臂的关节运动，抑或是我们目前能够学习的任何知识。”数据被彻底改变，我们突然发现万事万物都可以被token化。

“万物皆可token化”的趋势下，我们人类的思维模型也悄然转变，知识正在变成动态的、流动的过程。我们头脑中的关注点已经从“拥有什么”转向“如何生成”，从“记忆知识”转向“驾驭算法”。

如此看来，哪怕AI在快速剥削人类知识财富，但我们的思维模型也随之升级，依然把控着AI的进化方向。比如，你可以借助AI创作工具灵感岛生成爆款文章，AI能够深度洞察爆文逻辑，一键优化文案，但是判断哪些部分最有价值，精准提炼核心亮点，确保内容有吸引力，又符合你的内心需求，还是要由人来把关。

未来，知识财富的生成机制可能是“AI吸收生成知识，人类升级思维模型”。

纵观人类发展历史，在我们的知识储备、思维模型的“交互迭代”中，AI只是一个变量而已。AI快速剥削人类知识财富的情况，也只是暂时的。不同层次的知识创造者，包括创意孵化层（广大内容创作者）、主体应用层（企业）、前沿探索层（科研工作者、技术开发者）等，都会找到新的知识生成和管理模式。

2021年的一部电影《芬奇》，很有意思，背景设定在一个末日世界，地球因辐射污染而变得不宜居住。男主角是一个工程师，担心自己快要死了，自家的狗没人照顾。他就想通过训练一个AI机器人，来帮忙照顾自家的狗。他是怎么训练AI的？就是把图书馆里所有与狗相关的材料全撕下来、扫描（变成数据），喂给这个AI机器人，使之形成一个知识框架......故事有好的结局，这个AI机器人逐渐由一个工具变成一个有情感、有责任的伙伴。

可是，AI模型的训练远没有这么简单，不是把书扫描下来就能够进行训练的，况且图书馆里也远不能提供足够多的材料供 AI 训练。真实的情况是，除了需要更大规模材料（数据）的野蛮轰炸，也需要与应用场景相匹配的算法、算力支持。

AI 真正超越人类之处，在于 AI 每一分每一秒都在疯狂学习，都在持续进步。而驱动 AI 疯狂学习和快速进步的，主要是算力、算法和数据。

可以将AI的大脑想象成为一座房子，数据就是砖块（学习材料），算法就是图纸（学习能力）、算力就是钢筋（学习强度）。DeepSeek的出现彻底改变了AI中数据、算法、算力三足鼎立的格局，DeepSeek是开源的（相当于完全公开了这个房子的设计图纸），而且大幅降低对算力的需求（就像盖房子用上了榫卯结构，一根钉子都不用，对钢筋的需求大幅下降），最后只剩下拼数据了。

在ChatGPT诞生之初，我就有过一个基本观点：AI所有创作的“原料（数据）”，都来源于人类创作者们的已有成果，AI拥有超高的信息筛选、整合能力，将会在效率上“打败”大多数人类知识创造者，或者说，AI已构成某种程度上的技术压榨或剥削？

在DeepSeek出现之后，“知识蒸馏”成为科技界的一个关注点，AI大模型自己也会面临技术剥削。什么是“知识蒸馏”呢？就是通用大模型被当作一个橙子，总会被“榨汁”给专业（行业）小模型喝，知识就是橙汁，AI大模型自己也可能被“榨干”知识，成为被压榨的“打工人”。

现今，任何人或AI模型创造出来的知识财富，都摆脱不了被采集、被蒸馏的宿命，最后都是你中有我，我中有你，迭代前进。

数据是AI的心跳，也是构成一切知识骨架的钙质。未来的人类知识库，一定是人类和AI共建的，但是，我们要真正掌握主导权，就需要做好核心数据管控。在这方面，好莱坞的编剧和演员群体跟AI已经有了新的共处模式。

2023年，好莱坞的演员和编剧们进行了一场长达 5 个月的大罢工。诸多电影、剧集拍摄停摆，新片发布会、走红毯仪式和访谈暂停，那期间举办的威尼斯电影节上，好莱坞演员持续缺席，连艾美奖和奥斯卡奖的颁奖仪式也受到冲击。这次争议的主要焦点是如何应对 AI 在影视行业中的使用。罢工结束后，编剧和演员们与制片方达成了一些协议，明确了 AI 在创作、表演中的角色限制。编剧们同意将 AI 视为辅助工具，用于生成创意或初稿，但最终创作权仍归人类编剧所有。AI生成的内容不能被视为原创作品，编剧的署名权和薪酬不受影响。

做好核心数据（语料）的源头管控，是广大内容创作者应对AI技术剥削的主要策略。

企业是AI的主体应用层，企业要训练AI，有一个很重要的中间件，就是SOP，即“标准作业程序”。

AI工具已经能将很多复杂的知识萃取出来，做成SOP。比如，你让AI干客服，它能从成千上万条历史对话中学习，总结出最有效的回答套路。比如，你让AI做质检，它能迅速识别、分析过去出现过的各种瑕疵，快速判断产品是不是有问题。

很多企业在深度构建知识型组织，比如华为有近20万员工，本质上是由20万个分布式“知识存储装置”组成的庞大网络。但问题在于，这些分散在每个人头脑中的经验，如何转化为企业的核心资产？

华为有句名言：“企业最大的浪费，是经验的浪费。”辛辛苦苦培养了一名优秀员工，哪一天这个人离职或被挖走，就意味着企业失去了一笔宝贵的知识财富。

借助AI，用员工的知识和经验，对企业的SOP进行升级，是不错的办法。通过将员工的聪明才智注入企业的SOP，相当于每个员工头脑中的知识资产，可以被提取出来，实现积累、运营、保值乃至增值。

有了好的SOP，看着飞机的使用说明书，就能把飞机开起来。真正的困难，是很难把操作的卡点和SOP规范要求连接起来，不理解要求的真实含义和做到位的关键。

有科技公司开始鼓励员工搞自己的“个人操作系统”，以前只是将这个岗位的工作流程告诉程序，现在人机交互可以用自然语言了，这个工作岗位上那些最好的员工，可以用自己的思维方式升级AI智能体。

AI 在企业层面的很多进展，可能会让很多人失去“职场竞争力”。但换个角度，在 AI 面前，你的老板可以炒了你，雇 AI，但你也可以炒了你的老板，然后成立自己的 AI 公司。未来，每一个人都可以拥有一个自己的 AI 团队，里面有各个领域的虚拟专家，随时供你调遣，帮你开创各种新的财富机会。

AI让生成新的知识变得极其简单，那么，这会不会让我们失去前沿探索的热情，导致追求科技进步、学术成就的动力减弱？我认为，人们普遍对知识财富存在误解，消除这个误解，自然就有了答案。

郭朝晖（宝钢中研院首席研究员）曾大胆指出：“很多科研院所搞学术研究，很像辛弃疾说的那样，为赋新词强说愁。没有问题，也要变出一个问题，想办法改一下，然后去发表论文。相比之下，具体应用中的很多实际问题，特别难搞，往往是付出长期努力却没有丝毫进展，简直把人逼疯，这反而能给人带来实质性的能力增长。”

什么是知识财富？知识的本质不是概念，而是方案，有了好的解决方案，才能使知识成为财富。

比如，人工智能这四个字，是不是知识？过去，我们研究人工智能，是为了用计算机等工具模拟人的大脑，所以，在长达半个世纪的时间里，研究人工智能的人要么是计算机科学家，要么是脑科学家。现在，我们发现，即使我们还是不知道大脑是如何工作的，并不影响我们开发越来越好的AI大模型和AI智能体。现在研究人工智能的人，更多是算法工程师。

那么，人工智能是不是知识？要看基于什么目的，得到什么解决方案。问题和答案连到了一起，才知道一个知识的真相是什么。让知识真正成为财富，至少需要经历三个阶段：

一：确定解决什么问题，是不是有价值的好问题？

二：充分掌握问题过往，最可靠的旧答案是什么？

三：对该问题，你能提出哪些更好的新解决方案？

好问题+更好的新解决方案，才能构成新的知识财富。而AI只是引出旧答案，倒逼科学家、开发者创造更多增量价值。

现有的AI模型和算法，都是被经验驯化出来的。它的能力局限在人类以往的知识经验的范围内，没法应对从未出现过的新问题。我们面对 AI 最好的态度就是做好自己的事。AI 的进化不会使未来变成人和机器的竞争，而是进一步加速人和人之间的分化。AI 必将使平庸的人失去很多，同时也会让真正具有洞察力、想象力和创造力的人拥有更好的实施工具。你会在新的生产力水平上创造更多新的知识财富。