被人工智能取代的是文科還是理科？ | 二湘空間

作者：海北尬生，因其嘗求學于北海之北，每不顧環境而放尬言，故起此名也。喜航天，愛讀書，本學理工，愛好文學。

我看到二湘老師開設了一家教育相關的公司，提供升學咨詢與本科、研究生申請服務，正好現在也是中國大學的開學季和美國大學的申請季，于是想寫點東西，談一談專業的問題。

文科專業最近在全世界日子都不是特別好過。在歐美，最近幾天芝加哥大學先是宣布將重組合并文科院系，隨后藝術與人文學院宣布將在2026-2027學年減少約一半系所的博士招生規模，并完全停止古典學、比較文學、中東研究等博士項目的招生。社會科學學院也宣布，2026–2027學年將暫停人類學、政治經濟學等博士項目的招生。

在中國，2019年至2024年5年，全國取消了近3000個文科專業，也有很多學校進行院系調整，比如南航取消了人文與社會科學學部，把工作交給相關的學院，而早在23年，大連理工大學也做了類似的調整。

豆包AI生成

有些人便說，這是因為AI的沖擊，甚至還預測未來文科會被AI徹底取代。可事實真的如此嗎？

首先，如果我們要把這樣的調整歸結于AI的沖擊，顯然過于簡單草率。AI當然會導致一些文科承受壓力，比如翻譯學，但這不至于上升到要取消學科的程度。究其原因，首先是在此之前的10年大量學校開設了過多的人文學科，處于過剩狀態，其次，文科多少都沾點“幫閑屬性”，無法立即轉換成生產力，產生經濟效益，因此當大學因為各種各樣的原因遇到經費緊張的時候，首先倒霉的就會是文科專業。其次，如果真要討論AI對于專業的沖擊，恐怕最終要倒霉、倒最大的霉的反而是理工科，而不是文科。

理工科與文科最大的不同是，它是要以實驗為研究方法的。這樣的特點讓理工科的發展脈絡、不同時間段學者和學派的關系和文科完全不同，在實際上造成了一些更貼近人工智能特性的點，也就使之更容易被人工智能取代。

具體來說，因為理工科要以實驗為研究方法，因此新提出的觀點一定要能符合舊有的全部實驗結果才能成立。因此，理工科存在著絕對的對與絕對的錯—不符合實驗結果就是錯的，同時不同時間段的學者和學派的關系，就像俄羅斯套娃或者同心圓，是完全包含完全整合的關系的。但文科卻不同，可以另立山頭，可以改弦更張，而不存在完全包含和完全整合的關系。如果畫出圖來，應該是這樣：

我們來舉幾個例子。如果我們要看力學的話，那最里面的一個圓圈應該對應伽利略，他建立了一些力學的基本觀念，比如牛頓第一定律其實是他發現的，但是都不成體系，不夠完整。在他的基礎上，牛頓第一次建立了經典力學的框架，所以牛頓會對應伽利略外面的第二個圓。而最外面的幾個圓，則會屬于達朗貝爾、拉格朗日等人。這些法國人用微積分研究力學，建立了分析力學的體系，特別是拉格朗日找到了拉格朗日方程，提供了所有完整約束下力學問題的通解。

如果我們要說的是電學的話，最里面的幾個圈應該是奧斯特等人，法拉第會是倒數第2個圈，他其實已經找到了所有電磁現象的公式。最外面的一個圈則是麥克斯韋，他通過大量的數學計算，將所有的電磁現象總結成4個方程，即是著名的麥克斯韋方程組。所有的電磁學現象都在這里面。

我在這里畫成一個一個完全包含著的圓，事實也的確如此。每一位圈里的人的理論體系、所能解決的問題都完全被圈外的人所包括，換言之，只要能學明白，學圈更大的人的理論就可以不用再學被它套在里面的人的理論。只要能算得出來，麥克斯韋的方程組就可以解決所有的問題，不用再去學法拉第，會列拉格朗日方程也往往不需要再求助牛頓，正如同現在的中學生不學伽利略的體系也可以掌握牛頓力學一樣。那學校為什么不這么做？原因是算不出來。麥克斯韋拉格朗日他們的方程都含有大量的微積分，相當難算。但文科不是這樣，我們說柏拉圖是蘇格拉底的學生，亞里士多德是柏拉圖的學生，他們都繼承和發展了老師的學說，但這并不意味著我們看了當徒弟的就不用再看當老師的了，當然老子和孔子孔子和孟子也是這樣的關系。我們能說“孟子把孔子的思想整合進來”乃至“孟子取代了孔子”嗎？顯然是荒謬的。

理工科的發展脈絡其實也是如此，特別是理科。搞理學研究的人，所做的事往往都是這樣的：開發出一套新的體系，使之在能夠解釋舊有的已知的一切問題的情況下，能夠解釋新的現象，或者將原本需要使用不同體系的問題，用同一個體系表達出來，比如物理學現在最終極的問題M理論試圖將所有物理現象（萬有引力、電磁力、強相互作用和弱相互作用）用同一個體系來解釋，愛因斯坦晚年其實就在做這樣的工作。不過無論是哪一種，新開發出來的理論被判斷為正確的前提都是能夠與已有的任何實驗結果不沖突，換言之，這些結果是所有人必須承認正確的。舊有的理論必須要被解釋成新有的理論體系的特例，成為新體系的一部分，比如牛頓力學就是相對論在低速下的特例。

豆包AI生成

但文科不是這樣。文科不用做實驗，不存在所有人都必須承認正確的東西，因此就不需要一定承認前人的成果正確并將其整合，反而可以將之徹底反對，站在一個完全不同的角度說話。因此文科山頭林立而不分對錯。我們總說“文人相輕”，其實這除了個人的性格有關之外，也與文科的特性有關：理工科的所有人都要承認公式、實驗結果，工程方面還要承認各種相關法律規定，達不到就是錯的。但文科找不到什么所有人都需要承認的東西，張三認同的東西。李四就可以反對，而且也不存在對錯之分，分不出對錯高下，就只好“相輕”。

黑格爾有著這樣的哲學史觀：哲學其實只有一個，所有哲學家的觀點其實都只是不同時間下它的不同體現而已。但實際上，這不一定是哲學史觀，反而應該是理學史觀。哲學存在大量各有各的道理，可以同時存在的觀點，反而是理學家所認為的理學只能有一個，同一件事背后只能有一個機理，如果事實是出現了兩種以上的看法或者解釋，就要做實驗去找到正確的那一個，終結這種共同存在的狀態。但是對于哲學，共同存在的觀點很多，實際上黑格爾自己就說人們對事物的觀點至少有三個：某觀點，反某觀點，和二者的折中說。他們各自有自己關心的點，都談不上對錯，因此都可以同時存在。

那我說這些究竟與AI有什么關系呢？其實對AI比較熟悉的人可能從一開始就聽出來了：理學這種完全包含完全整合的發展方式，恰恰有利于形成算法，而算法恰恰就是AI存在的機理。

什么叫算法？從字面上解釋就是對于一類問題的通用的計算方法。算法并不意味著對特定的某一個問題最簡單的解法，而是要追求盡可能多的解決問題，正像前面提到的麥克斯韋、拉格朗日方程組可能連高中物理題解起來都很麻煩，但卻能保證所有的問題都能解，這就是處于上位、無所不包的好處。所以對于理科而言，如果已經發展到了如同電學出現麥克斯韋方程組、流體力學出現ns方程這樣的出現了總結性的理論，基于此開發人工智能的算法就是水到渠成的。換言之，只要能提供足夠多的算力，計算機就能解決領域的全部問題。

豆包AI生成

這樣的東西其實現在已經有了雛形，比如我們這些學航天的（乃至一般范圍的工科生）應該都知道有一個神奇的軟件叫ansys。它其實是一個軟件包，里面有針對各個領域開發的數值計算和仿真軟件，比如針對流體方面就是fluent。Fluent就全部由ns方程驅動,實際上就是一個幫你在輸入三維模型后求解與之相關的ns方程的工具。只要運算能力夠強、模型構建正確，這個軟件能解所有的流體力學問題。當然這個軟件遠遠談不上是人工智能，在諸如網格劃分、模型構建等諸多方面還是要依賴于操作者自己完成。

不過這都只是一層窗戶紙而已，一捅就破。現在的人工智能不是已經可以讓用戶輸入關鍵詞，然后生成文章或者圖片嗎？那既然如此，一個現成的模型擺到這兒，并提出相關的要求，當然可以研發出一套人工智能程序幫你決定網格的劃分之類的。實際上我總覺得現在還沒有這樣的東西出來，只是因為需求不夠大，平衡不了研發成本，技術層面早就可行。

所謂的工程設計，其實很大程度上都是在照章辦事。比如我們該確定什么樣的指標。再比如說有什么潛在的解決方案、有什么經驗公式，都是有章可循的。而顯然越是有章可循。越容易找到算法。這一點最顯著的還是計算機的編程，本人實測，ChatGPT或者deepseek之類的編程能力都很強，之前我因為不會寫代碼還挺苦惱，現在也不太在乎了。此前拜比爾蓋茨的windows系統所賜，普通人在日常使用電腦的過程中不需要再接觸到代碼，使用代碼變成了只有程序員才需要做的事（從這一點來說，比爾蓋茨可謂功德無量，沒有這樣的東西，家用計算機根本不可能普及）。

豆包AI生成

很有可能在5年之內，連程序開發者都不需要再寫代碼了，我們只需要像現在用AI生成圖片那樣告訴AI我們需要一個什么軟件，要實現什么功能，他們就能給我們開發一個完整的軟件，比如說我們說“我要一個能建群能與人聊天的軟件”，他們就真的給我們設計出來一套類似微信的系統。現在還想在大學學計算機的人，不妨考慮一下這個問題。

其他的工程學科會不會也是這樣？我想是肯定的，我們可以拿圖畫訓練出來一個繪畫圖的AI，用棋譜訓練出來一個會下棋的AI，自然也可以用大量的工程實踐訓練出來一個會搞工程設計的AI。未來可能我們說“我這里有一條河，水深是多少，橋梁凈空要求多少，要求設計一座斜拉橋”，他們就真的給我們提供一套完整的圖紙，順便還可能再做一下仿真和模擬，連可行性都給我們證明出來。我們真的需要工程師嗎？

也不要覺得理科就會安全。理科所需要的大量的數學推導和文獻查閱也是AI擅長的，即使現在理科生也往往用mathemetica幫忙化簡公式解方程，而不是自己手算。而如果要說做實驗，如果是實物實驗，那恐怕還需要人，而如果要是數值仿真和模擬，比如用Matlab，那就又回到了我們剛才所說的。可能隨著未來開發軟件成本的進一步降低，我們很快就能看到這樣的軟件。

豆包AI生成

因此真正安全的恐怕還是文科。文科沒有共同的共識，沒有萬金油式的方法，沒有絕對的對錯，山頭林立，派系眾多，而且越是大家做出的大的創造，越是突發奇想、異乎以往的任何人。這偏偏都不是AI所擅長的。沒有共識和通解，就意味著沒法構建算法，同時AI模型的訓練也基于既有的成就，因此訓練出來的產品也都是既有的東西的發展，卻不能把既有的東西完全拋開，憑空創造。比如說拿印象派之前的那些寫實的油畫來訓練AI不可能訓練出莫奈的《印象日出》，拿洛克、盧梭他們的社會契約論的著作不可能訓練出密爾他們的功利主義一樣。

所以究竟該學文科還是該學理科呢？現在來看文科可能在最近幾年不太好過，但如果時間尺度更長，恐怕是理科生要更難受。既然是選專業，要決定幾十年以來的人生道路，就應該把眼光放長遠一點。而且看衰文科的很多人，其實說白了只是出于一種理科生的傲慢，正如同有些文科生也瞧不起理科生一樣，只不過現在是理科生比較強勢的時期而已。我之前有一個比喻：理科生研究做菜刀，文科生研究菜刀怎么用。現在做菜刀的活大可以交給人工智能了，人工智能有更強大的力量，我們需要的，反而是讓文科生來研究如何控制他們。

~the end~