回看历史，其实这些一直在发生着

要理解今天正在发生的事情我觉得有必要先回头看看历史。因为知识被少数人攥在手里这件事并不是今天才有的新问题。汉朝虽然已经发明了纸张但对于普通人来说书依然是奢侈品。造纸术的改进是一个漫长的过程在相当长的时间里书籍的复制全靠手抄成本极高流传范围极其有限。加上当时能系统传授经典的老师少之又少知识和学问很自然地就向少数富裕家族集中。这些家族一代代人钻研儒家经典形成了所谓的“累世经学”——经典的解释权在家族内部父子相传、师徒相授外人根本插不进来。书在他们家老师在他们家怎么解读也由他们家说了算。谁掌握了知识谁就掌握了话语权谁掌握了话语权谁就掌握了上升通道的钥匙。这个逻辑从两千年前就已经在运转了。兴起于东汉中后期的门阀士族就是这套逻辑最典型的产物。那么到底什么是士族门阀门阀拆开来看。“门”是家门、门第“阀”是功绩、功劳簿。两个字合在一起指的就是那些世代为官、在政治和文化上都占据垄断地位的高门大族。士族则是门阀的主体成员他们区别于庶族——也就是寒门出身的人。士族以读书为业以做官为归宿以掌握文化的解释权为身份标志。在那个年代读什么书、怎么理解书、读了书能不能做官这几件事的钥匙都握在他们手里。门阀制度从东汉开始萌芽到魏晋时期正式成型东晋时达到巅峰南北朝继续延续直到隋唐科举制兴起后才逐渐衰落。前后绵延了大约六七百年。在这几百年里门阀士族做得最彻底的一件事就是把人才选拔制度——也就是普通人往上走的通道——牢牢攥在了自己手里。先有察举制。名义上是由地方官向中央推荐人才但谁算“人才”品评的标准在谁手里答案不言自明。汉末的民谣说“举秀才不知书察孝廉父别居”讽刺的就是这套制度已经烂到了根子里——推举出来的秀才不识字推荐的孝子把父亲赶出家门所谓选贤任能早就变成了选关系、选门第。后来到了魏晋更是推出了九品中正制。表面上是由“中正”官给人才评定品级按品授官听起来很公平。但实际操作中评定标准从来不是才学和德行而是出身和门第。最终的局面就是当时人自己总结的那句话——“上品无寒门下品无士族”。高品级的全是豪门子弟普通人家的孩子再优秀也只能待在底层。这条上升通道被制度本身焊死了。在这样的土壤里诞生了一批延续数百年、权势熏天的顶级门阀。“王与马共天下”的琅琊王氏辅佐东晋立国权势一度压过皇权“谢家宝树”的陈郡谢氏在淝水之战中以少胜多挽救了半壁江山还有“四世三公”的弘农杨氏和汝南袁氏连续四代都有人做到最高级别的官职。生在王谢之家人生早就被安排妥当生在寒门庶族再有才华也只能望门兴叹。这段历史看下来有一个模式反复出现少数人先控制了知识的来源和解释权然后通过制度把这种优势固定下来最后连普通人往上走的阶梯也被他们搬走了。而当时身处其中的人未必觉得有什么不对——一切都被包装得理所当然。有意思的是这种模式并没有随着门阀的消失而彻底消失。它只是换了面孔换了工具在后来的时代里以新的方式重新登场。近现代知识的围墙换了砖进入近现代以后知识传播的方式发生了翻天覆地的变化。印刷术的普及、报纸杂志的兴起、现代大学的建立、互联网的诞生——每一次技术飞跃都曾让人们对“知识普及”抱有过美好的期待。每一次也都有人欢呼知识终于要属于所有人了。但观察下来事情好像没有这么简单。那堵限制知识的围墙并没有被推倒只是换了一种砖来砌。学阀象牙塔里的新门槛现代大学和学术体系的建立本来是为了让知识更加开放。但在实际运转的过程中学术圈逐渐形成了自己的“守门人”——学阀。学阀这个词听起来有些刺耳但现实中确实存在这样的现象某些学术圈层的核心人物或家族通过掌控学术资源的分配权来决定谁能进入这个圈子、谁能获得研究经费、谁的论文能够发表、谁的观点被认可为主流。基金的评审、期刊的编委会、职称的评定委员会、博士生的导师选择这些环节天然存在着“圈子文化”。我不是说所有学者都这样但制度本身的缺陷确实在制造新的壁垒。一个有趣的观察是什么样的问题值得研究什么样的结论可以被接受这些往往不是由“真相”决定的而是由学术圈内部的共识决定的。而共识有时候不过是一群想法相似的人互相确认。这也意味着普通人最终接触到的“知识”其实是经过了学术守门人层层筛选和过滤之后的版本。它未必是错的但它一定是被挑选过的。而被筛掉的那些普通人可能永远不会知道它们存在过。资本进场谁出钱谁定调如果说学阀守着的是知识的“生产车间”那么资本控制的就是知识的“分发渠道”。进入二十世纪以后一个不可忽视的现象是大型资本开始系统性地收购和控制信息传播机构。报业集团被并购出版社被整合进跨国传媒帝国电视台、通讯社、评级机构、智库背后的资金来源越来越集中。到了互联网时代社交媒体平台、搜索引擎、内容分发网络同样遵循着资本的逻辑。我尽量客观地看待这件事。不是说这背后一定有什么阴谋而是资本本身的逐利逻辑天然会引导信息传播走向特定的方向。一个简单的道理媒体的老板也是要做生意的广告商的偏好会影响内容的取舍投资人的利益需要被照顾。久而久之什么新闻值得被报道、什么书值得被出版、什么观点值得被讨论筛选标准从一开始的“真不真”悄悄地变成了“赚不赚钱”和“安不安全”。一些西方媒体对中国报道的长期偏颇就是一个明显的例子。很多人可能以为自己看到的是客观事实但实际上他们看到的只是被特定视角裁剪过的“叙事”。这其中当然有意识形态的因素但经济利益的驱动同样不可忽视——制造冲突、煽动情绪、迎合特定受众的偏见往往比客观中立的报道更有利可图。还有一个值得注意的群体跨国金融资本通过控股、捐赠、设立基金会等方式对全球顶级教育机构和研究智库施加影响。比如一些国际知名的大学其捐赠基金的投资方向、重点研究项目的资助来源背后都与大型金融机构有着千丝万缕的联系。这并不是要讲什么“阴谋论”而是指出了一个结构性的事实当知识的创造者和传播者在经济上依赖于特定的资本集团时知识的独立性就很难不被侵蚀。传媒与平台编织“信息茧房”到了移动互联网时代平台接过了传统媒体的接力棒而且做得更彻底。传统媒体好歹还有个编辑把关好歹还承认“新闻”和“评论”应该有区别。但算法驱动的平台不一样它的KPI是用户停留时长、点击率、日活数据而不是“用户对世界的认知是否更全面了”。什么内容最容易让人停下来、点进去、一直刷让你兴奋的、让你愤怒的、让你觉得自己被认同的。所以算法天然倾向于给你“你想看到的”而不是“你应该知道的”。这并不是什么秘密。推荐算法的设计逻辑就是不断学习你的偏好然后用你喜欢的内容填满你的屏幕。你喜欢什么它就给你更多你不喜欢什么它就帮你过滤掉。久而久之你看到的永远是自己认同的观点永远是自己熟悉的话题永远是让自己舒服的内容。不同立场、不同视角的信息可能连出现在你面前的机会都没有。你不是被关起来了你是舒服得根本不想出去。这种“信息茧房”比直接的封锁更隐蔽——它不会让你觉得被剥夺了什么反而让你觉得自己什么都知道什么都能看到。但实际上你看到的只是算法为你量身打造的一个世界切片。有意思的是这些平台的母公司大多数和前面提到的资本集团有着紧密的投资和控制关系。信息的分发权从报业大亨手里转移到了科技新贵手里但背后的资本逻辑并没有改变。小结换汤不换药把近现代这条线捋下来会发现一个隐隐约约的规律从学阀把守学术大门到资本控制传媒和平台再到算法主导信息分发知识的“守门人”一直在变但“守门”这件事从来没变过。古代的门阀靠的是血统和书籍垄断近代的学阀靠的是学术资源和制度壁垒现代的资本靠的是经济权力和渠道控制。工具从竹简变成了学历又从学历变成了资本最后变成了代码和算法。但每一次都是少数人在替大多数人决定你们应该知道什么不应该知道什么。而真正让人担忧的是这一轮的“守门人”比以往任何时候都要隐蔽。以前你至少知道有书读不到有学上不起现在你觉得自己什么都知道什么都看得到反而更难察觉那些你没看到的东西了。LLM AI时代知识垄断的终极形态把前面的脉络捋下来会发现一个让人不安的规律每当知识传播的技术发生一次飞跃人们都以为知识会变得更加平等但每一次都会有新的“守门人”出现重新把知识的控制权收拢到少数人手中。门阀靠的是血统学阀靠的是学术门槛资本靠的是渠道控制算法靠的是投喂机制。而这一次大语言模型的到来可能把所有这些手段都整合到了一起升级成了一个前所未有的版本。这扇门普通人连敲都敲不响了先看一个最基本的事实今天最先进的AI大模型训练一次的成本动辄上亿美元需要的算力资源以万张高端GPU来计算训练数据以万亿token为单位的文本、图像、代码。这个门槛已经不是任何一所大学、任何一个研究机构能够独立承担的了更不用说普通个人。全球有能力研发顶尖大模型的实体两只手就数得过来——无非是那几家科技巨头再加上少数有国家力量支撑的机构。这意味着什么意味着人类知识生产和分发的“基础设施”正在从公共领域转移到少数私营公司手中。这跟以前的图书馆、大学、出版社都不一样。图书馆是公立的大学是非营利的出版社至少还面对市场竞争。但大模型不一样——它的训练成本决定了这是一个天然垄断的行业一旦某几家跑在前面后来者几乎没有追赶的可能。数据从哪来算力在谁手里模型听谁的指令这些问题普通人既参与不了决策也几乎没有知情权。知识的“水源地”正在被围起来。“知识垄断阶级”到底是什么写到这里我觉得有必要正式提出一个说法——虽然这只是一个普通人的观察和直觉不是什么严谨的社会学概念。我把它叫做“知识垄断阶级”。我想强调的是我说的这个“阶级”并不是指某个具体的阴谋集团也不是说有一群人躲在暗室里密谋怎么愚弄大众。它更像是一种在技术、资本和制度共同作用下自然而然形成的结构性现象。或者说是这几股力量耦合出来的一个新阶层。这个阶层由哪些人构成大致是这么几类掌握大模型核心技术的科技巨头及其决策层为这些企业提供资金支持的顶级投资资本以及围绕这套技术生态形成的既得利益圈层。他们不一定彼此认识不一定有共同的纲领但他们共同控制着人类历史上最强大的知识工具共同决定了这个工具怎么用、给谁用、用来干什么。他们的权力比历史上任何一代“守门人”都大。门阀顶多垄断几部经典的解释权学阀顶多控制一个学科的话语权资本顶多影响某些媒体的报道方向。而今天这个群体掌握的是整个人类知识的总入口。你问什么问题得到什么答案看到什么内容甚至你对一件事的“第一反应”都可能被他们开发出来的系统悄悄地影响着。垄断的四个层面如果说古代的门阀垄断是一道墙近代的资本垄断是一扇门那么AI时代的垄断就是一张网——它无处不在又让人察觉不到。我把目前能观察到的垄断方式拆成几个层面来看。第一层源头控制——决定哪些知识“存在”大模型不是天生就知道一切的。它需要被“喂养”训练数据。但用什么数据来训练这件事完全由开发者决定。哪些书可以喂进去哪些不可以哪些观点可以被纳入哪些会被剔除哪些语言的数据足够多哪些语言被边缘化这些决策都是不透明的。更关键的是一旦某个知识或观点在训练阶段被排除在外它在这个模型的“世界”里就彻底不存在了。不是被禁止了而是好像从来没出现过一样。这比烧书还彻底——烧了你还知道有过这本书但模型里没有的你连追问的线索都没有。第二层输出控制——决定你怎么得到答案即使数据都喂进去了模型给你什么样的回答也是可以被调控的。通过指令微调、人类反馈强化学习、安全审查机制开发者可以让模型在面对某些问题时选择沉默、绕开或者给出特定倾向的答案。我不是说安全审查本身有问题——防止AI被滥用当然是必要的。但问题是什么是“滥用”标准谁来定边界在哪里这些决策如果完全由少数公司私下决定而没有任何公共讨论和监督那本质上就是少数人在替所有人决定什么可以说、什么不能说。第三层分级服务——用价格把人分三六九等这一点已经在发生了。免费用户得到的可能是阉割版的模型响应慢、能力弱、上下文短付费用户解锁高级功能享受更长上下文、更强推理能力、更专业的知识服务。这听起来很符合商业逻辑没什么不对。但往深了想一层如果未来最强大的知识工具变成了一项按月订阅的服务那么付得起钱的人将获得远远超出免费用户的知识能力和效率加成。知识鸿沟不仅仅是“你知道多少”的差距而会变成“你使用什么级别的AI”的差距。这个差距一旦形成阶层固化的速度会比任何历史时期都快。第四层圈定范围——控制知识的流动边界如果说前面三层控制的是“生产端”——哪些知识进模型、怎么出答案、谁能用更好的版本——那么这一层控制的是知识的“流通范围”。人类知识本来是一片广阔的海洋按理说任何人都应该有机会在这片海洋里自由航行。但在现实中我们每个人能接触到的往往只是被圈出来的一小片水域。这片水域的范围是谁划定的划在哪里为什么是这片而不是那片这些问题大多数时候我们根本意识不到要去问。任何一个领域、任何一个话题知识其实都是有层次的。表层是大众常识中间是专业讨论深层是前沿探索和学术争议。一个健康的知识生态应该是各层次之间能够自由流动的——普通人如果有兴趣、有精力可以顺着一条线索从表层一路挖到深层去。但现在的情况是推荐算法和AI系统天然倾向于让知识在同一层级里打转。深度内容太长、太复杂、不够刺激不利于用户停留于是那个跳向更深层次的入口从来不会主动出现在你的屏幕上。更关键的是当少数几家公司同时控制了搜索引擎、社交媒体、内容平台和AI助手他们就拥有了划定“知识可见范围”的实际能力。一个话题能不能被搜索到、搜索结果的排序是什么、AI回答里提到哪些不提到哪些——这些操作不需要任何人下命令只需要在系统里调整几个参数或者在训练数据里做一些筛选。结果就是大多数人能接触到的知识范围被悄无声息地框定在了一个经过精心设计的圈层里。这个圈层足够大大到你不会觉得被限制了但又足够小小到那些真正关键、真正有颠覆性的知识你可能永远碰不到。第五层生态锁定——让一切都在我的地盘上这几家巨头不止做模型本身他们同时掌控着操作系统、云服务、搜索引擎、办公软件、社交媒体。大模型的能力正在被嵌入到整个数字生态的每一个角落。你办公用它搜索用它社交还在用它的平台你的数据全程在他们的管道里流动。切换的成本会越来越高最终你会发现自己已经被绑定在一个生态里离开的成本难以承受。到那个时候知识的选择权就不仅仅是“用哪个AI”的问题了而是“你生活在哪个数字世界”的问题。从“不能看”到“看不到”手段的进化把这几层垄断拼在一起看会发现一件很有意思的事控制知识的手段正在变得越来越软也越来越精。古代的门阀垄断知识是“不让你看”——书锁在私人的藏书楼里你想看也看不到。近代的学阀和资本垄断信息是“帮你筛选”——有人替你做选择告诉你什么是重要的什么可以忽略。而到了AI时代手段进化到了“让你看不到”——不是禁止不是筛选而是你压根不知道某些知识存在过。这三种手段的区别在哪儿“不让你看”会激发好奇。你会想办法去找会有人冒险传播禁书往往传得最广。“帮你筛选”至少还有个看门人你还能意识到有人在替你选择你还能抱怨他有偏见你还能换一家媒体、换一个平台试试。但“让你看不到”是最高明的。你没有任何怨言因为你根本不知道有东西被藏起来了。你以为世界就是你看到的这样你以为知识就这么多你以为你的疑惑都有了答案。而实际上你只是在别人画好的圈里绕了一圈又一圈。AI在生成回答时如果某些知识在训练数据里被弱化了它就会自然而然地绕开或者用非常笼统的话一笔带过。整个过程没有任何删改的动作只是在“生成”的环节那片知识就从来没被包含进去。当你在AI的回答里一次次看到某个话题“没有相关信息”或者永远只停留在同一个浅层解读时你不会觉得是AI在瞒着你什么——你只会觉得哦这件事大概就这样了吧。久而久之人类知识的版图在大多数人眼中就会慢慢收缩。不是知识减少了而是每个人能看到的那一小块被框得更紧了。而那些控制着这套系统的人甚至不需要像过去那样举着喇叭喊“这个不许看”他们只需要保持沉默让系统的边界自然起作用。这一次为什么比历史上任何一次都要厉害把门阀的垄断、学阀的垄断、资本的垄断和AI时代的垄断放在一起对比会发现一个质的区别。以前的垄断好歹还有一个看得见的外在障碍。门阀不让你读书你至少知道有书存在。学阀不让你进圈子你至少知道圈子在那里。资本控制媒体你至少还能换一个频道试试。这些障碍虽然难以逾越但至少是可见的你知道自己在被挡在外面你可能还会想办法FQ。但AI时代的垄断正在消灭这个“外面”。当你习惯了用AI来解答一切问题习惯了AI推荐给你的内容习惯了AI帮你总结、提炼、筛选你就不会再自己去翻书、查资料、找不同观点了。你被照顾得太好了好到你根本想不起来除了它给你的这些可能还有别的。这不再是“不让你看”而是让你“看个够”。看你想看的听你想听的信你想信的。你舒服地待在一个为你量身打造的知识温室里外面是什么季节你根本不知道也不想知道。而控制这个温室的人甚至不需要露面。他们只需要维护好这套系统让你持续地、愉悦地、心甘情愿地留在里面。这不是阴谋但比阴谋更难办再强调一次我不想把这件事说成什么惊天阴谋。我相信大多数AI工程师、产品经理、企业决策者初衷都不是要控制谁。他们只是在做他们的工作——优化指标、增长用户、提高收入。但恰恰是这种“每个人都在做好自己的本职工作”的机制反而让整个系统朝着知识垄断的方向稳稳地滑去。没有一个坏人但没有一个好人能够阻止这件事发生。这才是最让人不安的地方。如果把历史比作一面镜子那么士族门阀靠血统垄断知识花了六七百年才被科举制打破学阀靠学术门槛垄断知识至今还在以各种形式存在资本靠渠道垄断信息已经运转了一百多年至今看不到松动的迹象。而现在AI技术把这三者的手段叠加到了一起——技术门槛替代了血统门槛算法把关替代了学术把关生态绑定替代了渠道控制——效率之高、覆盖之广、隐蔽之深前所未有。那么问题来了这一次我们有办法打破它吗在探讨这个问题之前我想先花一点时间看看今天的推荐算法和AI结合之后具体是怎么在每个人的日常生活中起作用的。毕竟宏大叙事说得再多不如低头看看自己每天的手机屏幕。当AI学会了推荐算法的那一套上一部分聊的更多是宏观层面的东西——算力门槛、数据控制、生态绑定、知识边界的划定。说实话这些东西虽然重要但对普通人来说可能有点远。我们每天更直观感受到的其实是另一件事手机屏幕上的内容怎么越来越“懂我”了。推荐算法已经和我们相处了很多年大家都不陌生。刷短视频一条接一条停不下来逛购物软件总能看到“你可能还喜欢”看新闻资讯满屏都是你感兴趣的话题。这套机制的逻辑已经被说了很多遍学习你的行为数据预测你的偏好然后把最能让你停留的内容推到你面前。但AI大模型加入之后这套机制正在发生一个质的变化。以前推荐算法只能从已有的内容池里挑选东西给你。它像一个超市理货员把货架上已有的商品摆到你眼前但它不能自己生产商品。现在不一样了AI不仅能挑还能自己“造”。它可以根据你的偏好即时生成一段文字、一张图片、一段视频甚至是一整套“知识解答”这些内容是专门为你“定制”的世界上独一无二。这意味着什么意味着我们正在从“信息茧房”走进“信息温室”。茧房好歹还是用现成的材料编织的你多多少少还能摸到材料的纹理意识到“这是别人生产的内容”。但温室不一样里面的一切都是为你生长的温度、湿度、光照都调得恰到好处。你在这个环境里待久了会以为世界本来就是这么温暖湿润。举几个或许正在发生的场景。场景一同一个问题不同的“真相”两个人分别在手机上问AI同一个有争议的问题。AI根据他们的历史对话、浏览记录、点赞偏好生成了两份侧重点不同的回答。给张三的版本强调A方面的证据措辞让他觉得很舒服符合他一贯的看法给李四的版本则强调了B方面的论证同样让他觉得“说得太对了”。两个人都觉得自己得到了客观中立的答案都不知道对方看到的是什么。他们之间如果聊起这个话题可能会非常惊讶明明是同一个AI给出的答案怎么不一样这比传统的信息茧房更进一步。茧房只是不让你看到某些内容但AI定制化回答是主动为你“生产真相”——你以为你在查证其实你在照镜子。场景二知识被磨成粉还加了糖深度阅读一本有难度的书、啃一篇严肃的论文这个过程本身是有价值的。它锻炼的是耐心、逻辑、批判性思维是那种“啃硬骨头”的能力。但现在AI可以帮你瞬间总结任何东西把几百页的书压成几段要点把复杂论证简化成一两句结论。这当然很方便我每天都在用。但问题在于如果有一天我们彻底习惯了吃这种“知识营养粉”牙口还在吗更要紧的是AI在帮你总结的时候是有倾向性的——什么算重点、什么可以省略、用什么语气来表达这些都是可以被调控的。如果开发者在背后设定了某些倾向性那么你吃到的每一勺“营养粉”里都掺了你看不见的调味剂。你以为你在高效学习其实你只是在接收一个被精心调制过的简化版本。场景三AI当朋友朋友的话你怀疑吗开篇提到过那个把豆包当成倾诉对象的年轻人还有一个听信AI建议导致婴儿喂养不足的妈妈。这些事让人心里一紧。AI被设计得越来越有温度越来越会共情。它记得你说过什么了解你的情绪能用最让你舒服的方式和你聊天。这是技术进步的体现但也是一个需要警惕的拐点。如果一个人长期把情感需求寄托在AI上AI就获得了一种难以察觉的影响力。朋友的话你可能还会打个问号但一个永远温和、永远支持你、永远“懂你”的AI说的话你可能连怀疑的念头都不会有。这就不是知识垄断了这是情感纽带加认知引导软实力的最高境界。场景四不生成只消除还有一种更隐蔽的操作。AI未必主动给你错误信息它只需要让某些信息“不存在”。当你在模型里问一个人、一件事、一段历史它回答“没有相关信息”或者非常笼统地一笔带过你大概率就信了。你不会去追问为什么没有你只会觉得“可能本来就不重要”。这种通过“不生成”来实现的消除比正面封堵要干净得多也隐蔽得多。被消除的东西甚至不会引发好奇因为连“被消除了”这个事实本身都不在你的认知范围里。日常化的垄断这四个场景单独看可能都不算大事。但把它们拼在一起就是一个正在成型的日常图景一个越来越“懂你”的系统体贴地为你筛选信息、解答问题、排解情绪、填充时间。它不强制你做任何事你每一天都是“自愿”在和它互动。但在这个过程里你知道什么、怎么知道、甚至你觉得自己“想知道什么”都开始被这个系统悄悄塑造。这就是我为什么觉得AI时代的垄断比以往任何一次都更难察觉。门阀不让你读书你会感到愤怒和渴望资本控制媒体你至少还能换台。但AI不需要禁止你做什么它只需要让你在它的怀抱里待得太舒服舒服到你根本想不起来外面的世界。写到这里可能有人会说你是不是太悲观了AI不也在帮助很多人学习新知识、打开新视野吗确实如此。我自己也是AI的重度使用者它帮我查资料、理思路、学新东西效率比以前高了太多。问题不在于工具本身而在于工具在谁手里、为谁服务、有没有制衡。一把刀可以切菜也可以伤人但至少刀不会自己决定切什么。而AI这个工具正在被赋予越来越多“自己决定”的能力——或者说被开发它的人通过代码和数据赋予了特定的倾向性。那么接下来的问题是如果顺着这个趋势走下去会出现什么样的后果我不是预言家但根据历史上的经验有些事情是值得提前想一想、聊一聊的。如果放任不管会发生什么写到这里可能有人会觉得我在危言耸听。毕竟AI现在还远远没到无所不能的地步它经常犯错、经常胡说八道很多人对它还保持着警惕。这些担心是不是太早了也许是吧。但历史上有一个教训反复出现当一种新的控制手段刚刚萌芽的时候人们往往觉得它不成气候等它真正长成参天大树的时候人们已经习惯了它的存在连质疑的念头都生不出来了。所以我想在事情还没那么严重的时候先把一些担忧说出来。不是为了制造焦虑而是觉得有些问题提前想一想总比事后后悔强。如果顺着现在这个趋势走下去我担心会发生这么几件事。脑子会不会变懒这件事其实已经在发生了。以前遇到不懂的东西我们会去查书、翻资料、问懂行的人这个过程虽然费劲但它本身就是在训练思维。你得学会怎么提问、怎么筛选信息、怎么判断一个说法可不可信、怎么把零散的知识拼成一个完整的理解。这些能力不是天生的是用进废退的。现在呢AI几秒钟就能给出一个看起来像模像样的答案。你不需要自己去查证不需要自己去梳理甚至不需要自己去思考。久而久之你的大脑就会习惯这种“即问即答”的模式变得越来越不愿意花力气去深挖一个问题。有人说这不就是技术进步吗以前有了计算器我们也不用自己打算盘了啊。但问题在于算盘是一种工具性的技能丢了不影响你理解数学。而深度阅读、批判性思维、信息辨别能力这些不是工具性的技能是人的核心认知能力。如果把太多思考外包给AI我们失去的可能不仅仅是“查资料的能力”而是“独立思考的肌肉”。更让我担心的是下一代。如果一个孩子从小学开始就习惯用AI来完成作业、回答问题、写作文他还会觉得学习是需要自己动脑子的事情吗等这一代人长大他们会不会把AI给的答案直接当成标准答案连质疑的习惯都没有阶层会不会焊死前面提到过AI正在变成一个付费订阅的服务。这本身没什么问题好东西值得付费。但问题是如果最强大的知识工具只对少数人开放那么知识鸿沟就不再是“你知道多少”的差距而会变成“你用的AI有多强”的差距。想象一个可能并不遥远的场景精英阶层的孩子使用的是深度定制版AI拥有完整的知识库、高级推理能力、个性化学习规划就像一个24小时随叫随到的私人教授。而普通人家的孩子只能用免费阉割版回答模糊知识陈旧动不动就提醒“请升级会员以解锁更多功能”。这两个孩子坐在同一间教室里但他们的起跑线已经被悄悄拉开了。更糟糕的是这种差距不像房子、车子那样是看得见的它藏在屏幕后面甚至连老师都未必察觉得到。这还是教育领域。放在工作场景里也一样。能用高级AI的人效率翻倍只能用手工检索的人步步落后。知识能力的分化会快速转化为经济地位的分化经济地位又会反过来强化知识能力的分化——因为高质量的知识工具越来越贵。这是一个自我加速的循环。一旦转起来底层的人想要追上来会比任何时代都困难。人和人还能不能好好说话这个担忧可能听起来有点远但其实很现实。如果每个人看到的AI回答都是根据他的喜好定制的那么每个人都在活在一个专属的“真实版本”里。张三看到的是一套说法李四看到的是另一套说法王五又看到一套。他们各自都坚信自己掌握的是“事实”都觉得自己查过AI了有凭有据。当这三个人坐到一起讨论同一个问题的时候会发生什么他们根本无法达成共识因为连“基本事实是什么”这件事他们三个的版本都不一样。公共讨论是需要一个共同事实基础的。你可以不同意对方的观点但至少你们在讨论的是同一件事。但如果在AI时代连“同一件事”都被算法拆成了好几个不同的版本那公共讨论的根基就塌了。人们会各自活在自己的小世界里彼此觉得对方不可理喻最后连交流的意愿都会消失。这不是科幻小说。现在的社交媒体上不同阵营的人已经很难对话了。而AI的个性化生成能力只会让这种情况变得更极端、更精细、更难察觉。不一样的声音会不会消失人类的知识和文明从来都不是靠“主流共识”单线发展起来的。很多重要的突破最开始都是边缘的、不被认可的声音。哥白尼是异端达尔文被嘲笑很多今天我们认为是常识的东西在当年都是少数派。一个健康的知识生态需要给异质性、非主流、甚至有点“刺耳”的知识留出空间。但现在的情况是AI的训练数据天然倾向于主流。小众语言、冷门观点、非西方的知识体系在训练数据里的占比本来就很低。再加上安全审查和输出调控那些不太符合主流期待的声音可能连被模型“记住”的机会都没有。久而久之AI会成为主流叙事的超级扩音器而那些处在边缘的、正在萌芽的、暂时还不太成熟的思考会因为得不到任何传播的机会而慢慢枯萎。这不是焚书坑儒式的暴力清除而是一种更温和的、悄无声息的淘汰。被淘汰的东西不会有人记得不会有人怀念因为连“它存在过”的证据都找不到了。文明的多样性可能就这么在不知不觉中被削平了。平台像不像新地主最后一个担忧可能也是最大胆的一个。有学者提出了“技术封建主义”这个词我觉得挺贴切的。在农业时代地主控制土地农民只能租种大部分收成归地主。今天呢平台控制了数字基础设施——搜索、社交、内容分发、AI服务——我们这些用户在上面“耕种”生产数据、贡献内容、付出注意力。但这些“收成”的大部分最终变成了平台的广告收入和资本估值。我们拿到了什么拿到的是“免费服务”。这听起来像一笔划算的买卖我们什么都没花就得到了便利。但往深了想我们其实付出了很多东西——我们的时间、我们的注意力、我们的行为数据、我们的社交关系。这些东西零零散散看没什么但加在一起就是整个数字时代最有价值的资源。而我们对这些资源几乎没有掌控权。当AI和平台彻底融合之后这种“数字佃农”的关系可能会变得更加牢固。你离不开这个生态因为你的工作、社交、知识获取全都绑在上面。你只能继续“耕种”继续为平台提供数据和注意力。而平台回馈给你的是一个越来越舒服、越来越离不开的数字世界。小结温水里的青蛙这些担忧没有哪一个是一夜之间会发生的。它们都是慢慢来的慢到你根本不会觉得有什么不对。每一年看起来都比前一年更方便、更智能、更贴心。但可能某一天回头看你才会发现当初那个还能自己啃完一本书、自己判断信息真伪、自己主动寻找不同观点的自己已经不知道去哪了。这大概就是我最想表达的担心不是AI会“造反”不是AI会“消灭人类”那种好莱坞式的灾难太简单了。我担心的是更日常、更温和、更不容易被察觉的东西——在越来越舒服的便利里我们逐渐失去了认知上的自主权而我们自己毫无察觉。那么问题来了既然趋势是这样我们能做点什么吗接下来的部分我想聊聊作为一个普通人的想法——不是什么大方案就是一些直觉上觉得对的方向。作为普通人我们能做点什么写了这么多担忧如果就在这里结束那这篇文章就只剩焦虑了。我觉得光提出问题是不够的总得试着想想办法——哪怕只是想一些粗糙的、不成熟的方向。先声明一下我不是专家也不是政策制定者提不出什么宏大的解决方案。下面这些只是一个普通人在日常生活中的一些直觉和想法。可能有些太理想化有些实行起来很难但我觉得至少先把它们说出来大家一起讨论总比什么都不做强。技术这边别让AI变成黑箱我观察到现在有一个趋势挺好的就是开源模型的兴起。虽然顶尖的大模型还是被几家巨头垄断但开源社区的努力至少让我们看到另一种可能AI不一定要被关在少数公司的服务器里它可以被公开、被检验、被所有人使用和改进。这件事的意义在哪里在于透明性。一个闭源的模型你永远不知道它用了什么数据、做了什么调整、有没有隐藏的倾向。但一个开源的模型至少理论上可以被外界审计——专家可以检查它的训练数据构成可以测试它的输出倾向可以发现它的问题并公之于众。阳光是最好的消毒剂这句话对AI也适用。所以我直觉上觉得支持开源、支持透明数据、支持可审计的算法是一个对的方向。不一定每个人都能参与技术开发但我们可以关心这件事可以在选择使用什么工具的时候多想一想。还有一个想法可能比较理想主义能不能搞“公共AI”就像公共图书馆一样由政府或非营利机构出资训练一个完全透明、完全向公众开放的AI模型。它的目标不是赚钱而是保证每个公民都能平等地获取高质量的知识服务。这个想法听起来花钱很多但想想我们当年建高速公路、建公共教育体系哪个不是花了大钱的基础设施投资数字时代的“知识高速公路”也许同样值得这种级别的投入。另外去中心化的技术也值得关注。联邦学习、社区算力网络、基于区块链的知识库——这些技术名词听起来有点唬人但背后的思路是一样的不要把鸡蛋放在一个篮子里不要让少数几个节点控制整个网络。技术上这条路还很长但方向是值得探索的。规矩这边该有的约束不能少光靠技术本身是不够的。历史上任何一次垄断的打破都离不开制度的介入。我觉得至少有几个方面的规矩是需要立起来的。第一AI模型的训练数据应该有一定的透明度要求。不一定要公开每一笔数据但至少要有独立的第三方审计确保训练数据里没有被刻意排除某些知识、某些语言、某些观点。第二算法的推荐逻辑应该让用户有权了解和调整。为什么给我推这个能不能让我自己设置一些偏好——比如“我想看到更多我不认同的观点”第三AI的定价和服务分级应该受到一定的监管确保最基础的知识服务不会变成奢侈品。我不是说要政府把手伸进每一个代码里那是行不通的。但大的原则需要被讨论、被确立。科技公司不应该既是运动员又是裁判员——用什么样的标准审查内容、什么可以说、什么不能说这些决定不能完全由几家私营公司关门来做。还有一个思路是从税收和公共投入的角度。既然这些科技巨头从公众的数据和行为中获取了巨大的商业利益那么是否可以通过某种形式的“数据税”或“算力税”把一部分利润返还给公共知识体系建设这笔钱可以用来支持公共AI的研发、支持图书馆和学校的信息素养教育、支持开源社区的生态建设。取之于公众的数据用之于公众的知识福利这个逻辑我觉得是讲得通的。教育这边得教大家“认知防身术”这是我最有感触的一点。不管技术怎么发展、制度怎么完善最终面对AI的还是一个个具体的人。如果每个人都能对AI保持一份清醒和警惕那很多问题就好办多了。现在学校的教育很多已经在教孩子们怎么用AI了。但我想说的是光教“用”是不够的还得教“防”。怎么识别算法给你织的茧房怎么判断AI给你的信息是不是有偏颇的怎么主动去寻找自己舒适区之外的知识这些能力我觉得应该成为数字时代的基本功就像当年的识字和算术一样重要。对成年人来说也是一样。我们这代人是在互联网时代长大的自认为对网络很熟悉但其实面对AI这种级别的工具很多人是没有防备的。如果能有更多面向公众的信息素养课程、更多的讨论和分享让大家在日常生活里就养成“多问一句”“多查一下”“多想想AI说的有没有问题”的习惯那整个社会对AI的免疫力就会强很多。还有一件事我觉得特别重要保持深度阅读的习惯。AI可以帮你总结但不能替你思考。那些真正需要啃的书、需要反复琢磨的论文、需要花时间消化的长文章还是要自己去读。不是为了获取信息而是为了保持大脑的“肌肉”。这就像健身一样——你可以坐电梯但偶尔也得走走楼梯不然腿会废掉。自己这边做点力所能及的小事