提问、品味、创造力…所谓人类“护城河”正在按月过期

本文来自微信公众号： 文科生看AI 时代 ，作者：小兔子斯嘉丽

人类身上真的还存在什么AI搞不定的独特优势吗？

一、最后一场考试

2026年1月，《Nature》发表了一套新的AI测试，名字取得很有气势：Humanity’s Last Exam，人类最后的考试。研究者不得不设计这套题，因为以前的考试已经太简单了。MMLU曾经用大学水平的数学、法律、医学、历史和计算机问题测试模型，最先进的模型后来在这类热门基准上超过90%。新测试于是从几十个学科里找来2500道专家级问题，希望重新拉开人和机器之间的距离。

这个场景在AI史上已经发生过很多次。1970年前后，后来参与设计苹果Lisa和Macintosh的计算机科学家Larry Tesler说过一句话：“Intelligence is whatever machines haven’t done yet.”智能，就是机器还没有做到的事情。

这句话比“AI会不会超过人类”更准确地描述了过去半个世纪。我们一直以为自己在寻找智能的边界，很多时候只是追着机器的能力边界给予自己心里慰藉。1997年，IBM的Deep Blue击败国际象棋世界冠军卡斯帕罗夫。机器每秒可以评估2亿个棋局位置。很快，人们找到了一个保住人类尊严的解释：那不是真正的智能，只是某种暴力搜索。

这个解释维持了不到20年。2016年，AlphaGo与李世石的第二局下到第37手。那一步落在棋盘第五线，职业棋手几乎不会这样下。DeepMind后来估计，人类棋谱出现类似选择的概率大约只有万分之一。解说员起初以为机器下错了。李世石后来承认，看到这一手以后，他改变了想法：“AlphaGo是有创造性的。”

暴力搜索这条退路也不够用了，于是边界继续后退。机器可以赢棋，但不理解棋；机器可以写诗，但没有原创思维；机器可以创造，但没有品位；机器可以回答问题，但不会提出问题；机器可以提出问题，但不知道哪个问题值得问；机器可以判断价值，但没有身体；机器有了身体，仍然没有真正的人生。人类每丢掉一项优势，就宣布下一项才是真正重要的优势。

也许那些东西从来没有构成人类的本质。只是囿于当时的技术和成本让机器的发挥有限。

二、AI effect

这种现象后来有了一个名字：AI effect。一项能力被机器攻克以前，就是智能。机器稳定掌握以后，人们开始把它叫计算、算法、模式匹配、搜索或者自动化。路线规划曾经需要复杂判断，今天没人会因为Google Maps找到一条更快的路而感叹人工智能。OCR能够识别文字时曾经属于AI研究前沿，现在扫描仪做这件事，没人觉得神奇。

机器的进步没有简单地扩大“人工智能”的定义，还不断缩小我们愿意承认的“智能”。这件事在哲学上更有意思。1980年，John Searle提出著名的“中文房间”。一个完全不懂中文的人坐在房间里，按照规则手册操作中文符号。他可以给门外的人送出完全正确的中文回答，自己仍然一句中文都不懂。Searle借此提出：正确表现不能证明真正理解。

当机器的外部表现越来越像人，我们开始把判断标准从“它能做什么”移向“它里面发生了什么”。表现已经不够，还要理解；理解还不够，还要意识；意识可能还不够，最好还得有感受、有欲望、有死亡经验。标准开始进入越来越难观察的地方。

机器越能够通过外部行为证明能力，我们越倾向于把人类特殊性放进无法直接测量的内部世界。

这和古代神学有一种奇怪的相似不是吗。科学解释不了雷电时，神住在雷电里；科学解释了雷电，神退向生命；生命科学继续推进，神又退向意识和宇宙起源。英语世界把这种现象叫God of the gaps，缝隙之神。AI时代正在产生一种“缝隙中的人类”：机器还没做到的地方，被我们暂时命名为人性。

三、创造力只守了几年，接下来轮到“会问问题”

创造力曾经是人类尊严一道很漂亮的防线。机器可以重复，却不能创造。这个判断符合人的直觉。创造意味着打破已有结构，统计模型只能学习已有结构，怎么可能产生真正的新东西？

实验结果很快把这句话弄得很难说。2024到2026年的研究没有给出一个简单的“AI已经比人类更有创造力”的结论。不同测试得到不同结果。一项覆盖9198名人类参与者、21万多条模型输出的大规模研究发现，人类平均创造力略高，最顶端的右尾优势更明显；另一些研究在发散思维和聚合思维测试中，却发现GPT-4o、DeepSeek-V3和Gemini 2.0超过受试人群。

创造力已经从“机器原则上没有”变成了一个需要讨论测试方法、分布尾部和评价尺度的问题。一项神秘的人类禀赋，开始变成一个benchmark。

于是人类尊严新的防线出现了：机器会生成答案，但人类会发现问题。2025年8月，《Journal of Creativity》发表一篇讨论AI创造力的论文，作者把problem finding放在核心位置，并明确写道，现有AI面对的问题仍由人类预先给定，没有AI真正完成了人类意义上的问题发现。

这个论点很有安慰性。爱因斯坦的价值不在于比别人多算几页公式，达尔文的重要性也不在于更快整理物种。真正巨大的科学变化常常始于一个前无古人的提问。问题是，现在还能这么说吗？

2026年5月，《Nature Methods》直接把一篇社论命名为“What’s your hypothesis?”。编辑部讨论的问题已经变成：当科学假设生成也交给机器，会发生什么？此前一项乳腺癌研究让GPT-4提出药物组合假设。实验人员第一轮测试12组，其中3组的协同效果超过阳性对照；模型根据新实验结果继续提出4组组合，又有3组表现出协同作用。

同年，《Nature》发表Robin，一个用于实验生物学的多智能体系统。它可以搜索文献、提出假设、建议实验、分析结果，再根据结果更新假设。另一套AI Scientist系统已经把提出研究想法、写代码、运行实验、分析数据、写论文和同行评审串进一条自动流程。

“提出问题属于人类”已经不能再当哲学定理使用。只能勉强算作2026年的能力快照。这也是AI时代最容易犯的错误：把今天的benchmark，当成人类的本体论。

四、品位可能恰恰最像机器学习

创造力开始松动以后，越来越多人把最后的防线移到了taste。AI能做100张图，人知道哪一张好；AI能写100篇文章，真正的编辑知道哪一句俗，哪个比喻用力过猛，哪个想法已经被别人写烂。

这个判断目前还算有现实基础。最好的编辑、导演、设计师和投资人，仍然拥有模型很难稳定复制的判断力。可“taste为什么原则上不能学习”很难回答。

一个人的品位从哪里来？看过足够多的东西，记住差异，理解历史，识别重复，比较作品，接受同行反馈，经历社会奖惩，慢慢形成一个高维的评价函数。这听起来还是比“灵魂”更像机器学习。

2026年8月，《Current Opinion in Psychology》刚刚发表一篇综述，标题就叫《Computing Aesthetic Taste》。作者总结机器学习和大规模人类实验的进展，提出研究已经从预测“一个人喜欢什么”，走向重建产生审美判断的高维taste spaces。这些空间可以描述品位怎样形成、怎样变化，以及不同个人、文化和人工系统之间怎样产生差异。

人类品位当然包含私人历史。一个人为什么喜欢某种房间、音乐或者小说，可能与童年、阶层、爱情、羞耻和失去有关。但是模型也可以拥有历史。长期记忆、持续反馈、不同数据、不同互动对象都会制造路径依赖。同一个基础模型可以形成完全不同的判断习惯。一个长期服务建筑师的agent和一个长期陪伴儿童的agent，会拥有不同的审美。

更有意思的变化已经出现在艺术评价里。2026年的一组实验发现，受试者对AI艺术的审美享受和兴趣可以接近人类作品，他们却愿意为AI作品支付更少的钱。研究者追下去发现，关键因素主要不是“AI没有灵魂”，而是人们认为作品投入的劳动太少。告诉受试者其中包含大量人工调整和选择以后，估值会上升。

这意味着AI可能正在拆开两个过去长期绑在一起的东西：好不好，和值不值钱。以前一件极好的作品通常意味着稀缺才能、漫长训练和巨大劳动，质量本身暗示成本。生成式AI切断了这条联系。一张漂亮图片仍然漂亮，生产一张漂亮图片却可能只需要几秒钟。

于是人类作品的价值开始从结果向来源迁移。这和工业革命以后手工制品发生的事情很像。机器生产成熟以前，handmade意味着普通生产方式；机器生产更便宜、更标准以后，手工反而成了溢价标签。消费者购买的已经不只是杯子、家具或皮鞋，还购买“有人花时间做了这件事”。

AI时代可能出现同样的变化。Human-made可能成为新的handmade。人类作品未必更好。恰恰因为机器可能做得更好，“这是一个人做的”才会获得额外价值。缺陷甚至可能成为来源证明。

更大的差异来自能力怎样积累。一个编辑工作40年形成的taste，退休以后不能把神经连接复制给一个22岁的新人。年轻人还得重新读书、看作品、犯错、被骂，从而形成自己的taste。人类文明能够积累知识，却很难直接复制能力。

机器可不一样。一项新能力一旦进入模型权重、训练方法、工具链、验证器或者agent系统，下一代系统可以从那个位置继续训练。莎士比亚没有办法让下一个婴儿出生时继承自己80%的写作能力。机器有机会做到类似的事。

所以AI拥有能力复利。

五、人类的身体优势还能保持多久

还有一条防线看起来更结实：身体。1972年，哲学家Hubert Dreyfus出版《What Computers Can’t Do》。他批评当时的符号主义AI，并强调人类智能依赖身体、情境、经验和难以明确表达的技能。后来AI研究本身吸收了不少类似批评。MIT出版社在1992年新版介绍里也明确指出，Dreyfus当年攻击的“老式AI”已经衰落，神经网络等路线改变了研究方向。

Dreyfus抓住了一个真实问题：现实世界远比棋盘麻烦。人类伸手拔一个插销，会同时处理视觉遮挡、摩擦力、角度、材料形变、触觉、手腕姿态和失败后的即时调整。成年人几乎不需要意识参与，机器人几十年都在这些事情上出洋相。

可这里同样需要区分困难和边界。2026年的机器人研究已经把高分辨率触觉传感器装进手掌和夹爪，让系统根据接触状态实时调整抓握。另一些AI agent已经能在同步辐射实验设施里自主规划动作、操纵仪器、解释观察结果，再根据反馈继续调整样品位置。

虽然今天的机器人仍然远不如一个普通成年人通用：这里暂时看不到一条清晰的物理定律，规定硅、金属和传感器永远学不会人手会做的事情。

过去人们经常把工程进度误认成哲学边界。每一道所谓的人机鸿沟，拆开以后往往变成一串工程名词，并能够被逐层击破。

六、我们寻找“人类优势”，因为整个社会需要它

为什么人类如此执着地寻找最后一项不可替代能力？这可能已经超出技术。我们需要一个理由证明自己特殊，更重要的是，现代社会还需要一个理由证明人的权力合理。

医生为什么拥有医疗判断权？因为医生比患者懂医学。法官为什么裁决案件？因为制度假定他拥有普通人缺少的法律判断和训练。教授为什么决定一篇论文是否成立？CEO为什么决定几万人和几十亿美元往哪里去？父母为什么替孩子作出大量选择？这些权力的来源各不相同，但其中一直混着一个很重要的东西：认识优势。懂得更多的人，获得更多决定权。

超级智能真正会制造一个很陌生的政治哲学问题。假设有一天，一个系统对疾病、经济、教育、风险和人的行为都判断得更准。它读过人类几乎所有可以获取的知识，模拟过更多方案，也更少受到疲劳、面子、派系和认知偏差影响。这时会出现一个历史上很奇怪的结构：人仍然拥有最高权力，机器却拥有事实上更好的判断。

今天的AI alignment讨论通常从另一个方向提问：怎样确保越来越强的机器听人的？这个问题以后可能反过来：如果机器判断得更好，人凭什么要求它永远服从判断更差的人？

“因为我们是人”当然可以成为答案，但这已经不再是能力论证，而是一项政治原则。区别非常重要。几十年来，我们一直试图证明人有决定权，因为人拥有机器没有的高级能力。创造力、理解、直觉、品位、提问、价值判断、身体经验轮流承担这个任务。如果这些能力最后都能被学习，人的权利就必须寻找另一种基础。

到那一天，自由可能终于需要脱离“我比机器更懂”这个前提。人可以说：你的判断可能比我好，你的预测可能比我准，你甚至可能比我更了解我长期会不会后悔，但这仍然是我的生活。

我们一直问：人类还有什么机器做不了？

也许这道题本身就快过期了。下一道题是：当机器什么都可能做得更好，我们还想把什么留给自己？以及，我们到底需不需要为这件事寻找一个能力上的理由。