一些关于AI和社会话语权的思考
不知道各位有没有注意到这样一个现象：最近似乎人人都在谈论 vibe coding、skills、agents 这些词。
不难看出，AI 或 IT 行业的一部分从业者，似乎已经默认这些概念属于某种“现代人必须掌握的基础知识”。甚至连微信视频号上的共享大脑们也开始一本正经地劝告别人：
“如果你身边没有人聊 Codex，没有人讲 Obsidian，也没有人讨论 Claude，那么你或许应该换一个圈子了。”
当然，我今天并不是专程来批判这些共享大脑的。相比他们具体说了什么，我更感兴趣的是另一个问题：为什么偏偏是这些话题，能够如此轻易地占据社交媒体上的中心位置？又为什么谈论这些东西的人，往往能够获得一种超出其实际知识水平的话语权？
先从一个很常见的社交媒体现象说起。
如果一个人的个人简介或日常发言中，同时出现了“金融”“AI”“地缘政治”这些标签，那么他的政治立场、社会趣味以及对自身阶层位置的想象，往往已经相当容易判断。倘若再加上“独立思考”“逻辑学”“认知升级”之类的词，那就更没有什么悬念了。
但值得追问的是：为什么偏偏是这些标签？
我个人的理解是，“金融”和“AI”在今天早已不只是两个普通的行业名词，它们同时还是高收入、高增长和社会精英身份的象征。于是，有些人为了维持自己在社交媒体上的“精英人设”，就必须不断给自己贴上这些听起来足够前沿、足够复杂、也足够昂贵的标签。
他们未必真的理解大语言模型，也未必能够说清楚 agent 究竟解决了什么问题。但这并不重要。对他们来说，这些词首先不是知识，而是一种身份装饰；不是为了更准确地描述世界，而是为了暗示自己站在时代前沿。
这和某些中学生明明连代数闭域是什么都不知道，却已经开始宣称自己每天都在研究 motivic 理论、无穷范畴论和 Langlands 纲领，其实没有本质区别。
真正有意思的是，他们为什么偏偏选择这些名词来装饰自己。因为这些名词能够制造一种与知识、权力和未来相接近的感觉。只要把它们摆进个人简介里，一个人似乎就不再只是普通的信息消费者，而变成了能够洞察技术趋势、资本流向乃至国际秩序的“高认知人群”。
于是，下一个问题自然就出现了：为什么高收入行业所使用的语言，往往能够自动获得更高的话语权？为什么某些行业的从业者，不仅被认为更懂自己的专业，还被默认更有资格解释社会、判断政治，甚至规定别人应该过怎样的生活？
接下来，我打算尝试从马克思政治经济学的角度，对这个问题作一点分析。
显然，我们显然不能把这一切归咎为“因为有钱所以声音大”，因为马克思所讨论的不是收入的高低，而是某个群体在生产关系中所处的位置。一个程序员或者投行从业者即使工资很高，严格来说也未必拥有生产资料；他仍然可能只是一个出售劳动力的雇佣劳动者。但是，他所处的行业往往更接近资本积累的核心环节，也更容易获得平台、媒体、企业和投资机构的注意。因此，他使用的语言会被赋予一种超出其实际知识含量的权威性。
在今天，金融负责资本的配置与流动，AI和互联网产业则被视为提高生产率、重组劳动过程和创造新市场的重要工具。因此，“agent”、“workflow”、“vibe coding”这些词并不只是普通的技术名词，它们还携带着某种时代合法性。一个人只要熟练地使用这些词，就仿佛站在了生产力发展的最前沿；反过来，一个人如果不懂这些词，就容易被描述成落后、低效，甚至不具备进入未来的资格。因此这是一种典型的意识形态运作方式，即某个特定阶层的特殊利益被描写为各个阶层的普遍利益。
对AI公司而言，让所有人都相信“不会使用AI就会被淘汰”，显然有利于扩大市场；对企业管理者而言，让员工不断学习新的自动化工具，也有利于降低成本和提高劳动强度；对培训机构和自媒体而言，制造一种“再不学习就来不及了”的紧迫感，则可以不断生产新的课程、社群和付费产品。但是当这些利益经过社交媒体传播以后，它们往往不再表现为某些企业的营销语言，而会变成一种看似客观的历史规律，例子我就不举了，视频号随便一个共享大脑都能举出一堆。
到这里，我认为异化劳动已经成为了一个绕不开的话题了，所谓异化劳动，是指在资本主义生产关系中，劳动者所创造的东西会以一种独立于自身、甚至反过来支配自身的力量出现。劳动者生产商品，但商品并不属于劳动者；劳动者创造财富，但财富以资本的形式与他对立；劳动原本应当是人的能力在世界中的实现，最终却变成了维持生存所不得不出售的活动。
在当下，这种异化劳动往往是以一种更加温和、但也更难以察觉的形式展开。过去，劳动者至少可以明确感受到，自己是在按照企业的要求完成工作。今天，越来越多要求却被包装成了个人成长：你不是在替企业提高生产率，而是在“提升自己的杠杆”；你不是被迫学习新的自动化工具，而是在“避免被时代淘汰”。而因此资本对劳动者的要求则被翻译为了劳动者的自我约束。一个人不再需要老板每天提醒他提高效率，因为他会主动监控自己的效率；不再需要企业命令他学习新工具，因为他会在社交媒体上看到别人已经搭建了十几个 agents，于是担心自己落后；不再需要有人强迫他把生活变成生产，因为他自己就会把学习、社交、健身乃至休息都纳入一套可量化、可复盘、可优化的工作流。
于是，我们甚至会看到一种很奇怪的现象：一些人一方面抱怨企业把劳动者当作工具，另一方面又非常热衷于把自己描述成工具。他们强调自己拥有怎样的 skill set，熟悉怎样的 workflow，能够调用多少个 agent，仿佛人的价值就在于可以被多高效地部署。
“成为不可替代的人”表面上是在反抗被替代，实际上却仍然接受了同一套前提：人的价值必须通过他对生产过程的有用程度来证明。如果技术只是让劳动者在同样时间内完成更多工作，那么所谓“解放生产力”，对劳动者而言就大概率只是劳动强度的升级。
你可能觉得我等下要说“技术本身中立，重点在于怎么使用”，这句话本身没有错误，但是它有一个前提，那就是这个技术在研发、测试、投资、部署的阶段完全没有受到意识形态的影响。我认为这个前提的正确性还有待商榷，毕竟世界上第一款生成式人工智能诞生在资本主义的大本营，因此在整个生产的过程中，它很有可能会被嵌入既有的生产关系、权力结构和评价体系中，也会反过来改变人们能够做什么、习惯做什么，以及什么事情会被认为是合理的。
例如，同样是生成式 AI，它可以被用于帮助数学家检索文献、验证证明和发现新的结构，也可以被用于要求一个劳动者在同样时间内完成过去五倍的工作。
我认为我们不能归结于个体如何使用某种技术，技术能力本身或许相同，但它进入了不同的社会关系以后，就会产生完全不同的结果。
这让我想起来我前段时间构思的一个秘封同人小说。
我并不想把故事写成某个邪恶政府或者失控 AI 试图控制人类的故事。这样的冲突当然清楚，但也过于简单。只要找到幕后黑手、揭露阴谋、关闭机器，世界似乎就能够重新恢复正常。我真正想要描绘的，是另一种更安静的未来。在那个世界里，AI 确实极大推进了数学。大量定理已经被自动证明，形式系统保证了它们的正确性；每个人都能获得高度个性化的教育，任何晦涩理论都可以被转换成最适合自己的解释；旅行、医疗、社交和知识获取都比今天更加便利。没有人故意掩盖真相，也没有谁强迫人们放弃好奇心。只是人们逐渐习惯了另一些判断： 既然证明已经通过验证，就没有必要再花几年理解它； 既然模拟已经足够逼真，就没有必要亲自抵达远方； 既然系统能够根据个人偏好生成最合适的解释，就没有必要忍受那些暂时无法理解的东西；
莲子和梅莉照常上课，在校园里的咖啡座见面，讨论一份刚刚由机器完成的证明。证明当然是正确的，只是课程系统为每位学生生成了不同的解释。莲子发现自己收到的版本用了天文观测作为比喻，梅莉的版本或许用了梦境。两份解释都非常清楚，也都恰好符合她们各自的兴趣。她们大概不会立即讨论这是否意味着人类正在失去理解数学的能力。梅莉或许只会觉得，系统还挺了解莲子的。莲子则会抱怨，既然它连自己喜欢怎样的比喻都已经知道了，那么读这种证明还有什么意思。说完以后，她可能又会发现咖啡厅推出了一种新的饮料，并把刚才的问题暂时忘掉。
这个时代的 AI4Math 也许确实极大地推进了数学。新定理以过去无法想象的速度被证明，形式系统几乎消除了技术错误，学生也不再需要因为教材的偶然写法而被挡在一门理论之外。这显然不能简单地被称为坏事。只是大学的公告栏上，越来越少出现面向学生的证明讲座，取而代之的是定理数据库的更新记录。某门课程因为系统判断全部学生都已掌握必要内容而提前结束。教授仍然会说某个证明很漂亮，却一时想不起应该把这种漂亮写进教学评价的哪一栏。另一方面，人们仍然旅行，只是远行常常需要说明实地访问能够提供哪些无法由模拟获得的信息。月球旅游或许已经存在，费用却昂贵得只适合新闻中的“普通市民”；火星的表面则早已能够被完整重建，因此载人探测一次又一次被认为没有必要。
这个世界没有禁止好奇，也没有宣布神秘不存在。它只是已经能够为几乎所有现象提供足够合理的解释，以至于大多数人不再觉得有必要继续追问。
“你可以回去，只不过那里已经没有人了”
很显然，我的灵感来源于《大空魔术》。在秘封专辑所描绘的未来里，物理学似乎已经进入了“解释与哲学”的阶段；但颇为讽刺的是，人类甚至从未真正登陆火星，对月球的了解也远未达到可以宣告探索结束的程度。
那么，类似的事情会不会也发生在数学上？
假如未来人类能够提出的大部分定理，都可以由 AI 自动证明、自动形式化，并由形式系统确认其正确性，那么数学是否也会进入某种所谓的“解释与哲学时代”？人们不再主要负责证明定理，而只是讨论机器给出的结果意味着什么；甚至到了最后，连这种解释也可以按照每个人的认知习惯自动生成。
这显然不意味着 AI4Math 是一件坏事。恰恰相反，我认为它很可能是未来数学发展的重要方向。AI 可以帮助人类处理漫长的技术细节、寻找反例、整理文献、检验证明，甚至发现我们尚未意识到的结构。真正值得担忧的，从来不是机器变得太强，而是人类因此逐渐认为，亲自理解已经没有必要。
数学的意义并不只是获得一个被标记为“正确”的结论。它还存在于证明为什么成立、某个定义为什么自然、不同理论为什么会在某个地方相遇，以及人在长期思考中形成的审美与判断之中。一份没有任何人能够理解、却已经通过形式验证的证明，当然仍然是一份正确的证明；但如果整个数学文明只剩下这种正确性，它究竟还保留了多少数学原本的意义，我想我自己也解释不清楚。
或许这也是为什么，我并不想把那个秘封故事写成对 AI 的反抗。AI 没有摧毁好奇心，技术也没有发布命令，要求人类停止理解。人们只是在无数次合理的选择中，逐渐习惯了让系统替自己判断什么值得学习、什么值得亲自经历，以及什么问题已经可以被视为结束。