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

我看到二湘老師開設(shè)了一家教育相關(guān)的公司，提供升學(xué)咨詢與本科、研究生申請服務(wù)，正好現(xiàn)在也是中國大學(xué)的開學(xué)季和美國大學(xué)的申請季，于是想寫點東西，談一談專業(yè)的問題。

文科專業(yè)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(xué)先是宣布將重組合并文科院系，隨后藝術(shù)與人文學(xué)院宣布將在2026-2027學(xué)年減少約一半系所的博士招生規(guī)模，并完全停止古典學(xué)、比較文學(xué)、中東研究等博士項目的招生。社會科學(xué)學(xué)院也宣布，2026–2027學(xué)年將暫停人類學(xué)、政治經(jīng)濟(jì)學(xué)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(yè)，也有很多學(xué)校進(jìn)行院系調(diào)整，比如南航取消了人文與社會科學(xué)學(xué)部，把工作交給相關(guān)的學(xué)院，而早在23年，大連理工大學(xué)也做了類似的調(diào)整。

豆包AI生成

有些人便說，這是因為AI的沖擊，甚至還預(yù)測未來文科會被AI徹底取代?？墒聦嵳娴娜绱藛幔?/p>

首先，如果我們要把這樣的調(diào)整歸結(jié)于AI的沖擊，顯然過于簡單草率。AI當(dāng)然會導(dǎo)致一些文科承受壓力，比如翻譯學(xué)，但這不至于上升到要取消學(xué)科的程度。究其原因，首先是在此之前的10年大量學(xué)校開設(shè)了過多的人文學(xué)科，處于過剩狀態(tài)，其次，文科多少都沾點“幫閑屬性”，無法立即轉(zhuǎn)換成生產(chǎn)力，產(chǎn)生經(jīng)濟(jì)效益，因此當(dāng)大學(xué)因為各種各樣的原因遇到經(jīng)費緊張的時候，首先倒霉的就會是文科專業(yè)。其次，如果真要討論AI對于專業(yè)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(fā)展脈絡(luò)、不同時間段學(xué)者和學(xué)派的關(guān)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(jié)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(jié)果就是錯的，同時不同時間段的學(xué)者和學(xué)派的關(guān)系，就像俄羅斯套娃或者同心圓，是完全包含完全整合的關(guān)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(guān)系。如果畫出圖來，應(yīng)該是這樣：

我們來舉幾個例子。如果我們要看力學(xué)的話，那最里面的一個圓圈應(yīng)該對應(yīng)伽利略，他建立了一些力學(xué)的基本觀念，比如牛頓第一定律其實是他發(fā)現(xiàn)的，但是都不成體系，不夠完整。在他的基礎(chǔ)上，牛頓第一次建立了經(jīng)典力學(xué)的框架，所以牛頓會對應(yīng)伽利略外面的第二個圓。而最外面的幾個圓，則會屬于達(dá)朗貝爾、拉格朗日等人。這些法國人用微積分研究力學(xué)，建立了分析力學(xué)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(xué)問題的通解。

如果我們要說的是電學(xué)的話，最里面的幾個圈應(yīng)該是奧斯特等人，法拉第會是倒數(shù)第2個圈，他其實已經(jīng)找到了所有電磁現(xiàn)象的公式。最外面的一個圈則是麥克斯韋，他通過大量的數(shù)學(xué)計算，將所有的電磁現(xiàn)象總結(jié)成4個方程，即是著名的麥克斯韋方程組。所有的電磁學(xué)現(xiàn)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(xué)明白，學(xué)圈更大的人的理論就可以不用再學(xué)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(xué)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(xiàn)在的中學(xué)生不學(xué)伽利略的體系也可以掌握牛頓力學(xué)一樣。那學(xué)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(dāng)難算。但文科不是這樣，我們說柏拉圖是蘇格拉底的學(xué)生，亞里士多德是柏拉圖的學(xué)生，他們都繼承和發(fā)展了老師的學(xué)說，但這并不意味著我們看了當(dāng)徒弟的就不用再看當(dāng)老師的了，當(dāng)然老子和孔子孔子和孟子也是這樣的關(guān)系。我們能說“孟子把孔子的思想整合進(jìn)來”乃至“孟子取代了孔子”嗎？顯然是荒謬的。

理工科的發(fā)展脈絡(luò)其實也是如此，特別是理科。搞理學(xué)研究的人，所做的事往往都是這樣的：開發(fā)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(xiàn)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(dá)出來，比如物理學(xué)現(xiàn)在最終極的問題M理論試圖將所有物理現(xiàn)象（萬有引力、電磁力、強(qiáng)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(fā)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(jié)果不沖突，換言之，這些結(jié)果是所有人必須承認(rèn)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(xué)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(rèn)正確的東西，因此就不需要一定承認(rèn)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(guān)之外，也與文科的特性有關(guān)：理工科的所有人都要承認(rèn)公式、實驗結(jié)果，工程方面還要承認(rèn)各種相關(guān)法律規(guī)定，達(dá)不到就是錯的。但文科找不到什么所有人都需要承認(rèn)的東西，張三認(rèn)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(xué)史觀：哲學(xué)其實只有一個，所有哲學(xué)家的觀點其實都只是不同時間下它的不同體現(xiàn)而已。但實際上，這不一定是哲學(xué)史觀，反而應(yīng)該是理學(xué)史觀。哲學(xué)存在大量各有各的道理，可以同時存在的觀點，反而是理學(xué)家所認(rèn)為的理學(xué)只能有一個，同一件事背后只能有一個機(jī)理，如果事實是出現(xiàn)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(jié)這種共同存在的狀態(tài)。但是對于哲學(xué)，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(guān)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(guān)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(xué)這種完全包含完全整合的發(fā)展方式，恰恰有利于形成算法，而算法恰恰就是AI存在的機(jī)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(jīng)發(fā)展到了如同電學(xué)出現(xiàn)麥克斯韋方程組、流體力學(xué)出現(xiàn)ns方程這樣的出現(xiàn)了總結(jié)性的理論，基于此開發(fā)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(jī)就能解決領(lǐng)域的全部問題。

豆包AI生成

這樣的東西其實現(xiàn)在已經(jīng)有了雛形，比如我們這些學(xué)航天的（乃至一般范圍的工科生）應(yīng)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(lǐng)域開發(fā)的數(shù)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(qū)動,實際上就是一個幫你在輸入三維模型后求解與之相關(guān)的ns方程的工具。只要運算能力夠強(qiáng)、模型構(gòu)建正確，這個軟件能解所有的流體力學(xué)問題。當(dāng)然這個軟件遠(yuǎn)遠(yuǎn)談不上是人工智能，在諸如網(wǎng)格劃分、模型構(gòu)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?，F(xiàn)在的人工智能不是已經(jīng)可以讓用戶輸入關(guān)鍵詞，然后生成文章或者圖片嗎？那既然如此，一個現(xiàn)成的模型擺到這兒，并提出相關(guān)的要求，當(dāng)然可以研發(fā)出一套人工智能程序幫你決定網(wǎng)格的劃分之類的。實際上我總覺得現(xiàn)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(fā)成本，技術(shù)層面早就可行。

所謂的工程設(shè)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(biāo)。再比如說有什么潛在的解決方案、有什么經(jīng)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(jī)的編程，本人實測，ChatGPT或者deepseek之類的編程能力都很強(qiáng)，之前我因為不會寫代碼還挺苦惱，現(xiàn)在也不太在乎了。此前拜比爾蓋茨的windows系統(tǒng)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(jī)根本不可能普及）。

豆包AI生成

很有可能在5年之內(nèi)，連程序開發(fā)者都不需要再寫代碼了，我們只需要像現(xiàn)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(xiàn)什么功能，他們就能給我們開發(fā)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(shè)計出來一套類似微信的系統(tǒng)?，F(xiàn)在還想在大學(xué)學(xué)計算機(jī)的人，不妨考慮一下這個問題。

其他的工程學(xué)科會不會也是這樣？我想是肯定的，我們可以拿圖畫訓(xùn)練出來一個繪畫圖的AI，用棋譜訓(xùn)練出來一個會下棋的AI，自然也可以用大量的工程實踐訓(xùn)練出來一個會搞工程設(shè)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(shè)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(shù)學(xué)推導(dǎo)和文獻(xiàn)查閱也是AI擅長的，即使現(xiàn)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(shù)值仿真和模擬，比如用Matlab，那就又回到了我們剛才所說的?？赡茈S著未來開發(fā)軟件成本的進(jìn)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(chuàng)造，越是突發(fā)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(gòu)建算法，同時AI模型的訓(xùn)練也基于既有的成就，因此訓(xùn)練出來的產(chǎn)品也都是既有的東西的發(fā)展，卻不能把既有的東西完全拋開，憑空創(chuàng)造。比如說拿印象派之前的那些寫實的油畫來訓(xùn)練AI不可能訓(xùn)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(xùn)練出密爾他們的功利主義一樣。

所以究竟該學(xué)文科還是該學(xué)理科呢？現(xiàn)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(yè)，要決定幾十年以來的人生道路，就應(yīng)該把眼光放長遠(yuǎn)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(xiàn)在是理科生比較強(qiáng)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(xiàn)在做菜刀的活大可以交給人工智能了，人工智能有更強(qiáng)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~