当一篇结构完整的学术论文可能在几秒钟之内自动生成，当跨语种的资料梳理不再耗费数月之功，人类已经必须承认，人工智能不仅实质性地介入了知识生产，并且在此表现出远超人类甚至改写知识生产规则的能力。面对人工智能知识生产的浪潮，有人视其为洪水猛兽，担心人类思维退化和学术失范；有人视其为万能钥匙，但又陷入了依赖甚至模糊了创作的边界。这折射出一个深层困境：在人工智能的参与下，知识生产本身发生了怎样的变化？要驾驭人工智能的力量，并不能停留于简单地判断其“好”或“坏”，而是要从更深层的哲学视角去审视这场变革。

新的技术特征：当知识生成不再以“理解”为前提

从历史唯物主义的视角看，知识生产从来不是孤立的精神活动，而是建立在一定物质基础、技术手段和社会条件之上的实践过程。马克思曾写道:“随着科学的进步，基本教育、知识等等，阅读、书写、计算以及商业知识和语言知识等等，就会越来越迅速地、越容易地、越普遍地、越便宜地再生产出来。”知识生产的迅捷化、便利化，一定倚靠着社会生产的发展与科学技术的进步，它深深嵌入社会实践的进程。人工智能在多个维度重塑了现代知识生产，并表现出新的技术特征。

人工智能在生成知识内容的过程中，并不需要对知识本身具有主观性的“理解”。与人类通过理解意义、形成判断来生产知识不同，人工智能主要依托大规模训练数据和算法模型，通过不断预测“下一个字符或词语可能是什么”，来生成连贯的文本内容。正是在这一点上，人工智能直接冲击了传统认识论对“理解-判断-知识”的结构设定。在经典认识论传统中，知识的形成通常都被理解为以人的理解能力和实践活动为前提的过程。然而，人工智能的实践表明，至少在技术层面，知识内容的生成可以在不经过理解的情况下完成。从马克思主义认识论的立场看，真正的认识仍然有赖于实践和理解的中介，未经“理解”检验的知识并不能自动保证其真理性和价值，但这种不依赖理解的知识生成方式，已经成为当代人类学习和研究知识过程中不可忽视的重要技术条件。

在“记忆”和“调用”这一环节，人工智能显著拓展了人类知识生产的能力边界。依托大规模数据训练形成的模型能力，人工智能使人类社会长期积累的知识不再主要受制于个体理智的记忆容量和调取能力，而是以一种可以被随时调用、反复使用的形式，直接进入知识生产过程。相关知识一旦被纳入模型训练，便不再依赖主体的回忆与再现，而是作为一种稳定存在的技术性资源，在不同问题和情境中被即时调动和重新组合。传统哲学认识论往往将认识能力理解为以有限主体为尺度的理智活动，记忆与理解的边界也因此构成了知识生产的内在限制。而人工智能使知识的保存与调用在技术层面第一次脱离了个体理智的直接约束，将原本属于主体内部能力的记忆功能，转化为一种外在的、可被持续利用的技术条件，从而重塑了知识生产所依赖的能力结构。

在“输出”这一环节，人工智能推动了多模态知识形态的出现与发展，推动了知识表达从以文字为中心形态，转向文字、图像、声音、数据模型等多种形式的协同呈现。由此，许多原本难以完全文字化、书面化的实践经验与操作性知识，能够以更适合其自身特性的方式被表达和传播。实际上，知识长期偏重文本化呈现，并非因为知识只能以文字的形式存在，而是受限于既有媒介条件与表达手段。多模态输出在技术层面扩展了知识的可表达性，从而在客观上拓展了知识呈现形态的边界。

推动跨学科、跨领域的知识生产，要求人类不断加深反思

生产力与科学技术的发展奠定了人工智能参与知识生产的基础，进一步需要辨析的是：人工智能所参与的知识生产与传统知识生产的差别究竟是怎样的，前者所具备的独特优势是什么？

其一，人工智能强化了对知识的整合处理能力。随着生产力的发展以及人类知识总量的丰富积累，以亚里士多德为代表的百科全书式学者已经退出了历史舞台，让位于专业领域的专精研究者。在此条件下，传统的人类知识生产愈发受限于个体经验和学科壁垒，而人工智能恰恰在整合处理大规模知识方面具备明显优势，能够帮助人类以前所未有的效率掌握某一门学科内外的丰富知识，推动跨学科、跨领域的知识生产。

其二，人工智能重塑了知识生产的协作性实践。从社会认识论的角度看，知识生产从来不是孤立个体的活动，而是社会协作的结果。人工智能有效地降低了知识生产的参与门槛，使更多非专业群体和基层实践者获得进入知识生产过程的可能。马克思指出，在资本主义社会中，“知识和劳动彼此分离，于是知识作为资本或富人的奢侈品同劳动相对立”。而在人工智能时代，知识生产不再只是少数人的特权，也不仅仅依赖少数专家个体，而更容易呈现为一种人机协作下的社会协作实践。这种变化，有助于打破知识生产中的壁垒，推动更广泛主体协作参与知识生产。

其三，人工智能加深了知识生产过程中的反思。在传统知识生产中，人主要对自身的认识活动和知识产品展开反思，而在人机共创条件下，反思的对象被扩展了。反思不再仅仅指向“人类是否正确地生产了知识”，而是同时指向“人类能否更好地使用人工智能生产知识”。这后一重反思在两个层面具有引领性，其一是在生产力的层面，人类将通过辨别、反思并改正人工智能的幻觉与错误，提高作为知识生产工具的人工智能的技术水平；其二是在生产关系层面，人类将进一步探索人机共创的具体分工协作模式。由此观之，人工智能必然要求人类不断加深反思，在确证人类主体地位的同时，推动人工智能技术、知识生产实践的未来新发展。

在实践中检验人工智能的知识生产潜能

潜能并不会自动转化为现实能力。根据历史唯物主义对社会现实的客观性的强调，技术本身并不直接决定社会现实，重要的是，需说明技术如何嵌入具体的制度结构和社会实践。激发人工智能知识生产潜能，关键不在于“多用技术”，而在于“用对方向”，形成清晰、合理、可持续的实践路径。

在模型能力训练方面，需要强化人工智能知识生产的客观性。人工智能知识生产并不以“理解”为前提，其所生成的内容并不以认识论意义上的客观性与真实性为直接目标，而是更倾向于在统计意义上实现表达上的相似性与可能性。基于这一技术特征，在人工智能模型训练与应用过程中，有必要通过制度化和技术化手段，对其生成结果加以约束与校正。例如，在模型训练和推理阶段，引入检索增强生成机制，促使人工智能在生成内容时主动查阅可靠的外部资料；同时，通过补充“拒绝回答”训练，在训练数据中纳入大量无法回答或事实错误的示例，促使模型学会承认知识的不完备性。只有在完善模型训练、验证机制和责任界定的基础上，人工智能生成的内容才能更好地为知识生产奠定必要的客观前提。

在模型价值取向方面，需规范并严守人工智能知识生产的价值边界。人工智能作为一种高度社会化的技术，其知识生产不可能处于价值真空之中。算法选择、数据来源和应用场景，本身就体现着特定的价值取向。因此，激发人工智能知识生产潜能，必须牢牢把握其伦理和价值边界，并特别防范人工智能知识生产可能存在的意识形态风险。只有将人工智能知识生产纳入清晰的价值规范之中，才能确保其服务于公共利益和社会发展，而不是成为生产垃圾信息和错误内容的消极工具。

在服务理论发展方面，需发挥人工智能知识生产对自主知识体系建构的积极作用。知识生产始终具有鲜明的时代性和社会指向性。任何知识生产方式，都必然要服务于一定的社会发展进程和理论建构方向。人工智能知识生产潜能的真正发挥，不在于生产碎片化的知识，而在于服务于系统性的理论积累。随着人工智能技术的飞速发展，有必要从整体上将人工智能知识生产纳入中国自主知识体系建设的宏观框架之中，使其围绕中国现实问题、中国实践经验和中国发展道路展开。

在解决现实问题方面，需在实践中检验人工智能的知识生产潜能。任何知识生产都必须回到现实实践中接受检验。人工智能的知识生产，只有在同现实问题的深度结合中，才能不断修正偏差、提升质量。从农田里的病虫害识别，到城市交通流量的实时监控；从医疗影像的辅助诊断，到工业制造领域的参数优化，这些具体的实践场景既是人工智能运用知识生产能力的平台，也是其提升自身能力并过滤“幻觉”与偏见的滤网。只有让人工智能不断深入复杂的、动态的现实实践中，才能够避免其生成的产物变成空中楼阁，从而更好地推进认识和实践的共同发展。

（作者单位：复旦大学马克思主义研究院）