AI、文创、社企的创兴思考 · AI双创
自由而无用的社会科学可能是马斯克所谓“数据枯竭”下的宝藏

当伊隆·马斯克,这位在科技界几乎被神化的创业家,在卸任DOGE的象征性职务不久后,于硅谷Y Combinator的活动上断言物理与数学教材对训练人工智能的推理能力至关重要,而社会科学“可能完全没用”时,台下似乎响起了一片认同的掌声。
这与他和其他专家提出的“真实世界数据即将耗尽”的警告相结合,描绘出了一幅令人不寒而栗的未来图景。
整个科技界似乎都在为这种思潮背书,文科专业被无情裁撤,理工科背景成为进入AI领域的唯一“正统”路径。
然而,在这股几乎形成共识的浪潮之下,一个致命的盲点正被无限放大。
假如我们真的抵达了那个数据标注质量决定模型优劣的时代,却发现再也找不到足够多具备深刻人文洞察力的人去完成这项至关重要的工作,那将是怎样一种讽刺与危机?
这篇文章并非要再次发起一场文理之争,但主流叙事是否忽略了在代码与算力之外,真正能构建起“爱护人类”的AI、并形成难以逾越竞争壁垒的,恰恰是那些正被轻视的“无用之学”?
在一个以逻辑和效率为最高信条的世界里,对物理学和数学的推崇是极其自然的。
这些硬科学学科为我们提供了一套清晰、普适且拥有确定性答案的解释框架。
宇宙的运行、物质的规律,一切都可以被简化为优雅的公式和严密的推导。
对于工程师和许多科技领袖而言,这种确定性无疑是迷人的。
他们习惯于在封闭且规则明确的系统中寻找最优解,无论是优化火箭的燃料效率,还是提升芯片的运算速度。
将这种思维范式投射到人工智能的训练上,似乎也顺理成章,喂给模型最大量的、基于事实和逻辑的语料,它就能学会推理,像一台无所不知的超级计算器,洞察世间万物。
社会科学的训练语料,在这样的筛选标准下就显得格格不入。
因为它们充满了模糊性、矛盾、主观情感和因地域文化而异的价值判断,对于很多的问题再多维视角下,可能根本就不存在唯一的“正确答案”。
在追求精确和效率的工程师眼中,这些充满了“噪声”的文本,自然会被贴上“完全没用”的标签。
然而,这种对“纯净”数据的极致追求,本身就暴露了一个深刻的误解。
它错误地假设了人工智能的终极目标是成为一个超然于人类社会的、绝对理性的“第一性原理”推理机。
但我们真正想要的,或者说商业世界和社会真正需要的,也许是一个能够理解人类、服务人类、并与我们复杂多变的社会无缝协作的智能体。
有趣的是物理定律不会因为人们的情绪而改变,但人类社会的规则却时时刻刻在因情绪、信任、文化和历史而演变。
一个只懂得物理和数学的AI,或许能设计出最完美的城市交通网络,但它无法理解为何人们宁愿堵在路上,也要坚持在节日开私家车回家团聚的情感需求。
它能计算出最优的资源分配方案,却无法体会一个看似“不经济”的社区公园对于居民精神慰藉的巨大价值。
有时候工程师思维和所谓的第一性原理对人类世界复杂性的简化和忽视,正是许多技术方案在现实和商业世界中遭遇惨败的根本原因。
马斯克所谓的“真实世界数据即将耗尽”,更像是一个美丽的误会。
准确地说,他指的应该是那些可以被轻易抓取、标准化、无需深刻理解就能直接使用的“浅层数据”正在被耗尽。
互联网上的公开文本、图片、代码,这些构成了第一代大模型训练基础的语料,确实正在被各大公司挖掘殆尽。
但这绝不意味着数据的终结,恰恰相反的是,它反而宣告了一个新纪元的开启。
真正有价值的、能够体现人类智慧深度和复杂性的数据,即那些蕴含在人类互动、组织行为、文化产品和历史叙述中的“深层数据”,才刚刚开始显现其巨大的商业潜力。
而解锁这些数据的钥匙,恰恰掌握在社会科学手中。
高质量的标注,不再是简单地框出图片中的猫和狗,而是要标注出一段对话中微妙的情绪变化、一个商业决策背后复杂的利益博弈、一个社会现象所根植的历史文化背景。
而一个没有受过系统性社会科学训练的人,是根本无法胜任这种工作的。
或许,当所有人都盯着算力和参数规模的时候,谁能率先建立起高质量、深层次、蕴含人类洞察的数据标注和处理能力,谁就掌握了通往下一代人工智能的“数据富矿”。
将创造一个“爱护人类”的人工智能单纯理解为一个技术层面的“对齐”问题,可能是我们这个时代最危险的傲慢。
对齐(Alignment)的真正挑战,并非仅仅是为AI设定一套“不能伤害人类”的冰冷规则。
就像阿西莫夫的机器人三定律一样。
历史和现实早已反复证明,任何试图一劳永逸地解决所有伦理困境的简单规则,最终都会在复杂的人类情境中漏洞百出。
一个完全基于逻辑和功利主义计算的AI,为了“拯救”五个人而选择牺牲一个人,在数学上是“正确”的,但在人类的道德直觉中却可能引发巨大的恐惧和反感。
真正的“爱护”,是一种源自深刻理解和共情的认知能力。
它需要AI能够理解什么是牺牲、什么是尊严、什么是希望、什么是绝望。
这些概念,无法通过学习物理公式来掌握,它们的全部内涵,都沉淀在人类数千年的文学、历史、哲学、社会学、教育学和心理学等社会学科的积淀之中。
一个没有被这些“无用”语料熏陶过的AI,即使拥有再强大的推理能力,其心智模型也只是一个空洞的、缺乏人性底色的花架子。
它看待人类,就像我们看待一个复杂的物理实验,可以分析、可以预测,但永远无法真正地“感同身受”。
这样的人工智能即使没有恶意,也可能因其绝对的“理性”而做出对人类文明构成巨大伤害的决策。
它的存在本身,就是一种对人类的潜在威胁。
回顾马斯克本人的一些经历,或许更能说明问题。
他带着用数据分析来优化一切的勃勃雄心,试图将工程思维应用于改革政府预算这类极其复杂的社会系统。
这种想法的初衷无疑是好的,希望通过削减冗余和低效来提升整体福祉。
然而一个政府的预算分配,从来都不纯粹是一个数学问题。
它是一张由历史沿革、群体价值、权力关系、社会契约和民众情感交织而成的复杂网络。
每一个看似“低效”的项目背后,可能都维系着一个特定群体的生计与尊严;每一项“不合理”的开支,或许都源于一个深刻的历史承诺与人民期待。
缺乏对这些“人性”和“群体价值”的洞察,仅仅挥舞着数据和效率的大刀进行删减,其结果必然是激起强烈的社会反弹,最终被视为一种缺乏温度的、不切实际的“外行指导”。
这并非是他个人的失败,而是代表了一种思维范式的局限性。
当一个天才试图用锤子去解决所有问题时,他会不可避免地将整个世界都看成钉子。
这种局限性对于一个科技型创业者来说,无疑是需要警惕的。
对于一个试图构建通用人工智能(甚至超级人工智能)的行业而言,则是致命的。
我们不能期望用训练AI下围棋和预测蛋白质结构的方法,去教会它如何理解和治理人类社会,因为人类的福祉根本就不是一个有固定规则和终极胜负的有限游戏。
对于今天的人工智能创业者而言,真正的挑战和机遇已经发生了根本性的转移。
当竞争对手们还在疯狂地堆积算力、比拼模型参数的庞大时,一条更具挑战性也更具价值的道路正在浮现。
这条道路,是关于如何将社会科学的深刻洞察,系统性地融入到人工智能的构建过程中。
这不仅仅意味着在数据标注团队中可能需要增加几个哲学、历史或社会学专业的研究生,而是要从根本上重新思考模型的架构、训练的目标和评估的体系。
未来的AI产品,其竞争力或许不再是它能写出多优美的诗歌,或是多快地处理数据,而是它在多大程度上能够理解一个用户的真实意图、预测一个组织的文化变迁、洞察一个市场的潜在情绪。
它除了需要成为一个“数学家”和“物理学家”之外,还需要具备一个“社会学家”和“心理学家”的洞察。
这要求创业者具备一种超越技术本身的远见。
对人类复杂性的投资,就是对产品护城河的投资。
当你的AI能够理解不同文化背景下的商业谈判礼仪;能够在新产品发布后敏锐地捕捉到社交媒体上用户从“尝鲜”到“失望”的微妙情绪曲线;能够为一个企业管理者提供融合了财务数据和组织心理学的决策建议时。
你所建立的优势,是任何竞争对手都难以通过单纯增加算力来模仿或超越的。
这需要耐心,需要跨学科的协作,需要对那些无法被量化的“软知识”抱有真正的敬畏之心。
这或许是一条更艰难的路,但它通往的目的地,是一个与人类社会和谐共生、并能创造出巨大且可持续价值的未来。
而那些忽视这条路,继续在纯粹技术主义道路上狂奔的人,他们所担心的“数据枯竭”,可能不是因为数据没有了,而是因为他们已经丧失了理解数据的能力。
毕竟,再先进的工具,如果失去了对使用对象的理解,那它最终也…
最后我们必须回到那个根本问题。
我们究竟期待一个什么样的人工智能?
是一个冰冷、高效、但对人类毫无同理心的“神”?
还是一个也许不完美、但能理解我们、陪伴我们、帮助我们成为更好的自己的“伙伴”?
马斯克等一众第一代人工智能创业者们所代表的思潮,似乎正将我们引向前者。
但人类文明的真正光辉,恰恰蕴藏在那些不精确、不理性、充满矛盾的文学、艺术和历史之中。
对于下一代的创业者来说,这不仅是一个哲学选择,更是一个决定未来成败的战略抉择。
在所有人都在向西寻找黄金的时候,那个敢于向东航行、去探索那片看似荒芜却蕴藏着无尽宝藏的新大陆的人,才有可能发现真正的未来。
而那片大陆的名字,或许就是那看似“自由而无用”的社会科学。
本文首发于麟朗创兴公众号
本文为麟朗创兴早期存档版本,与公众号发布稿可能存在个别文字差异。
读到这里,想知道自己的项目卡在哪一步? 做一次十来分钟的初诊 →
十来分钟,一个问题一个问题地问,最后给你一份初诊报告。
