知識共享壁壘與ChatGPT

■呂乃基

“知識共享”在管理學(xué)領(lǐng)域主要指組織內(nèi)部員工之間或組織之間知識的共享[1]，本文將之?dāng)U展到全社會包括個人和各種組織等主體間。與知識共享有關(guān)的概念之一是知識熵，知識熵是知識管理效能的一種度量[2]，有助于理解并拓展知識共享。為適應(yīng)拓展的“知識共享”概念，本文將知識熵用于在一般意義上談?wù)摳鞣N組織乃至人類社會。知識熵可以分為靜態(tài)和動態(tài)兩方面。靜態(tài)來看，知識熵描述社會組織內(nèi)部知識狀態(tài)的復(fù)雜程度。知識熵低，即知識狀態(tài)豐富、復(fù)雜和有序。豐富和復(fù)雜不是一團(tuán)亂麻毫無頭緒，有序也不是單調(diào)、一律和僵化不變。動態(tài)來看，知識熵是社會組織內(nèi)部或與外部在知識傳遞過程中傳遞效率與為克服阻力而發(fā)生損失的度量，傳遞效率越高，阻力越小，知識熵越低。

知識共享主要涉及動態(tài)的知識熵，具體有兩個含義，其一是在“空間上”為更多人共享，知識只有共享才能增值，才能推動經(jīng)濟(jì)和社會的發(fā)展；其二是在“時間上”為更多人共享，知識只有在代際之間共享，社會才能延續(xù)和前行。知識共享壁壘指知識共享所面對的各種障礙，包括客觀與主觀兩方面。以ChatGPT 為代表的生成式人工智能大模型有助于消解知識壁壘，以減少知識的熵增。

一、知識共享的客觀壁壘與ChatGPT

知識共享在客觀上的壁壘指知識本身是“壁壘”之源，具體指知識的復(fù)雜性、豐富性和積累性。

（一）知識的豐富性

知識的豐富性即通常說的“知識爆炸”。在知識的海洋中，人類只是一葉扁舟，知識的無限性和人體生理和心理極限間存在矛盾。莊子意識到：“吾生也有涯，而知也無涯。以有涯隨無涯，殆已！”兩千多年過去了，人類取得了巨大進(jìn)步，然而，對于知識的接受并沒有出現(xiàn)同樣的突破，人的生理和心理機(jī)能與石器時代的人類相比，沒有什么重大的變化。

互聯(lián)網(wǎng)給人類提供了獲取知識的便捷途徑。以文獻(xiàn)獲取為例，雖然理論上人類可以幾乎無遺漏地獲取從互聯(lián)網(wǎng)上發(fā)現(xiàn)的所有文獻(xiàn)，但是卻由于時間和精力的限制而無法全部閱讀，也會因原有知識背景等限制，使閱讀往往止步于前幾頁或某些內(nèi)容。

ChatGPT 等大模型通過并行感知，可以在極短的時間內(nèi)并行閱讀數(shù)百篇論文，從而攻克知識的豐富性壁壘。大模型已經(jīng)成功“壓縮”了人類對于世界的認(rèn)知，這些認(rèn)知被稱為“語料”，如同“食材”和熔爐內(nèi)有待加工的“原材料”。大模型將人類以往的幾乎全部知識作為自身運行的基礎(chǔ)，向包括個人在內(nèi)，帶著各種需求的用戶提供所“生成”的內(nèi)容，讓每一個用戶都可以站在巨人的肩上。

一個人語言的界限，就是他世界的界限。語言是知識（還有情感等）的載體，知識從一個方面賦予語言以意義。ChatGPT 作為大語言模型，意味著幾乎擁有無限的知識。無論是個人還是不同層次的社會組織，均可通過深入而有洞察力的問題和有啟發(fā)的提示詞與ChatGPT聯(lián)手，從而得以共享ChatGPT的“無限疆域”。

（二）知識的復(fù)雜性

知識的復(fù)雜性屬于知識的質(zhì)的范疇。自20世紀(jì)下半葉以來，科學(xué)的發(fā)展方向可以歸結(jié)為沿量子階梯①“量子階梯”（quantum ladder）原是物理學(xué)概念，此處擴(kuò)展為科學(xué)的研究對象由夸克和電子、質(zhì)子和中子、核、原子、分子、生物大分子、細(xì)胞、個體，到生態(tài)和人類社會，相應(yīng)地，本體論意義上知識的系列由物理學(xué)到化學(xué)，通過生命科學(xué)、生態(tài)學(xué)、人類學(xué)到社會科學(xué)，呈梯級結(jié)構(gòu)遞進(jìn)。上行、下行和擴(kuò)展。沿量子階梯上行，研究生命和意識的起源，但生命的本質(zhì)至今眾說紛紜，至于人的意識，涉及百億個腦細(xì)胞及彼此間的關(guān)系，更涉及千變?nèi)f化的現(xiàn)實場景，更為復(fù)雜、隨機(jī)和混沌。沿量子階梯下行，從對物質(zhì)的研究到對物質(zhì)結(jié)構(gòu)的研究，有物質(zhì)的“糾纏”與“疊加”，還有難以區(qū)分的組成與被組成的關(guān)系，這一層級的知識同樣混沌和不確定。沿量子階梯擴(kuò)展，科學(xué)的研究對象由事物的規(guī)律性擴(kuò)展到偶然性，由孤立的研究對象擴(kuò)展到環(huán)境及其干擾，由實體到關(guān)系，由線性到非線性，由純客觀到主體參與，等等。知識復(fù)雜性根源在于認(rèn)識對象的復(fù)雜性，如非線性、非對稱、無序、不確定，還有糾纏、疊加、模糊、突變、漲落、分形、分岔，以及蝴蝶效應(yīng)和難以預(yù)知的“涌現(xiàn)”。

人工智能在克服知識的復(fù)雜性壁壘上成果斐然。在生命科學(xué)領(lǐng)域，ChatGPT 用于化合物的結(jié)構(gòu)和功能分析以支持新藥開發(fā)，在基因組研究中用于基因測序[3]；在量子物理學(xué)領(lǐng)域，開發(fā)出量子計算機(jī)和量子通信；在復(fù)雜性科學(xué)領(lǐng)域，人工智能可以在不掌握原理的情況下，對可能存在大量變量的復(fù)雜事物進(jìn)行預(yù)測；等等。大模型本身走上了一條“涌現(xiàn)”之路，人類可用AI提高科研的效率，解開復(fù)雜性之謎。

有趣的是，面對量子物理和復(fù)雜性科學(xué)等領(lǐng)域，人工智能走的大致都是通過借鑒所面對對象的某些特征，從而在應(yīng)用中展開自己的“認(rèn)識”的路徑。不過，在這樣的路徑上又會產(chǎn)生新的問題。例如，用遺傳算法來解決排序問題，在優(yōu)化過程中會產(chǎn)生一些比依據(jù)任何現(xiàn)有的排序算法的程序都要快得多的排序程序，但科學(xué)家并不理解這些指令是如何工作的，也無法將其分解為由可理解的各部分組成的分層體系。

此外，隔行如隔山，知識還因其專業(yè)性而難以為外行共享。大模型之大足以填補(bǔ)不同專業(yè)之間的知識縫隙，使所有專業(yè)形成相對連續(xù)的整體而可以理解。像數(shù)學(xué)語言、物理語言等人類從事專業(yè)性工作所需要的“語言”能力，以及相應(yīng)的思維能力和解決問題的能力，大模型將會逐步勝任[4]。

（三）知識的積累性

知識的積累性涉及知識的代際共享。人類進(jìn)步的關(guān)鍵之一在于知識的代際共享，代際共享的最大問題是子代的學(xué)習(xí)。動物界存在這樣一個規(guī)律：低等動物的子代在出生后即可不依賴父母獨立生存，而高等動物的子代在出生后則于一段時期要靠父母的撫養(yǎng)和“教育”。動物越是高等，這一時期就越長，最長的無疑是人類。總體而言，動物受教育的時間成本與其在進(jìn)化樹上的地位成正比。而人類的子代只繼承父代的基因，但不繼承父代的記憶，沒有獲得性遺傳，這意味著每一代都要重新學(xué)習(xí)和經(jīng)歷人生的磨難。在人類社會當(dāng)中，隨著知識的不斷積累，子代受教育的時間也越來越長，這似乎相應(yīng)地延續(xù)了自然界中的規(guī)律，越是進(jìn)化，受教育時間越長。其結(jié)果是，子代要接受更長時間的教育才能達(dá)到知識的前沿，才能創(chuàng)造新的知識，從而受教育的時間成本過高，創(chuàng)新變得難以實現(xiàn)。

在大模型的演化過程中，子代或?qū)⒖梢岳^承父代的記憶，甚至可以控制繼承的程度。例如，設(shè)置子代繼承從100%到清空記憶，或繼承兩個極端之間的某些記憶。這意味著父代的經(jīng)驗和技能可以不斷選擇性地累積。但也有人指出，大模型不具備長期記憶。

大模型可以與時俱進(jìn)，汲取最新的知識，這就意味著人類可以在此基礎(chǔ)上一步登頂，站到知識的前沿。知識的積累性在客觀上是知識的質(zhì)由簡單到復(fù)雜在時間序列中的展開，在主觀上關(guān)系到個體知行系統(tǒng)的演化與層次[5]，這兩方面的疊加關(guān)系到知識獲取的路徑，筆者將另文探討。

（四）知識生態(tài)

任何知識都不是孤立的，都與其他知識存在千絲萬縷的聯(lián)系。量子階梯涉及知識在時間上的順序、空間上的層次和上下向因果關(guān)系，其中最重要的是科學(xué)技術(shù)與人文社會科學(xué)的關(guān)系。知識還有由淺入深的次序，以及現(xiàn)象與本質(zhì)之別[6]；知識的復(fù)雜性包括對糾纏、疊加和塌縮現(xiàn)象的研究；知識生態(tài)不僅涉及每個領(lǐng)域知識鏈上下游之間的關(guān)系，而且也涉及分門別類的知識之間的關(guān)系。

此外，知識生態(tài)的關(guān)鍵還在于普適性知識與地方性知識的關(guān)系。普適性知識在內(nèi)容上主要是事實和規(guī)律，具有普遍性，并經(jīng)過多次編碼使其易于傳播交流和共享；地方性知識在時間上嵌入歷史，空間上嵌入“地方”，相對“隱性”，需要知識共享的各方持續(xù)嵌入同一語境和場景之中，方可感受和領(lǐng)悟。普適性知識是知識共享的基礎(chǔ)、最大公約數(shù)和主要內(nèi)容；地方性知識則關(guān)系到個體的存在和生存的意義[6]。

以往，知識的篩選、抽取、提煉主要由知識的需求方自己完成。即使有了關(guān)鍵詞檢索和網(wǎng)頁索引之便，知識的整合也是由需求方完成。問題還在于，“抽取”所得到的只是知識的碎片，這些碎片之間并未形成協(xié)調(diào)與耦合的知識生態(tài)。ChatGPT 問世之后，不僅越來越多地接管了知識的篩選、抽取、提煉工作，而且承擔(dān)了之后知識的重組工作——既最大限度調(diào)用普適性知識，又考慮到用戶地方性知識的語境，以形成滿足用戶目的和知識生態(tài)的“內(nèi)容”，中庸而不偏不倚，面面俱到，往往比用戶自己想的還要周全。知識生態(tài)的構(gòu)建是生成式AI的真諦所在。

人腦各有差異，然而腦容量再大，存儲的量亦有限；可以做出的改進(jìn)是提升所存儲知識的質(zhì)，其一，提升知識的“階”，上升到哲學(xué)的高度，掌握管理知識的“元知識”；其二，改善知識之間的生態(tài)關(guān)系，既可以舉一反三，“牽一發(fā)而動全身”，零存整取，也可以按特殊需要零存零取；其三，借助大模型和元宇宙提升知識生態(tài)的“智慧”。

大模型所依賴的主要是已編碼的普適性知識，目前正在經(jīng)由“多模態(tài)”而進(jìn)入地方性知識和隱性知識的領(lǐng)地。大模型與元宇宙的結(jié)合將在隱性知識的共享中發(fā)揮重要作用。

二、知識共享的主觀壁壘與ChatGPT

知識共享必然與所涉及的主體有關(guān)，本文對與知識共享壁壘有關(guān)的主體所作的區(qū)分，源于知識的擁有者和接受者：前者不允許他人分享自己的知識；后者或是主觀上拒不接受他人的知識，或是因知行系統(tǒng)的層次和原有知識生態(tài)所限而難以接受，或雖接受而淺嘗輒止。這是知識共享的主觀壁壘，涉及利益、安全、控制和價值觀沖突。

（一）來自知識擁有者的壁壘

就知識擁有者的主觀壁壘而言，如個人、機(jī)構(gòu)、國家等主體和在有限的范圍內(nèi)就某些領(lǐng)域的知識對其他主體保密，或者要付出高昂的代價才能獲得知識擁有者的分享許可，此外還有條塊分割等因素形成的壁壘。知識關(guān)系到利益，持有知識，特別是持有獨一無二的知識從來是個人在社會上的立足之本。“知識就是力量”，“力量”實則“權(quán)力”。知識共享對于知識擁有者意味著知識的貶值，會使擁有者失去利益和大權(quán)旁落，應(yīng)用知識的過程也是控制的過程。

在當(dāng)今世界，知識共享直接面臨的門檻是知識產(chǎn)權(quán)。喬姆斯基對ChatGPT 持強(qiáng)烈否定立場，指責(zé)其“本質(zhì)是高科技剽竊”[7]。知識產(chǎn)權(quán)在于保護(hù)和鼓勵創(chuàng)新，在特定時空范圍和領(lǐng)域有其價值，然而，知識產(chǎn)權(quán)也造成了知識共享的壁壘，甚至成為相互對壘的政治籌碼。人類文明的下一個方向應(yīng)該包含知識產(chǎn)權(quán)革命。國際保護(hù)知識產(chǎn)權(quán)協(xié)會（AIPPI）2019年發(fā)布的《人工智能生成物的版權(quán)問題決議》，認(rèn)為人工智能生成物在其生成過程中有人類干預(yù)，且該生成物在符合受保護(hù)作品應(yīng)滿足的其他條件情況下，能夠獲得保護(hù)，而生成過程無人類干預(yù)的人工智能生成物無法獲得版權(quán)保護(hù)[8]。

一個相關(guān)的問題是知識物化形態(tài)的共享，知識物化形態(tài)的共享壁壘甚至“卡”了需求方的“脖子”。其模式是，不是一開始就構(gòu)筑知識共享壁壘，而是在知識共享基礎(chǔ)上供需雙方各自建立起依賴程度不等的產(chǎn)業(yè)鏈后，一旦一方或雙方感覺受到威脅或引發(fā)安全問題，便構(gòu)筑起知識共享壁壘中止共享。這對于雙方來說都造成損失，但對于較多依賴較少選擇權(quán)的一方來說知識共享的中止更為致命，即為“卡脖子”。

ChatGPT 的誕生可能成為時間上的某種分界線，今后新創(chuàng)生的知識，將融入數(shù)字化運作的宏大過程，作者的身份會越來越快消融在人類與人工智能共同的知識再創(chuàng)造過程中[9]。自由軟件運動可以說是這一方向的先驅(qū)。隨著大模型的運行，知識共享具備了普遍適用的條件，將會轉(zhuǎn)化為生產(chǎn)力和巨大的財富。人類的知識終于走出象牙塔，打破禁錮，在相當(dāng)程度上成為每個人的共同財富。

知識共享在以往的傳遞過程中還存在兩個問題。其一，知識的提供者眾多，知識需求方需要在眾多提供方（如智庫、高校和形形色色的研究機(jī)構(gòu)等）中進(jìn)行選擇，在內(nèi)容上涉及政治、經(jīng)濟(jì)和文化等各個領(lǐng)域和不同層次，或者處于一二三產(chǎn)產(chǎn)業(yè)鏈從研發(fā)、制造到銷售的不同位置，需經(jīng)由接受者整合（前述“知識生態(tài)”）。其二，知識共享中的傳遞往往需要經(jīng)過多個環(huán)節(jié)，每一個環(huán)節(jié)都會有形形色色的主體出于各種動機(jī)對知識進(jìn)行加工處理和轉(zhuǎn)化，因而在知識的傳遞過程中，難免會發(fā)生知識的缺失和變形，導(dǎo)致知識的熵增。

ChatGPT 等人工智能大模型作為具有相當(dāng)權(quán)威的巨量知識的提供者，在相當(dāng)程度上同時解決了這兩個問題，既大大減少了知識提供方的數(shù)量，也減少了需求方的選擇成本；同時，ChatGPT 等作為相對獨立的知識提供方，又大多能提供全方位的一站式服務(wù)，經(jīng)得起多個角度的多次提問，甚至實現(xiàn)交互界面的一鍵式操作，從而減少在知識傳遞的各個環(huán)節(jié)形形色色的知識提供方造成的阻力，降低知識熵。不過，人工智能模型的競爭最終勝出的也可能只是幾家頭部公司，從而形成人們不愿意看到的壟斷和中心化的局面。

（二）來自知識接受者的壁壘

就接受者來說，個人會根據(jù)自己的語境，包括知識背景、所持或所嵌入的地方性知識、觀點偏向或先入之見，以及價值觀的好惡，乃至情緒波動而選擇性接受或拒絕這樣或那樣的知識。即使接受，也可能發(fā)生理解過程中的各種偏差。知識共享的限度與接受者的知行系統(tǒng)水平有關(guān)。

傳統(tǒng)認(rèn)識論從現(xiàn)象得出普遍原理，在對現(xiàn)象的抽象、分析、比較、分類和歸納的基礎(chǔ)上進(jìn)一步演繹和綜合[10]。傳統(tǒng)的認(rèn)識論從線性的因果關(guān)系出發(fā)在邏輯上不容置疑地推出結(jié)論，因而意識形態(tài)和價值觀預(yù)先就內(nèi)置于回答之中，難以擺脫意識形態(tài)的紛爭。ChatGPT 在過程上不沿襲傳統(tǒng)的認(rèn)識論，雖然給出的結(jié)果因基于人類文本不可避免帶有這種或那種意識形態(tài)，但是非預(yù)設(shè)和刻意而為，大致上取人類認(rèn)識的“中位數(shù)”，因而ChatGPT 相對而言易于穿透“地方”的壁壘，超越意識形態(tài)，為更多人接受。

其實，ChatGPT 的“推理”過程實際上是人工智能對人類文本的系統(tǒng)性處理。例如，關(guān)鍵詞索引依賴于關(guān)鍵詞和鏈接計數(shù)之類的能力，無須理解關(guān)鍵詞本身及其之間關(guān)系之含義；網(wǎng)頁排序，即通過查看哪些網(wǎng)頁擁有更多外鏈（特別是來自其他高質(zhì)量網(wǎng)頁的鏈接）來判斷網(wǎng)頁質(zhì)量的高下，無須深入探究網(wǎng)頁本身的內(nèi)涵質(zhì)量；翻譯軟件唯一熟悉的就是由字母組成的單詞和由單詞串起來的句子，以及這些單詞出現(xiàn)的概率，它唯一擅長的就是關(guān)于文本片段的超高速處理，而不是思考、想象、記憶或理解，甚至不知道單詞的含義[11]。

知識共享壁壘還與知識擁有者的身份有關(guān)。知識擁有者身份或高或低，接受者與其之關(guān)系或親或疏、或友或敵，都會影響知識是否及在多大程度上得到共享。大模型所依賴的知識，知識量巨大，不屬于任何特定主體（此處不涉及知識產(chǎn)權(quán)之爭）。大模型對知識需求者一視同仁，正所謂“世界是平的”，超越語境和場景且編碼，故而輸出結(jié)果相對公允，具備主體間性甚至某種程度的客觀性，并不預(yù)設(shè)知識之普適性、地方性，以及個性，卻在實際上既達(dá)到最大程度的普適性，可以與其他知識交流，又可以嵌入各種場景，滿足地方性和個性所需。相對而言，知識接受者較易接受知識而不必?fù)?dān)憂受到知識背后主體的支配和控制。同樣重要的是，知識的接受者可以保留自己的選擇權(quán)。一言以蔽之，知識極大豐富，個體各取所需。

ChatGPT 為眾多從個人到國家的主體提供的不同服務(wù)具有基本上一致的語境，在此基本一致的語境下展開合作和博弈，成為個人、機(jī)構(gòu)，甚至國家和民族知識結(jié)構(gòu)的源泉。許紀(jì)霖表示，GPT 猶如海平面一般，成為衡量一個好學(xué)生的底線標(biāo)尺[12]。ChatGPT 在其問世前后的區(qū)區(qū)數(shù)年間獲取了人類前赴后繼數(shù)十萬年獲得的幾乎全部知識，ChatGPT 因此而“獲得解放”，回過頭再來“解放”普羅大眾。

然而，趙汀陽告誡，GPT 可能被識別為思想權(quán)威或人民代言人[13]。段偉文警告，當(dāng)心將自動生成的知識視為“神諭”的知識權(quán)威幻覺[14]。由于語言模型本身的局限性等原因，ChatGPT 會編造不準(zhǔn)確的回答，面臨訓(xùn)練數(shù)據(jù)來源的合規(guī)性、數(shù)據(jù)使用的偏見性、生成虛假信息、版權(quán)爭議等風(fēng)險[15]。慕尼黑工業(yè)大學(xué)和漢堡大學(xué)的研究人員判定，ChatGPT 具有“親環(huán)境、左傾自由主義的傾向”[16]。OpenAI 首席執(zhí)行官奧特曼表示：“當(dāng)人們說，應(yīng)該讓人工智能與人類的偏好、價值觀相一致時，這背后的意思是，要符合‘我個人’認(rèn)可的價值觀和偏好?！盵17]人工智能的要義之一是“看齊”，問題是向誰看齊？

（三）知識“雙向”共享的壁壘

科技、產(chǎn)業(yè)、經(jīng)濟(jì)類的知識具有某種“勢能”，知識共享由勢能高處流向低處?？傮w而言，由0—1 流向1—100①0—1 是知識的原始創(chuàng)新；1—100 指是“1”的延伸、拓展，體現(xiàn)了知識的物化和社會化。由0—1 到1—100，知識由超常到常規(guī)，隱性到編碼，普適到地方。，呈現(xiàn)出某種“單向”的流動。因此，擁有知識的一方想方設(shè)法控制知識的流動，利用知識產(chǎn)權(quán)等設(shè)置知識共享的門檻，對于知識的物化形態(tài)則采取斷供等手段。其實，在這些可能在應(yīng)用領(lǐng)域引發(fā)進(jìn)步乃至革命的知識領(lǐng)域，還存在逆向的知識共享，那就是100對1的反哺。知識在原始創(chuàng)新的基礎(chǔ)上進(jìn)一步展開其物化和社會化，發(fā)現(xiàn)新問題、新需求，從而完善充實作為基礎(chǔ)的“1”。其特點是沒有高的勢能，而是“涓涓細(xì)流”或是“水滴”式的反饋，以及難以言表的隱性知識，包括知識在各種場景下的應(yīng)用所形成的各主體的應(yīng)用體驗，需要供方用心甄別、提煉和汲取。同時，伴隨知識逆向流動的還有知識共享形成的資金流，以支撐新的知識共享。

需要指出，上述反哺大致止于“1”，絕少越過之逆流而上，由1 上溯到0。誠如福特所言：“在我生產(chǎn)出汽車之前，我問顧客最需要什么，他肯定會告訴我，是一輛更快的馬車?！庇纱朔催^來表明“0-1”的革命性。

在人文社科領(lǐng)域，普適性知識是林林總總地方性知識相互交流溝通的最大公約數(shù)。在此前提下，通往普適性知識的道路多種多樣，條條大路通羅馬；普適性知識嵌入于“地方”，涉及的特殊語境和場景更是千姿百態(tài)。多樣性促進(jìn)隨機(jī)漲落，隨機(jī)漲落孕育分岔，偶然性創(chuàng)造世界。

（四）知識共享的另類壁壘——灌輸

知識灌輸?shù)那闆r比較復(fù)雜，一方面有其存在的必然性和必要性，另一方面也是知識共享的壁壘，甚至是一種更難以克服的特殊形態(tài)的壁壘。

“灌”，居高臨下；“輸”，需要某種勢能。在知識共享的主體間關(guān)系上，長輩對晚輩，老師對學(xué)生，社會地位高對低，前者對后者具有天然的權(quán)力。師者在人際關(guān)系上處于高位，在人己關(guān)系上心滿意足，這是知識灌輸存在之必然性的客觀依據(jù)。在此意義上，任何知識的共享或多或少都伴隨著“灌輸”，必須以誘導(dǎo)和點撥等途徑克服單純灌輸帶來的弊病，以喚醒和提升作為知識共享接受方主體自身的知行系統(tǒng)。一萬次知識灌輸，不如一次蘇格拉底所說的“內(nèi)在喚醒”。中國傳統(tǒng)文化中，雖然“三人行必有我?guī)煛钡黧w、側(cè)重知識，但主流的“三綱”強(qiáng)化這種權(quán)力關(guān)系。古希臘“吾愛吾師吾更愛真理”消解權(quán)力，將知識置于高于人際關(guān)系的地位。

在知識的內(nèi)容上，如果所灌輸?shù)闹R直接關(guān)系到被灌輸者（主要是兒童）當(dāng)下的生存與安全，如安全使用水電氣和食物等方面的知識，以及與人（主要是家人、師生）相處的基本知識，則采用最淺層的灌輸，即只給出結(jié)論，不提供得出結(jié)論的過程。這種灌輸有其必要性，實際上也是灌輸者如家長和老師應(yīng)承擔(dān)的責(zé)任，但需要在日后逐步補(bǔ)上相關(guān)的知識和推理過程，以使知識共享由依賴主體的權(quán)威性，轉(zhuǎn)為依賴知識本身與被灌輸者自身的認(rèn)同。

知識的灌輸可以層層加碼。在最淺層之上的灌輸是對問題只提供一種解。此種類型的灌輸常見于簡單化的低幼教育，在此之上再進(jìn)一步的灌輸是，宣稱所提供的解是唯一正解，其他答案被屏蔽，不容置疑。例如，人多勢眾之勢（包括流量）形成烏合之眾，影響個體的判斷，拒絕批判性和發(fā)散性思維，剝奪接收者的選擇權(quán)和自主權(quán)。知識灌輸?shù)膶訉蛹哟a，必然越來越多地滲入和伴隨著灌輸者對被灌輸者的支配與控制。灌輸?shù)谋撞≡斐杀还噍斦邆€人和群體知識熵增加，從根本上說拒絕了個體知行系統(tǒng)內(nèi)在的演化，是反人性的。灌輸越是加碼，“效果”越好，危害就越大，日后要付出更大的糾錯成本。

ChatGPT 作為無意識主體，排除主體間支配與控制的糾葛，給予接受者更大的自主權(quán)，以客觀和全面的知識實現(xiàn)對被灌輸者的解放。

無論知識如何共享，知識共享壁壘或多或少總是存在，實際上，知識共享壁壘的存在具有其合理性。這種合理性在客觀上維系知識的多樣性和可變性，以形成各種知識之間的競爭與合作，構(gòu)建開放的知識生態(tài)；在主觀上保持各種主體的相對獨立性。所有主體都有在一定時空范圍內(nèi)不可共享的隱私，還有很多企業(yè)禁止在工作中使用ChatGPT，擔(dān)心由此可能泄露商業(yè)機(jī)密。這些問題實際上關(guān)系到共享的界限。知識在客觀上的多樣性為不同主體的自主選擇提供了可能性，主體的自主選擇和獨特性又為而后知識的多樣性創(chuàng)造了條件。

三、克服知識共享壁壘帶來新的問題及其應(yīng)對

如上所述，ChatGPT 具備克服知識的客觀和主觀壁壘的能力，但也會帶來新的問題。大模型使得人工智能擁有了人類幾乎全部的知識，實際上是知識最大限度的共享。隨后，知識經(jīng)由ChatGPT 與人共享，往日的知識共享壁壘在相當(dāng)程度上被碾壓和消解。然而，沒有經(jīng)過艱難的攀爬，人類是否能真正理解人工智能等所給出的答案？是否會越來越依賴人工智能？在某種意義上，ChatGPT 的作用不是灌輸，卻勝似灌輸。ChatGPT 等對現(xiàn)行的教育提出嚴(yán)峻的挑戰(zhàn)：是教知識，還是教獲得知識的方法；是授之以魚，還是授之以漁。進(jìn)而言之，是增強(qiáng)還是替代人的知行系統(tǒng)。學(xué)習(xí)知識雖然可以帶來幸福，但假如只是一味接受灌輸，就喪失了樂趣。其實，喪失的豈止是樂趣，還有通過交往、評價等在學(xué)習(xí)過程中所獲得的理想、情感、興趣、洞察力和意志等。一言以蔽之，主體失去自己獲得知識和自主行動的能力。

人通過知識獲得解放，不僅如此，人還通過獲得知識的過程和途徑獲得解放，在某種意義上，后者更重要。

喬姆斯基曾在一次采訪中斷言：“學(xué)生無法通過使用ChatGPT 學(xué)到任何東西，絕對學(xué)不到?！盵18]胡泳認(rèn)為，由于有生成式人工智能可以依賴，人類創(chuàng)造力或許會進(jìn)入一個低谷[19]。不幸的是，一旦將認(rèn)知自主權(quán)部分下放給智能機(jī)器，再想要把它拿回來將千難萬難。這種“失去”不可逆。喬姆斯基與胡泳所言不虛，只是言過了，還是會有少數(shù)（或許越來越少的）人跟得上生成式人工智能的進(jìn)化。隨著主體知行系統(tǒng)功能的下降，最終可能發(fā)生大部分人知行系統(tǒng)的退化。

知識共享成功與否的最終標(biāo)志是：第一，因知識本身而非相關(guān)主體及其關(guān)系，無論是強(qiáng)迫還是崇拜，特別是權(quán)力因素，知識本身須符合事實和邏輯，并與其他同樣符合事實和邏輯的知識兼容；第二，有助于個體和群體，最終有助于人類的提升。

ChatGPT 及其他類似的大模型在上述第一點邁步向前，在第二點呢？在推進(jìn)人工智能以克服知識共享壁壘的道路上，有必要保持和提升人類自身的知行系統(tǒng)，特別是彼此間的合作協(xié)調(diào)能力。

迄今為止，人類往往聊以自慰的是，Chat-GPT 所共享的主要是編碼知識，人類還有說不清道不明的隱性知識，有情有感有意向，驅(qū)動或否定理性，而人工智能的一大特征就是不具備情感且無意向性。情感和意向性深深植根于人類的知行系統(tǒng)。人類需要清醒地認(rèn)識到，在人工智能席卷而來之時，僅靠人類的知行系統(tǒng)并不能助推人類走向未來。當(dāng)“奇點”臨近，人與“硅基生命”之間競爭的內(nèi)容和方式將決定人類的未來。

在某種意義上，人與人之間的合作協(xié)調(diào)在當(dāng)下更為重要。人與人之間需要競爭而非敵對，構(gòu)筑知識壁壘拒絕知識共享的行為是不明智的。在面對以ChatGPT 為代表的人工智能的高速發(fā)展之時更應(yīng)如此。超越國界和民族的知識共享，實際上為人際的合作協(xié)調(diào)建造了由知識鋪就的大道。人際合作的深度和廣度，將決定全人類能否以同一個聲音面對以Chat-GPT 為代表的人工智能。人類，如果不能處理好人與人之間的競爭，將難以應(yīng)對正在出現(xiàn)的人與人工智能的競爭。