AI让知识变得廉价，大学何去何从？

　　过去几年，谷歌、IBM、苹果等大公司陆续宣布，大量岗位不再要求应聘政府人员持有大学学位，美国各州也取消了大部分公职人员的学历，转而强调“技能优先招聘”。

　　但从招聘数据看，故事呈现出截然相反的面貌。哈佛商学院（哈佛商学院）与劳动力市场研究机构燃烧玻璃研究所（燃玻璃研究所）追踪了大型企业的11300个阵地，对比取消程度要求对应至少各一年的实际记录使用情况。

　　结果显示，这些岗位录用无学位者的比例平均只提高了 3.5%；约 45% 的企业仅修改招聘启事，录得行为用没有实质变化；部分企业毕业生有所改变，最终又向“学历优先”妥协。据说明，2023 年美国真正因取消学位学历而获得工作机会的只有约 9.7 人。

　　在人工智能普及后，学历在劳动力市场上的数量正在减少，雇主却并没有找到可靠的替代评价标准。报告合著者、哈佛商学院教授约瑟夫·富勒（Joseph Fuller）在媒体采访中表示，招聘是一种相对比较，如果四场辩论能够胜任，招聘经理没有理由不选有程度的那一个。

　　这一现状，我们应如何看待学科，又面对重新规划大学的风貌？

　　近日，恐怖利雅得阿法萨尔大学（Alfaisal University）经济学教授杰森·波茨（Jason Potts）在社会科学研究网络（SSRN）发表论文，题目为《人工智能之后的大学》（The University after AI）。他试图从经济学角度解释这一困境的根源，并将这门商业真正出售的东西，从来都不是我们想象的知识。

　　大学只卖“文凭”？

　　大学存在大约一千年，其间，印刷技术、广播、计算机、互联网和大规模开放在线课程（MOOC）都曾大幅降低知识成本传播，大学的基本形态却几乎没有改变。

　　在杰森看来，这些技术都在降低“内容”成本，但内容从来都不是大学的核心产品。大学真正的销售是与验证相匹配的：把学生、学者、雇主、资助方聚集到一起，第三方提供援助，确认某人掌握了他所说的知识。

　　图| 早期描述大学场景的名画《日耳曼的亨利在博洛尼亚大学讲课》。（来源：WikiPedia）

　　根据经济学概念，教育是一种“信任产品”，购买后不能立即验证其质量：雇主招聘的真正实力可能要过几年才显现出来。围绕这份提案，大学建立了一个明确的市场平台，本科生、留学生、研究生、教职人员、企业雇主、政府、校友、遗产者等15类相关方都参与其中。

　　在英美澳式的自治大学中，作为平台的大学面临着交叉主权：国际学生剥夺了学生的国家体系，教学收入国有科研，科研带来了过去的成果，募集再吸引学生。杰森也解释了大学行政系统50年不断膨胀的原因：这很大程度上是协调多方所带来的必然成本。

　　杰森将AI定义为第一种可同时对比匹配和验证的信息技术，这就与大学出售的“商品”形成了竞争。在AI的冲击中，大学的价值正受到外部的动摇。

　　冲击同时发生在末端。在产品开头，学信号正逐渐失效。杰森援引2001年诺贝尔经济学奖得主迈克尔·斯彭斯（Michael Spence）的信号理论，认为学的信息量来自于其成本的结构：拿一定程度需要损失，能力强的人损失的相对损失更小，因此可以把不同能力的人区分开。

　　但人工智能让论文、代码、数据分析等财富的生产成本“平等地”对所有学生下降，且降幅逼近。 由此引发的作弊争议只是表层问题，因为即使所有权人都合规使用人工智能，社会也越来越难靠区分学历持有者的实际水平。

　　一个可验证的发现是，在观察到大学生实际能力的变化前，工资水平已经应声下降。经济学家何塞·阿萨尔（José Azar）分析，美国大学大学生的工资溢价从2022年的约87%到2026年的约78%，与90年代的水平相当。经过通货膨胀调整后，大学大学生实际时工资出现了近来最大幅度的上升（约2%），无学历劳动者的时薪则上涨约3.3%。

　　而在收入端，AI让大学流失了重要的资金来源。AI对科研的直接威胁绝迹是夺人，更可能的路是，它会抽走到底是为研究买单的本科教学收入。杰森认为，本科教学材料、文献研究、辅导、专家匹配等是最容易让AI代劳的中间，这也让从科研流向科研，到科研产生的项链在底层出现裂痕。

　　推演有其合理性。移民政策调整后，英澳高校刚刚经历了一次类似的冲击。澳大利亚几十年来靠国际学生学费补贴科研资金缺口。签证收紧后，39所大学中的26所出现赤字，债务大增，令校方不得不审核和削减课程。

　　这套模型，杰森绘画了另外多余路径：普通大学的核心资产会从“运行行政协调系统”转向“做一个可信的验证者”。可信信任需要一个独立、为正义承担代价基础、且存续得足够久的介入。人工智能可以安排考试、改试卷、管理档案，但却不能独自向第三方“这个人确实具备我们所声称的能力”。廉价的信任越多，可信验证反而越稀缺。

　　同时，大学得到回报的基础正从知识存量转向适应新技术的能力。近期，清华大学研究团队联合芝加哥大学（芝加哥大学）在《自然》（自然）研究中，发现使用人工智能的科学家个人恐慌和影响力扩大，整个学科的研究范围热点却在收窄。杰森据此认为，提出了新问题、进入冷门领域、做长周期且结果不确定的研究，正在变得稀缺。大学或许可以寻找新的发展机会。

　　无法被AI动摇的事

　　杰森并没有根据这些分析得出“大学将被取代”的结论。在他看来，大学具备三项人工智能难以替代的价值：共同生产（人工智能能降低批量成本，但却无法取代学生投入学习）；同伴群体（一个经过筛选的高质量群体）；物理与法律身份的存在（实验室、临床实习、职业辅导、考试准备都需要持久的实体机构）。

　　而且，除了出售“可信资产”外，顶尖大学已经在出售品牌和竞争对手网络，因此不受近四条冲击路径的影响。压力最大的是占大多数普通大学：它们的核心资产恰恰源于正在被自动化的管理系统。

　　对于正在承压的普通大学，杰森给出了10项可行性的建议，其中一部分已经开始接受实践的检验。

　　第一是恢复高成本信号。杰森认为，把精力放在检测人工智能写作的军备竞赛上，不如把绩效增量至增量成本仍与能力挂钩的形式，比如口头答辩（viva voce，拉丁语的“以活的声音”）这源于中世纪大学的古老实时传统。

　　奥克兰大学（奥克兰大学）商学院两年前开始抵制“互动式口腔评估”，寻求替代部分作业，并发现分数分配更加均匀了。为进一步压缩组织口试的成本，纽约大学斯特恩商学院（NYU Stern）教授帕诺斯·伊佩罗蒂斯（Panos Ipeirotis）直接用AI主持，开展36场考试的总成本约15美元。虽然压力有所增加，但约70%的学生认为这种形式更能检验真实的理解。

　　第二在制度上分离教学与认证。这是最激进的一项，届时大学应当把考核和认证即自愿承担主营业务，教学可以选择优先做或者“外包”。杰森认为，认证要可信，就必须独立于被认证方，而终身教职制的真正用处是让考职能不计后果地给一个人打出不及格分。但他坦诚，大学内部几乎没有人这样做。

　　第三是完成职业初级成长阶段的缺失。过去，通过整理材料、做基础分析、写初稿、给高级同事打下手等在企业中成长的初级工作。而现在，AI正在进行这些替换任务，年轻人初入职场，脚下却没有了起步的阶梯。

　　杰森认为，人工智能普及后，高级岗位的被替代程度有限，真正危险的是通往高级岗位的台阶先消失。据此，大学可能需要接手企业不再承担早期职业训练。

　　除这三点外，杰森还提出了一些大学可以考虑转型的方向，如建立可迅速提供和消除短期资格的快速认证机构；改变队列队列，把同学们集中起来经营产品；为学者提供分级身份和设施使用权，而不是捆绑式的全职合同；启动退出纯信息性的行业务，只保留依赖法律身份、设施或长期信任的通道；将大学对社会主义成果的隐性利益关系转化为显着性经济安排；将科研重心转向私人督导不足的探索性领域；以及把学术自治、同行物理评审和终身教职等制度视为可信生产的核心技术等。

　　杰森在论文结尾写道，大学千年，主要不是因为不断重建旧学院，因为不断创建新学院。

　　对于欧美大学而言，相关方利益错综复杂，牵一发而动全身，在现有体制上进行关系改革举步维艰。因此，更可行的路径应该是建立独立治理的单元，从一开始就围绕验证和探索来设计。

　图| 早期描述大学场景的名画《日耳曼的亨利在博洛尼亚大学讲课》。（来源：WikiPedia）