国学与AI

当 AI 会写诗:人文素养为什么更值钱

生成内容越来越便宜,判断什么值得留下却越来越贵。技术把门槛降低之后,真正稀缺的是提问的能力、鉴别的能力和负责的能力。

约 3 分钟788 字

机器已经能写一首像模像样的律诗,能仿某位作家的口气写一段散文,也能为古籍配白话译文。于是出现一个看似矛盾的现象:内容生产越容易,懂内容的人反而越重要。

便宜的是“产出”,昂贵的是“选择”

2026 年的文化科技案例里有一个共同点:真正跑通的项目,往往不是“接入大模型”这么简单,而是先解决数据的确权、入库与结构化,再谈内容生成。以地方文化大模型为例,建设方以数亿字的典籍为核心底座,结合知识图谱,在典籍检索、版本比对、古文释读与研学传播中落地,形成从权威数据治理到内容生产的闭环。

这个顺序很说明问题:先有可信的底座,生成才有价值;没有底座,生成只是放大噪声。

三种不会被替代的能力

  • 提问:一个好问题需要知道问题域在哪儿。问“李白有什么特点”得到的答案,远不如问“李白在长安供奉翰林期间的赠答诗,如何呈现他对仕途的态度”。
  • 鉴别:能看出哪一句是原典、哪一句是后人概括、哪一句是模型编的,这是长期阅读训练出的直觉。
  • 负责:内容一旦发布,署名者要承担后果。工具不能替你承担这个责任。
技术把“写出来”的成本降到接近零,却没有降低“写对了”的成本。差距反而被拉大了。

国学在这里的位置

国学训练的不是背多少名句,而是对语境、分寸和证据的敏感。《论语》教人“知之为知之”,《孟子》教人“尽信书则不如无书”,《文心雕龙》讲“体性”——这些内容在生成时代突然变得非常具体:它们就是辨别力的方法论。

换句话说,人文素养不是装饰性的“气质”,而是一种生产力。它决定你能不能把工具用在对的地方,也决定你产出的东西值不值得别人花时间读。

一个务实的建议

用 AI 做初稿、做检索、做对照,都可以;但保留一道人工关口:至少核一次原文、查一次出处、删掉那些自己都不完全相信的句子。这道关口看起来慢,恰恰是内容能被信任的原因。

能被信任,才有价值。这一点,从竹简时代到大模型时代,都没有变。