AI杀死了专家吗？

2016年春天，围棋世界经历了一场震动。围棋人工智能（AI）AlphaGo在全世界的瞩目之下以4:1击败了曾14次夺得世界冠军的围棋职业九段棋手李世石。围棋，这项被誉为最接近人类直觉与灵性的古老博弈，在某种意义上第一次被机器征服。尤其是在第二盘中，AlphaGo第37手的肩冲完全颠覆了人类棋手的围棋理论，聂卫平九段更是直言对AlphaGo的下法“脱帽致敬”。

▷ 2016年3月，DeepMind的AlphaGo与韩国围棋九段棋手李世石展开人机对决。

然而，更值得关注的是这场对弈引发的连锁反应：职业棋手开始分析AI棋谱，棋院纷纷组织AI学习会，原本以人类直觉和经验为核心的围棋知识体系，第一次大规模接纳并试图翻译一个“不可解释”的非人类对手的经验。AI不仅改变了比赛的输赢，更触及一个核心问题：谁才是围棋专家？

这个问题不只属于围棋世界。今天，当AI医生给出诊断意见、AI法官建议量刑幅度、AI教师批改作文，我们越来越多地面临一种现状： 判断力、解释力和知识权威不再专属于人类专家。在人工智能迅速发展的今天，我们是否仍然需要“专家”？怎样的专长才值得被信任？

关系视角下的专家

在STS（科学、技术与社会）领域，专家并不被当作某种自然存在的知识拥有者。相反，STS强调，所谓“专家”是通过特定的社会实践与文化协商确立的一种身份。围绕知识和实践的社会关系，在专家的定义中占据了重要的角色。

从历史社会学的角度来看，史蒂文·夏平（Steven Shapin）和西蒙·谢弗（Simon Schaffer）在其著作《利维坦与空气泵》中指出， 科学知识的可信度从来不是单凭“实验是否真实”来判断的，而是依赖于讲述者的信誉、所属社群的判断标准以及当时的社会语境。

▷ 中译本为《利维坦与空气泵》，[美] 史蒂文·夏平、[美] 西蒙·谢弗，上海人民出版社，2008

书中介绍了罗伯特 · 波义耳（Robert Boyle）通过制造出空气泵并展示一系列实验（比如小动物在抽真空的空气泵中死亡），揭示了空气的自然属性，也“证明”了真空的存在。时至今日，他的实验仍被我们看作科学的典范。但这个空气泵实验在当时备受质疑。

波义耳主张借助空气泵制造出可见证的“事实”，以视觉可见的形式呈现自然定律；托马斯·霍布斯（Thomas Hobbes）等批评者则认为，科学知识必须来自演绎推理（deductive reasoning），而不是依赖不确定的感官经验或机械装置。这种实验无法获得政治上的普遍认可，因为它仅在特定场域中由特定人群（“绅士共同体”）操作，并未对公众开放。

这表明 ，科学实验并非天然具有说服力，它的权威来自专家制度、仪器的可信度与社群内部的见证。在后来的著作中，夏平更明确地提出 ，专家的本质不是谁“拥有”知识，而是谁“被信任”拥有知识。 也就是说，专家身份的确立不仅取决于专家本身的能力和知识，还深深依赖于社会关系、制度认证和文化符号资源。

拥有某种类型的知识以及围绕知识建筑的信任体系，两者同时形塑了专家的社会功用。甚至可以说，这种形塑的过程也决定了专家及其专长的类型，以及这些类型在生产知识和传播知识中发挥的作用。

哈里·科林斯（Harry Collins）与罗伯特·伊万斯（Robert Evans）在一系列论文及其著作《重新思考专长》（Rethinking Expertise）中对“专长”进行了分类，提出了两个重要概念： 贡献性专长 （contributory expertise）与 互动性专长 （interactional expertise）。前者指在一个领域做出实质贡献的能力，后者指某人很好地理解并使用一个专业领域的语言和概念的能力——尽管他可能无法参与该领域的实践操作。

这一区分特别适合用来描述当前AI与人类专家的关系： AI系统（如AlphaGo或AI医生）可能具备“贡献性专长” ，即它能完成某个具体任务，但它不具备互动性专长，即无法与人类专家共享语言、文化语境与实践经验，也无法理解专业行为背后的社会含义。

▷ 图1：GenAI对工作和劳动者的影响。

谢拉·加萨诺夫（Sheila Jasanoff）同样在她的研究中强调了专家的政治性角色。她指出，专家并不是孤立地在实践中运用他们的能力，相反，他们是 嵌入治理结构、文化传统和权力网络的实践者 。加萨诺夫指出，不同社会通过特定的制度性实践来判断“什么样的知识值得相信，谁有资格成为专家”。她对英国、德国与美国针对基因改造技术的监管进行比较，并指出：美国倾向于依赖专家机构出具“科学事实”，公众参与有限；而德国偏向通过程序正义强调广泛协商；英国更强调科学过程的透明性和专家之间的观点争论。

这一对比揭示，科学判断在不同社会中获得的合法性，与其说源于其技术内容，不如说源自专家嵌入的不同社会语境。在她提出的“共造”（co-production）框架中，科学知识与社会秩序是相互塑造的—— 我们“制造”专家的方式，反映了我们希望如何被治理，以及如何协商不确定性与风险。 专家不仅解释世界，也塑造了有资格参与解释的人。

AlphaGo之后：

专家转型，而非消亡

我们常常会听到一种声音，那就是“AI会取代人类专家”，但现实并没有那么简单，承认并建构AI的专长、围绕AI重建专家的社会功用，是一个相对复杂的过程。实际上，在AlphaGo战胜人类职业棋手后，围棋界并没有像某些领域那样掀起“AI取代论”的恐慌。相反，它展示了一种值得借鉴的“专家转型”模式。

职业棋手最初的确陷入了短暂的自我怀疑：“如果我看不懂AI下的棋，那我还算不算一个好棋手？”但很快，一种新的职业路径开始浮现：讲解AI下的棋，分析AI的策略，将机器智慧转化为人类可以吸收的知识。棋手不再是“原创者”，而是“解释者”和“翻译者”。围棋专家的权威不再来自“比你会下”，而是“比你更懂AI是怎么下的”。

一位职业棋手在访谈中告诉我：“现在的顶尖职业棋手，比拼的是谁能够更好地理解围棋AI给出的招法，运用在自己的实战中。”换言之， 谁能从围棋AI那里吸收到更多的知识，或者能把AI的招法更好地用人类语言表达出来，谁就是这个时代的围棋专家。

这种转型也正在更多的领域中发生。例如在医疗领域中，越来越多的医生开始借助AI辅助诊断，通过训练AI辅助工具，并将AI的判断翻译成患者更易理解的治疗建议。在这种协作中， AI医生是一个“有贡献力的意见提供者”，人类医生则扮演着“解释性判断者”和“价值协调者”的角色 ，尤其是与病人沟通AI的决策以及融合、协调不同技术手段之下的决策过程，并且让这些决策能够被病人、治理者、社会接受。

在STS视角下，这些现象并不意味着专家身份的瓦解，而是其在新技术条件下的再定义。这也是对“AI替代论”的一种有力回应： 真正重要的，不是AI能不能下好棋、诊好病，而是在谁的名义下，这些判断能够被社会接受，并转化为合乎规范的行动。

AI是工具，还是“专家”？

另外一个极具争议的方面，是作为“专家”的AI和人之间的关系。人们常说“AI是人类的工具”，但在围棋等AI高度发展的领域，AI早已不是传统意义上的“工具”了。

许多职业棋手在备战时，会与各种围棋AI对局，他们将AI视为“陪练”“分析师”，甚至“想象中的对手”。AI不再是一个工具式的存在，而是深度嵌入训练、评估、教学乃至比赛的全过程。

这种变化与美国学者J. C. R. 李克莱德（J. C. R. Licklider）在20世纪60年代提出的“人机共生”（Man-Computer Symbiosis）概念不谋而合。他设想了一种未来：人类与计算机将互为补充， 人类提供创造力和判断力，机器提供计算力和存储力，两者共同完成各自无法独立完成的任务。

然而，在现实中，这种“共生”并非总是对等的。在医疗、司法等领域中，AI的“建议”常常具备很高的技术权威，甚至能影响人类专家的判断。在一些场景中，人类专家甚至需要承担接受AI判断的后果，但却无法深入理解或反驳其生成逻辑。

如今，AI正面临更多类似的可解释性问题。AI可以快速提供判断结果，但往往无法解释如何得出这些判断。一个围棋AI可以告诉你某一手棋的胜率高达93%，但无法解释这一概率是基于哪些参数得出的；一个AI推荐系统可以过滤无数法律案例，但无法判断在特定文化与语境下，怎样的结果才是“正义的”。

对人类而言，当你无法解释一个判断时，又该如何为它承担责任？这是人类专家在与AI系统协作的过程中日益突出的伦理难题。正如玛德琳·艾利什（Madeleine Elish）与达娜·博伊德（Danah Boyd）指出的，在人机协同的现实中，人类往往被置于所谓的“道德缓冲区”（moral crumple zone）——即使他们并未直接控制系统，也可能在系统出错时成为最终的责任承担者。

社会学家弗兰克·帕斯科尔（Frank Pasquale）也曾警示道，当算法决策变得越来越难以理解，我们可能正在失去一个基本前提：唯有能够解释的判断，才可能被正当地监督与问责。换句话说，技术系统的不透明性不仅带来了认知上的障碍，更重塑了责任的边界与归属。

为什么我们仍然需要“专家”？

在AI快速渗透专业实践的今天，“专家”这个词似乎正在变得越来越尴尬。一方面，大众媒体不乏“AI超越医生”“AI战胜律师”“AI代替会计”的报道；另一方面，在社交网络和公共舆论中，专家又常被斥为“知识权威的代言人”或“失灵制度的象征”。仿佛我们既对专家失去了信任，又对AI的能力过度信任，陷入了一种悖论式的不安。

但STS研究告诉我们，专家的价值并不在于提供完美的答案，而在于承担责任、组织判断、协商不确定性。

如布莱恩·韦恩（Brian Wynne）在其研究核事故与公众信任的经典案例中指出的那样，公众对专家系统的不信任，并不是因为他们“不懂科学”，而是因为专家系统往往拒绝回应公众关心的问题，缺乏对实际经验和社会价值的理解。正是专家的“不可对话性”——无法接受质疑、无法解释其判断依据、无法与社会现实建立联结——削弱了其正当性。

在这种背景下，我们更需要能对AI的判断进行翻译和批评的专家角色。 他们或许不再是判断的“源头”，但仍然是社会意义和行动的“过滤器”。 专家的价值不在于提供决策本身，而在于在技术与社会之间建桥。 在面对模糊、复杂和价值冲突的问题时，专家不是一个替我们决策的“更聪明的大脑”，而是一个能协助我们共同面对风险、理解选择、承担后果的责任承担者。

AI的崛起没有使专家制度过时，反而让我们看到了专家制度的本质。未来的专家或许需要具备更多的跨界能力：既懂算法，也懂制度；既能读懂AI的输出，也能倾听民众的焦虑；既有技术判断力，也有社会感受力。这不是对专家角色的削弱，而是一次深刻的转型。不是因为专家不再重要，而是因为在AI时代，我们比任何时候都更需要那些能解释、沟通、调和矛盾、承担责任的人类判断者。