知識共享壁壘與ChatGPT

■呂乃基

“知識共享”在管理學領域主要指組織內部員工之間或組織之間知識的共享[1]，本文將之擴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。為適應拓展的“知識共享”概念，本文將知識熵用于在一般意義上談論各種組織乃至人類社會。知識熵可以分為靜態和動態兩方面。靜態來看，知識熵描述社會組織內部知識狀態的復雜程度。知識熵低，即知識狀態豐富、復雜和有序。豐富和復雜不是一團亂麻毫無頭緒，有序也不是單調、一律和僵化不變。動態來看，知識熵是社會組織內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，才能推動經濟和社會的發展；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，人類取得了巨大進步，然而，對于知識的接受并沒有出現同樣的突破，人的生理和心理機能與石器時代的人類相比，沒有什么重大的變化。

互聯網給人類提供了獲取知識的便捷途徑。以文獻獲取為例，雖然理論上人類可以幾乎無遺漏地獲取從互聯網上發現的所有文獻，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容。

ChatGPT 等大模型通過并行感知，可以在極短的時間內并行閱讀數百篇論文，從而攻克知識的豐富性壁壘。大模型已經成功“壓縮”了人類對于世界的認知，這些認知被稱為“語料”，如同“食材”和熔爐內有待加工的“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，向包括個人在內，帶著各種需求的用戶提供所“生成”的內容，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的提示詞與ChatGPT聯手，從而得以共享ChatGPT的“無限疆域”。

（二）知識的復雜性

知識的復雜性屬于知識的質的范疇。自20世紀下半葉以來，科學的發展方向可以歸結為沿量子階梯①“量子階梯”（quantum ladder）原是物理學概念，此處擴展為科學的研究對象由夸克和電子、質子和中子、核、原子、分子、生物大分子、細胞、個體，到生態和人類社會，相應地，本體論意義上知識的系列由物理學到化學，通過生命科學、生態學、人類學到社會科學，呈梯級結構遞進。上行、下行和擴展。沿量子階梯上行，研究生命和意識的起源，但生命的本質至今眾說紛紜，至于人的意識，涉及百億個腦細胞及彼此間的關系，更涉及千變萬化的現實場景，更為復雜、隨機和混沌。沿量子階梯下行，從對物質的研究到對物質結構的研究，有物質的“糾纏”與“疊加”，還有難以區分的組成與被組成的關系，這一層級的知識同樣混沌和不確定。沿量子階梯擴展，科學的研究對象由事物的規律性擴展到偶然性，由孤立的研究對象擴展到環境及其干擾，由實體到關系，由線性到非線性，由純客觀到主體參與，等等。知識復雜性根源在于認識對象的復雜性，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，以及蝴蝶效應和難以預知的“涌現”。

人工智能在克服知識的復雜性壁壘上成果斐然。在生命科學領域，ChatGPT 用于化合物的結構和功能分析以支持新藥開發，在基因組研究中用于基因測序[3]；在量子物理學領域，開發出量子計算機和量子通信；在復雜性科學領域，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雜事物進行預測；等等。大模型本身走上了一條“涌現”之路，人類可用AI提高科研的效率，解開復雜性之謎。

有趣的是，面對量子物理和復雜性科學等領域，人工智能走的大致都是通過借鑒所面對對象的某些特征，從而在應用中展開自己的“認識”的路徑。不過，在這樣的路徑上又會產生新的問題。例如，用遺傳算法來解決排序問題，在優化過程中會產生一些比依據任何現有的排序算法的程序都要快得多的排序程序，但科學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，知識還因其專業性而難以為外行共享。大模型之大足以填補不同專業之間的知識縫隙，使所有專業形成相對連續的整體而可以理解。像數學語言、物理語言等人類從事專業性工作所需要的“語言”能力，以及相應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。人類進步的關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習。動物界存在這樣一個規律：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和“教育”。動物越是高等，這一時期就越長，最長的無疑是人類?？傮w而言，動物受教育的時間成本與其在進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習和經歷人生的磨難。在人類社會當中，隨著知識的不斷積累，子代受教育的時間也越來越長，這似乎相應地延續了自然界中的規律，越是進化，受教育時間越長。其結果是，子代要接受更長時間的教育才能達到知識的前沿，才能創造新的知識，從而受教育的時間成本過高，創新變得難以實現。

在大模型的演化過程中，子代或將可以繼承父代的記憶，甚至可以控制繼承的程度。例如，設置子代繼承從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，汲取最新的知識，這就意味著人類可以在此基礎上一步登頂，站到知識的前沿。知識的積累性在客觀上是知識的質由簡單到復雜在時間序列中的展開，在主觀上關系到個體知行系統的演化與層次[5]，這兩方面的疊加關系到知識獲取的路徑，筆者將另文探討。

（四）知識生態

任何知識都不是孤立的，都與其他知識存在千絲萬縷的聯系。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系，其中最重要的是科學技術與人文社會科學的關系。知識還有由淺入深的次序，以及現象與本質之別[6]；知識的復雜性包括對糾纏、疊加和塌縮現象的研究；知識生態不僅涉及每個領域知識鏈上下游之間的關系，而且也涉及分門別類的知識之間的關系。

此外，知識生態的關鍵還在于普適性知識與地方性知識的關系。普適性知識在內容上主要是事實和規律，具有普遍性，并經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嵌入同一語境和場景之中，方可感受和領悟。普適性知識是知識共享的基礎、最大公約數和主要內容；地方性知識則關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。即使有了關鍵詞檢索和網頁索引之便，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調與耦合的知識生態。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，而且承擔了之后知識的重組工作——既最大限度調用普適性知識，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的“內容”，中庸而不偏不倚，面面俱到，往往比用戶自己想的還要周全。知識生態的構建是生成式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；可以做出的改進是提升所存儲知識的質，其一，提升知識的“階”，上升到哲學的高度，掌握管理知識的“元知識”；其二，改善知識之間的生態關系，既可以舉一反三，“牽一發而動全身”，零存整取，也可以按特殊需要零存零??；其三，借助大模型和元宇宙提升知識生態的“智慧”。

大模型所依賴的主要是已編碼的普適性知識，目前正在經由“多模態”而進入地方性知識和隱性知識的領地。大模型與元宇宙的結合將在隱性知識的共享中發揮重要作用。

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，本文對與知識共享壁壘有關的主體所作的區分，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，或是因知行系統的層次和原有知識生態所限而難以接受，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、機構、國家等主體和在有限的范圍內就某些領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?！爸R就是力量”，“力量”實則“權力”。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旁落，應用知識的過程也是控制的過程。

在當今世界，知識共享直接面臨的門檻是知識產權。喬姆斯基對ChatGPT 持強烈否定立場，指責其“本質是高科技剽竊”[7]。知識產權在于保護和鼓勵創新，在特定時空范圍和領域有其價值，然而，知識產權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該包含知識產權革命。國際保護知識產權協會（AIPPI）2019年發布的《人工智能生成物的版權問題決議》，認為人工智能生成物在其生成過程中有人類干預，且該生成物在符合受保護作品應滿足的其他條件情況下，能夠獲得保護，而生成過程無人類干預的人工智能生成物無法獲得版權保護[8]。

一個相關的問題是知識物化形態的共享，知識物化形態的共享壁壘甚至“卡”了需求方的“脖子”。其模式是，不是一開始就構筑知識共享壁壘，而是在知識共享基礎上供需雙方各自建立起依賴程度不等的產業鏈后，一旦一方或雙方感覺受到威脅或引發安全問題，便構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，今后新創生的知識，將融入數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造過程中[9]。自由軟件運動可以說是這一方向的先驅。隨著大模型的運行，知識共享具備了普遍適用的條件，將會轉化為生產力和巨大的財富。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構等）中進行選擇，在內容上涉及政治、經濟和文化等各個領域和不同層次，或者處于一二三產產業鏈從研發、制造到銷售的不同位置，需經由接受者整合（前述“知識生態”）。其二，知識共享中的傳遞往往需要經過多個環節，每一個環節都會有形形色色的主體出于各種動機對知識進行加工處理和轉化，因而在知識的傳遞過程中，難免會發生知識的缺失和變形，導致知識的熵增。

ChatGPT 等人工智能大模型作為具有相當權威的巨量知識的提供者，在相當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，經得起多個角度的多次提問，甚至實現交互界面的一鍵式操作，從而減少在知識傳遞的各個環節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水平有關。

傳統認識論從現象得出普遍原理，在對現象的抽象、分析、比較、分類和歸納的基礎上進一步演繹和綜合[10]。傳統的認識論從線性的因果關系出發在邏輯上不容置疑地推出結論，因而意識形態和價值觀預先就內置于回答之中，難以擺脫意識形態的紛爭。ChatGPT 在過程上不沿襲傳統的認識論，雖然給出的結果因基于人類文本不可避免帶有這種或那種意識形態，但是非預設和刻意而為，大致上取人類認識的“中位數”，因而ChatGPT 相對而言易于穿透“地方”的壁壘，超越意識形態，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性處理。例如，關鍵詞索引依賴于關鍵詞和鏈接計數之類的能力，無須理解關鍵詞本身及其之間關系之含義；網頁排序，即通過查看哪些網頁擁有更多外鏈（特別是來自其他高質量網頁的鏈接）來判斷網頁質量的高下，無須深入探究網頁本身的內涵質量；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，以及這些單詞出現的概率，它唯一擅長的就是關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。知識擁有者身份或高或低，接受者與其之關系或親或疏、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（此處不涉及知識產權之爭）。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，故而輸出結果相對公允，具備主體間性甚至某種程度的客觀性，并不預設知識之普適性、地方性，以及個性，卻在實際上既達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擔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。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、機構，甚至國家和民族知識結構的源泉。許紀霖表示，GPT 猶如海平面一般，成為衡量一個好學生的底線標尺[12]。ChatGPT 在其問世前后的區區數年間獲取了人類前赴后繼數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威或人民代言人[13]。段偉文警告，當心將自動生成的知識視為“神諭”的知識權威幻覺[14]。由于語言模型本身的局限性等原因，ChatGPT 會編造不準確的回答，面臨訓練數據來源的合規性、數據使用的偏見性、生成虛假信息、版權爭議等風險[15]。慕尼黑工業大學和漢堡大學的研究人員判定，ChatGPT 具有“親環境、左傾自由主義的傾向”[16]。OpenAI 首席執行官奧特曼表示：“當人們說，應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、產業、經濟類的知識具有某種“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 是知識的原始創新；1—100 指是“1”的延伸、拓展，體現了知識的物化和社會化。由0—1 到1—100，知識由超常到常規，隱性到編碼，普適到地方。，呈現出某種“單向”的流動。因此，擁有知識的一方想方設法控制知識的流動，利用知識產權等設置知識共享的門檻，對于知識的物化形態則采取斷供等手段。其實，在這些可能在應用領域引發進步乃至革命的知識領域，還存在逆向的知識共享，那就是100對1的反哺。知識在原始創新的基礎上進一步展開其物化和社會化，發現新問題、新需求，從而完善充實作為基礎的“1”。其特點是沒有高的勢能，而是“涓涓細流”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用所形成的各主體的應用體驗，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。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。多樣性促進隨機漲落，隨機漲落孕育分岔，偶然性創造世界。

（四）知識共享的另類壁壘——灌輸

知識灌輸的情況比較復雜，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系上，長輩對晚輩，老師對學生，社會地位高對低，前者對后者具有天然的權力。師者在人際關系上處于高位，在人己關系上心滿意足，這是知識灌輸存在之必然性的客觀依據。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。一萬次知識灌輸，不如一次蘇格拉底所說的“內在喚醒”。中國傳統文化中，雖然“三人行必有我師”淡化主體、側重知識，但主流的“三綱”強化這種權力關系。古希臘“吾愛吾師吾更愛真理”消解權力，將知識置于高于人際關系的地位。

在知識的內容上，如果所灌輸的知識直接關系到被灌輸者（主要是兒童）當下的生存與安全，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，即只給出結論，不提供得出結論的過程。這種灌輸有其必要性，實際上也是灌輸者如家長和老師應承擔的責任，但需要在日后逐步補上相關的知識和推理過程，以使知識共享由依賴主體的權威性，轉為依賴知識本身與被灌輸者自身的認同。

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，拒絕批判性和發散性思維，剝奪接收者的選擇權和自主權。知識灌輸的層層加碼，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。灌輸的弊病造成被灌輸者個人和群體知識熵增加，從根本上說拒絕了個體知行系統內在的演化，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，以客觀和全面的知識實現對被灌輸者的解放。

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，構建開放的知識生態；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不可共享的隱私，還有很多企業禁止在工作中使用ChatGPT，擔心由此可能泄露商業機密。這些問題實際上關系到共享的界限。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造了條件。

三、克服知識共享壁壘帶來新的問題及其應對

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，知識經由ChatGPT 與人共享，往日的知識共享壁壘在相當程度上被碾壓和消解。然而，沒有經過艱難的攀爬，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 等對現行的教育提出嚴峻的挑戰：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。進而言之，是增強還是替代人的知行系統。學習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、評價等在學習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：“學生無法通過使用ChatGPT 學到任何東西，絕對學不到?！盵18]胡泳認為，由于有生成式人工智能可以依賴，人類創造力或許會進入一個低谷[19]。不幸的是，一旦將認知自主權部分下放給智能機器，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（或許越來越少的）人跟得上生成式人工智能的進化。隨著主體知行系統功能的下降，最終可能發生大部分人知行系統的退化。

知識共享成功與否的最終標志是：第一，因知識本身而非相關主體及其關系，無論是強迫還是崇拜，特別是權力因素，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，特別是彼此間的合作協調能力。

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。人類需要清醒地認識到，在人工智能席卷而來之時，僅靠人類的知行系統并不能助推人類走向未來。當“奇點”臨近，人與“硅基生命”之間競爭的內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調在當下更為重要。人與人之間需要競爭而非敵對，構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展之時更應如此。超越國界和民族的知識共享，實際上為人際的合作協調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，將難以應對正在出現的人與人工智能的競爭。