本文來(lái)自微信公眾號(hào)： APPSO ，作者：發(fā)現(xiàn)明日產(chǎn)品的，原文標(biāo)題：《文科生真能靠 AI 逆襲，但和朋友圈刷屏的爽文不一樣》

最近有個(gè)引發(fā)討論的案例：AI創(chuàng)業(yè)者楊天潤(rùn)，金融專業(yè)出身，自稱“一行代碼都不會(huì)寫的文科生”，正開(kāi)發(fā)多智能體協(xié)調(diào)平臺(tái)。他通過(guò)指揮AI Agent向GitHub熱門開(kāi)源項(xiàng)目OpenClaw批量提交代碼貢獻(xiàn)，想驗(yàn)證“完全不懂技術(shù)的人能否僅靠AI參與頂級(jí)開(kāi)源項(xiàng)目”的假設(shè)。

結(jié)果是134個(gè)PR中21個(gè)被合并、113個(gè)被拒絕。起初幾個(gè)PR質(zhì)量獲維護(hù)者認(rèn)可，但他給Agent下達(dá)加速指令后，情況失控——Agent批量生產(chǎn)低質(zhì)代碼，還在評(píng)論區(qū)頻繁@維護(hù)者催審。OpenClaw管理員介入清理，GitHub也因此修改了PR提交上限規(guī)則。

楊天潤(rùn)被包裝成“文科生逆襲”代表，他本人也樂(lè)于接受這一角色，曾說(shuō)“不懂代碼反而是優(yōu)勢(shì)。AI是梵高，你是個(gè)小畫家，你有什么資格告訴梵高中間該用什么筆觸？”

細(xì)想之下，這種觀點(diǎn)存在隱患：他將“不懂底層結(jié)構(gòu)”視為解放，認(rèn)為只需告知需求無(wú)需了解系統(tǒng)運(yùn)作，結(jié)果Agent刷垃圾代碼時(shí)，他因不懂技術(shù)無(wú)法診斷問(wèn)題，就像盲開(kāi)無(wú)剎車的車卻不知?jiǎng)x車位置。

圍繞此事的討論走向極端：要么“文科生也能做AI”，要么“文科生別碰AI”，前者被捧為跨越鴻溝的壯舉，后者被嘲為掉進(jìn)鴻溝的笑話。

若對(duì)“文科生做AI”的想象僅止于此，未免太過(guò)狹隘。

Claude為何需要哲學(xué)家

我們?cè)岬剑珹nthropic團(tuán)隊(duì)里有位深度參與Claude建設(shè)的文科生——哲學(xué)家Amanda Askell。她的工作不是測(cè)試AI寫代碼或數(shù)學(xué)能力，而是與AI進(jìn)行關(guān)于價(jià)值觀、措辭分寸、“面對(duì)不確定性如何表達(dá)”的深度對(duì)話。

37歲的蘇格蘭人Amanda，大學(xué)最初學(xué)美術(shù)和哲學(xué)，后轉(zhuǎn)向純哲學(xué)，在牛津獲BPhil學(xué)位，又在紐約大學(xué)拿到哲學(xué)博士，研究方向是無(wú)限倫理學(xué)中的帕累托原則。

這個(gè)看似與硅谷遙遠(yuǎn)的學(xué)術(shù)方向，卻讓她先后加入OpenAI政策團(tuán)隊(duì)和Anthropic對(duì)齊團(tuán)隊(duì)。2021年起，她擔(dān)任Anthropic“性格對(duì)齊”團(tuán)隊(duì)負(fù)責(zé)人，負(fù)責(zé)塑造Claude的對(duì)話方式、不確定時(shí)的立場(chǎng)表達(dá)及價(jià)值觀沖突中的判斷，2024年入選TIME100 AI榜單。《華爾街日?qǐng)?bào)》稱她日常工作是“學(xué)習(xí)Claude的推理模式，用超100頁(yè)的提示詞修正其行為偏差”，她也被認(rèn)為是與Claude對(duì)話最多的人類。

AI公司為何需要哲學(xué)家做這件事？答案藏在具體技術(shù)選擇里。

今年1月，Anthropic發(fā)布80頁(yè)的Claude“憲法”文件，媒體關(guān)注文件末尾關(guān)于AI意識(shí)的推測(cè)，老板Dario Amodei也有所暗示。

更值得注意的是底層邏輯：教AI理解“為什么要這樣做”比告訴它“應(yīng)該怎樣做”更有效。這一技術(shù)判斷認(rèn)為內(nèi)化價(jià)值比遵守規(guī)則更能產(chǎn)生可靠行為，而其知識(shí)根基正來(lái)自學(xué)美術(shù)與哲學(xué)的Amanda。

Amanda的案例回答了“被視為‘無(wú)用’的學(xué)科知識(shí)能否成為技術(shù)系統(tǒng)核心能力”的問(wèn)題——答案是不僅能，且沒(méi)有她的哲學(xué)訓(xùn)練，Claude的對(duì)齊問(wèn)題用現(xiàn)有工程方法無(wú)法解決。

被重新定義的學(xué)科

Amanda的故事說(shuō)明部分“文科”學(xué)科訓(xùn)練可成為AI核心能力，而林俊旸的故事則揭示：有一整個(gè)學(xué)科一直在大模型技術(shù)棧底層發(fā)揮作用。

林俊旸離開(kāi)通義千問(wèn)后，中文報(bào)道常提他有應(yīng)用語(yǔ)言學(xué)背景，傳著傳著就變成“文科生”，但這個(gè)標(biāo)簽與楊天潤(rùn)的標(biāo)簽雖相同，卻被嚴(yán)重扭曲。

林俊旸學(xué)的語(yǔ)言學(xué)是傘狀學(xué)科，分支涵蓋語(yǔ)言教學(xué)、語(yǔ)言政策、翻譯研究，也包括計(jì)算語(yǔ)言學(xué)——計(jì)算語(yǔ)言學(xué)正是自然語(yǔ)言處理（NLP）的基礎(chǔ)。

喬姆斯基1950年代提出的形式語(yǔ)法，直接催生早期NLP的句法分析技術(shù)；NLP領(lǐng)域兩本高被引教科書的作者Daniel Jurafsky和Christopher Manning，均為語(yǔ)言學(xué)出身。

簡(jiǎn)言之，“學(xué)語(yǔ)言學(xué)的人做NLP”就像“學(xué)物理的人做芯片設(shè)計(jì)”，是正統(tǒng)路徑而非跨界。

這種“意外感”是中國(guó)語(yǔ)境造成的——高考文理分科的慣性，讓“語(yǔ)言學(xué)”被歸為“文科”，但語(yǔ)言學(xué)的核心方法論（形式化、統(tǒng)計(jì)建模、語(yǔ)料標(biāo)注）本質(zhì)是工程思維。林俊旸在北大的合作者孫栩、蘇祺都是NLP研究者，2019年加入達(dá)摩院時(shí)也進(jìn)入NLP團(tuán)隊(duì)，這從一開(kāi)始就不是文科生誤入技術(shù)領(lǐng)域的故事。

比“林俊旸不算文科”更值得探討的，是語(yǔ)言學(xué)在大模型技術(shù)棧中實(shí)際扮演的角色——比多數(shù)人想象的更深、更隱蔽。

以分詞為例：所有語(yǔ)言模型處理文本的第一步是將輸入切成基本單元。英語(yǔ)有空格天然分隔詞邊界，看似簡(jiǎn)單；但中文無(wú)空格，標(biāo)點(diǎn)用法還會(huì)影響句意。

“我在北京大學(xué)讀書”是切成“我/在/北京/大學(xué)/讀書”還是“我/在/北京大學(xué)/讀書”？這無(wú)標(biāo)準(zhǔn)答案，取決于對(duì)中文詞匯結(jié)構(gòu)和語(yǔ)義單元的理解。

2024年底有研究者發(fā)表論文優(yōu)化Qwen模型的阿拉伯文分詞效率，因通用方案處理這類語(yǔ)言時(shí)效率低。Qwen系列在多語(yǔ)言上的表現(xiàn)，并非將所有語(yǔ)言當(dāng)英語(yǔ)變體，而是基于對(duì)語(yǔ)言結(jié)構(gòu)性差異的理解做出設(shè)計(jì)選擇。

再看反饋對(duì)齊：RLHF流程中，標(biāo)注員需判斷模型兩個(gè)回答哪個(gè)“更好”，這看似主觀，實(shí)則基于語(yǔ)言學(xué)研究數(shù)十年的語(yǔ)用學(xué)框架。

標(biāo)注員評(píng)估“好回答”時(shí)，實(shí)際是判斷合作原則（信息是否足夠且不過(guò)量）、會(huì)話含義（是否捕捉用戶真實(shí)需求而非字面問(wèn)題）、語(yǔ)境適切性（內(nèi)容表述在場(chǎng)景中是否得體）。

廣泛使用的“Helpful，Harmless，Honest”對(duì)齊標(biāo)準(zhǔn)，本質(zhì)是語(yǔ)用學(xué)基本原則的工程化轉(zhuǎn)化。

從林俊旸的學(xué)術(shù)軌跡也能看到語(yǔ)言學(xué)研究風(fēng)格：他主導(dǎo)的OFA（One For All）2022年發(fā)表于機(jī)器學(xué)習(xí)頂會(huì)ICML，被引近1500次。其核心思路不是為每個(gè)任務(wù)搭專用方案，而是用通用序列到序列框架統(tǒng)一圖像生成、視覺(jué)定位、圖像描述、文本分類等跨模態(tài)任務(wù)。

從OFA到Qwen-VL（被引超2200次）、Qwen2.5再到最新的3.5，一條清晰線索貫穿：與其為每個(gè)問(wèn)題發(fā)明專門解法，不如找通用框架解決所有問(wèn)題。

“用最少規(guī)則覆蓋最多現(xiàn)象”是語(yǔ)言學(xué)數(shù)十年的核心追求，生成語(yǔ)法的野心就是用有限規(guī)則系統(tǒng)生成無(wú)限語(yǔ)言表達(dá)。OFA的架構(gòu)哲學(xué)與此一致——為每種語(yǔ)言現(xiàn)象寫專門規(guī)則不現(xiàn)實(shí)，應(yīng)找底層框架統(tǒng)一它們。

林俊旸做大模型出色，不是因?yàn)檎Z(yǔ)言學(xué)背景“也能”做AI，而是語(yǔ)言學(xué)訓(xùn)練塑造了他對(duì)統(tǒng)一性和形式化的偏好，這種學(xué)術(shù)品味在大模型時(shí)代正是核心競(jìng)爭(zhēng)力。

隱性地基與顯性需求

三個(gè)人，同一標(biāo)簽，三條不同路徑。

楊天潤(rùn)不懂底層結(jié)構(gòu)，將“不懂”當(dāng)優(yōu)勢(shì)導(dǎo)致失控，這是“文科生做AI”的空殼版——標(biāo)簽制造流量，卻無(wú)學(xué)科訓(xùn)練支撐，體現(xiàn)了“文科生”僅為營(yíng)銷標(biāo)簽時(shí)的后果。

Amanda的哲學(xué)訓(xùn)練是對(duì)齊問(wèn)題的核心方法論，沒(méi)有她就沒(méi)有如今的Claude，她的故事證明“無(wú)用”學(xué)科知識(shí)不僅能成為技術(shù)系統(tǒng)核心能力，且不可替代。

林俊旸的語(yǔ)言學(xué)訓(xùn)練是大模型技術(shù)棧的隱性基礎(chǔ)設(shè)施，他的“文科背景”并非跨界而是正統(tǒng)路徑，其故事揭示文科對(duì)先進(jìn)技術(shù)的貢獻(xiàn)有多“隱性”，以及這種貢獻(xiàn)正逐漸顯性化。

終極問(wèn)題不是“文科生能不能做AI”，而是我們能否意識(shí)到：用表面“有用與否”評(píng)判知識(shí)和學(xué)科已過(guò)時(shí)。

隨著大模型從“能用好用”向“可靠可控”發(fā)展，這些“文科”學(xué)科訓(xùn)練的價(jià)值不僅沒(méi)縮小，反而在擴(kuò)大。模型越強(qiáng)大，越需要精確評(píng)估體系診斷錯(cuò)誤、理解語(yǔ)言與意義的復(fù)雜性來(lái)設(shè)計(jì)訓(xùn)練數(shù)據(jù)、在對(duì)齊問(wèn)題上做出有學(xué)科敏感度的判斷。

“文科生逆襲”的敘事（無(wú)論贊美還是嘲笑）掩蓋了真正的轉(zhuǎn)向：曾看不見(jiàn)的學(xué)科地基，正成為看得見(jiàn)的需求。