徐 賁：AI時代為什么更需要同行評議，需要怎樣的同行評議

文｜徐賁，美國加州圣瑪麗學院英語系榮休教授

作者授權首發

人工智能正以指數級速度重塑知識生產的方式。從AlphaFold破解蛋白質折疊，到大型語言模型輔助文獻綜述、代碼生成乃至假設提出，AI已經內嵌為科研生產力的一部分。但生產力的爆炸性釋放，同時帶來了前所未有的質量控制難題。

同行評議誕生于17世紀的《哲學匯刊》，其核心邏輯簡單而頑固：由領域內的專家對研究進行獨立評估，以此作為知識進入公共信任體系的門檻。多數關于AI時代同行評議的討論都停留在這一層：“AI放大了產出，也放大了錯誤，所以我們需要更強的錯誤篩查機制”。這個論證沒有錯，但它把同行評議矮化成了一道質檢工序，仿佛它存在的全部理由就是“抓錯”。

這其實遮蔽了一個更根本的問題：同行評議為什么在人類文明中會演化出如此穩固的位置？它抓錯，但“查錯”從來不是同行評議最深層的功能。要理解AI真正挑戰的是什么，我們需要先把同行評議從“質量控制機制”提升為“知識合法性的生成機制”。AI越強大，越需要強健的共同體機制。同行評議不是過時的舊制度，而是AI時代維系知識公共性的最后也是最根本的防線之一。它的核心功能——把私人知識轉化為可信的公共知識——在機器能高效生產文本的時代，反而變得更加不可或缺。

01

認識論深化：同行評議不是查找錯誤，而是把私人知識變成公共知識

科學哲學家波蘭尼（Michael Polanyi）在其經典論文《科學的共和國》（The Republic of Science）中，曾提出一個洞見：科學共同體的運作方式，其實頗像一個自治的政治體。它依靠的并非中央計劃式的協調，而是無數獨立研究者之間彼此調整、相互校正的“自發秩序”——每位研究者自主選擇問題，憑自己的判斷力去探索，但整個群體卻又能像一個有組織的共同體那樣協同運作。倘若科學家彼此隔絕，科學進步很快就會陷入停滯，因為每個人遲早會耗盡自己最初的問題，卻又無法借助他人的新發現來獲得推進。更關鍵的是，在這個“共和國”里，科學觀點的權威是相互的——它存在于科學家之間，而非凌駕于他們之上?？茖W活動既不能被某個至高權威所掌控，也不能被共同體外部的力量以“公共利益”之名任意驅使。

若將此框架搬用到同行評議上，我們便能得出這樣的認識：當一篇論文寫完的那一刻，作者所知道的東西，還只是私人知識。私人知識要轉化為公共知識——即那種可以被引用、可以在其上繼續建設、被共同體默認為“已經確立”的知識——就必須經過一道轉化程序。這道程序的核心，并非“檢查你有沒有寫錯”，而是“共同體是否愿意授權這項知識，進入我們共享且可以彼此信賴的知識庫中”。

這一區分至關重要，因為它揭示了AI在原則上無法替代同行評議的深層原因：AI可以無限地生產私人知識，卻無法替代共同體授權公共知識的那一“合法化”儀式。即便未來的AI能夠做出比任何人類學者都更精準的判斷——這在技術上完全是可以想象的——那也仍然只是一個更強大的私人判斷來源，而不是一次公共授權行為。授權，需要一個由多位獨立、有資格、且彼此制約的判斷主體所構成的共同體，這是一個結構性的要求，而非能力上的要求。你不能靠把判斷力做得更強，就跳過“由誰來授權”這個問題——就像一個無論多么公正的人，也不能單憑“我很公正”這一理由，就給自己作出的判決書蓋上公章。

于是，同行評議真正守護的，從來不是“這篇論文沒有錯誤”，而是“這篇論文所包含的主張，已被這個知識共同體本身——而非某個足夠聰明的個別判斷者——所承認”。這才是它在人類文明史上地位如此穩固的真正緣由，也是它在AI時代不但沒有過時，反而愈發不可或缺的認識論根源。

波蘭尼的“共和國”隱喻回答了“誰來授權”的問題，但尚未觸及另一個層面：即便授權的主體是共同體，共同體在不同知識領域中判斷“什么值得授權”的依據也各不相同。這種差異并非源于制度設計的偶然，而是根植于自然科學與人文學科對“什么構成一個值得追問的問題”這一根本問題的不同理解——這正是研究者不可不認真對待的問題。

02

知識論前提：自然科學與人文學科對“有價值的研究”的不同界定

自然科學與人文學科對“什么構成一個值得追問的問題”有著截然不同的判斷標準。這不是說它們“研究的東西不一樣”，而是說它們對“什么樣的東西值得被研究”的理解本身就不相同。這種差異根植于兩種不同的知識興趣和真理觀念，也正是理解AI時代兩條評議路徑何以分道而行的知識論前提。

在自然科學中，一個研究對象是否有價值，取決于三個依次遞進的條件。第一，可操作性：它必須能被轉化為可測量、可操作、可干預的變量，才有進入研究的資格——“幸福感”不能被直接研究，但可以被轉化為問卷量表或腦電數據。第二，可復現性：其規律應當在不同時間、不同地點、由不同研究者重復實驗時得到一致的結果，從而使結論不依賴于某個特定研究者的個人視角。第三，積累性：它應當在已有知識的基礎上開辟可推進的空間——修正前人的結論、填補空白，或拓展到新的條件與尺度。簡而言之，在自然科學中，“有價值”約等于“可以被模型化”——一個研究對象的價值，取決于它能否被納入一個更大的理論框架或預測系統之中。

而在人文學科中，判斷標準恰好構成了一個反向的結構。第一，不可替代性：自然科學的對象是“例”——一個樣本、一次實驗——它之所以重要是因為它代表了一類事物；而人文學科的對象常常是“這一個”——這一部小說、這一幅畫、這一位思想家的文本——它之所以值得研究，恰恰因為它無法被任何“同類”所替代。《紅樓夢》之所以值得反復研究，不是因為它是某類小說的樣本，而是因為它本身就是唯一的、不可復制的意義世界。第二，可闡釋的豐厚度：一個對象的價值取決于它能否持續地、在不同時代以不同方式被重新闡釋，并不斷打開新的意義維度——人文知識不是“發現”新事實，而是“揭示”此前未被看見的意義關聯。第三，與思想傳統對話的能力：人文學科的問題總是從某個思想傳統內部的爭議、空白或張力中生發出來，一個對象是否有價值，在很大程度上取決于它能否激活現有的闡釋框架，構成對既有理解的挑戰、補充或顛覆。簡而言之，在人文學科中，“有價值”約等于“可以被反復追問”——其價值取決于它能否持續地激發有意義的、值得回應的提問。

這兩種標準的核心差異可以概括為：自然科學將研究對象視為代表一類事物的“例”，人文學科則將之視為獨一無二的“這一個”；前者追求普遍規律與可預測性，后者追求深度理解與意義揭示；前者依賴可測量、可操作的判斷依據，后者依賴可闡釋、可對話的理解方式；前者的進步表現為積累性——新知識替換或補充舊知識，后者的進步表現為對話性——新闡釋與舊闡釋共存并競爭。理解這一差異，也就不難理解為什么同一套AI輔助評審模板在兩個領域會產生完全不同的后果：自然科學的評審依據中有相當一部分可以被形式化和標準化，而人文學科的評審依賴的是評審者本人對思想傳統的熟悉、對文本的敏感、對闡釋空間的把握——這些默會知識無法被形式化為可計算的指標。這恰恰從知識論層面解釋了為何人文學科必須建立與自然科學不同的AI使用邊界。

在明確了自然科學與人文學科在知識論層面的差異之后，我們可以回到更為具體的制度層面，審視AI時代的同行評議正在經歷哪些現實的沖擊——而其中最根本的沖擊，或許并不在“評議方法”本身，而在于整個知識生態中稀缺資源的格局已經發生了結構性的倒轉。

03

AI時代，同行評議賴以運作的“無涉利害”假設為何動搖

社會學家羅伯特·默頓（Robert K. Merton）在其經典論文《科學的規范結構》（The Normative Structure of Science）中，將現代科學制度得以運轉所依賴的規范總結為四條，后世常以“CUDOS”稱之：公有性（communalism）、普遍性（universalism）、無涉利害（disinterestedness）與有條理的懷疑（organized skepticism）。這其中，“普遍性”與“無涉利害”這兩條，正是同行評議制度中“雙盲”設計的哲學基礎——評審者不應知道作者是誰，從而不受作者的身份、機構、聲望所左右，只依據論證本身的質量做出判斷；反過來，作者也往往不知道評審者是誰，從而使評審者可以不受人情往來、學術恩怨的牽制，進行相對無涉利害的評判。這套“匿名性”設計，其存在的全部理由，就是讓評審這件事，盡可能地只關于“這項論證本身是否站得住腳”，而不關于“是誰寫的、誰在評”。

AI的出現，正在從兩個相反的方向，同時侵蝕這套匿名性假設，而這兩個方向此前很少被放在一起討論。

第一個方向，是AI正在讓“匿名”變得越來越難以真正維持。文體計量學（stylometry）研究早已證明，即便隱去作者姓名與機構信息，一個人的寫作風格——句長的分布、特定虛詞的使用頻率、論證展開的節奏——依然構成一種近乎指紋般的身份標記。過去，識別這種風格指紋，需要評審者本人具備極為敏銳的、長期浸潤于某個領域所形成的直覺，因而這種“猜出作者是誰”的能力，本身就稀缺而昂貴，不足以系統性地威脅匿名評審的公正性。但今天，AI完全可以被訓練用來對海量已發表文獻進行風格建模，進而在幾秒鐘內，從一篇匿名投稿的措辭習慣中，高概率地反推出作者所屬的學術脈絡、師承傳統，甚至具體身份。這意味著，同行評議賴以運作的“匿名性”，正在從一種此前依靠制度設計就能大體保障的狀態，變成一種在技術上越來越難以真正實現的狀態——而一旦評審者可以借助工具，繞過匿名設計去揣測作者身份，默頓所說的“普遍性”原則，便失去了賴以生效的制度屏障。

第二個方向，恰恰相反，卻同樣構成對評審公正性的威脅：AI輔助寫作，正在系統性地抹除那些原本可以幫助評審者做出恰當判斷的、真實的風格信號。設想一位初入學界的年輕學者，與一位浸淫多年的資深學者，各自撰寫一篇論證結構相似的論文——在AI介入之前，兩者之間在論證的圓熟度、修辭的老練程度上，往往存在著某種可以被評審者敏銳察覺的差異，而這種差異，恰恰是評審者據以判斷“這個論證是否經過了足夠的思考淬煉”的重要依據之一。但當兩人都借助AI對文稿進行大幅度潤色之后，這種原本真實存在、原本具有信息價值的差異，很可能被顯著地抹平——年輕學者的稿件，可能在語言層面顯得與資深學者的稿件同樣圓熟、同樣“老練”。這看起來像是一種公平的拉平，實則制造了一種新的、更隱蔽的判斷困境：評審者失去了一個此前可以合理依賴的信號——文字本身的成熟度——去校準“這份判斷，究竟經過了怎樣的思考過程”，而不得不越來越依賴論證的表層結構是否完整、邏輯是否嚴整這類更容易被AI本身模擬的指標。

這兩個方向的合力，構成了一種此前的同行評議制度從未遭遇過的處境：匿名性，作為一種保護評審公正的技術手段，正在同時變得“太容易被繞過”與“太容易被濫用來掩蓋差異”。前者威脅的是默頓意義上的“普遍性”——評審者原本不應該、現在卻越來越有能力知道作者是誰；后者威脅的則是評審判斷本身賴以校準的信息基礎——評審者原本可以借助的、真實存在的風格線索，正在被系統性地稀釋。

這一發現，指向一個具體而現實的制度性應對方向：與其在“是否應當堅持雙盲評審”這一問題上繼續依賴傳統的匿名化手段（隱去姓名、隱去機構），不如正視——AI時代，真正需要被重新設計的，不是“如何讓匿名更徹底”，而是“如何讓評審判斷的依據，更少地依賴于本就無法被穩定保護的風格信號，而更多地依賴于可以被清晰陳述、彼此校驗的論證結構本身”。這也從另一個角度讓我們看到：同行評議真正守護的，從來不是“這篇論文表面上看起來有多成熟”，而是“這項主張是否值得被這個共同體正式承認”——而后者，理應建立在比風格印象更為堅實的基礎上。

雙盲假設的動搖，暴露的是AI對評議制度內部操作層面的沖擊。但更深層的變化發生在更宏觀的尺度上——當AI讓“生產一篇論文”變得前所未有地容易時，整個知識生態的稀缺格局本身正在發生根本性的改變。

04

稀缺資源的轉移：從“知識生產”到“值得被認真閱讀”

AI時代的同行評審還有一個來自文明尺度轉變的問題，它超出了技術層面的效率考量。這里所說的“文明尺度”，指的不是某個具體環節變快了或變慢了，而是整個知識生態中，“什么東西是稀缺的、因而值得被珍惜”這件事本身發生了整體性的倒轉——就像水在沙漠中稀缺、因而珍貴，一旦大雨傾盆，稀缺的就不再是水本身，而是能夠及時排走多余積水、辨別哪些水值得留存的能力。知識生產領域正在經歷一次類似的倒轉：過去，“寫出一篇論文”是稀缺的一端，“找人來讀”相對不那么稀缺；而AI正在讓這個天平整體倒轉過來。

經濟學家、認知科學家赫伯特·西蒙（Herbert Simon）在1971年的論文《為信息豐富的世界設計組織》（ Designing Organizations for an Information-Rich World）中提出了一個后來被反復引用的洞見：信息消耗的東西是顯而易見的——它消耗接收者的注意力；因此信息的豐裕造就了注意力的貧瘠，并由此產生了一種需要，即如何在信息源過剩的情況下有效地分配那份注意力。這段話寫于互聯網誕生之前，卻精準預言了今天知識生產領域正在發生的事：AI沒有讓世界變得信息匱乏，恰恰相反，它讓寫作、論證、初稿生成的門檻前所未有地降低——真正變得稀缺的，不再是“有沒有人能寫出這篇論文”，而是“有沒有人能、并且愿意認真讀完它、并對它做出負責任的判斷”。

這是一個文明尺度的轉移，而不只是學術出版行業內部的效率問題。歷史上，知識生產本身是稀缺的——寫一篇論文需要多年積累、大量案頭工作、艱苦的表達過程，這個過程本身構成了一道天然的篩選門檻。AI正在拆除這道門檻。當論文的生產成本急劇下降，同行評議就從“給已經很稀缺的論文把關”的角色，轉變為“分配這個共同體最寶貴的、無法被AI增殖的資源——認真閱讀與負責任判斷的注意力”的角色。

這個角度重新定義了同行評議在AI時代的使命：它不只是錯誤檢測機制，更是一種注意力的分配機制與信任的授予機制。一個審稿人愿意花十個小時認真讀一篇論文、思考它、和作者對話，這份時間投入本身就是這篇論文獲得的最稀缺資源；而如果審稿人只是把論文丟給AI換回一份結構化報告，那么這篇論文事實上從未真正獲得共同體的注意力，它得到的只是一次統計學意義上的“過審”，而不是一次真正的授權。

AI時代知識生態中的“稀缺性”結構發生了改變：從論文的稀缺轉變為注意力的稀缺，于是，接下來的問題便是：當“認真閱讀并負責任判斷”本身成為最稀缺的資源時，誰來承擔這份責任？又如何確保這份責任有清晰的落點？這便引出了同行評議制度中一個更為根本的維度：責任分配。

05

同行評議制度中的責任分配：從“抓錯”到“擔責”的共同體倫理

知識共同體內部的一個古老而根本的問題是，誰參與、誰把關、誰為知識的公共性最終負責。同行評議具有將私人知識轉化為公共知識的認識論功能，這種轉化要真正生效，還必須依賴一套清晰的責任分配機制。這不是外在于同行評議精神的行政附屬品，而正是波蘭尼所說的“科學共和國”得以運轉的制度基礎——一種沒有責任落點的自發秩序，無從談起真正的相互校正。

2026年7月中國人民大學撤銷其2019屆創造性寫作專業碩士畢業生蔣方舟學位一事，恰好為這條責任鏈條提供了一個近在眼前、結構清晰的案例。經調查，蔣方舟的碩士學位論文被認定存在多處與境外期刊文字重合而未標注引用的情況，校方因此撤銷其學位（魏夢佳）。值得注意的是，這一認定經歷了兩輪通報：首輪調查僅認定論文存在注釋不規范等“學術不規范”之處，尚未構成學術不端，僅對其導師作出暫停招生資格一年的處分；隨著新證據浮現，第二輪調查才最終認定其構成學術不端并撤銷學位（澎湃新聞）。這一“一波三折”的過程本身，比最終結論更值得同行評議制度反思——它暴露出即便在人類完全主導評審、AI尚未深度介入的情形下，責任的認定也可能因證據鏈不完整、審查尺度把握不一而出現反復，更何況在AI已經系統性介入寫作與評審的今天。

在這條鏈條中，作者本人首先承擔直接且幾乎不可分擔的責任——論文的真實性、原創性與規范性，最終維系于執筆者是否誠實地標注了知識的來源。這是同行評議賴以運作的最基本前提：評審所審查的，永遠是一份被假定為誠實呈現的私人知識，一旦這個前提本身被違反，此后無論評審程序設計得多么精密，都已建立在錯誤的地基之上。這正呼應了第一節的論斷——同行評議授權的是“共同體愿意承認的知識”，而非“共同體沒有查出錯誤的知識”，作者誠信因此構成整條授權鏈條的起點，而非可有可無的附加條件。

導師與答辯委員會承擔的則是直接而非替代性質的把關責任。導師負有指導選題、規范與學術誠信教育的義務，其責任是一種“合理注意義務”，而非要求其必須發現論文中的每一處瑕疵；校方最初即以約談導師、暫停其招生資格一年作為回應，體現的正是一種“能力與責任相匹配”的追責邏輯——導師的責任不在于全知，而在于是否盡到了與其職位相稱的審慎。答辯委員會則承擔集體審議責任：全體通過并不意味著零責任，若論文存在明顯疑點而委員未能提出異議，其責任便在于專業判斷的失察，而非單純的行政程序失職。這兩個環節遵循的是一種“近因原則”——越接近論文產出與審查現場的判斷者，責任越重，這與第二節討論的匿名評審設計所共享的邏輯一致：評審判斷應盡可能建立在離論證本身最近、離風格印象與身份揣測最遠的位置上。

學校及其上級管理部門承擔的是一種“元責任”——不是對某一篇論文的直接判斷責任，而是對整個評議體系是否可靠這件事本身的擔保責任。校方要求相關學位評定分委員會提交整改報告，正是這層元責任的體現：如果查重形同虛設、盲審流于形式，那么無論個別導師或答辯委員如何盡職，整條授權鏈條都可能在制度層面出現系統性漏洞。

綜合這三層責任，同行評議制度中的問責邏輯可以歸納為幾條彼此關聯、而非彼此并列的原則。

首先是比例原則

責任大小應與過錯程度、因果關系的遠近以及參與深度成正比，作者作為直接過錯方承擔最重的后果，導師與委員承擔把關意義上的管理責任，學校承擔制度設計意義上的擔保責任——三者不是互相替代，而是共同構成一條完整的責任鏈條。

其次，這條鏈條內部存在“連帶但分層”的關系

任何一環的失守都會削弱整個共同體的公信力，但這并不意味著人人同罪，恰恰要求每一環都清楚自己在鏈條中承擔的那份具體審慎義務。

再次，責任的可追溯性在AI時代變得尤為迫切

查重報告、評審意見、修改軌跡等材料若能被完整記錄并在事后可查，共同體便有能力在爭議發生時重建判斷的過程，而不必僅僅依賴當事各方各執一詞的敘述；輿論對兩輪通報結論差異的持續追問，某種意義上正是公眾在自發地要求這種可追溯性。

最后，問責的目標應當是預防優先而非懲罰優先

將審稿質量納入學術評價、系統培訓評審者辨識AI介入的邊界、建立跨機構的審稿人信息共享機制，使制度性激勵與共同體的自我校正能力相互增強，而不是讓認真履責者的勞動被無審計的AI輔助評審所稀釋，最終形成劣幣驅逐良幣的局面。

這套責任框架之所以值得作為“升級而非替代”的具體體現被單獨討論，是因為它回應了一個此前隱而不彰的問題：同行評議真正稀缺、也真正無法被AI替代的，不僅是判斷本身，還包括判斷背后那份愿意具名承擔后果的責任心。AI可以協助核查引注格式，可以標記文字重合之處，但它無法承擔導師被暫停招生資格、學院被要求整改這類后果本身——責任的承擔者，始終必須是可以被問責、可以被追究、可以因失職而付出真實代價的人。

這也再次印證了第一節從波蘭尼那里引出的論斷：授權是一種結構性的要求，而問責則是授權得以持續運轉的另一面——沒有可問責的主體，便沒有真正的授權，共同體的自我校正能力，正建立在這套具體而微、層層落實的責任分配之上。

對學術不端的舉報在廣義上可以視為同行評議機制的延伸與補充，但并非傳統同行評議的常規核心部分，而是屬于事后監督與開放評議的范疇。在蔣方舟案中，清華大學教授肖鷹的實名舉報提供了新線索和證據，推動中國人民大學重新調查并最終撤銷學位，這正是對正式前置評議（導師指導與答辯委員會審議）的有效補救。傳統同行評議側重于授予前的匿名或半匿名審查，提供知識合法性的初始授權；而舉報則體現了學術共同體持續相互校正的自發秩序，任何合格同行都有權對已進入公共領域的成果提出質疑。

這種擴展形式在AI時代尤為重要，它彌補了正式流程可能存在的疏漏、信息不對稱或審查不徹底，同時強化了整個共同體的連帶監督責任。當然，舉報需基于可驗證證據并遵循程序公正，以避免濫用風險，從而與前置評議共同構成完整的同行評議生態：前者設立門檻，后者保障迭代與糾錯，最終維系公共知識的可靠性和學術共同體的自我凈化能力。

06

AI沒有削弱共同體，反而讓共同體成為最后的基礎

AI時代真正不會被替代的，究竟是同行評議這套具體的制度安排，還是它背后更根本的東西？

十九世紀以后，科學的可信度越來越依賴共同體而非個人天才的權威——這不是歷史的偶然，而是知識生產本身的邏輯要求。AI的出現讓這一點比以往任何時候都更加清晰，而不是相反：當AI可以幫助任何人流暢地生成任何論證、任何闡釋、任何看似嚴謹的文本時，個人憑借“我這個人本身值得信賴”而獲得的信譽正在結構性地貶值——因為文本的表層特征不再能可靠地區分誰在認真思考、誰只是在調用一個足夠好的模型。在這種情況下，能夠繼續區分可信知識與流暢噪音的，只剩下共同體本身：一群彼此獨立、卻又相互校正、相互授權、相互承擔責任的判斷者，持續不斷地做出那個AI無法代為完成的決定——這個東西，是否配得上被我們共同視為“已知”。

這就是為什么，AI越強，人類越不能把知識理解為個人能力的展示，而必須重新理解為共同體不斷相互校正、不斷相互授權、不斷相互承擔責任的公共事業。科學之所以可信，從來不是因為科學家不會犯錯，而是因為沒有任何一個科學家擁有最終裁定真理的權力——同行評議真正維護的，并不是論文的正確性，而是這個共同體不斷修正自身的能力。

這也促使我們進一步追問一個比同行評議本身更大的問題：AI改變的，或許不只是“如何評議已經寫成的知識”，還包括“什么才算作一項值得被評議的知識貢獻”這個更根本的標準。當AI可以低成本地生成大量方法規范、數據完整、結論穩妥的增量性實證研究之后，這類工作本身的邊際稀缺性正在下降；與此相對，真正稀缺、也因此愈發值得共同體珍視的，可能是那些AI難以獨立完成的工作——對某一領域既有研究進行真正具有批判性的綜述與重新整合，提出能夠重組既有問題版圖的新理論框架，在此前彼此隔絕的領域之間建立起真正具有洞察力的連接。

這些工作依賴的正是前面反復強調的那種共同體性的默會判斷，而不是可以被流程化的產出效率。如果同行評議制度只顧著升級“如何篩查已經生產出的論文”，而不重新思考“什么才是文明真正需要共同體去認真對待的知識貢獻”，那么它即便在技術上足夠先進，也可能是在用更高的效率做一件方向需要重新審視的事情。

AI時代需要升級的，恐怕不止是同行評議這套制度本身，更是人類對“共同體如何生產可信知識”這一古老問題的重新理解。這個問題在人文學科這里尤其尖銳——因為人文學科從來就沒有自然科學意義上那種“外部的、可復現的真理檢驗”可作最后憑靠，它能夠依賴的，始終只有闡釋共同體自身的判斷力與自我校正能力。AI并沒有制造文科評議的這種脆弱性，它只是把一個早已存在、卻常常被人文學科自身所忽視的真相，重新推到了臺前：無論單個判斷者多么強大，知識最終獲得公共合法性的唯一場所，從來都是共同體，而不可能屬于任何個人或技術系統。