高 峡
在人工智能时代即将来临之际，讨论其与学术交流关系的论述少见。在此提出我的几点初浅认识与同行及关注者共同探讨。    
一、人工智能的高效性无法代替科学思维的创新性
思维创新需要能量的输入，学术交流就是科研者从信息输入中获取能量经过头脑加工输出能量（新思维）的一种能量特殊传输方式。原苏联学者Λ.Η.米哈依洛夫将学术交流提高到科学存在和发展的时代高度，精辟指出：科学交流是科学传播的一个重要组成部份，是科学赖以存在和发展的基本机制。这里的发展无疑是广义的，包括我们现在的高频词——创新。
目前我们知道学术交流能量输入输出具有它的特殊性。在物理世界，一般输出能量小于输入能量，而学术交流相反，在学术信息传输中，输出能量一般大于输入能量。这一特殊性是科学家高度重视并亲身参与学术交流的根本原因所在，也使学术交流制度成为国家管理科学的重要维度之一。特殊性之二在于，它与其它信息传输方式、传输内容不同，例如与教育信息传输内容主要是人类已经掌握的知识不同，学术交流是在不确定性信息冲突中激发思维获得灵感，输出创新性思维。它也与人工智能通过整合、选择人类已有知识作出决策不同，学术交流是在知识的混沌中，依赖人类的判断力来承接复杂未知领域的挑战，产生、输出创新性认知。人类思维这种超越人工智能的创新能力，突出地表现在学术交流不断试图探索、扩大未知世界的边界，表现在“既创造秩序又播撒混沌”、在秩序与混沌动态不确定性中的张力，表现在确定性与不确定性纠缠中，即在认知确定性中运行，又在未知的混沌中试探边界，或许这是学术交流获取能量、输出能量的独一无二之处。在传输内容的确定性或不确定性上，是学术交流与人工智能重要区别所在。虽然人工智能处理信息和执行任务具有高效性，但无法替代人类在科学思维中的创新能力，无法取代学术交流在混沌中创造秩序、在秩序又播撒混沌这一科学家不断扩展知识边界的独特角色定位。
科学研究、学术交流的另一重要产品——求实、创新的科学精神，成为人类精神文明的宝贵财富，这是人工智能不能比拟的。人工智能在为人类快速创造物质财富的同时，也可能可以安抚人类的心灵，但其随时有可能“有心无心”发生的破坏性、甚至“叛逆性”行为，使得人类不得不事先提防。此时，运用好包括学术交流这一使思维创新不断涌现的科学发展机制，就可以使人类走在人工智能的前面，不会、也不可能失守“原始创新”这个人类安身立命的桥头堡，这是保证人类命运掌握在自己手中无法取代的宝器。
二、科学思维的创新力依赖人类具有的多维度认知判断力
科学家能够进行复杂的推理和创新, 能够处理模糊和不确定的信息,在面对不确定环境时能够灵活应对而具有创造性，根本的在于人类具有人工智能不具备的直觉、经验、情感和社会文化等非理性因素。可以说，学术交流是一个多维度（人类不仅具有知识与信息客观性的认知基础，人类还具有直觉、想象较强主观性的认知能力，两者分属不同的维度）。学术交流的逻辑思维、直感思维“双维驱动”了科学思维的创新力。
我们当前还不完全掌握认知复杂系统（如还不掌握人类大脑神经元之间，信息传递“简而精”的连接方式），已知的是，科学思维系统融合了理性认知与非理性纷杂认知，在高度的复杂性中展现出灵活性，这是科学思维突破自身思维边界限制的本质所在，也是科学思维创新的根本所在。学术思维创新不仅需要事实与信息的驱动，也需要想象、设想与价值性的驱动，是信息与想象的统一。从这个角度来说，学术交流代表了思维创新“简洁而高效”的最佳方式。学术交流的运作、创新，必须超越表面的学术成果，深入探究背后蕴藏的科学突破自身思维力量的创新能力机制。
三、学术交流的创新性不必完全满足逻辑定律的“充足理由律”“充足理由律”是指：在同一论证过程中，一个思想被确定为真必须有充足的理由。学术交流的创新性不必完全满足“充足理由律”，不是说学术交流全过程不必完全满足该定律，是指学术交流的早期探索阶段，在提出假设或理论雏形时，学者完全可能、甚至必要基于不完整的证据或直觉展开讨论（如学术沙龙、工作坊）。这种交流更注重启发性，允许“跳跃性思维”，以激发创新思维。      
学术交流的目的，是探索、反映自然事物发展过程中的本质联系及必然趋势，在人类知识库存中增添未曾有的新内容或将模糊的认知清晰，使认知的不确定性变成确定性。增添新内容特别需要设想与假说，例如，数学猜想或哲学思辨可能在缺乏完备证明时被提出，通过交流推动完善。又如，突破性思维需要逻辑具有弹性。科学史上许多突破性理论（如爱因斯坦相对论）最初缺乏实验证据，但因其逻辑自洽和解释潜力被接纳。此类情况中，充足理由律的“充分性”标准被暂时延后，但并非完全抛弃——理论需具备内在一致性，并能提出可验证的预测。
“充足理由律”不完全符合学术交流逻辑。在面对学术信息不充分，即“小样本小数据”的问题时，逻辑方法不能完全套用，因为它们需要大量的确定性数据来推理，而科学家在面对新问题时，他们更多的是利用自己的经验和直觉，以千方百计地试图填补样本数据中隐藏、缺失的信息，构建一种主观模型，得出一个猜想或假设。爱因斯坦曾经说过，他的创新思维活动产生于逻辑结构之前。
依靠大样本大数据和数学模型得出结论，那是人工智能的本事。科研工作的“黑箱化”，常常使科学家不得不用小样本的主观模型，就是科学界经常使用的设想与假说，这种本事人工智能难以具备。在揭示事物规律、提出前所未有的洞见上，科学家小样本主观模型是人工智能大样本的数学模型不可取代的。
人工智能风暴，已使很多体力工作正被机器取代，生产车间的无人化正在到来。运用好学术交流创新思维这一机制，不仅是人类走在人工智能前面的需要，也是增强我国科学原始创的迫切需要。           
那么，我们会想到一个问题，目前我们学术交流这一创新思维机制运用的好吗？这是一个有现实意义和长远价值的大问题，也是科技管理层正在改革发展的大问题以及很多科技工作者关注的问题。希望有更多同行来共同探讨。