AI发展下文科与理科哪个更无用引讨论

本文来自微信公众号： 洞见学堂 ，作者：董伊帆

大模型已经能在一分钟内生成可运行的网页代码；在高考作文评测中获得了接近满分的成绩。程序员群体对AI替代编码焦虑，文字工作者对AI洗稿恐慌。社交媒体上，文科已死和理科无用的争论此起彼伏，甚至演变成一场关于教育选择与职业前途的集体焦虑。

在AI飞速发展下，理科更无用还是文科更无用？本文将对此进行探讨。

一、为什么这个问题突然变得尖锐？

过去的两年，AI在多个专业能力的渗透速度超出了大多数人的预期。

在编程领域，AI编程已经能够独立完成从需求理解到代码部署的全流程。Anthropic报告显示，程序员工作中74.5%的任务已被AI覆盖。在内容创作领域，大模型在标准化文本生成上的表现令人侧目。在法律文书初稿生成、营销文案改写、学术论文摘要撰写等任务上，AI的输出质量已经达到了可用甚至优秀的级别。在数据分析与科研领域，AI不仅能完成数据清洗、可视化、基础统计建模，还能辅助实验设计，材料科学、药物化学领域的大量初创公司正在用AI将研发周期从十年压缩到两三年。

这些变化的共同特征是AI正在系统性地压缩基于规则、依赖记忆、可标准化输出的知识工作。于是，一个尖锐的问题自然浮现，不管是文科还是理科，人类花十几年学习的专业知识，到底还剩多少价值？

二、理科是不是更危险？

从表面现象看，理科似乎正面临前所未有的冲击。LinkedIn 2025年第四季度数据显示，初级程序员岗位需求同比下降约30%；美国劳工统计局数据亦显示，过去两年美国编程类初级岗位减少了27%。从基础编程到计算建模到实验辅助再到工程制图，AI对理科能力的替代，似乎正在从边缘向核心渗透。

但这个结论忽略了一个关键的部分，也就是目前AI替代的更多的是理科技能中可标准化的部分，而不是复杂的系统性理科思维。

比如，AI可以生成代码，但目前仍然很难理解并复制复杂的系统架构。AI可以辅助药物分子设计，但一款新药从虚拟筛选到临床试验，仍需化学家、生物学家、药理学家对AI推荐的分子在真实生物系统中是否稳定、是否有毒性、是否符合成药规则进行系统性验证，来填补AI的盲区。自动驾驶也是一个典型例子。AI可以处理感知层面的图像识别，但自动驾驶系统的核心难点在于极端场景下的决策逻辑，比如如何在道德困境、法律边界、技术限制和商业成本之间找到可行解……这些问题目前仍需工程师具备跨物理、计算机、伦理、交通法规的复杂系统思维，而非单纯的算法调优能力。

所以，目前来看，理科不是更危险了，而是基础理科工作更危险了。真正掌握理科抽象思维、系统建模和科学验证能力的人，在AI时代反而更加稀缺。

三、文科是不是更危险？

与理科相比，文科面临的舆论压力似乎更大。不可否认，AI对文科能力的替代正在大规模发生。大模型在写作、翻译、法律、咨询、营销、教育等领域的表现已经超越普通从业者。但同样文科技能并不等同于文科能力与文科思维。

比如，理解人性与组织行为的能力。AI可以根据既有研究生成一份看起来专业的组织变革方案，但它目前仍然无法理解现实中一个家族企业中二代接班者与创始元老之间的隐性博弈。再比如，法律工作中很重要的一点是对"规则背后的社会意图"的理解。AI可以检索到所有相关案例，但难以做出符合社会正义感的判断。这也是为什么，目前在很多法律问题上人类专家的价值仍然不可替代。

更值得关注的是，近期文科生就业行情显著回暖。部分企业在招聘AI相关岗位时明确要求应聘者具有中文、哲学、社会学等文科背景。

因此，与理科类似，不是文科更危险了，而是基础文科工作更危险了，真正具备人性洞察、社会理解和价值判断的文科人才在AI时代反而更加不可或缺。

四、AI真正淘汰的是什么能力？

既然目前文科和理科的核心价值都仍未被否定，那么AI到底在淘汰什么？

这或许与学科标签无关。

首先是低水平知识搬运。这类工作的核心是对已有信息的记忆、检索、整理和复述，不需要深度加工，也不需要独立判断。无论是基础资料员对文献的机械整理、初级翻译对文本的字面对应，还是实验助理对数据的重复性记录，AI在这些工作上的效率已经远超人类，这类工作的价值正在被快速稀释。

其次是标准化技能执行。这类工作按照固定流程和明确规则完成可预期的产出，每一步都有标准答案可循。模板化的代码编写、格式化的公文起草、基础的数据录入，看似需要专业技能，实则只是对既定模式的熟练复现。目前AI已经能够以更高精度、更快速度执行这些标准化任务。

再者是脱离真实场景的单一专业训练。比如考试型学习与培训、理论推导、脱离产业的学术研究等等。

这三类能力的共同特征是它们都可以被标准答案或固定规则定义。一个只会背诵法条但从未接触真实案件的法学生，一个只会刷题但从未理解物理直觉的理科生，一个只会套用SWOT模板但从未深入企业调研的MBA毕业生，他们面临的被替代风险是相同的。其根本不在于他们是文科还是理科，而在于他们的能力结构停留在简单调用既有知识的层面，而没有进化到创造新知和解决真实问题的层面。

这其实给传统教育体系敲响警钟。以标准化考试为核心的选拔机制、以学科细分为基础的培养模式的传统教育体系恰恰在批量生产这类可被AI替代的能力。如果继续沿着这个方向强化，那么无论选择文科还是理科，最终都可能成为AI发展下的牺牲品。

五、AI真正放大的是什么能力？

AI在放大什么能力？AI时代真正需要的能力是什么？

最重要、最核心的是提出好问题的能力。AI可以回答任何一个问题，但它无法判断这个问题是否值得回答。在任何研究或是工作中，提出问题往往比验证问题更难。爱因斯坦曾说："如果我有1小时来解决一个问题，我会花55分钟思考问题本身，5分钟思考解决方案。"在AI能够高效生成答案的时代，提问或许将成为人类最核心的竞争力。

其次是，跨学科理解复杂系统的能力。真实世界的问题从不按学科分类。拿企业经营管理中的很多问题举例，企业数字化转型涉及技术架构、组织变革、商业模式、法律合规；家族企业传承涉及公司治理、心理学、法律、家族关系。AI可以在单一学科内提供深度支持，但跨越多个领域进行系统性整合，仍然是人类的优势。未来最稀缺的人才，不是最懂AI的程序员或最会写作的编辑，而是能够同时理解技术逻辑、商业规律和人性的复合型人才。

再者是判断真伪和价值的能力。AI生成带来了一个前所未有的问题，那就是信息真伪的辨别成本急剧上升，事实核查和价值判断变得更加重要。AI可以生成无数份行业研究报告，但在不断加剧的信息过载之中，批判性思维成为新刚需。

此外，理解人性、组织和社会需求的能力也变得尤为重要。这些能力帮助人类在不确定性中做出符合长远利益的判断。

小结

AI或许不是在淘汰某个学科。无论是理科还是文科，只要你具备提出真问题、理解复杂系统、做出价值判断、连接技术与人性的能力，AI就仍不能替代。技术越发达，人类那些最古老、最本质的能力，好奇、判断、共情等反而越珍贵。