AI可能反而增加对高等教育的需求

十年前，AI专家杰弗里·辛顿预测人工智能将摧毁放射学。为什么雇佣昂贵的专家，当算法能够比人类更快、更准确地读取X光和CT扫描？这个逻辑当时看似无懈可击：AI替代模式识别，放射学就是模式识别，因此放射科医生将像电梯操作员一样消失。然而，十年过去了，情况恰恰相反。从2012年到2022年，美国放射科医生的数量增加了约15%，他们的中位薪资增长超过了通胀。AI使放射科医生更高效，将他们的工作转向更高风险的解读和咨询，并创造了能够将成像AI整合到临床工作流程中的专家需求。正是这项预测将淘汰该职业的技术，反而提升了放射学专业知识的价值。

这一结果提供了一个远远超出医学影像领域的教训。每隔几个月，就有人宣布AI将完成互联网开始的工作，使高等教育过时。当模型能够总结康德、起草商业计划、调试代码并按需生成文章时，为什么还要支付学费？（尽管过去十年左右，网上已经有大量免费、高质量的大学课程，类似的说法也适用）。如果AI替代认知劳动，而大学主要培养认知劳动者，那么对大学的需求应该下降。这个推论并非疯狂，但也不应被视为必然。高等教育的经济未来取决于比替代更复杂的因素，包括互补性、稀缺性、信号传递和知识结构本身。一旦审视这些机制，就有理由相信AI将增加对某些形式高等教育的需求，而非减少。

前沿知识在通用知识变得廉价时变得稀缺

首先从弗里德里希·哈耶克在整个职业生涯中强调的知识性质出发。AI系统聚合了大量的通用信息，它们在跨领域综合方面表现出色。但哈耶克的见解是，经济中重要的是局部的、默会的和情境化的知识——很难聚合和自动化，就像一个“你必须在场”才能欣赏的内部笑话。市场通过价格协调这种分散的知识，正是因为没有任何中央权威能完全掌握它。

大学，在其最佳状态下，是生成、策展和传播前沿知识和本地嵌入专业知识的机构。实验室、研究和合作项目产生的知识尚不存在于任何训练语料库中。因此，如果AI大幅降低获取已知知识的成本，那么未知知识的相对价值就会增加。这是一个明确的替代效应：如果AI自动化了通用知识，那么回报转向那些难以编码且需要情境判断的知识。围绕生产和验证此类知识而组织的机构——研究型大学、高级专业学校、专业实验室——可能会变得更有价值。考虑放射学中的情况：随着诊断AI的改进，读取标准胸片的工作部分自动化，使得放射科医生能够专注于复杂病例以及在时间压力下向临床医生传达不确定的发现。

强大工具需要熟练用户

第二个机制涉及资格认证。公共讨论通常假设AI完全替代受过教育的劳动力。然而，通用技术的历史至少表明互补性同样常见，甚至更常见。电气化提高了工程师的边际生产力，计算机使金融专业人士能够专注于定量金融、风险建模和算法交易。工具越强大，误用它的风险就越高，使用者的判断价值也越高。

企业采用AI是为了降低成本和管理风险。当AI引入新风险（如幻觉、安全漏洞、监管违规）时，公司需要高度培训的专业人员来监督和验证输出。法律和声誉风险通常随着自动化而增加，例如在医学、金融、航空和法律等领域，更大的自动化历来伴随着更多的资格认证和监管。通常，监管和保险结构要求正式培训。AI因此可以增加对认证劳动力的需求，正是因为它提高了决策的风险。

当廉价信号充斥市场时，昂贵信号升值

第三个机制涉及信号传递。教育一直具有双重功能：既培养人力资本，又筛选能力和性格。学位传递有关毕业生知识以及毅力、责任心和基线智商等个性特征的信息。这就是为什么许多雇主依赖大学学位，即使专业与工作无关，部分原因是完成一个多年项目并在制度约束下能够可靠地揭示一个人的特质。

AI使这一环境复杂化，原因很简单：如果生成优雅的文章、代码和研究摘要变得微不足道，廉价信号就会扩散。在这样的环境中，雇主面临更困难的筛选问题。当廉价信号充斥市场时，经济逻辑预测会转向更昂贵、更难伪造的信号。来自信誉良好的机构的学位——经过多年结构化评估获得——仍然相对昂贵且难以伪造。简而言之，可以预期，如果AI使短期能力更容易模仿，雇主会更依赖长期可靠性指标。并非所有机构都能从这种动态中受益，但它可能有助于高信任度的大学，而损害低信任度的机构。

分化论

这些都不否认AI可能颠覆高等教育。如果AI压缩了讲座传递和标准化内容传输的价值，那么仅在这些方面区别自己的机构是脆弱的，因为它们提供的是可替代的。未来可能涉及更少的机构主要作为内容分发者。

许多关于AI导致高等教育消亡的主张的错误在于将高等教育视为同质产品，而事实并非如此——任何申请过不同院校的人都知道，它从来都不是。这里的经济推理指向分化：高等教育的某些部分可能萎缩，而其他提供前沿研究环境和可信昂贵信号的部分则扩张。在这种情况下，AI将加剧对优秀大学最擅长领域的溢价，即协调劳动力市场的声誉网络、前沿知识生产以及在不确定性下的培养判断。

影响

那么哪些机构会蓬勃发展？脆弱的机构可能是那些主要竞争资格获取便利性或内容传递、缺乏深度研究使命、强大声誉网络或有意义技能认证的机构。相比之下，定位受益的高等教育机构可能是那些生产前沿知识的研究密集型大学、与认证和责任制度紧密整合的专业学院（法律、医学、工程），以及在高风险领域培训与AI系统合作人员的专业项目。

本文并非预测——技术预测的历史是垃圾堆，只有傻瓜才会参与——而是对AI机械地减少高等教育需求的懒惰假设的挑战。该假设将教育视为单纯的信息传递，忽视了围绕稀缺性、信号、责任和协调的经济结构。AI的到来可能不会使高等教育需求崩溃，而是迫使其重组以更好地满足AI饱和世界中的高等教育需求。在哈耶克式知识约束、生产互补性、信息过载下的信号传递以及责任驱动的认证等多个方面，将经济推理应用于新技术，可能会得出高等教育需求增加的结论。如果你不信，去问问放射科医生。