March 13, 2025日常

為什麼我認為歷史系在AI浪潮下反而是最穩的

在這裡所謂的「最穩」,並非指歷史系在就業市場上多麼吃香(其實應該是特別不吃香),而是強調它在 AI 浪潮下被取代的難度相對較高。為什麼會如此?

從目前的技術現況來看,所謂 AI,特別是大語言模型(LLM)更像是在既有知識基礎上進行深度學習與重組,再透過統計或機率方法去「生成」新的句子與敘述。這種生成某種程度上可以呈現出新奇、有創意的效果,但它的根本原理仍然是對過往資料的學習與模式匹配。也就是說,AI 畢竟是依託在人類已有的資訊或觀念上進行推理,短時間內要完全脫離人類既有知識而「創造」一個全然新穎、前所未見的理論或世界觀,仍相當困難。

因此LLM擅長的是利用人類現有知識去實現一些技術層面的應用,而非創造新觀點。歷史研究是沒有多大應用價值的。但正因如此,反而難被AI取代。

不過,是否算真正「創造」新觀點,還取決於我們怎麼定義「創新」:

  1. 若認為創新是「將過去沒有人系統呈現或總結過的想法完整地提出來」,那麼 AI 也可能在龐大的語料中,通過幾種概念的巧妙組合,意外拼湊出人類尚未明確提出的推論。這種「交叉組合」有時就會帶來意想不到的新洞見。

  2. 若認為創新是要突破既有的認知框架、提出一種全新的世界觀或理論體系,這時就必須能超越單純的資料組合,還要具備真正的「主體意識」與「批判思考」。以目前的 AI 來說,基本沒有自發追問的意識或意志,大多只是根據統計規律給出高相關度的回答。

此外歷史研究的「低結構化程度」也可說是歷史研究的「護城河」。

相較於理工科或商業應用領域,歷史的研究對象如古籍、史料,往往因電子化程度不足,無法像標準化數據那樣被高效率地搜集與整理。即使現有的 OCR 或多模態大模型能幫忙辨識和翻譯部分文本,距離真正能「理解」歷史場景、歸納出全新觀點還有不小的差距;更何況,整合與詮釋史料本身便是一種創造性工作,需要投入大量時間與人力來研讀、比對、分析。

當然,「最穩」並不意味著此領域沒有挑戰;在社會需求和學術資源都向應用領域傾斜時,人文學科的「無用之用」往往並不會得到太多商業或資本的重視。不過,正因為它缺乏可立即轉化為應用價值的大量數據與成果,使得 AI 在人文領域的滲透速度相對有限,也就給歷史系留出了更多專業價值體現的空間。未來隨著數位人文的興起,AI 在輔助研究層面或許會愈發成熟,但短期內要徹底取代對歷史、文化與人性的深層思考,仍有相當大的難度。

從長遠來看,越是能在信息洪流中梳理複雜、跨領域的脈絡,並提出獨到見解的人,越能在技術更迭的浪潮中站穩立足。而歷史作為觀察人類文明演進的學科,恰恰能培養這種宏觀視野與思辨能力。這或許正是所謂「無用之用」:不直接對應商業應用,卻在更高層面上成就了理解、反思與批判的可能性。