AI与智力平权：一次俄国文学研究带来的思索
近来常有人谈及 AI 将引领一场所谓的「智力平权」革命。坦白说，我对此论调虽不至于全然反对，心中却也难免存着几分不以为然，大约是源于对自己搜集与理解信息的能力素来抱有的那份自信。当 AI 初露锋芒，甚至有人宣称它将取代传统搜索引擎时，我虽也偶尔尝试一番，权当是看看技术发展的新鲜劲儿，日常里却依旧信赖着那些陪伴我多年的传统搜索方法。
我向来自诩精通传统搜索引擎的各种「奇技淫巧」——从精确匹配、通配符到布尔逻辑（AND, OR, NOT），再到限定时间范围、文档类型（filetype:）、特定站点（site:）等等，这些于我而言都算得上是驾轻就熟。更重要的是，我似乎对如何拿捏关键词，如何在浩如烟海的信息中精准定位目标，积累了不少心得。这听起来或许寻常，但实际上，它要求你对信息可能以何种样貌出现在文本中，有一种近乎直觉的预判。有时，甚至需要通过多轮次的关键词迭代与「筛选式」搜索，迂回地逼近目标，而非总能期待一击即中。
然而，生活总会在不经意间让你重新审视自己。最近，我在读一些俄国文学作品，并试图搜寻一些相关的俄文原始资料或深度评论。正是在这个过程中，我才发现自己平日里那点所谓的搜索技巧，就像是被一笔勾销，退回到了初学上网的孩童水平，甚至还不如，让我深感无力。
首先遇到的便是语言这道坎。即便借助机器翻译将我的研究问题译成俄文，我心中也总是惴惴不安，担心那些译出的词句，是否真是俄国学者或评论家在探讨相关议题时会使用的地道表达。语义上或许八九不离十，但检索效果却可能因此谬以千里。
接踵而至的，是那些俄国人名带来的困扰。它们素以冗长和多变着称。就拿一个再寻常不过的俄国名字「阿列克谢」（Алексей）来说吧，其拉丁字母转写便五花八门，Alexey, Aleksey, Alexei 只是常见的三种，俄罗斯官方标准（基于 GOST-R 2016 规范）倾向于 Aleksei，而学术论文中常用的 ALA-LC 转写（北美图书馆界常用）是 Alekseĭ（i 上带个分音符，表示俄语的 й），ISO 9:1995 标准则推荐 Aleksej（用 j 代表 й）。每一种都号称「标准」，只是标准不同罢了。这意味着，若想尽可能全面地检索关于某一本书中的「阿列克谢」的英文或国际学术资料，我几乎得像念咒语般将这些变体一一罗列。这还没算上诸如阿廖沙（Алёша）或廖沙（Лёша）这类爱称、小名，它们在非正式讨论乃至某些半严肃的文艺批评中也时常出现。
「阿列克谢」的拉丁转写
| 拉丁转写 | 转写体系 / 使用语境 | 备注 |
|---|---|---|
| Alexei | 当代英语大众媒体 | 英语里最常见的拼写之一 |
| Alexey | 当代英语／俄语新闻稿 | 俄方旧护照、公文影响 |
| Aleksei | 俄联邦护照官方转写（GOST-R 2016）、BGN/PCGN | 把 «кс» 写作 ks |
| Aleksey | 同上 | -ey 结尾的次常见写法 |
| Alexej | 德语、捷克语等中东欧语言；ISO 9 | «й» → j |
| Aleksej | ISO 9：1995、斯洛文尼亚语等 | 一一可逆的学术转写 |
| Aleksiej | 波兰语本地化 | «кс» → ks，«й» → j |
| Aleksy | 波兰语固定男性名形 | 常作独立名字 |
| Alekseĭ | ALA-LC、学术文献 | ĭ 标示俄语 / j/ 音 |
| Alexeï | 法语传统转写 | ï 标示 / ej/ |
| Alekseï | 法语少见写法 | 同上，保留 k |
| Alexius | 中世纪拉丁语 | 拉丁化古称 |
| Alexis | 英语／法语借形 | 常见于西欧文献 |
| Alexiy | 早期英语、东正教文献 | -iy 结尾 |
| Aleksiy | 同上，保留 k | |
| Alexii / Alekssii / Alekseii | 旧式双 i 结尾变体 | 稀见历史拼写 |
| Alexy | 简写省略第二 e | 极少量口语或非正式用例 |
用英文搜吧？互联网上英文资料最多。可坑依旧不少，单是人名转写就够折腾半天。至于中文搜索，熟悉中文互联网的朋友大约都不会抱太大希望。资料虽不少，却散落在各个孤岛（比如某些公众号），搜索引擎往往鞭长莫及。有时感觉，中文互联网更像是由无数个信息严重「废料化」的暗网构成。
在这些因素的重重围困之下，我发现自己平日里引以为傲的搜索技能几乎派不上用场，获取有效信息的效率低得令人沮丧。
就在我几欲放弃时，AI 又从我脑海里冒了出来。我记起 ChatGPT o3 更新后，在默认情况下就很喜欢调用 web search，而且常常能给出综合了多个来源的答案。而 Deep Research 的检索范围就更广了，往往能给出一份覆盖了数十个信源的结构化报告。
我抱着姑且一试的心态，将我的困惑与疑问抛给了它。结果出乎意料，AI 不仅有效地应对了语言和关键词的屏障，返回的文献链接质量也颇高，许多都正是我先前苦寻不得的。辅以 AI 的翻译功能，那些原先如天书般的俄文资料也逐渐变得可以理解。
那一刻，我才真正领会到，当个体原有的知识与技能在特定领域（于我而言，便是俄语和俄国文学的深度检索）几乎归零时，AI 所宣称的「大大降低知识获取门槛」才如此真切地展现出其力量。我不再需要为那些繁琐的转写规则和关键词的精准拿捏而煞费苦心，AI 在很大程度上替我分担了这份繁重。
其实，细想之下，我早已在不经意间将 AI 融入了日常。比如编程遇到问题，从前我多半会先去 Stack Overflow 上翻阅陈年旧帖，有时找到一个十几年前的回答，指出问题源于某个库的已知 Bug 至今未修复，那种跨越时空的「对话感」既奇妙又夹杂着几分无奈。而如今，我却常常先去问问 AI。这其中的转变，大约是因为在这类场景下，我更侧重于验证 AI 分析的合理性，而非追求探索未知领域时的那种绝对完备。AI 在此更像一位经验丰富的「参谋」。
这次在俄国文学探索中的经历，则将我对 AI 搜索能力的认知提升到了一个新的层面。在信息极度不对称，或个体能力受到严重局限的领域，AI 的作用已不仅仅是辅助，更近乎一种赋能。它将以往可能需要大量专业训练和时间投入才能完成的信息搜集与初步集成工作，变得相对轻松和触手可及。
这让我想起一个不太恰当的比喻，传统的手动深度搜索，尤其是在不熟悉的领域，其难度有时好比去解一道「NP 问题」（寻找解本身就很难）。而 AI 凭借其强大的模型与数据处理能力，似乎在某种程度上将这个过程的体验，变得更接近于处理一个「P 问题」——用户的重心更多地转移到了验证 AI 给出的「候选解」的质量与相关性上。
因此，再回看「智力平权」这个提法，我有了些新的感悟。AI 的意义，或许并不在于让所有人都拥有同等的原始智力或分析能力，而在于它像一位博学且耐心的向导，在我们面对陌生的知识领域、语言的隔阂或是专业训练的匮乏时，极大地降低了我们探寻的门槛。
它抹平了许多因客观条件造成的巨大鸿沟，让更多人能够站在一个相对平等的起点，去触碰和理解那些原先似乎遥不可及的世界。而我的看法，也从最初的些许不屑，转变为如今的几分期待。未来会怎样，我不知道，但至少在求知的路上，我又多了一个意想不到的帮手。