专访“AI答案经济”来临，图书馆如何守住知识的可信度？

近日，牛津大学允许美国人工智能公司OpenAI利用博德利图书馆（Bodleian Library）的历史文献训练AI模型。随着科技公司不断从学术机构寻找新的训练数据，类似合作正日益受到关注。

Anthropic、Meta和OpenAI等公司都曾试图获取海量书籍以提升模型的写作能力。例如Anthropic已花费数千万美元购买书籍，切除书脊以便扫描内容，之后再将书籍送去销毁，同时声明不会购买并销毁珍贵的古籍。

AI公司希望获得大量稀缺、尚未数字化的文献，图书馆和书商可能因此成为训练数据供应方。但馆藏开放、版权保护、作者权益以及历史资料的长期保存之间，存在复杂的利益权衡。

弗吉尼亚大学图书馆馆长卢梓楠（Leo S. Lo）近日在接受澎湃新闻（www.thepaper.cn）专访时表示，图书馆可以成为AI信息基础设施的建设者。信息获取正从搜索链接转向直接获得答案，他将之形容为“AI答案经济”。在此背景下，图书馆需要重新思考如何维护知识的可信度。

弗吉尼亚大学已发布《档案AI协议》，确立了一套实用标准，规范AI系统访问和使用档案馆藏的方式。并通过“共同实践声明”将该协议的原则转化为一套集体承诺，供档案馆、博物馆等各机构认可和采纳。卢梓楠表示，“我们正在建立共同的标准，例如优先考虑检索，而不是将资料直接纳入模型训练。”

弗吉尼亚大学图书馆馆长卢梓楠

卢梓楠还担任弗吉尼亚大学教务长人工智能素养特别顾问兼教育学教授，在校内开设了研讨课，核心思想是引导学生审视“正在把哪些思考、判断和决策外包给AI”。

对于一些高校开始在毕业论文中引入AI生成内容检测的做法，卢梓楠明确表示反对，指出这类检测工具既不准确，还会制造一种充满不信任的环境。他建议重新审视评估学生的方式，尝试口头考核等不同方法。

图书馆如何参与塑造AI

澎湃新闻：您在2024-2025年担任美国大学与研究图书馆协会主席，并牵头开展了有关学术图书馆AI应用的全国性调查。在应对AI浪潮时，顶尖大学与资源不足的院校（如社区学院）存在哪些关键差异？AI是在缩小还是扩大学术机构之间的差距？

卢梓楠：我认为，资源不足的院校及其学生，恰恰最有可能从AI中获益。如果比较顶尖大学和社区学院在每个学生身上的投入，就会发现两者之间存在巨大差距。比如，常春藤盟校可以提供非常个性化的教学，学生与教师之间也有很多个人层面的联系。但在社区学院或者资源严重不足的大学里，学生可能没有太多机会与教师交流，或者获得类似的支持。

如果把AI用作这些学生的个性化辅导老师，它带来的改善可能远远大于对常春藤盟校学生的帮助，因为后者本来就已经获得了大量支持。因此，我们需要关注如何帮助这些学生和学校利用AI，获得他们通常无法得到的支持。

当然，提供AI工具的使用权限有时需要投入资金。精英院校可以直接购买Claude或ChatGPT的机构许可证，向所有人开放使用权限。不过，至少目前，许多工具仍然提供免费版本。因此，我仍然建议资源不足的院校重新思考如何利用这些工具，补充现有服务，来帮助学生。

如果使用得当，我认为AI可以成为一个很好的均衡器。但我们也必须警惕，它同样可能扩大差距，而且这种情况很可能自然发生。

我们还不知道事情究竟会如何发展，很多数据并没有得出AI会抢走人类工作的结论，可部分新闻报道却一直在渲染。

澎湃新闻：美国多所大学出现了反AI情绪。大学生被认为是更易于拥抱新技术的群体之一，但他们却成为反AI的人群，对大型科技公司感到愤怒。您如何看待这种现象？

卢梓楠：人们不愿意使用AI，有很多不同的原因。对学生来说，一个非常明确的原因是焦虑。各种新闻标题都在说“AI会抢走你的工作”，学生们花了金钱和时间上大学，重要的目标之一就是为了找一份好工作。现在却有人告诉他们，将来可能没有工作等着他们。

但实际上，我们还不知道事情究竟会如何发展，很多数据并没有得出AI会抢走人类工作的结论，可部分新闻报道却一直在渲染，这些学生很大程度上受到媒体内容的影响。

我试着告诉他们，应该与这项技术保持接触和参与。“参与不等于采用”，你并非要一直使用AI，也不一定要以某种特定方式使用它，但你需要参与其中，充分了解它。因为这项技术仍在不断变化，未来可能朝着很多不同的方向发展。

至少对学生会说：希望这项技术为我们服务并带来好处。因此，我倾向于参与其中，在塑造技术发展方面发出自己的声音，也不愿直接说“不”，置身事外，从而完全失去影响它的机会。我也尝试利用在大学和图书馆中担任的职责，推动一些改变、产生一定影响，无论这种影响多么微小、范围多么有限。

以目前的技术而言，当资料被用于大语言模型训练后，模型生成的是基于概率的内容，而不再是原始资料本身。我们可能无法追溯这些内容的原始来源，也无法将已经融入模型的资料单独取出来，进而就很难控制它此后如何被使用和传播。

澎湃新闻：图书馆如何利用自身的地位，对AI的发展产生实际影响？

卢梓楠：很多AI公司已经把可用于训练模型的数据用得差不多了，因此开始接触出版社、图书馆和档案馆等机构，希望出资帮助它们将资料数字化，尤其是特藏资料，并以此换取将这些资料用于模型训练的机会。

通常来说，我们很愿意获得这类数字化资金，因为我们没有足够的材料将所有资料数字化。我们希望资料能够上线，这也是图书馆的使命——让资料向所有人开放。

但将资料用于模型训练，让我有很多顾虑。对于档案研究来说，能够追溯到原始信件和原始馆藏，并获得相应的背景信息，这非常重要。而以目前的技术而言，当资料被用于大语言模型训练后，模型生成的是基于概率的内容，而不再是原始资料本身。我们可能无法追溯这些内容的原始来源，也无法将已经融入模型的资料单独取出来，进而就很难控制它此后如何被使用和传播。

这对弗吉尼亚大学的一些馆藏来说尤其是个问题，因为其中部分资料是原住民社群交给我们的。如果他们后来表示不希望这些资料继续公开，要求我们停止公开，那么如果资料已经被用于模型训练，我们可能就无法真正满足他们的要求。需要强调的是，我讨论的是目前的技术状况，技术本身仍在不断变化。

因此，弗吉尼亚大学发布了一份关于AI使用档案资料的协议，为我们自己以及图书馆、档案馆和博物馆领域的同行提供决策框架。当AI公司、研究人员或其他机构提出使用馆藏训练模型时，这套框架可以帮助我们判断是否应该接受。

其中，我们要求对方证明，相关内容能够追溯到原始来源，并且在我们要求停止使用时，确实能够停止。此外，还有其他一些条件。在这些条件得到满足之前，我们目前基本上会拒绝这类合作。

因为一旦作出决定，让资料进入外部系统，后续就可能无法挽回。相比将资料直接纳入模型训练，我们更倾向于检索等其他AI应用方式，让我们始终能够追溯到原始来源。

我们正在建立共同的标准，例如优先考虑检索，而不是将资料直接纳入模型训练。弗吉尼亚大学是这项行动的牵头机构，参与者还包括杜克大学、西北大学、莱斯大学和佛罗里达大学等，新加坡国立大学也刚刚加入，这个群体还在不断扩大。已有20多家大学图书馆和档案馆加入这项行动，认同一项共同原则：数字化是一回事，模型训练是另一回事，两者不能混为一谈。这套规则的目的，是帮助人们作出更负责任的决策。

希望我们能够形成一种共同的声音，而不仅仅是对AI公司说“不”。事实上，我们希望能够说“可以”，但前提是找到让我们能够放心说“可以”的方式。

图书馆等机构拥有一定的能动性和影响力，尤其是在我们共同合作的时候，不仅可以决定如何管理和开放自己的馆藏，也可以通过建立共同标准、提出明确要求和推动技术研究，参与塑造AI的发展方向。

只要质量足够好，无论是AI生产、人类创作，还是双方共同完成的，我都没有那么在意，关键是质量。

澎湃新闻：近期有美国学者撰文指出，诸如施普林格·自然（Springer Nature）等主流学术出版商，已经开始将AI与人类作者混写的文献综述打包出售给大学图书馆。当AI生产的良莠不齐的内容开始进入高校图书馆藏时，图书馆该如何守住防线？

卢梓楠：我并不反对AI生成的内容，即使是百分之百由AI生成的。我反对的是AI劣质内容。我认为，只要质量足够好，无论是AI生产、人类创作，还是双方共同完成的，我都没有那么在意，关键是质量。

现在，很多人对AI写作有意见，是因为一看就写得很差，或者一看就可以断定是AI生产，于是失去信任，或者认为作者没有投入多少努力。但我们其实不知道作者投入了多少努力。他也许在思考阶段投入了很多，只是最后成文的方式显得像AI写的。这样来看，问题仍然是作品本身的质量不够高。

我们很难完全避开AI。但这并不代表，写作会变成输入一个提示词，然后把输出的内容复制粘贴出来，这过程中会有很多回合的互动。如果我与AI反复交流，最后自己写出来；或者AI根据我的想法，把整篇文章写出来，表达的内容完全相同。这对我而言并没有什么区别，质量才是最终标准。

如果我们能够接受这一点，AI就可以以这种方式推进知识发展。不过，人们的担忧当中，有很多人类社会层面的因素，而不完全是推进知识这个总体目标。比如在学术界，很多时候还涉及：你如何获得终身教职？如何晋升？如果这篇论文不是你写的，怎么获得相应的认可？

这将扩展涉及到我们如何认可人类投入的努力？如果全部由AI生成，或者部分由AI生成，又该如何在人与AI之间分配贡献？其中有很多奖励制度方面的因素，是我们目前无法绕开的。

对我而言，更希望知识能够向前发展，只要成果是好的，就愿意接受。所以，对于图书馆收藏的资料，不论是AI生成还是人类创作，只要质量好，能够通过相应的审查和核验，我就认为可以收藏。

但对作者来说，可能有很大区别。对某些读者来说，他们想读的是某个作者的作品，而不是AI代替创作的作品。而我的预测是，十年后，可能没有人再关心这个问题，因为所有东西在某种程度上，都会是以AI生产与人类创作混合进行的形式。

如何维护这样一个可信层，让人们来到图书馆，或者使用图书馆提供的资料时，能够信任它们？这非常重要。

澎湃新闻：在您看来，AI时代理想的学术图书馆是怎样的？需要对图书馆作出怎样的重构？

卢梓楠：我们需要先达到一个前提条件：对AI有足够的了解，才能重新思考如何重构。我认为未来图书馆可以发挥两种作用：第一是教育人们；第二种作用就是基础设施。

如何维护这样一个可信层，让人们来到图书馆，或者使用图书馆提供的资料时，能够信任它们？这非常重要。因此，我们可能需要往信息流程的上游走一些，思考如何确保传递给人们的信息尽可能值得信任，并与AI公司或其他提供信息的公司合作。

我们通过AI档案使用协议正在做的，就是其中很小的一部分。我们希望提供的信息和数据，能够让最终输出值得信任，但目前还做不到。那么，我们怎样在图书馆和信息工作的不同环节展开合作，让AI最终给出的答案尽可能成为可信的输出？我认为，图书馆应该在这方面发挥更大的作用。无论是元数据、机器可读文本，还是其他内容，我们都需要更多地参与其中。

现在，即使使用谷歌，你也会看到AI概览。得到概览之后，人们就不再点击那些链接了。在某种程度上，人们搜索信息的方式正在结束，取而代之的是提出问题，直接得到答案。我正在教一门课，有个学生告诉我：“我不用谷歌，也不搜索，直接问AI。”他们期待的是AI答案，而不是一组链接。信息环境正在变成“答案优先”。

我们如何对那个答案产生一些影响？需要向这些公司提供数据或基础设施，让它们能够生成更可信、更容易核验的答案。

还有AI智能体。即使我们不再自己搜索，AI智能体仍然会搜索。这意味着，未来用户不仅是人类，也包括AI智能体。如何让它们更容易使用我们的资料？文章和书籍的文本原本是面向人类的，但它们也需要对智能体具有机器可读性，让智能体更容易搜索、获取和理解信息，从而给出正确的答案。

我认为，未来图书馆的工作就是促成这件事。有些杂志已经开始采用双轨方式：一轨面向人类，一轨面向机器。图书馆也需要进入这个领域，通过元数据或其他方式，让机器能够找到我们的数据。这就是基础设施的部分。

另一部分是如何帮助人。我们可以让“答案”变得更好一些。如何帮助人们面对这些不完美的“答案”，仍然能够找到自己真正需要的东西。

反对高校使用AI检测软件

澎湃新闻：您在弗吉尼亚大学（UVA）开设的最新研讨课中，课程核心思想是引导学生审视：“你正在把哪些思考、判断和决策外包给AI？”具体是怎样的一门课程？在教学过程中，学生最容易外包给AI的是哪一种认知能力，这种“外包”又对大学教育带来什么影响？

卢梓楠：这门课目前进行到一半，同时也是一项研究，旨在帮助学生认识自己的AI使用习惯。学生每周记录AI使用经历，并按照“委托程度谱系”从一到五分级：一级是仅用AI检查语法或调整引用格式，五级则是直接采用AI生成的内容，中间代表不同程度的人机互动。

课程不评判哪个级别更好，而是引导学生思考如何以及为何使用AI。例如，将编程工作交给AI，或用AI提问、辅助备考，都可能是合理的使用方式，关键在于目的。

课程结束后，学生将先分析自己的使用情况，研究者再进行整体分析。目前，学生正在逐步认识到，AI使用并非简单的“用”或“不用”，而是存在更复杂、细致的差别。受访者也希望更多教师能够以这种方式看待AI。

面对快速变化的AI，大学很难制定一套适用于所有场景的规则，更重要的是不断实验、评估效果，并公开分享经验。这一思路被称为“锚定式适应”（anchored adaptation）：在明确的原则和框架下持续调整实践，通过积累证据作出更有依据的决策。如果各所大学都能分享经验，而不是各自为战，高等教育就能更快地应对AI带来的变化。

如果学生能够借助AI完成很好的作品，可以，但必须证明自己学到了什么。

澎湃新闻：中国多所高校在毕业论文中引入AIGC率检测（人工智能生成内容检测）的做法，引发了广泛的争议，因为出现了不少检测工具误判，学生被冤枉的情况。甚至有人认为，证明自己是人类而非AI，或将成为一门新的大学生“必修课”。您怎么看？

卢梓楠：我反对使用AI检测软件。首先，它们并不准确；其次，会制造一种充满不信任的环境，仿佛教师一直在试图抓住学生作弊。

我认为，我们通过写作等方式评估学生的做法已经过时。有了AI之后，不能再只是要求学生写一篇文章，因为这已经不再是可靠的学习成果评估方式。我们应该回到最初的目的：真正判断学生是否学到了东西。

比如，学生交来一篇很好的论文，可以通过口头考核，请他解释论文内容，并通过提问判断他是否真正理解。即使论文是借助AI完成的，只要学生能够证明自己学到了东西，我就可以接受，因为这才是评估的根本目的。相反，即使论文完美无缺，如果学生无法解释其中的内容，也不能证明他已经掌握了相关知识。

因此，我们需要重新审视评估学生的方式，尝试口头考核等不同办法。当然，这需要时间和精力，但我们可以探索不同的方案，记录经验并公开分享，让大家共同学习。书面论文只是评估方式之一，不同学科也有各自的方法。

如果学生能够借助AI完成很好的作品，可以，但必须证明自己学到了什么。对我来说，这才是最重要的。

澎湃新闻：那么，未来教师的工作会更加复杂？

卢梓楠：也许如此，但教师也可以减少在一些“过时工作”上花费的时间。比如，学生借助AI就能自主学习的内容，不一定还需要由教师在课堂上讲授。讲授可能是最容易被替代的教学环节，就像书面写作一样，学生可以通过其他方式展示自己的学习成果。

课堂时间可以更多用于互动和展示学习成果。即使面对100名学生，也可以通过分组等方式实现。教师需要重新分配时间和精力，设计更有利于学习的活动。