人工智能（AI）正以前所未有的力量重塑着知识生产与传播的图景。它以惊人的效率提供信息、生成文本，甚至模拟推理，为学术研究与信息服务带来了革命性的机遇。然而，在这片技术乐观主义的浪潮之下，一个更为深刻且不易察觉的挑战正悄然浮现：当获取 " 答案 " 变得前所未有的容易时，我们是否正在失去真正 " 理解 " 的能力？ 一种由技术流畅性催生的 " 解释深度幻觉 "（Illusion of Explanatory Depth）正成为 AI 时代知识界面临的核心悖论，它迫使我们重新审视信息、知识与理解的本质，并为图书馆学与信息科学的未来使命划定了新的坐标。

一、 思想的溯源：从 " 书写 " 到 " 算法 " 的古老警示

对外部信息载体可能削弱人类内在理解能力的担忧，并非始于 AI 时代。早在古希腊，柏拉图在《斐德罗篇》中就借苏格拉底之口，警示了 " 书写 " 这一技术可能带来的危害：它使人依赖外部的提醒而非内在的记忆，从而获得 " 智慧的表象 " 而非 " 真正的智慧 "。两千多年后，生成式 AI，尤其是大语言模型（LLM），可被视为这种 " 外部记忆 " 与 " 外部理解 " 的终极形态。它能以无与伦比的流畅性整合信息、组织语言，并迅速生成看似完美的答案，从而极易让使用者产生一种已经掌握了知识的错觉。

这种现象在认知心理学中被称为 " 流畅性错觉 "（fluency illusion）。当信息以清晰、连贯、易于处理的方式呈现时，人们往往会高估自己对该信息的掌握程度。AI 正是这种错觉的强大催化剂。它所呈现的并非零散的数据，而是经过高度组织和修辞优化的 " 信息产品 "。用户在与 AI 的交互中，跳过了传统知识探索中那些充满认知摩擦的关键环节——如艰难的文献检索、多源信息的比对、矛盾观点的思辨以及知识体系的主动建构。AI 的 " 一键生成 " 绕开了这些必要的认知努力，直接呈现了终点，却也因此剥夺了通往终点的宝贵旅程。用户可能 " 拥有 " 了答案，却 " 失去 " 了对答案背后复杂逻辑、前提假设和潜在局限的深度理解。

二、 实践的转向：图书馆学的核心使命再定义

面对 " 解释深度幻觉 " 这一挑战，图书馆学与信息科学的核心价值与实践路径亟待重塑。我们的使命不再仅仅是作为信息的中介或提供者——在这一点上，AI 已展现出强大的能力——而是要成为人类深度理解的促进者与守护者。

首先，这意味着信息素养教育必须向 " 批判性 AI 素养 " 转型升级。传统的 " 授人以渔 " 侧重于教用户如何查找、评估和利用信息。而在 AI 时代，我们更需 " 授人以渔之思辨 "，即培养用户理解 AI 工作原理（基于概率而非因果）、识别其局限性（如 " 幻觉 " 与偏见）、并批判性评估其输出内容的能力。教育的核心应从 " 如何找到答案 " 转向 " 如何质疑答案 "，引导用户将 AI 视为激发思考的工具，而非思维的替代品，从而警惕 " 认知外包 " 带来的智力惰性。

其次，图书馆员的角色必须从 " 信息导航员 " 演变为 " 知识策展人 " 与 " 理解引导者 "。在 AI 驱动的信息生态中，我们的专业价值体现在对海量 AI 生成内容进行专业的筛选、评估和组织，为用户提供可信赖的、高质量的 AI 工具与信息源。更重要的是，我们要通过设计研究路径、组织专题讨论、提供深度咨询等方式，引导用户超越 AI 给出的表面答案，探究问题背后的多维视角与深层逻辑，从而促进知识的真正内化。

最后，图书馆学应积极践行 "IRM4AI"（Information Resource Management for AI）的理念，即利用本学科在知识组织、数据治理和信息伦理方面的深厚积淀，参与到 " 可信 AI" 的构建中。通过为 AI 模型提供高质量、无偏见的训练数据，构建严谨的领域知识图谱以增强其推理能力，以及制定 AI 生成内容的质量评估标准，我们能从源头上提升 AI 的可靠性，并缓解其可能带来的负面影响。

三、 根本的挑战：AI 能否 " 理解 " 以及我们如何 " 求知 "

" 解释深度幻觉 " 悖论最终将我们引向一个根本性的哲学追问：AI 能否真正 " 理解 "？以及在 AI 时代，我们应如何重新定义 " 求知 "？

目前来看，AI 的 " 智能 " 主要建立在对海量数据进行模式识别和统计关联的基础之上，它缺乏人类所独有的、基于具身体验、情感、意图和价值观的" 具身理解 "（embodied understanding）。AI 可以操纵符号，但无法体验符号所指涉的真实世界。因此，AI 的 " 解释 " 与人类的 " 理解 " 在本质上是异质的。承认这一根本差异，是我们避免陷入 " 幻觉 " 的前提。

因此，AI 的定位不应是 " 认知替代品 "，而应是" 认知增强器 "。它的价值在于处理人类难以企及的复杂性和规模，从而发现隐藏的模式、提供新颖的视角、激发创新的灵感。但最终的意义建构、价值判断和批判性反思，必须由人类主体完成。未来的挑战在于，如何设计出能够清晰揭示自身局限、鼓励用户进行深度探究、并促进人机协作而非单向依赖的 AI 系统。

归根结底，AI 时代的到来，迫使我们重新思考 " 知识获取 " 的真正含义。它不应被简化为信息的快速输入，而是一个包含了主动探索、批判性评估、深度思考、关联建构与创新应用的完整过程。守护并赋能这一过程，正是图书馆学在未来浪潮中无可替代的价值所在。在一个人人都能轻易获得 " 答案 " 的时代，培养追求 " 理解 " 的渴望与能力，将是我们对社会最持久的贡献。

参考文献：AI4IRM 与 IRM4AI：驱动信息资源管理学科发展的双螺旋引擎