为了便于叙述，如非特别说明，本文中所涉及到的“AI”一词均特指生成式大语言模型应用，例如ChatGPT、和DeepSeek对话等。

从2025年起，AI已经历史性地对人类社会产生了无法消除的影响（类似于飞机对人类社会产生的影响），特别是其文章写作能力已经超过了人类；任何人都不应无视上述影响，更不应该逃避上述事实（例如妄图禁用AI，幻想存在某种技术可以精确检测文本是否为AI生成，或是宣扬AI无用论等）。

AI对教育的冲击超过了此前的所有技术：AI可以直接替代教育过程中“人脑思考”的部分（例如教材可以丢给AI总结，课后作业可以让AI代写之类的）；除了考试严禁携带电子产品外，目前似乎并没有什么好的办法能避免这一趋势。然而，学习仍然是人类社会的必备技能，这一结论并不因AI的发展而改变。

AI对人类社会的影响是否被高估了？从科技史的角度来看，当下（2026年末，下同）AI带来的影响还不足以与中学数理化生教材上出现过的那些人名相提并论（不过也可能是因为科技树上低垂的果实已经被这帮人给捡完了？）；当下的AI甚至都没法像拉马努金那样给出一些来历不明却又被证明正确的数学公式；这很可能意味着当下的AI技术路线已达到其能力上限。

AI辅助编程无疑改变了软件工程。其不仅体现在编程效率的提升上，更体现在诸如氛围编程（vibe coding）、许愿式编程等范式极大地降低了软件开发的门槛。但这是否意味着古法编程范式的软件工程已死？当下的vibe coding更像是前AI辅助编程时代的“重新发明车轮”，当然这只是表象；深层情况是，即使AI已经强大到可以包揽从需求分析到测试验证的一切开发环节，但其仍然无法改变“软件是现实世界的反映”这一事实（例如，ERP系统是企业经营状况的反映，办公软件是纸质文档报表材料的反映。软件产品的价值，在生产端体现在其提升了现实世界的信息流动和管理的效率，并最终提升了生产效率；在消费端体现在其创造了现实世界中无法拥有的体验，并最终带来了愉悦和快乐）。那么“现实世界”是什么样的呢？用户和行业需求会随时间推移而变化，新的理念和新的软硬件架构不断涌现，漏洞和利用（exploit）会不期而至；于是诞生了软件工程这样一门学科，目的是能够可持续地制造和交付软件产品（而非课后作业性质的、一锤子买卖式的开发）。《人月神话》总结了人类应对软件工程的复杂性的经验，但软件工程的复杂性根源在于现实世界的复杂性。这也是当下的AI辅助编程仍无法彻底取代程序员岗位的一个重要原因。倘若未来某天AI辅助编程能够轻松应对现实世界的复杂性，被取代的恐怕也不止程序员这一个行业。

世界模型是当下比较火的一个前沿研究方向（考虑到这里不是在写论文综述所以不再详细展开），某种程度上说是将几年前比较流行的数字孪生的概念融入到AI（这里的AI指的主要是视频生成式大模型，也包括深度强化学习的模型等），以解决后者生成的内容或建模不够逼真（即，不符合现实世界的物理规律）的问题。然而这本质上需要解决如下问题：如何将先验（用数学语言精确表述的物理规律，如牛顿力学、麦克斯韦方程组，或是有明确适用边界的经验公式）与后验（基于统计学方法的机器学习，如各种模态的大模型）相互统一，以及如何以可接受的代价实现尽可能好的统一。不过，悲观地说，当下距离创造出类似于Skynet或Matrix那样的“世界模型”，还有相当长的路要走。

历史版本：