2038 年春，又是一个马年。
我站在电动扶梯上，水平滑向走廊尽头，办公室所在的方向。走廊两侧的书架缓慢挪去视野后方，金属格子里塞满装帧一致的档案夹，仿佛禁阁。
我忽然想到二十四年前的马年春晚，黄渤站在跑步机上唱《我的要求不算高》。他身后是花花绿绿的电子屏，充满希望的歌词配着跳动着的欢快画面。后来又一次马年春晚是2026年，机器人大放异彩。那年在父母家，我记得他们对此多持批评态度，嗤道“少了些人味儿”，而我当时却坚称意外地觉得不错。
这样算来，自「第一次信任危机」以来，已经两年没有“春晚”了。
那是 2036 年，互联网时代的传统人机交互模式彻底崩盘，对公网失去信任的大众转向私域网，但不菲的订阅费也让许多家庭完全脱离了数字生活。随着注意力经济泡沫的破裂，数字媒体的传统业务均迅速收缩，传统“天涯共此时”的春节联欢晚会，也已被年关之际由央视分发给每个家庭的“春节影像特刊”所取代。
推开办公室门的瞬间，房间的灯缓缓打开，桌上的电脑也自动结束休眠。
——是的，虽然整个社会都在与互联网“脱钩”，使用计算机的行业大规模减少，我却仍在从事与计算机有关的工作。
学习计算机曾经能保证你拿到一份非常体面的工作，就像更早些的金融学、建筑学。其实从赚钱养家的意义上来说，顶尖的人才的薪资是天文数字，但大众岗位终究稀少了太多，这导致仍在从事互联网与人工智能开发的人常被蔑称为「叛徒」——恶毒指控的背后，是“信任危机”后社会普遍的刺痛感。
其实在 2036 年，公众的愤怒情绪并没有导致大规模冲突，而是被通讯中断与线下社区组织所消解。但是在革命运动中，仍有许多具身机器人或因断网被彻底淘汰，或被愤怒的人群砸了个稀巴烂。直到变革的好处渐渐让人遗忘了丧失万维网的不便，大多数人的日常生活方式——尤其是还没来得及适应人工智能的中年人——似乎又退回了三十年前。
这段近代史，我们这代人是完整经历的，但已成为不少学者的热门研究话题。我们研究所好像就有一位计算社会学家做这方面研究，不过从我入职以来见到她的次数五根手指都数得过来。毕竟现在组织学术会议的成本太高了，而同研究所内部几乎没有交流的需要——所有人与计算机的交互，在局域网内都是可以互相检索的，既没有署名权的竞争，也比线下讨论来得高效。
我倒了一杯水，坐到了电脑屏幕前，密集的纯文本里充斥着交叉引用的标志 ——夜间堆积的待判别事项已自动跳了出来。
我们这样需要与历史材料打交道的职业，绝大多数的时间都在复核人工智能抛出来的数据版本。对于从“前 AI 时代”接受科研训练的我来说，这是极度枯燥的工作，但不得不占去我绝大多数的时间。这是因为研究所内部通常在数据、方法、伦理等方面的要求极度苛刻。作为依旧拥有公众信任的研究机构，它必须保证其声誉不会毁于一旦——可见，随着互联网“寿终正寝”，那个疯狂追逐发表数量的时代已经过去。
按 J 键前进，K 键后退，空格键弹出对应的书籍索引——经典的 CLI（命令行工具）^[命令行工具被认为是与 AI 交互的最佳途径，而不是人类计算机用户喜欢的图形化界面]时代的 VIM^[经典的文本编辑器，使用复杂的键盘操作文本的修改] 操作逻辑。短短半小时，我已经完成了十余条待人工确认的数据核准。屏幕上方不断刷新引用路径，像一张随时可以展开的谱系图。
理论上，我访问的究所已存储了 2036 年之前所有知识。但从 2022 年 AI 诞生以来，这些数据被分为上万个版本快照，并通过局域网授权给研究人员访问。它们包括启蒙时代的法国百科全书、中国明朝的永乐大典、互联网时代的维基百科、甚至那些曾经只能在特定馆藏中查阅的孤本史册……短短十几年间，AI驱动了对书籍进行电子化的热潮，不同版本的数据被校核后与物理硬盘建立索引，但在不同电子化版本、不同版本快照、不同模型评估结果之间做出校对却最耗心力。
我一边操作一边神游——这也是过去十年养成的陋习：
“版本学迟早当道，我外甥应该上中学了，得推荐他修点相关课程。”
现在不用等到大学就可以自由选修专业了，这是 AI 带给教育的最大变革。但中学生通常只会接触到几乎被所有版本的模型、系统、数据库都采纳的知识，而在不同版本叙述中做出批判性比较，则成为大学教育的核心母题。
毕竟，对系统来说，不同版本之间的差异只是可计算的偏移量，而我们必须为这些偏移量指定一个“标准”。这不同于以往找到正确版本的《尚书》^[这本儒家经典有诸多版本，孰真孰伪引得史家长期争论]，或者在 Git^[经典的计算机代码版本控制系统，是人类程序员合作贡献代码的必需工具，但在AI时代被认为不符合智能体的逻辑] 的不同分支之间合并，后互联网时代最重要的矛盾是数据库的版本太多而差异太小，病毒式传播最广而得到最多数据库收录的，则常不是正确版本——我始终认为，这种当代“版本学”逻辑是第一次信任危机爆发的根源。
大多数时候，在版本之间作出决策并不算困难。借助大数据对比、时间戳复原、引用结构与一致性评分等手段，系统的判别准确率通常可高达 95% 以上，足以在论文的核心论据后面标注一个“p<0.05”^[统计学中进行显著性检验的符号，p<0.05 可以认为该现象是“小于5%的概率随机发生”]——是的，时代已经淘汰了太多东西，传统期刊、同行评议… 但竟没有淘汰曾遭受广泛批评的 p 值^[批评者认为p值可通过许多手段被操纵，给人以虚假的“研究可靠”的感觉]，反而拯救了它。
系统大多数情况下会给出足够采信的答案。我所做的，不过是在极少数情况下介入，把我认为正确的条目赋予更高的处理权限。
我是在第七个序列号停下来的——A7-19-03-884621-17。屏幕上并排出现两个版本，没有来源，没有优先级。
我先看左边。结构完整，语气克制，像任何一段合格的材料纪要，采信度为 51%。再看右边，几乎一模一样，采信度 49%——只是中间一处行为顺序被调换，结论随之改变。我来回切换了一次，两份似乎都成立，只是 51% 的提示跑到了右边——没比掷硬币好出多少。
我伸手去拿水，水已经凉了，入口的时候有点发涩。我这才意识到自己停得太久。
光标在两个版本之间闪动，下面只有两个选项：一个是【设为标准版本】，另一个也是【设为标准版本】。
没有一个选项叫【无法判断】。
老派学者通常会不服输地检视每一个版本关联的交叉引用，努力从那些微妙的差异中炼字，再不无个人偏好地替系统做决定。但作为素来用计算方法做研究的我知道，在这方面我不可能比 AI 做得更好。因为这种情况会发生，无非是数据库里 A 比 B 多两条无关痛痒的记载。
屏幕下方跳出一行灰字：
“该条目处理时间已超过建议阈值。是否需要系统辅助决策？”
右侧概率更高的选项开始微微闪光，引诱我去点击——拿捏多巴胺的把戏，互联网时代的遗毒。
我手指悬在方向键上，停了一瞬，还是落下去——我选了左边，49% 采信度的条目——确认。
界面轻微闪动了一下，左侧上方多出一行字：
“标准版本（已确认）”，右侧随机被折叠成灰色。
我盯着那几个字看了一会儿，然后释怀地笑了。
按下 J 键，进入下一个序列号。
这一次，我没有再停。思绪却飘到了别处——
“少见的情况”，我想：“庆祝一下，晚上下班去和爱人常去的那家酒馆喝一杯好了。”
