想像一个周末下午。你躺在沙发上刷手机，突然弹出一条推送：“您常吃的那家烧烤店，现在有优惠，要不要点一份？”你愣了一下——我确实有点想吃烧烤了，可我没跟任何人说过啊。手机怎么知道的？
其实，手机并没有读心术，它只是发现了你的“模式”。
什么叫模式？说白了，就是从一大堆乱七八糟的数据里，找出那些总会一起出现的事。比如：买了啤酒的美国爸爸，也常常会拿一包尿布；周一下午五点，你回家的那条路铁定堵车；每次你熬夜刷剧，第二天一定会点一杯咖啡。这些规律，你平时可能自己都没留意，但人工智能（AI）天天在那儿盯著数据，一遍遍算：这个和那个一起出现的次数够不够多？概率够不够高？是不是新鲜事？一旦逮著，它就记下来，用来猜你下一步想干啥。
这套本事叫“模式发现”。听起来挺高深莫测，但其实——找规律这件事，人类干了几千年了。只不过，咱们用的方法不太一样。
人文学者也在找模式
你可能会想：“找规律？那不是理科生的事吗？”错啦。历史学家、文学家、语言学家，他们其实也都一直在找规律，而且数据显示比其他学科历史更早。
历史学家翻遍几百年的档案，发现“每次大旱之后，总会跟著一场农民起义”——这就是历史模式。语言学家对比几十种语言，发现“几乎所有语言里，表示‘妈妈’的词都带‘m’音”——这就是语言模式。文学评论家读遍莎士比亚的剧本，发现“悲剧主角总有性格缺陷”——这也是模式。
荷兰学者仁斯博专门研究人文学科怎么找模式。他发现，人文学者和AI找模式的方式完全不一样，而且比理科学者还要早：
AI找模式，靠的是“算”。给计算机几百万条数据，让它自己跑，跑出什么算什么。它不管这些规律有没有意义，只看统计上是不是显著。它告诉你“买了啤酒的人里有80%也买了尿布”，但它不关心为什么。
人文学者找模式，靠的是“读”和“想”。他们得一个字一个字地读文献，反复琢磨，还得考虑时代背景、作者意图、文化差异。他们找出来的模式，不只是“什么跟什么总一起出现”，而是“为什么会出现这个模式”、“这个模式的出现有什么背后的影响”。
打个比方：AI像个超级扫瞄仪，能把整个沙滩的沙子都扫一遍，然后报告：“东边那块塑胶微粒密度比较高。”人文学者呢，就像个老手，他不仅知道塑胶微粒在哪儿，还能告诉你：这些塑胶微粒从哪来，对人类有什么危害。
两种模式，各有千秋
这两种找模式的方式，各有各的长处，也各有各的局限。
AI模式发现的强项是快、广、冷。
快：几秒钟处理完人类一辈子看不完的数据。你今天在手机上划过的每一条内容，在导航里走过的每一条路，在银行卡刷过的每一笔钱，AI都在背后默默地算著。
广：能发现你完全想不到的联系。数据分析曾经发现一个规律：在飓风来临前，美国人抢购最凶的不是水和面包，而是草莓馅饼。为什么？后来才知道，这是美国南部的一种文化习惯——飓风来了不能出门，得在家吃甜点。这种反常识的规律，人很难凭经验想到。
冷：它只管“相关”，不管“因果”。它告诉你“牛油消费下降和离婚率下降高度相关”，但它不会去追问“是不是因为大家都改吃橄榄油了，同时大家也更珍惜婚姻了？”这种问题。它看到的是数字，不是故事。
人文学科模式发现的强项是深、暖、通。
深：它不光找规律，还找规律背后的原因和意义。为什么“妈妈”这个词在全世界都带m音？因为婴儿最先发出的音就是m，那是吸奶时的自然动作。这个规律背后，是人的生理本能。
暖：它考虑人的情感、文化、历史背景。AI可能发现“18世纪法国小说里，贵族角色常常死在剑下”，但只有人文学者能告诉你，这背后反映了当时贵族阶层的尚武精神和决斗文化。剑不只是凶器，是一种符号。
通：它能把不同领域的模式贯通起来，形成更大的图景。历史模式、文学模式、艺术模式，最后拼成一幅人类文明演化的完整画卷供参考。AI看到的是碎片，人文学者看到的是拼图。
当AI遇上人文学者
现在，越来越多的研究者开始把这两种模式发现结合起来。
比如，有研究者想分析几百年来小说里“爱情”观念的变化。以前怎么做？靠几个人读几百本书，累得半死，还可能漏掉重要线索。现在怎么做？先用AI扫瞄上万本小说，快速找出“爱情”相关词汇的出现频率、搭配词、情感色彩，画出“爱情”这个词在历史上的起伏曲线。然后，研究者再结合历史背景，解读这条曲线：为什么19世纪中期“爱情”突然变多了？因为工业革命让人们从家族束缚中解放出来，开始追求个人情感。
你看，AI负责“发现”模式，人负责“理解”模式。一个做“体检”，一个做“诊断”。谁也离不开谁。
世界是一张巨大的模式网
你可能会觉得，AI这么厉害，以后是不是人类就不用动脑子了？其实恰恰相反。
AI发现的模式，就像一堆散落的珍珠，需要人类用智慧把它们串起来，才能变成美丽的项链。人文学科教给我们的，恰恰是如何给这些模式赋予意义。它提醒我们：模式背后是人，是人的欲望、恐惧、创造和挣扎。忽视这些，模式就只是一堆冰冷的数字。
下次当你收到那条“您可能想吃烧烤”的推送时，不妨多想一层：这个模式背后，是不是也藏著某个深夜你独自加班的疲惫，或是和朋友聚会的快乐？那些，才是真正让世界有迹可循的秘密。
世界看似随机，但数据深处，却有迹可循。只不过，找到规律只是第一步，理解规律背后的“人”，才是需要智慧的地方。
本文观点，不代表《东方日报》立场。
