2021 年 4 月，新加坡国立大学（National University of Singapore，NUS）在其课程、教学和组织结构层面迈出重大的改革步伐，彻底打破自然科学和人文科学之间的疆界，以便更好地培养学生的跨学科思维和能力，应对后新冠肺炎疫情时代的严峻挑战。
具体而言，新加坡国立大学将其最大且最富盛名的两大学院——艺术和社会科学学院（the Faculty of Arts and Social Sciences）和科学学院（the Faculty of Science）合并为新的科学和人文学院（College of Humanities and Sciences），由之前两大学院的院长共同掌管。这就意味着，2021 年秋季入学的新生将可以跨越学科边界进行随心混搭：第一专业、第二专业、辅修专业或任何其他志趣所在的学科或学习领域都能进行组合。
对此，原科学学院院长孙冶能（Sun Yeneng）表示，他期望本校的学生们能带着“跨学科的思维和能力”毕业，这正是“复杂、模糊、不确定和变动不居”的世界所亟须的。而原艺术与人文科学学院院长高罗比 (Robbie Goh) 也表达了对新举措的高期许及其背后逻辑的理性思考：“新学院精心研制了一套新课程的概念框架，致力于将传统上‘门第森严’的人文、社会和自然科学彻底贯通。相信这样的文理大合流会促使学生反思不同学科重要概念之间的相通之处。现在学界、业界和政府部门都越来越认识到培养学生问题解决能力的重要性，他们能针对真实世界中的严峻挑战提出解决方案。这些方案既需要 STEM 的知识，也需要人文和社会科学的知识。”
人工智能 + 真实性智能 = 增强智能
创建于 1905 年的新加坡国立大学不仅历史悠久、在国内久负盛誉，在国际上也以综合性、研究型精英大学而著称，在 2021 年的 QS 世界大学排名第十一，亚洲则雄踞榜首。但近年来，该校在国际教育界最显著的标签则是“人工智能研究与教育标杆校”，不仅投入巨资用于建设高性能 AI 平台，还在世界范围内延聘英才，致力于在亚洲打造出一个 AI 辐射中心，一方面夯实科学研究，一方面以高科技应对本国、亚洲地区经济社会面临的重大挑战。
对于人工智能，人们要么把它当成应当敬而远之的、冷冰冰的高科技，要么视其为和人类竞争工作岗位的对手，但作为这次文理大合流的先导环节，新加坡国立大学却正是以“服务人类的 AI 技术中心”（Centre on AI Technology for Humankind，AiTH）作为抓手，来推动本校的跨学科教育改革的。2021 年 1 月刚刚创建的 AiTH 落户在新加坡国立大学商学院，中心主任大卫 • 德 • 克雷姆（David De Cremer）同时也是一名全职商科教授，他一年前刚刚从剑桥大学跳槽过来，正摩拳擦掌，立志在新加坡这个东西方文化交汇之地推广AI 教育和研究，更重要的是，以 AI 技术服务于本地区企业、产业的实际需要。
当被问到作为一所全球顶尖大学高科技领域研究部门的负责人，为什么还要“兼任”商科教授时，克雷姆立马做出了澄清：“我是 AI 技术和社会科学跨领域的学生导师，而非主教一个、兼教另一个领域。对我来说，竞争战略和神经网络、深度学习一样重要，都是应当引导学生进行深入探究的核心概念。”紧接着，他告诫说：“作为一个健康、理性、未来导向的社会，我们必须特别当心，不要过度强调技术教育的重要性，而弱化了社会科学的效用。数字经济时代，科学技术迅猛发展，人们耳边往往充斥着科技天才或领袖们的声音‘如果你技术敏感性不够，就被时代抛弃了’，这在人群当中引发了恐慌。人们担心，如果自己不像数据科学家一样思考，就会错失人生当中宝贵的职业机会，但事实并非如此。如果过度凸显技术而边缘化社会科学的地位，那我们精心教育出的下一代精英分子就有可能沦为像机器一样思考、行动和推理的人。这些不具备社会科学常识、无法进行良好人际互动的‘半成品机器人’对于当今社会，对于解决人们生产、生活中的问题来说，又有什么价值呢？”
2021 年 3 月，克雷姆和盖瑞 • 卡斯帕罗夫（Garry Kasparov）共同为《哈佛商业评论》撰写了一篇名为《AI应当增强人类智能，而非取而代之》的报告。卡斯帕罗夫就是 1997 年在那场著名的“人机对弈”中输给 IBM的电脑“深蓝”的俄罗斯国际象棋大师。这次失败促使他重新反思人类和 AI 的关系，并在此后的长期实践中 逐渐意识到：当人类棋手主导策略性计划，而把海量、精确计算的任务分配给 AI 时，‘人机组合’就能获得上佳表现。对这种新型合作模式，卡斯帕罗夫精辟地总结为：“‘弱人类 + 弱电脑 + 强流程’＞强电脑＞‘强人类 +机器 + 弱流程’”。
而在商科教授克雷姆的分析框架中，这样的现象又有了比卡斯帕罗夫的经验归纳更为深刻的理论诠释。尽管很多专家预测越来越多的公司和机构将逐步用人工智能来代替人类劳动力，但克雷姆并不认同这种零和博弈的思路。他认为，之所以产生错误的推理结论，在于很多人不具备科技和社会科学的统整概念框架（此处，智能、系统就是跨越 STEM 和社会行为学领域的概念），因而无法意识到一个根本性的问题：AI 和人类拥有不同的特质和能力，在合适的系统中才能尽展所长。基于阿兰 • 图灵（Alan Turing）的相关理论，AI 是一台依靠信息或数据输入，模仿人类行动、感觉、发声、做出决策的机器人，优点在于快速、精确和持久理性，特别适合封闭性管理系统内规则清晰、标准确定的常规任务和重复性工作，但它们缺乏人类的直觉、感情、想象力、判断力和文化敏感性，而正是这些特质使得我们能够在开放性、快速变动的复杂任务中进行灵活、高效、情境化的思考、选择和行动。
和 AI 不同的是，人类拥有和 AI 智能迥异的基于开放性系统的真实性智能（Authentic Intelligence）。在这样的系统中，团队或组织和外部环境时时刻刻处于互动之中，并根据外部影响快速进行动态调整。此时，就需要行动者有能力进行预期、合作、对突发的状况和 扭曲了的信息进行处理，同时以战略眼光和远见卓识进行创造性决策，以平衡短期和长期的得失利弊。
克雷姆认为，前述两种看似对立的智能完全可以互补，共同生成第三种智能——增强智能（Augmented Intelligence）。而一旦人类和 AI 联手，就可以让组织、机构或个人既高效、精确，同时富有创造性和前瞻性，以应对常规事务和严峻挑战。卡斯帕罗夫的经历就是良好的印证。
这也是新加坡国立大学以 AiTH 作为序曲，开启科学和人文学科大贯通先河的底层逻辑所在：拥有文理统整框架的毕业生才能从数字技术中获益更多，更好地服务于地区、国家的社会经济发展。
关注伦理的医学院 AI 平台
而在 2020 年 4 月，新加坡国立大学首屈一指的健康学院也推出了一个人工智能平台（iDentif.AI），用来为传染性疾病寻找、测试、验证可能的药物组合方案。霍（Ho）是健康学院的院长，也是 iDentif.AI 平台的负责人。新冠肺炎疫情开始蔓延之初，他就带领团队开始利用 AI 技术尝试不同药物和剂量的有效组合，以研发针对肺部感染的最优治疗方案。“12 种药品、10种不同的剂量，会产生数以万亿的可能组合，但借助 AI平台，我们显著减少了实验量，并能快速确定有希望的组合。”但同时，他也提出了技术的伦理问题：“技术可用于行善，也可用于作恶，因此需要对其进行制度化规约。”根据霍的观察，新冠肺炎疫情大流行放大了 AI 在医学研究中的作用以及技术使用中的伦理问题。比如，TraceTogether 是一款新加坡政府在疫情期间用来跟踪病例及其行动轨迹的应用软件，人们要问的是，疫情结束后，它收集的数据将怎么处理？
现在霍的团队专心研究 Covid-19 的治疗，并在《先进疗法》（Advanced Therapeutics）的 4 月刊发表了一篇论文。对于论文中的研究，霍采取了多学科的路径，邀请了经济学家和业界专家参与。最后霍发表的论文不仅有来自上海交通大学和复旦大学的学者，还有来自EpiPoint、MRIGlobal 的专业人员，并采纳了 KPMG 的咨询建议。
“我希望以更加丰富、多元的视角来评估技术采纳的路径、成效和社会伦理效用。光谈技术并不能改变医疗保健行业的现状，跨越科技和人文领域的跨学科合作才是最有效的策略！”