全球信息网络的介入所带来的全球竞争，无疑会使得特定教师自身的价值相对贬值，就像“蝴蝶装”对于“卷轴装”的取代，使得宋代老一代文人的文献记忆能力贬值一样。
不过，所有的的这些分析，仅仅意味着既有的、以实体大学为依托的人文学科教、研体制对于新信息技术的水土不服。这当然在逻辑上并不意味着文、史、哲等传统人文学科自身的。如下三个理由，便足以证明高水准的人文学科从业者的不可取代性：
其一，现有的自动化信息处理技术，缺乏处理“跨领域知识”的灵活性。譬如，现有的神经元网络技术虽然在人脸识别、声音识别等具体工作领域有很高的效率，但是要将这些不同的工作领域结合起来，制造一个超级信息处理系统，却会消耗惊人的建模资源与运行资源。而在人文学科领域，需要横跨几个知识领域进行大规模知识重建的案例可谓比比皆是。比如，亚里士多德哲学对于自然哲学的形而上学意蕴的重建，历史地理学家对于地理学、生态学与历史文献学之间关系的重建，等等。此类的信息处理模式，无疑是机器学习的软肋，却是学术天才的强项。因此，暂时还看不出前者可以取代后者的可能性。
其二，对于文学艺术创作的反思乃是人文学科中的一些重要学科的题中应有之义，而文艺创作活动在根底上是与身体感受结合在一起的。譬如，《战争与和平》的读者若要领会皮埃尔对于娜塔莎的感情，其前提便是读者本身也必须具有与皮埃尔类似的生理—心理结构；而从另一个向度来看，托尔斯泰之所以能够写活皮埃尔与娜塔莎等人物，也是因为他本人的生理—心理结构以及相关的人生阅历，能够支撑起他对于小说中超级复杂的虚拟世界的“建模任务”。很不幸的是，我们的确很难设想任何一台超级的人工计算系统———甚至是作为AlphaGo之升级版的Master———能够具有与人类作家类似的心理结构，遑论生理结构。毋宁说，在物理实现机制上与人类身体之间的差异性，恰恰就是人工智能体的本质属性之一，否则，人工智能的研究规划就无法与“赛博人”等其它高科技计划相互区分。当然，这并不是意味着超级智能的机器无法创造出它们自己的文学———如果它们以自己的“硅基身体”与相关信息处理程序为素材，创造出以其它机器人为潜在读者的“文学作品”的话，那么，没有理由去我们认定它们也在“创造美”。然而，人类对于这种“美”的理解与研究无疑将从属于一门新的学科(譬如叫“机器美学”)，而与我们已知的人文学科无涉。反过来说，既然机器也同样无解我们人类作品中的“美”，人类艺术家与审美家的工作便依然有其存在的必要。
其三，虽然机器的优势在于能够快速完成某些具有一定重复性与机械性的人类工作，但是即使对于此类工作而言，原始的信息匹配的模板却依然需要人类提供。譬如，我们固然可以设计出一个深度学习的网络去辨认某些重要思想家的笔迹，比如马克思的笔迹，但是怎样的笔迹与怎样的打印字母匹配，依然需要专业的笔迹专家提供“比对样本”。很难设想任何一种人工识别系统可以在不经“人类调教员”纠偏、矫正的前提下，dvdes-688提供出合格的信息解读成品。而这一点，也便为掌握相关专业技能的优秀人类人才保留了工作机会。
不得不指出的是，由于机器学习能力的不断增强，上述三个领域内为人类保留下来的工作岗位也将越来越少。在第一个领域内，能够存活下来的乃是真正的学术天才，而不能战胜机器的联想、类比能力的学术庸才将被淘汰；在第二个领域内，能够存活下来的乃是艺术天才，而其作品很容易被机器所模仿的艺术庸才将被淘汰；在第三个领域内，能够存活下来的是掌握绝技的学术匠人，而不是只会点雕虫小技的泛泛。
从这个角度看，机器的进化或许在一定程度上会成为广义上的人文艺术领域的“人才分流器”，即机器因素的介入，将使得相当一部分的工作岗位由此被剥离，同时却使得竞争胜利者的市场价值得到飙升。
这种结局，对于这场竞争的失败者来说，或许很难说是好事，但对于整个人类的人文艺术事业的进步来说，其意义却或许是积极的。因为这样的分流机制将使得少数相关领域内的天才，能够得以将其生产力从与二三流的同行业人员的人事斗争中解放出来，心地投入到与机器的斗争中去，即以机器的学习能力为自身的磨刀石，进一步地挤压出自身作品中的“平庸性”的水分，由此缔造真正伟大的作品。同时，这些天才也可以利用信息技术自身的便利，在相关创造的相对机械化的环节上节省下自己的心力。在这种情况下，我们或许可期待更多的托尔斯泰、达芬奇与贝多芬，最终以浑身披挂数码产品的“反数码战士”的面目，微笑着出现在人类文明的地平线上。
如何提高审美教育在整个大学教育体制内的地位，乃是一件具有战略意义的大事，而绝不是某种“风花雪月”的点缀。
和很多专家的意见相反，虽然笔者也主张目前的大学教育应当以更为积极的姿态去迎接新技术时代的到来，但是，这种迎接切不能采用诸如“阿猫阿狗都学编程”之类的粗鄙形式。具体而言，特定的编程语言其实常容易过时的，而人文学科的学生更需要了解的乃是程序编制的抽象思想，以及在人—机界面上使用信息技术工具的一些重要技巧，以便在以后可能展开的人—机竞争中预先了解对手的特征。因此，着重于楚程序背后的思想的一些课程(如“人工智能哲学”)，或许要比特定的人工智能与信息技术课程更适应人文学科学生的实际。然而，不得不承认的是，此类新兴课程的开设，在国内依然缺乏足够的师资与制度。
目前，国内很多高校的人文学科训练，依然未能关注培养那些难以被机器取代的高级技能，而是继续把训练的重点放在诸多需要死记硬背的内容之上。同时，带有感性色彩的人文教育在我国高校的人文教育中的地位依然相对低下，大学生的审美力与艺术普遍不高。如何提高审美教育在整个大学教育体制内的地位，乃是一件具有战略意义的大事，而绝不是某种“风花雪月”的点缀。在笔者看来，如何调配既有艺术院校的人力资源以缓解一般高等院校此类教师的匮乏，则需要教育主管部门在高层面上予以通盘考虑。
还需注意的一点是，本土高校目前的人文学科训练中，兼跨文理的跨学科色彩普遍不足。特别是相对于其它学科，如心理学、生理学等关于“人”的研究的而言，教研两方面的触及都非常有限。针对此情况，人工智能专家司马贺(Herbert Simon)就曾尖锐地指出过，如果一个文学系的学生认为小说家对于人物的刻画，仅仅需要预设其自身对于弗洛伊德心理学的熟悉的话，那么他就大错特错了———因为弗洛伊德早已是心理学界的过时理论。如果一个小说家能够进一步掌握上世纪八十年代以来的演化心理学的最新研究，并借此对人类的心理作出更为细致的刻画的话，那么，由此导致的作品会不会更具有有力呢？很显然，这样的跨领域的知识融合能力，也将在客观上增加机器模仿的难度，由此进一步彰显人类创造力的。因此，目下中国的人文学科教育体系的最大敌人尚且还不是已然虎视眈眈的信息处理机器，而是那种抱残守缺、不愿的惰性与心态。