? Bert Glinn/Magnum Photos

利維坦按：

在算法能夠迅速拼接句子、模仿風格的時代，人工智能似乎已經(jīng)學會了“寫作”。它可以生成優(yōu)雅的段落、像樣的敘述，甚至看起來頗有文學腔調(diào)。但當寫作轉(zhuǎn)向回憶錄——那種由記憶、羞慚、執(zhí)念與時間沉淀而成的私人書寫——機器的流暢忽然顯得空洞。真正的問題不在于AI能否排列詞語，而在于它是否曾經(jīng)生活過，是否擁有只能由身體、失去與自我反思鑄成的那種記憶重量。

創(chuàng)造性寫作曾經(jīng)是人類的專屬特權(quán)：寫得好也好，寫得差也罷，但無論如何，人們都默認一個共識——書寫人類經(jīng)驗這件事值得付出時間和精力的。

這是一種至關(guān)重要的人類行為，以至于詩歌成為計算機先驅(qū)艾倫·圖靈最初測試的關(guān)鍵組成部分：圖靈測試旨在判斷一個對一系列問題作出反應的未知對象是人類還是機器冒名頂替者。圖靈測試常常被簡化為人類與機器兩塊領(lǐng)地之間的一道單一分界線。通過測試，人工智能便可以踱步跨線，來到我們這一邊，環(huán)顧四周，決定如何對待我們。但首先，它得通過測試。

在發(fā)表于《心靈》（Mind）雜志的論文《計算機器與智能》（Computing Machinery and Intelligence，1950）中，圖靈明確了他的目標：“考慮這樣一個問題，‘機器能思考嗎？’”以典型的人類方式，他立刻對問題進行了重新表述——而且頗費筆墨——最終提出了“模仿游戲”，其原型是一種早于互聯(lián)網(wǎng)、早于電視的客廳娛樂。

? Manhattan Rare Book Company

圖靈心目中的原始游戲設置是：一名猜測者坐在“熱座”上，向一名男子（X）和一名女子（Y）提問，兩人分別在兩個房間里，彼此既看不見也聽不到。猜測者必須根據(jù)他們的書面回答判斷誰是男人、誰是女人。X試圖誤導猜測者，如果猜錯了，X就贏；如果猜對了，Y就贏。試試吧，很有意思。

在這個語境下，圖靈擬定測試中的第一個問題并不像乍看之下那樣令人意外：“請X告訴我他或她的頭發(fā)有多長?！苯又?，圖靈同樣禮貌地提出第二個問題：“請給我寫一首以福斯橋（Forth Bridge）為主題的十四行詩。”兩個問題下來，人類與機器思維之間那條備受爭議的邊界，已經(jīng)在向文學和藝術(shù)索要答案了。

圖靈在1950年代設想的X（那個試圖誤導的參與者）回答說：“這個問題我可答不上來。我從來就寫不了詩?！睘榱讼胂蟪鲞@個回答，在他游戲的第二階段里，圖靈那顆復雜的大腦正在扮演這樣一個角色：X由一臺機器扮演，隱藏在視線之外，敲擊鍵盤輸入答案，假裝自己是一個男人（在最初版本中，X是個男人假裝成女人，后來版本中，圖靈將X設定為機器，Y是人類，X要假裝成人類。編者注）。我知道，這聽起來有點繞；如果這個測試很簡單，連空氣炸鍋都能通過。

圖靈并不是在暗示機器不能寫詩。在模仿游戲那套盤根錯節(jié)的邏輯中，X的計算是：在1950年，普通人并不寫詩——這是一種常識性假設，每一臺冒充人類的計算機都應該知道（也就是說，機器如果真要裝成人類，就必須知道什么時候該“裝不會”。編者注）。連同其他一些來自20世紀中期的偏見，圖靈的論文還不夠謹慎地提及了種族、宗教以及美國憲法。他將無法把計算機視為有感知能力的人，比作“穆斯林認為女性沒有靈魂”的觀點。圖靈就這樣貿(mào)然闖入，他的思考方式，并不像我們今天這樣計算。

（圖靈在問的不是“你會不會寫詩”，而是：你知不知道一個“普通人”在當時“會不會寫詩”？1950年的常識是：普通人通常不會寫詩。所以如果X回答： “當然，我可以寫一首完美十四行詩”，反而會顯得“不像人類”。編者注）

而他設想的2026年的未來計算機也做不到這一點。今天的任何一款大型語言模型（LLM），比如ChatGPT或Claude，都能立刻寫出一首以福斯橋為主題的十四行詩。我輸入了圖靈測試里的那個問題，Claude 4立刻給出了14行詩句，其中甚至為了韻律而使用了縮寫詞“mathemat’cal”。這首詩言之成理，形式上也是一首十四行詩，而且只花了幾秒鐘。

無論這是否算作思考，圖靈都預感到他所劃定的邊界將會遭到藝術(shù)界的抵制。在他的論文中，他與當時一位杰出的神經(jīng)科學家、皇家學會的杰弗里·杰斐遜（Geoffrey Jefferson）爵士展開了辯論。杰斐遜認為，“只有當機器能夠根據(jù)自身感受到的思想和情感，而非偶然的符號組合，創(chuàng)作出一首十四行詩或一首協(xié)奏曲時，我們才能認同機器等同于大腦——也就是說，機器不僅能夠創(chuàng)作，而且知道自己創(chuàng)作了。”杰斐遜在1949年于皇家外科醫(yī)學院發(fā)表的李斯特演講中指出，將無數(shù)猴子在打字機上的工作機械化（即無限猴子定理。編者注）并不算真正的思考。

如今，在藝術(shù)領(lǐng)域，我們很難再像杰斐遜那樣充滿自信。人工智能的進步刺痛了藝術(shù)家的虛榮心——如果機器幾乎可以瞬間復制出人類藝術(shù)家的作品，那么這些作品就談不上多么特別了。這很刺痛人。我們原本希望偉大的藝術(shù)家能夠弘揚并捍衛(wèi)我們物種獨一無二的精神，但正如早期攝影術(shù)所引發(fā)的焦慮一樣，被妖魔化的人工智能正威脅著要竊取我們的靈魂。機器藝術(shù)侵蝕著我們所能做、所能創(chuàng)造、所能成為的一切，它侵入了神圣的領(lǐng)域。富有創(chuàng)造力的藝術(shù)家本應是獨一無二的、不可模仿的。

圖靈的“模仿游戲”論文發(fā)表于1936年，也就是愛荷華大學首次作家研討會召開14年后。圖靈或許并不了解，在劍橋大學國王學院接受數(shù)學教育的他，早已在看似毫不相關(guān)的創(chuàng)意寫作領(lǐng)域，在大西洋彼岸發(fā)展出了機器學習的雛形。在愛荷華之前，靈感女神已經(jīng)出現(xiàn)；在愛荷華之后，一種與當今大型語言模型（LLM）運作方式頗為相似的文學內(nèi)容創(chuàng)作方法已經(jīng)出現(xiàn)。

首先，要弄清楚有效寫作的標準是什么。然后，制定一套流程，引導有抱負的寫作者逐步模仿出理想的作品。愛荷華大學以及此后所有創(chuàng)意寫作碩士項目都廣泛驗證了這樣一個前提：一套可學習的規(guī)則可以生成至少勉強合格的文學作品。很少有前途可期的編劇不知道希德·菲爾德（Syd Field）的“三幕劇本結(jié)構(gòu)”，或克里斯托弗·沃格勒（Christopher Vogler）的“英雄之旅”——這些“秘籍”承諾給出戲劇、場景、沖突與對白的最佳排列順序。就像大型語言模型被設計成“思考”一樣，這些模板本身就是一種逆向工程：先研究《大白鯊》或《證人》這些電影的機制是如何讓作品發(fā)光的，然后找出可轉(zhuǎn)移的組成部分，再重新組裝，以期在未來實現(xiàn)類似的藝術(shù)成功。

? 豆瓣電影

對計算機程序員而言，把逆向工程作為機器學習機制，被稱為“反向傳播”。在馬克斯·S·貝內(nèi)特（Max S Bennett）的《智能簡史》（

A Brief History of Intelligence

要是寫作也這么簡單就好了。根據(jù)Data USA的數(shù)據(jù)，美國每年有多達4000名學生獲得創(chuàng)意寫作碩士學位。盡管如此，沒有人指望會有同樣數(shù)量的“偉大的美國小說”誕生。許多滿懷希望的寫作生涯，起點其實都帶著ChatGPT所邀請的那種提示心態(tài)：我想寫一部像去年夏天震撼了我的那本書一樣的暢銷書。或者，對于那些更有冒險精神的人來說：想寫一些新穎但又貼近生活的作品，一部兼具文學性和敘事張力的小說/回憶錄混合體，就像李·查德和安妮·厄諾的結(jié)合體。謝謝。我會等的。不過，我可沒那么有耐心。

? The Evergreen State College

顯然，當把最終結(jié)果與最初意圖相比較時，反向傳播的方法無論對創(chuàng)意寫作課程還是對大型語言模型而言，都是有缺陷的。回到圖靈所引用的杰斐遜：當作品由錯誤的“思想與情感”所驅(qū)動時，成品就會被削弱——不論是學生寫作者的盲目野心，還是計算機的盲目服從。還需要某種額外的東西，而這種神秘的魔法成分，至少自1580年起就一直在英語書面文本中被爭論不休——那一年，菲利普·西德尼 (Philip Sidney）在《為詩辯護》（

An Apology for Poetry

菲利普·西德尼在《為詩辯護》。? University of Glasgow Library/Flickr

事實上，正因為如此特殊，至今仍無人能夠把英語文學系的研究成果——文學何以奏效——拆解到足夠細微的層面，從而重新表述為可供大型語言模型執(zhí)行的指令。創(chuàng)意寫作學生也做不到。其他藝術(shù)門類在這一領(lǐng)域所做的努力，同樣不怎么令人鼓舞。ArtEmis是一個大規(guī)模數(shù)據(jù)集，旨在記錄并進而預測人們對視覺藝術(shù)作品的情緒反應。該計劃將6500多名參與者的情緒標注，與他們對所見內(nèi)容的文字解釋進行匹配，并希望借助這些數(shù)據(jù)，通過反向傳播來促成能夠激發(fā)同等情緒反應的藝術(shù)作品的創(chuàng)作。

人們似乎普遍認為：如果一臺機器能夠創(chuàng)造出一幅視覺圖像，并生成一組可控的情緒感受，那么藝術(shù)就算被成功創(chuàng)造了。聽起來似乎有道理，唯獨忽略了一個事實：人類的情緒反應向來反復無常。ArtEmis的流程在好萊塢早已有類似的先例，但如果焦點小組真的能可靠地服務于藝術(shù)領(lǐng)域，那么電影院里早該座無虛席、佳作不斷了。

值得注意的是，美國編劇工會在2023年的罷工行動中，為劇本創(chuàng)作爭取到了重要的保護，明確禁止用AI取代人類編劇。但這并未明顯提升優(yōu)秀藝術(shù)電影的產(chǎn)量。人類編劇仍然在拍出平庸的電影。即便沒有任何AI的介入，我們依舊在畫著乏善可陳的畫布，寫著令人過目即忘的小說。

糟糕的藝術(shù)，是人類非常熱衷去做的事情，而且數(shù)量龐大。它已成為我們的一部分；當靈感枯竭時，我們便依賴那些與我們已經(jīng)編入大型語言模型的方法并無二致的手段。

正如圖靈所預言的那樣，“數(shù)字計算機……確實可以非常接近地模仿人類計算者的行為”，而在制造失敗的藝術(shù)作品方面，我們已經(jīng)把所有花招都教給了人工智能。無論源自閣樓還是英偉達芯片，未能成功的創(chuàng)意寫作，都是通過選擇那些在公共領(lǐng)域出版材料中被識別為常常共同出現(xiàn)的語言單元來“寫作”的。熟悉的詞語組合被拼湊成幾乎令人信服的句子，這種陳腐的語言運用方式過去被稱為陳詞濫調(diào)。大語言模型是陳詞濫調(diào)的機器，它們被訓練成利用人類頑固的弱點——以最小的努力創(chuàng)造最大的內(nèi)容。

這也解釋了英國出版業(yè)最重要的行業(yè)雜志《書商》（The Bookseller）在2025年6月的一個標題：“AI‘很可能’在2030年前產(chǎn)出暢銷書”。該標題指的是尼爾森（Nielsen）公司菲利普·斯通（Philip Stone）在一次會議上的發(fā)言，該公司負責匯編英國圖書銷售數(shù)據(jù)。我認為他關(guān)于那本暢銷書的判斷是對的，因為大語言模型會率先攻占類型寫作——警匪、間諜驚悚、言情小說——這些小說會沿用已被證明受歡迎的經(jīng)典模式。人工智能急于取悅讀者，而且它還擁有一個優(yōu)勢——而令人驚訝的是，很少有人類作家具備這一點——它能夠毫無羞愧地批量生產(chǎn)衍生性作品。

幸運的是，對于其他人來說，人工智能能夠提供符合規(guī)則和以結(jié)果為導向的敘事，這種無窮無盡的能力帶來了一個意想不到的好處：人工智能將成為證明并非所有寫作都具有相同價值的工具。

為了擺脫陳詞濫調(diào)的束縛，讀者們期盼著有機的聯(lián)想、大膽的推測和出人意料的推論。為然而，對一臺在問題提出之前就已被喂入答案的AI來說，“驚喜”依然是一個難以企及的概念。

埃達·洛夫萊斯（1815-1852）。? wikipedia

查爾斯·巴貝奇的分析機，又稱差分機。? ThoughtCo

早在1842年，埃達·洛夫萊斯（Ada Lovelace，即詩人拜倫唯一的婚生子女。編者注）在評論最早的計算機之一——查爾斯·巴貝奇的分析機——時，就提出了對機器思維的這一反對意見（作為歷史背景，愛荷華第一次創(chuàng)意寫作聚會——雖屬非正式——發(fā)生在1897年）。洛夫萊斯指出：“分析機毫無任何自發(fā)創(chuàng)作的企圖。它只能做我們知道如何命令它去做的事情?！彼男斌w字強調(diào)了與人類思維之間的對比：至少對藝術(shù)家而言，原創(chuàng)性是一種被珍視的價值。

視覺藝術(shù)比文學更能延續(xù)現(xiàn)代主義“推陳出新”的理念。例如，特納獎每年頒發(fā)給英國最優(yōu)秀的當代藝術(shù)展覽，其評選標準就體現(xiàn)了一種觀念：如果作品不夠新穎，就不能稱之為藝術(shù)。對視覺藝術(shù)家而言，形式上的好奇心本就是工作的一部分——他們探索新的創(chuàng)作方式，以期啟發(fā)新的觀看視角。相較之下，而寫作則更傾向于沿用熟悉的模式，這也解釋了為何英國會設立專門的戈德史密斯小說獎（Goldsmiths Prize，又譯金匠獎。編者注），旨在“拓展小說形式的可能性”。因為大多數(shù)其他獲獎小說并沒有做到這一點。

盡管新技術(shù)開辟了廣闊的視野，但寫作界卻一直不愿去探索新的閱讀方式。把書籍整體搬到Kindle或Audible上，不過是簡單的數(shù)字化搬運而已，這種安于現(xiàn)狀的做法，使得文學界很容易被人工智能熟練地重復利用熟悉的素材，也提高了那本即將出現(xiàn)的AI生成暢銷書的概率。作家們，或者更準確地說，是他們的出版商，似乎已經(jīng)忘記了創(chuàng)作難度的重要性，也失去了對形式大膽作品所能帶來的驚人回報的好奇心。如今，很少有書稿作者敢于向主流出版社承諾創(chuàng)作一本與眾不同的書。

洛夫萊斯在思考機器如何思考時，立刻就識別出了原創(chuàng)性的重要性。或者，用詩人瑪麗安·摩爾（Marianne Moore）的一首詩來說：

這些事物之所以重要，并不是因為
它們可以被賦予高深的內(nèi)涵，而是因為它們
有用；……

無論在藝術(shù)還是科學領(lǐng)域，原創(chuàng)性都能推動人類進步。任何新穎而真實的發(fā)現(xiàn)都能拓展現(xiàn)實的范疇。因此，僅僅假裝原創(chuàng)的藝術(shù)作品，并不會給我們帶來任何有意義的東西。

圖靈測試本質(zhì)上是一項關(guān)于說謊的測試。一臺機器能否采用一種明顯屬于人類的策略，假裝成它并非之物？通過圖靈測試，需要一次欺騙行為，這讓被欺騙的人類審問者暴露在關(guān)于冒充與偽裝的原始恐懼之中。藝術(shù)理應透過這種謊言看到真相，而那些值得捍衛(wèi)的原創(chuàng)作品之所以非同尋常，正是因為杰斐遜所說的那種“被感受到的思想與情感”的強度與真實性，使它們存在于一個永恒的現(xiàn)在時。作家托妮·莫里森（Toni Morrison，美國著名非洲裔女性作家，其主要作品包括包括《最藍的眼睛》、《秀拉》、《寵兒》等。其獲得過許多文學獎項，包括美國國家圖書獎、國家圖書評論獎、普利策獎，以及1993年的諾貝爾文學獎。編者注）所做的事情，就屬于此。

而人工智能所做的，則是概率性的。大語言模型對最可能的詞序列的計算，恰恰是創(chuàng)造偉大寫作最不可能的方式。任何在情感投入上超越統(tǒng)計概率、真正創(chuàng)造新作品的人，都更有可能與讀者產(chǎn)生共鳴——不論這種親和力如何表現(xiàn)出來。正如格雷格·巴克斯特（Greg Baxter）在其回憶錄《為死亡做準備》（

A Preparation for Death

我并不懷疑大語言模型可以被要求去模仿越界，但一旦服從這一指令，它們就顯得荒謬虛偽，成為藝術(shù)的敵人——即便它們在先進的當代形式中似乎更能應對圖靈對英國文學的挑戰(zhàn)。例如在2026年，ChatGPT和Claude輕松完成了1950年的圖靈測試挑戰(zhàn)：解釋莎士比亞在第十八首十四行詩中的創(chuàng)作選擇。為什么是“夏日”，而不是“春日”？很簡單（只要問它們，它們就會告訴你答案）。現(xiàn)在大語言模型可以輕松應對圖靈最初的大部分問題，如果它們都寫不出像莎士比亞那樣的十四行詩，那我也寫不出來。但這并不意味著我不會思考，圖靈也對計算機作出了同樣合理的寬容。它們也被允許有自身的局限，而他對機器智能的態(tài)度，遵循了狄德羅關(guān)于鸚鵡的邏輯：如果理解的幻象足以令人信服，那它就等同于理解（狄德羅說，“要是他們找到一只什么都能回答的鸚鵡，我會毫不猶豫地認為它是有智慧的生物?！本幷咦?/strong>）。機器一直在偽裝，直到它們真正理解為止。

或者用圖靈自己的話來說：“上帝賦予了每個人不朽的靈魂，但沒有賦予任何其他動物或機器。因此，任何動物或機器都無法思考。我無法接受這種說法。”圖靈為了1950年代的語境而引入了上帝，但他拒絕了人類“必然優(yōu)于”其他造物（無論是人造的還是自然的）這一想法。他贊同德謨克利特和托馬斯·霍布斯等唯物主義哲學家的觀點，認為心靈——不論它究竟是什么——完全存在于大腦的物理結(jié)構(gòu)之中。AI也是一種物理結(jié)構(gòu)，因此圖靈判斷：AI不能做的事情，只是“暫時”做不到而已。

費伯與費伯出版社在作家莎拉·霍爾（Sarah Hall）小說封面上標注了“人類撰寫”，以示對人工智能的抵制。? The Bookseller

既然如此，作家和藝術(shù)家應當如何回應當下的這一局面？我們可以在小說的封皮上貼上“人類撰寫”的標簽，正如英國費伯與費伯出版社（Faber and Faber）最近所嘗試的那樣。視覺藝術(shù)家也可以貼上“由人類智慧創(chuàng)作”或“非AI制作”的標識，也許話題標簽能在某種程度上讓AI保持距離，直到某位劃時代的天才橫空出世，以真正原創(chuàng)的風格與內(nèi)容捍衛(wèi)人類的榮譽。人工智能，你等著瞧吧！看看你還有多長的路要追趕。

與此同時，我們其他人可以更積極主動地抵制人工智能的侵蝕，捍衛(wèi)并鼓勵人類獨立創(chuàng)作藝術(shù)的雄心，無論成功與否。藝術(shù)是對人類存在的肯定，是傳遞和接收關(guān)于相遇與聯(lián)結(jié)的信息。一個內(nèi)在生命可以觸及另一個，而為了達到最佳效果，需要培育一種任何大語言模型都無法模仿的創(chuàng)造性過程。馬塞爾·杜尚把藝術(shù)稱為“缺失的環(huán)節(jié)，而非已經(jīng)存在的環(huán)節(jié)”，這一洞見在21世紀尤其重要，它直接駁斥了模仿性的語言模型創(chuàng)作模式——這種模式深陷于反饋循環(huán)，不斷重復著既有的序列。對于ChatGPT而言，內(nèi)心世界之間那種觸電般的碰撞并非易事，而這種碰撞在回憶錄中最為容易實現(xiàn)。每個人記憶中的一切都只屬于他們自己，那是未經(jīng)數(shù)字化處理的真實人類經(jīng)驗寶庫。

據(jù)圖靈的傳記作者安德魯·霍奇斯（Andrew Hodges）記載，當圖靈陷入沉思時，常常會抓撓他那偏分的頭發(fā)，并用嘴發(fā)出一種“咂唧”的聲音。在他構(gòu)思圖靈測試前后，他腦中回響著懷疑的聲音，告訴他計算機永遠不可能“善良、機智、美麗、友好”。他未來的機器大腦不會“有主動性、幽默感、能分辨是非、會犯錯、墜入愛河、喜歡草莓加奶油”，等等。圖靈是在拿這些能力與他所記得的親身生活經(jīng)驗作比較。人工智能做不到的，就是回憶。

以這一想法為起點，我最近發(fā)起了“通用圖靈機”（Universal Turing Machine）項目，這是一個關(guān)于寫作與閱讀新方式的人類提案。“通用圖靈機”是一個可擴展的在線網(wǎng)格，由8x8個方格組成，類似于棋盤。我們邀請作家認領(lǐng)一個網(wǎng)格，并在每個方格中填入1000個單詞的記憶。讀者可以在不同的記憶和聲音之間隨機穿梭，在杜尚所指出的“藝術(shù)即鴻溝”的空間中扮演同樣積極的角色。我計劃每年兩次在已有內(nèi)容上鋪設新的方格，逐步擴大這一集體實驗性回憶錄的規(guī)模，放大人類存在的多樣性，創(chuàng)造一部忠于生活經(jīng)驗的主觀百科全書。

? universalturingmachine

通用圖靈機的形式，旨在鼓勵把寫作視為一種思考方式——而這正是藝術(shù)（觀看、聆聽、寫作、閱讀）一直以來所提供的。能夠感知自身被記憶的過程，堪稱我們所能進行的最艱深、最巧妙的思考之一，也正因如此，為了進行他的測試，圖靈才會對文學作品如此著迷。人工智能目前還無法將寫作作為一種獨立的思考、閱讀或記憶方式，而通過閱讀所有書籍來學習寫作也無濟于事。正如回憶錄無法通過完全回憶而變得更好一樣。

要親眼見證人類藝術(shù)性選擇的奇跡，可以看看法國實驗作家喬治·佩雷克（Georges Perec）的小說《消失》（

La Disparition