生產劣質作品本就是人類的頑疾，AI只是把它放大了10000倍

理查德·比爾德

Richard Beard

英國作家

英國作家，著有小說《大馬士革》（1998）、《枯骨》（2004）、《拉撒路已死》（2011）以及《刺客行傳》（2015）。其中，《刺客行傳》入圍英國金匠獎（Goldsmiths Prize）短名單，該獎項旨在表彰“拓展小說形式可能性”的作品。他的非虛構作品包括回憶錄《消失的那一天》（2017，該書獲得2018年佩恩·阿克利獎（PEN Ackerley Award）文學自傳獎），以及《悲傷的小人物》（2021）。

創意寫作曾是人類獨有的特權。無論寫得好還是寫得糟，它都共同印證著一個共識：書寫人類經驗，本身就值得付出時間與心力。這是一種至關重要的人類行為，以至于詩歌成為計算機先驅艾倫·圖靈（Alan Turing）最初測試中的關鍵一環，其目的在于判斷，在一連串問題背后作答的，究竟是人，還是機器的冒充者。

圖靈測試常被簡化為人類與機器這兩種疆域之間的一道分界。一旦人工智能通過測試，便仿佛可以跨過這條界線，走進人類的世界，環顧四周，甚至決定該如何對待我們。但在此之前，它首先必須通過測試本身。

在1950年發表于《心智》（Mind）期刊的論文《計算機器與智能》（Computing Machinery and Intelligence）中，圖靈開宗明義地提出了他的研究目標，即探討“機器能否思考”。隨后，他以一種頗具人類特色的方式，對這一問題進行了冗長而細致的重新表述，最終提出了“模仿游戲”（imitation game）的設想。

這一游戲的原型，源自互聯網和電視出現之前的一種客廳娛樂。圖靈設想的規則是：一名猜測者坐在“熱座”（hot seat）上，向分別身處另一房間、彼此不可見也不可聞的一男（X）一女（Y）提問。猜測者只能依據他們的書面回答，判斷誰是男性，誰是女性。X的目標是誤導猜測者，只要對方判斷錯誤便算獲勝；Y則相反，只有在猜測者判斷正確時才算勝出。不妨一試，這個游戲確實頗有趣味。

在這一語境下，圖靈測試中提出的第一個問題，其實并沒有乍看之下那么令人意外：“請X告訴我他或她的頭發有多長？”緊接著，圖靈以同樣禮貌的口吻提出了第二個問題：“請以福斯橋（Forth Bridge）為主題，為我寫一首十四行詩。”

僅僅兩個問題，人類與機器思維之間那條備受爭議的邊界，就已經開始在文學與藝術中尋找答案。圖靈設想中的1950年代版本的X，也就是試圖誤導提問者的一方，對此給出了回應：“這個我可不行，我從來寫不了詩。”

為了構思這一回答，在模仿游戲的第二階段，圖靈的大腦實際上承擔了一個頗為復雜的任務：他在想象一臺機器，扮演著X的角色，隱藏在視線之外，通過打字作答，并假裝自己是一名男性。值得注意的是，這名“男性”在更早的游戲設定中，曾經是一個假扮女性的參與者。我知道，這聽起來確實有點繞。但如果這個測試真的那么簡單，恐怕連空氣炸鍋都能輕松通過。

圖靈并不是在暗示機器無法寫詩。在模仿游戲錯綜復雜的邏輯中，X所依賴的是一個1950年代的常識性判斷：普通人并不寫詩，而任何試圖冒充人類的計算機，都應當知道這一點。

當然，這一判斷本身也帶著20世紀中期的時代偏見。圖靈在論文中對種族、宗教乃至美國憲法等議題都有所涉及，且用語并不總是謹慎。他甚至將“無法將計算機視為有感知的存在”，類比為“穆斯林認為女性沒有靈魂”的觀點。圖靈在這些問題上介入頗深，但他的思路顯然并不符合我們今天的理解方式。

而他當年試圖設想的、屬于2026年的未來計算機，同樣并未預見今天的現實。如今的任何大語言模型，無論是 ChatGPT 還是 Claude，都可以在極短時間內生成一首以福斯橋為主題的十四行詩。

當我直接輸入圖靈當年的測試問題時，Claude 4很快給出了14行詩作，其中甚至為了滿足格律要求，使用了縮寫形式的 “mathemat’cal”。這首詩語義通順，形式上也完全符合十四行詩的規范，并且是在數秒之內完成的。

無論這是否構成“思考”，圖靈都憑直覺意識到：他所劃定的這條邊界，最終將由藝術來守衛。在論文中，他正面挑戰了當時頗具聲望的神經科學家、英國皇家學會院士杰弗里·杰斐遜爵士（Geoffrey Jefferson）。

杰斐遜認為：“只有當一臺機器能夠因為自身真實體驗到的思想與情感，而非符號的偶然組合，去寫出一首十四行詩或譜成一部協奏曲時，我們才可以承認機器等同于大腦。換言之，它不僅要能創作，還必須知道那是自己完成的創作。”

1949年，杰斐遜在向皇家外科醫學院發表的利斯特講座中進一步強調，僅僅把“無限只猴子坐在打字機前隨機敲擊”的過程加以機械化，并不能算作真正的智能。

當寫作不再只是人類的專利

在當今的藝術領域，人們已很難像杰斐遜當年一樣有自信。人工智能的進展不斷刺痛著藝術的虛榮心：如果一臺機器可以幾乎瞬間復制出相同的成果，那么人類藝術家的作品究竟還有多么獨特？這種沖擊是真切存在的。

我們當然愿意相信，偉大的人類藝術家體現并守護著人類作為一個物種的“例外性”精神。然而，與早期攝影技術曾引發的焦慮如出一轍，一個被妖魔化的人工智能形象，正被想象為會奪走我們的“靈魂”。當機器生成的藝術開始逼近我們所能做到、所能創造、乃至所能成為的極限時，它便闖入了一片曾被視為神圣的領域。而創造性藝術家，按我們的期待，本應是獨特且不可模仿的存在。

圖靈發表《模仿游戲》一文時，距離1936年愛荷華大學（University of Iowa）首次舉辦作家工作坊，已經過去了14年。以其在劍橋大學國王學院（King’s College Cambridge）接受的數學訓練來看，圖靈或許并未意識到，機器學習的一些核心要素，早已在大西洋彼岸一個看似毫不相關的領域中悄然發展，那就是創意寫作。

在愛荷華之前，創作依賴的是繆斯的靈感；在愛荷華之后，寫作逐漸形成了一套可教授、可拆解的內容生成方法。這種方法在運作邏輯上，與當今大語言模型并不陌生。

第一步，厘清什么樣的寫作才算有效；第二步則是建立一套流程，引導有志寫作者逐步逼近這種理想輸出。愛荷華作家工作坊，以及此后幾乎所有創意寫作藝術碩士項目，反復檢驗并默認的一個前提是：只要掌握一組可學習的規則，文本至少可以達到“看起來像樣”的文學水準。

鮮有前途可期的編劇不熟悉悉德·菲爾德（Syd Field）提出的“三幕結構”（Three-Act Structure），或克里斯托弗·沃格勒（Christopher Vogler）的“英雄之旅”（Hero's Journey）。這些結構模板常被視為某種“秘籍”，承諾為情節推進、場景設置、戲劇張力與對白安排提供一條最優路徑。

與大語言模型被設計用來“思考”的方式類似，這些寫作模板本質上也是一種逆向工程。創作者首先拆解《大白鯊》（Jaws）或《證人》（Witness）等影片的敘事機制，理解它們為何奏效；隨后再提煉其中可遷移的要素，加以重新組合，期望在未來復現相近的藝術效果。

對于計算機程序員而言，這種作為機器學習機制的逆向工程，被稱為反向傳播（back-propagation）。在《智能簡史》（A Brief History of Intelligence, 2023）一書中，馬克斯·S·貝內特（Max S Bennett）展示了這一方法已經如何推動了圖像識別、自然語言處理、語音識別以及自動駕駛等技術的發展。具體而言，負責監督的程序員會事先確定所需的目標答案，再回過頭來不斷調整輸入結果，逐步引導人工神經網絡收斂到預設的解決方案。

這一神秘而難以言明的“關鍵要素”，至少自1580年起，便持續在英語世界的印刷文本中被反復討論。

如果寫作真能如此簡單，事情反倒好辦了。根據Data USA的統計，美國每年有多達4000名學生獲得創意寫作藝術碩士學位。幾乎沒有人指望，如此規模的訓練，最終會對應地產出同樣數量的“偉大的美國小說”（Great American Novel）。

不過，許多新人寫作生涯，確實始于一種與ChatGPT所鼓勵的“指令式思維”（prompt mentality）相似的愿望，這些愿望往往表現為具體而直接的請求：“我想寫一本像去年夏天讓我震撼的那本作品一樣的暢銷書。”或者，對更大膽的作者來說，是一種看似精巧的混合構想：“來點新穎、但依然容易引發共鳴的作品，一部兼具文學可信度與強烈敘事動能的小說與回憶錄雜糅體，風格介于李·查德（Lee Child）與安妮·埃爾諾（Annie Ernaux）之間。我可以等，但耐心不多。”

顯然，當最終成果與最初意圖相對照時，反向傳播這一方法，無論用于創意寫作課程，還是用于大語言模型，都存在明顯的局限。回到圖靈所引述的杰斐遜觀點，當作品由錯誤的“思想與情感”所驅動時，其完成度必然受到削弱。這種偏差，在學生寫作者身上表現為盲目的雄心，在計算機身上則體現為盲目的服從。僅靠規則與優化，顯然還不夠，創作仍然需要某種更深層的因素。

這一神秘而難以言明的“關鍵要素”，至少自1580年起，便持續在英語世界的印刷文本中被反復討論。彼時，菲利普·西德尼爵士（Sir Philip Sidney）在《詩辯》（An Apology for Poetry）中試圖提煉卓越創意寫作的本質。他的結論是，當寫作真正奏效時，它既能教化讀者，也能帶來愉悅。相比神學、歷史或哲學，文學以一種更易接近的形式，為“如何過好一生”提供指引。在這一意義上，創意寫作確實是獨特的。

?Sir Philip Sidney的An Apology for Poetry，圖源：University of Glasgow Library/Flickr

正因為這種獨特性，至今仍無人能夠將英語文學系長期積累的洞見，也就是“文學何以成立”，拆解為足夠細致、可操作的規則，從而重新編碼為大語言模型可以執行的指令，或供創意寫作學生直接套用。其他藝術門類在這一方向上的探索，同樣難言令人振奮。

以ArtEmis為例，這是一個旨在記錄并預測人們對視覺藝術作品情感反應的大規模數據集。該項目匯集了超過6500名參與者的情緒標注，并將這些反應與他們對所見作品的文字描述加以匹配。ArtEmis希望借助這些數據，通過類似反向傳播的方式，生成能夠激發相同情感反應的藝術作品。

當前的一種理解是：只要機器能夠生成一幅視覺圖像，并引發一組可被預測、可被控制的情感反應，藝術便算是成功地被創造出來了。這種設想聽起來不無道理，但問題在于，人類的情感反應向來以反復無常著稱。ArtEmis所采用的路徑，在好萊塢其實早有先例，也就是焦點小組（focus groups）。然而，如果焦點小組真的能夠穩定地產出藝術上的成功，電影院里理應早已充滿一部又一部的爆款影片。

值得一提的是，美國編劇工會（Writers Guild of America）在2023年的罷工行動中，爭取到了針對生成式人工智能用于編劇的重要保護條款，其中明確禁止以AI取代人類編劇。但這一勝利，并未明顯提升優秀藝術電影的產出。人類編劇依然在創作大量水準平平的作品。即便完全不借助AI，我們也持續產出出乏善可陳的作品，寫下很快被遺忘的小說。

生產劣質藝術，本就是許多人類樂于從事的事情。這是我們自身的一部分。當靈感缺席時，我們轉而依賴的，正是那些后來被原樣編入大語言模型（LLMs）的寫作方法。正如圖靈所預見的那樣，“數字計算機……事實上可以非常接近地模仿人類計算機的行為”。在制造失敗藝術作品這件事上，我們幾乎已經把所有的取巧之道都教給了人工智能。

無論作品誕生于寒酸的閣樓，還是來自英偉達（Nvidia）的芯片，失敗的創造性寫作，運作方式都大同小異：它通過從公共領域已發表的文本中，識別并選取那些通常會被放在一起的語言單元來完成“寫作”。熟悉的詞語組合被重新拼裝成看似可信的句子。這種早已顯得疲憊的語言使用方式，過去有一個明確的稱呼，叫作陳詞濫調（cliché）。從這個意義上說，大語言模型本質上就是陳詞濫調機器，它們被訓練來利用人類一個頑固而持久的弱點，也就是用最小的努力生成盡可能多的內容。

AI會寫暢銷書，

但那不是文學的問題

正因如此，2025年6月，英國出版業最具影響力的行業期刊《書商》（The Bookseller）刊登了這樣一條標題：“人工智能‘很可能’在2030年前創作出暢銷書”。該標題引用了尼爾森公司（Nielsen）菲利普·斯通（Philip Stone）在一次行業會議上的發言。這家公司長期負責匯編英國的圖書銷售數據。

我傾向于認為，他關于“暢銷書”的判斷是成立的。原因在于，大語言模型很可能會率先進入類型文學（genre writing）領域，例如刑偵小說、間諜驚悚片和言情作品。這些寫作類型本就依賴高度可識別、且已經被市場反復驗證的敘事公式。

急于取悅讀者的人工智能（“嗨，Rich，今天過得怎么樣？”）還具備一項優勢，那就是能夠毫無心理負擔地持續生產高度衍生的作品，而真正擁有這一優勢的人類作家其實并不多。

對其他人來說，幸運的是，人工智能那種幾乎無窮無盡、以規則為導向、以解決問題為目標的敘事生產能力，反而帶來了一個意想不到的益處。它正在成為一種有力的工具，用來提醒我們，并非所有寫作都具有同等的價值。

原創性、記憶，與無法外包的自我

為了擺脫陳詞濫調那種近乎機械的牽制，讀者始終期待在文本中遇到更有機的聯想、更大膽的推演，以及出人意料的推斷。相比之下，對于一臺在問題提出之前就已被“喂入答案”的人工智能而言，“驚喜”始終是一種難以真正觸及的概念。

對機器思維的這一質疑，早在1842年便已出現。當時，埃達·洛夫萊斯（Ada Lovelace）在討論最早的計算機之一，也就是查爾斯·巴貝奇（Charles Babbage）的分析機（Analytical Engine）時，提出了這一判斷。作為背景補充，愛荷華大學第一次非正式的創意寫作聚會，發生在1897年。

?Ada Lovelace肖像。圖源：Bodleian Library, Oxford/Wikipedia

洛夫萊斯寫道：“分析機根本無意創造任何東西。它只能完成我們知道如何命令它去完成的任務。”她在原文中以斜體加以強調，正是為了凸顯這種機器式執行，與人類思維之間的差異。至少在藝術領域，原創性（originality）始終被視為一種值得珍視的價值。

相較于文學，視覺藝術在更大程度上延續了現代主義“創造新意”（make it new）的要求。以特納獎（Turner Prize）為例，這一每年頒發給英國最具代表性的當代藝術展覽的獎項，幾乎始終貫穿著一種明確的判斷標準：如果不新，那就不能算作藝術。

對視覺藝術家而言，對形式的好奇本身就是職業的一部分。他們通過不斷探索新的創作方式，來邀請新的觀看方式。而寫作則恰恰相反，它往往樂于獎勵那些令人感到安心的熟悉形式。這也正是英國為何另設金匠獎（Goldsmiths Prize）的原因，該獎項專門表彰那些“拓展小說形式可能性”的作品。原因并不復雜，因為大多數其他獲獎小說并未真正做到這一點。

盡管新技術不斷打開新的可能性，寫作領域卻長期缺乏對“如何閱讀”的想象力。

盡管新技術不斷打開新的可能性，寫作領域卻長期缺乏對“如何閱讀”的想象力。將書籍整體遷移到Kindle或Audible上，充其量只是一次數字化的搬運（digital haulage）。這種自滿的延續，使文學在面對人工智能對既有材料的高效復刻時顯得尤為脆弱，也在無形中提高了“AI寫出暢銷書”的概率。

作家們，或者更準確地說，他們的出版商，似乎已經淡忘了“難度”本身的重要性，也失去了對形式上大膽嘗試所可能帶來的巨大回報的好奇心。在當下的主流出版體系中，真正敢于承諾“這本書不會和其他書一樣”的選題，反而成了罕見之物。

在思考機器如何思考時，洛夫萊斯（Lovelace）幾乎立刻就意識到了原創性（originality）的重要性。正如瑪麗安·摩爾（Marianne Moore）的一首詩所寫：

這些事物之所以重要，

并非因為人們可以賦予它們高深的闡釋，

而是因為它們有用……

在藝術與科學領域中，原創性都使人類的探索得以向前推進。任何既新穎又真實的發現，都會拓展現實的邊界。在這樣的語境下，那些僅僅“看起來像原創”的藝術，并不能把我們帶到任何真正值得抵達的地方。

從根本上說，圖靈測試是一種關于“說謊”的測試。問題不在于機器是否智能，而在于它能否采用一種足夠像人的策略，假裝成它并非本來的樣子。通過圖靈測試，本身就要求一次成功的欺騙，而這也讓被欺騙的人類提問者，重新暴露在對冒充與偽裝的原始恐懼之中。

藝術的任務，恰恰在于穿透這種層面的謊言，去看見其中的真實。那些真正值得捍衛的原創作品之所以非凡，正是因為它們承載著杰斐遜所說的那種被真實體驗過的“思想與情感”。正因如此，它們仿佛存在于一種永恒的現在時之中。托妮·莫里森（Toni Morrison）所完成的寫作，正屬于這種不可思議的范疇。

而人工智能的運作，本質上是概率性的。大語言模型所做的，是計算出“最可能出現”的詞語序列。但恰恰是這種最可能的路徑，最不可能通向真正偉大的寫作。任何不滿足于統計概率、而是在更深層的情感投入中真正創造新作品的人，無論這種共鳴最終以何種形式呈現，都更有可能與讀者建立聯系。

正如格雷格·巴克斯特（Greg Baxter）在回憶錄《為死亡做準備》（A Preparation for Death, 2010）中所寫：“如果文學是一場發生在勇敢者與平庸者之間的街頭斗毆，那么我帶來的，是我所知道最兇悍的一群人：純粹的殺手，和瘋子。”巴克斯特筆下的這些文學“匪徒”，并不會向“最可能出現的下一個詞”低頭。他所珍視的，是那種不服從概率的力量。相比之下，圖靈所設想的計算機，接收的始終是必須被“正確執行、按序完成”的指令。

我們或許正是通過這一點，來抵御人工智能的悄然滲透：繼續鼓勵人類去創作藝術，在沒有輔助的情況下去嘗試、去冒險。無論結果是否成功，這種雄心本身，依然值得被保留。

我并不懷疑，大語言模型可以被要求去模仿所謂的“離經叛道”（transgression）。但一旦它們服從這樣的指令，結果往往只會顯得滑稽而虛假，也因此成為藝術的對立面。即便在當下這些高度進化的形態中，它們看起來似乎比以往任何時候都更有能力回應圖靈當年對英語文學的試探。

以2026年為例，ChatGPT 和 Claude 已經可以輕松完成圖靈在1950年提出的一項挑戰：解釋莎士比亞在《第十八首十四行詩》中的創作選擇。為什么是“夏日”，而不是“春日”？這個問題對它們而言并不困難，只要提問，它們就能給出答案。如今，大語言模型幾乎可以完美應對圖靈最初提出的大多數問題。如果說它們依然寫不出一首真正屬于莎士比亞的十四行詩，那我同樣也寫不出。但這并不意味著我不會思考，而圖靈對計算機也給予了同樣合理的寬容。

機器同樣被允許存在局限。圖靈對于機器智能的態度，遵循的是德尼·狄德羅（Denis Diderot）提出的“鸚鵡邏輯”：只要對理解的模擬足夠令人信服，它就可以被視為理解本身。從這個意義上說，這些機器只是在不斷偽裝，直到有一天真的抵達。

正如圖靈所言：“上帝賦予了每個男人和女人不朽的靈魂，卻沒有賦予任何其他動物或機器。因此，動物或機器不能思考。我無法接受這一觀點的任何部分。”圖靈在這里援引上帝，更多是出于1950年代的語境考量。但他始終拒絕一種觀念，即人類必然優越于其他一切造物，無論這些造物是自然的，還是人造的。

在哲學立場上，他更接近德謨克利特（Democritus）與托馬斯·霍布斯（Thomas Hobbes）這樣的唯物主義哲學家，認為心靈的存在，無論其本質，都完全根植于大腦的物理結構之中。人工智能同樣是一種物理結構。因此，在圖靈看來，凡是人工智能目前尚不能做到的事情，并非原則上的不可能，而只是時間尚未到來。

既然如此，作家和藝術家在當下應當如何回應這一局面？一種做法是，在小說的護封上貼上“人類創作”（Human Written）的標簽，正如英國費伯出版社（Faber and Faber）近期試行的那樣。視覺藝術領域也出現了“人類智慧創作”或“非AI生成”的標識。或許，再配合一些標簽和話題，我們可以暫時將AI擋在藝術之外，直到某位具有時代意義的天才出現，用真正原創的風格與內容，為人類的榮譽贏回一場勝利。好吧，AI，看看你還需要追趕多遠。

更為積極的做法是，在此期間，我們其余人可以通過捍衛并鼓勵人類在沒有技術輔助的情況下進行藝術創作（無論創作是否成功），來抵御AI的悄然滲透。藝術本身，是對人類存在的確認，是關于相遇與連接的經驗在不同生命之間的傳遞與接收。一種內在生活可以觸及另一種，而這種觸及，若要真正發生，依賴的是一種任何大語言模型都無法模仿的創作過程。

馬塞爾·杜尚（Marcel Duchamp）曾將藝術稱為“那個缺失的環節，而非已經存在的環節”。這一洞見在21世紀看來，恰恰構成了對模仿型大語言模型創作范式的直接反駁。后者被困在反饋循環之中，只能不斷重復既有的序列。ChatGPT無法實現不同內在生命之間那種電光火石般的短路，而這種短路，在寫作中最容易出現的地方，正是回憶錄。人所記住的東西，只屬于那個人自己。那是一座尚未被數字化的儲藏室，存放著真實而不可替代的人類經驗。

據其傳記作者安德魯·霍奇斯（Andrew Hodges）記載，圖靈在陷入沉思時，常常會撓一撓自己側分的頭發，嘴里發出輕微的咂響。在他構思圖靈測試的那個時期，腦海中不斷響起懷疑的聲音，提醒他：計算機永遠不可能變得“善良、機敏、美麗或友好”。他設想中的未來機器大腦不會“擁有主動性、幽默感、分辨是非的能力，也不會犯錯、墜入愛河，或享受草莓和奶油”等等。圖靈是在用這些設想，與他親身經歷過的生活進行對照。他意識到，人工智能無法做到的，正是回憶錄。

以這一想法為起點，我最近發起了“通用圖靈機”（Universal Turing Machine）項目。這是一個由人類提出的、關于寫作與閱讀的新方案。“通用圖靈機”是一個可不斷擴展的在線網格，由八乘八個方格組成，形似棋盤。寫作者可以認領一個網格，并在其中的每一個方格里，寫下約一千字的個人記憶。

讀者則可以在不同的記憶與聲音之間自由穿梭，以一種同樣主動的方式進入杜尚所指認的那個空間。杜尚說，藝術存在于“間隙”之中。我計劃每年兩次，在現有網格的基礎上鋪展新的網格，逐步擴大這部集體性的實驗回憶錄，讓更多不同的人類經驗被納入其中，最終形成一部關于真實生活的、主觀的百科全書。

“通用圖靈機”旨在鼓勵將寫作視為一種思考方式。這正是藝術長期以來所提供的核心能力，無論是觀看、聆聽、寫作，還是閱讀。一段意識到自己正在被回憶的記憶，幾乎是人類所能進行的最困難、也最精巧的思考之一。正因為如此，圖靈在設計他的測試時，始終無法將文學排除在外。

人工智能至今仍無法模擬將寫作本身作為思考、閱讀或記憶的過程。而通過“閱讀一切”來學習寫作，同樣并不會帶來真正的提升。正如回憶錄并不會因為毫無遺漏的全盤記憶而變得更好。

如果要親眼看到人類藝術選擇的奇跡如何發生，可以看看法國實驗作家喬治·佩雷克（Georges Perec）的小說《消失》（La Disparition，1969年，英文名A Void）。這部小說中完全沒有出現字母“e”。這種系統性的形式約束，大語言模型可以在瞬間復制完成。但計算機無法加入的，是佩雷克的生命經驗。

在法語中，字母“e”的發音近似“eux”，意為“他們”。佩雷克的父親在戰爭中陣亡，他的母親被納粹從巴黎驅逐至奧斯威辛集中營。父母二人從他的生活中消失，也從這部小說中消失。正因為如此，這本書反而成為一次反“消失”的寫作。它以一種勝利的藝術行動，將這種缺席本身變成了最強烈的在場，使扭曲的空白被迫顯現出來。

作家與讀者、藝術家與觀眾之間的交流，是我們所能達到的、最接近心靈感應的狀態。

在《計算機器與智能》（Computing Machinery and Intelligence）接近尾聲時，圖靈出人意料地提到：“至少在心靈感應（telepathy）這一點上，統計證據是壓倒性的”，并補充說：“如果承認心靈感應存在，我們的測試就必須更加嚴格。”作家與讀者、藝術家與觀眾之間的交流，是我們所能達到的、最接近心靈感應的狀態，即在不同心智之間傳遞與接收信息。

圖靈意識到，他所設想的機器將難以匹敵這種人類特有的精細能力。盡管并非每個人都通過藝術體驗到這種心靈感應，但任何一個曾真實感受過草莓和奶油滋味的人，都可以對此進行嘗試。這種嘗試本身就值得被肯定，而像我發起的“通用圖靈機”這樣的項目，正是對此的鼓勵。它向人類寫作者敞開，無需通過任何測試。

或者更準確地說，用寫作重新組合記憶，以這種明確而獨特的人類方式進行思考，本身就是一種抵抗行為。它重新定位了圖靈測試的意義，使其站在模仿游戲中Y這一方的立場上：那個意在講述真實，而非制造誤導的參與者。X無法替你擁有記憶，也無法代你完成思考。它不能假裝成功，也不可能真正成功。

對自我的認識，無論過去還是現在，始終是一種對認知主權的宣示。當Y在寫作中書寫自我時，便以無可辯駁的方式成為了人。Y獲勝了。人類與機器思維之間的邊界依然存在，并且被一個不愿、也不可能被外包的自我重新鞏固。

編譯后記

作者真正關心的并非“AI能不能寫得像人”，而是當寫作、創作與理解被高度程序化之后，人類如何重新界定自身的位置。技術的進步往往讓我們誤以為問題是能力差距，但更深層的變化，發生在我們如何理解經驗、記憶與表達本身。

語言模型擅長給出最可能、最符合期待的回應，而這恰恰映照出一個長期存在于人類社會中的事實：大量表達本就建立在模仿、共識與慣性之上。真正難以被替代的，不是形式上的復雜，而是源于具體生活的感受、選擇與承擔。記憶不是被調用的數據，而是一次次被重新組織、重新解釋的過程。

原文鏈接：https://aeon.co/essays/sure-ai-can-do-writing-but-memoir-not-so-much

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。