生产劣质作品本就是人类的顽疾，AI只是把它放大了10000倍

理查德·比尔德

Richard Beard

英国作家

英国作家，著有小说《大马士革》（1998）、《枯骨》（2004）、《拉撒路已死》（2011）以及《刺客行传》（2015）。其中，《刺客行传》入围英国金匠奖（Goldsmiths Prize）短名单，该奖项旨在表彰“拓展小说形式可能性”的作品。他的非虚构作品包括回忆录《消失的那一天》（2017，该书获得2018年佩恩·阿克利奖（PEN Ackerley Award）文学自传奖），以及《悲伤的小人物》（2021）。

创意写作曾是人类独有的特权。无论写得好还是写得糟，它都共同印证着一个共识：书写人类经验，本身就值得付出时间与心力。这是一种至关重要的人类行为，以至于诗歌成为计算机先驱艾伦·图灵（Alan Turing）最初测试中的关键一环，其目的在于判断，在一连串问题背后作答的，究竟是人，还是机器的冒充者。

图灵测试常被简化为人类与机器这两种疆域之间的一道分界。一旦人工智能通过测试，便仿佛可以跨过这条界线，走进人类的世界，环顾四周，甚至决定该如何对待我们。但在此之前，它首先必须通过测试本身。

在1950年发表于《心智》（Mind）期刊的论文《计算机器与智能》（Computing Machinery and Intelligence）中，图灵开宗明义地提出了他的研究目标，即探讨“机器能否思考”。随后，他以一种颇具人类特色的方式，对这一问题进行了冗长而细致的重新表述，最终提出了“模仿游戏”（imitation game）的设想。

这一游戏的原型，源自互联网和电视出现之前的一种客厅娱乐。图灵设想的规则是：一名猜测者坐在“热座”（hot seat）上，向分别身处另一房间、彼此不可见也不可闻的一男（X）一女（Y）提问。猜测者只能依据他们的书面回答，判断谁是男性，谁是女性。X的目标是误导猜测者，只要对方判断错误便算获胜；Y则相反，只有在猜测者判断正确时才算胜出。不妨一试，这个游戏确实颇有趣味。

在这一语境下，图灵测试中提出的第一个问题，其实并没有乍看之下那么令人意外：“请X告诉我他或她的头发有多长？”紧接着，图灵以同样礼貌的口吻提出了第二个问题：“请以福斯桥（Forth Bridge）为主题，为我写一首十四行诗。”

仅仅两个问题，人类与机器思维之间那条备受争议的边界，就已经开始在文学与艺术中寻找答案。图灵设想中的1950年代版本的X，也就是试图误导提问者的一方，对此给出了回应：“这个我可不行，我从来写不了诗。”

为了构思这一回答，在模仿游戏的第二阶段，图灵的大脑实际上承担了一个颇为复杂的任务：他在想象一台机器，扮演着X的角色，隐藏在视线之外，通过打字作答，并假装自己是一名男性。值得注意的是，这名“男性”在更早的游戏设定中，曾经是一个假扮女性的参与者。我知道，这听起来确实有点绕。但如果这个测试真的那么简单，恐怕连空气炸锅都能轻松通过。

图灵并不是在暗示机器无法写诗。在模仿游戏错综复杂的逻辑中，X所依赖的是一个1950年代的常识性判断：普通人并不写诗，而任何试图冒充人类的计算机，都应当知道这一点。

当然，这一判断本身也带着20世纪中期的时代偏见。图灵在论文中对种族、宗教乃至美国宪法等议题都有所涉及，且用语并不总是谨慎。他甚至将“无法将计算机视为有感知的存在”，类比为“穆斯林认为女性没有灵魂”的观点。图灵在这些问题上介入颇深，但他的思路显然并不符合我们今天的理解方式。

而他当年试图设想的、属于2026年的未来计算机，同样并未预见今天的现实。如今的任何大语言模型，无论是 ChatGPT 还是 Claude，都可以在极短时间内生成一首以福斯桥为主题的十四行诗。

当我直接输入图灵当年的测试问题时，Claude 4很快给出了14行诗作，其中甚至为了满足格律要求，使用了缩写形式的 “mathemat’cal”。这首诗语义通顺，形式上也完全符合十四行诗的规范，并且是在数秒之内完成的。

无论这是否构成“思考”，图灵都凭直觉意识到：他所划定的这条边界，最终将由艺术来守卫。在论文中，他正面挑战了当时颇具声望的神经科学家、英国皇家学会院士杰弗里·杰斐逊爵士（Geoffrey Jefferson）。

杰斐逊认为：“只有当一台机器能够因为自身真实体验到的思想与情感，而非符号的偶然组合，去写出一首十四行诗或谱成一部协奏曲时，我们才可以承认机器等同于大脑。换言之，它不仅要能创作，还必须知道那是自己完成的创作。”

1949年，杰斐逊在向皇家外科医学院发表的利斯特讲座中进一步强调，仅仅把“无限只猴子坐在打字机前随机敲击”的过程加以机械化，并不能算作真正的智能。

当写作不再只是人类的专利

在当今的艺术领域，人们已很难像杰斐逊当年一样有自信。人工智能的进展不断刺痛着艺术的虚荣心：如果一台机器可以几乎瞬间复制出相同的成果，那么人类艺术家的作品究竟还有多么独特？这种冲击是真切存在的。

我们当然愿意相信，伟大的人类艺术家体现并守护着人类作为一个物种的“例外性”精神。然而，与早期摄影技术曾引发的焦虑如出一辙，一个被妖魔化的人工智能形象，正被想象为会夺走我们的“灵魂”。当机器生成的艺术开始逼近我们所能做到、所能创造、乃至所能成为的极限时，它便闯入了一片曾被视为神圣的领域。而创造性艺术家，按我们的期待，本应是独特且不可模仿的存在。

图灵发表《模仿游戏》一文时，距离1936年爱荷华大学（University of Iowa）首次举办作家工作坊，已经过去了14年。以其在剑桥大学国王学院（King’s College Cambridge）接受的数学训练来看，图灵或许并未意识到，机器学习的一些核心要素，早已在大西洋彼岸一个看似毫不相关的领域中悄然发展，那就是创意写作。

在爱荷华之前，创作依赖的是缪斯的灵感；在爱荷华之后，写作逐渐形成了一套可教授、可拆解的内容生成方法。这种方法在运作逻辑上，与当今大语言模型并不陌生。

第一步，厘清什么样的写作才算有效；第二步则是建立一套流程，引导有志写作者逐步逼近这种理想输出。爱荷华作家工作坊，以及此后几乎所有创意写作艺术硕士项目，反复检验并默认的一个前提是：只要掌握一组可学习的规则，文本至少可以达到“看起来像样”的文学水准。

鲜有前途可期的编剧不熟悉悉德·菲尔德（Syd Field）提出的“三幕结构”（Three-Act Structure），或克里斯托弗·沃格勒（Christopher Vogler）的“英雄之旅”（Hero's Journey）。这些结构模板常被视为某种“秘籍”，承诺为情节推进、场景设置、戏剧张力与对白安排提供一条最优路径。

与大语言模型被设计用来“思考”的方式类似，这些写作模板本质上也是一种逆向工程。创作者首先拆解《大白鲨》（Jaws）或《证人》（Witness）等影片的叙事机制，理解它们为何奏效；随后再提炼其中可迁移的要素，加以重新组合，期望在未来复现相近的艺术效果。

对于计算机程序员而言，这种作为机器学习机制的逆向工程，被称为反向传播（back-propagation）。在《智能简史》（A Brief History of Intelligence, 2023）一书中，马克斯·S·贝内特（Max S Bennett）展示了这一方法已经如何推动了图像识别、自然语言处理、语音识别以及自动驾驶等技术的发展。具体而言，负责监督的程序员会事先确定所需的目标答案，再回过头来不断调整输入结果，逐步引导人工神经网络收敛到预设的解决方案。

这一神秘而难以言明的“关键要素”，至少自1580年起，便持续在英语世界的印刷文本中被反复讨论。

如果写作真能如此简单，事情反倒好办了。根据Data USA的统计，美国每年有多达4000名学生获得创意写作艺术硕士学位。几乎没有人指望，如此规模的训练，最终会对应地产出同样数量的“伟大的美国小说”（Great American Novel）。

不过，许多新人写作生涯，确实始于一种与ChatGPT所鼓励的“指令式思维”（prompt mentality）相似的愿望，这些愿望往往表现为具体而直接的请求：“我想写一本像去年夏天让我震撼的那本作品一样的畅销书。”或者，对更大胆的作者来说，是一种看似精巧的混合构想：“来点新颖、但依然容易引发共鸣的作品，一部兼具文学可信度与强烈叙事动能的小说与回忆录杂糅体，风格介于李·查德（Lee Child）与安妮·埃尔诺（Annie Ernaux）之间。我可以等，但耐心不多。”

显然，当最终成果与最初意图相对照时，反向传播这一方法，无论用于创意写作课程，还是用于大语言模型，都存在明显的局限。回到图灵所引述的杰斐逊观点，当作品由错误的“思想与情感”所驱动时，其完成度必然受到削弱。这种偏差，在学生写作者身上表现为盲目的雄心，在计算机身上则体现为盲目的服从。仅靠规则与优化，显然还不够，创作仍然需要某种更深层的因素。

这一神秘而难以言明的“关键要素”，至少自1580年起，便持续在英语世界的印刷文本中被反复讨论。彼时，菲利普·西德尼爵士（Sir Philip Sidney）在《诗辩》（An Apology for Poetry）中试图提炼卓越创意写作的本质。他的结论是，当写作真正奏效时，它既能教化读者，也能带来愉悦。相比神学、历史或哲学，文学以一种更易接近的形式，为“如何过好一生”提供指引。在这一意义上，创意写作确实是独特的。

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

正因为这种独特性，至今仍无人能够将英语文学系长期积累的洞见，也就是“文学何以成立”，拆解为足够细致、可操作的规则，从而重新编码为大语言模型可以执行的指令，或供创意写作学生直接套用。其他艺术门类在这一方向上的探索，同样难言令人振奋。

以ArtEmis为例，这是一个旨在记录并预测人们对视觉艺术作品情感反应的大规模数据集。该项目汇集了超过6500名参与者的情绪标注，并将这些反应与他们对所见作品的文字描述加以匹配。ArtEmis希望借助这些数据，通过类似反向传播的方式，生成能够激发相同情感反应的艺术作品。

当前的一种理解是：只要机器能够生成一幅视觉图像，并引发一组可被预测、可被控制的情感反应，艺术便算是成功地被创造出来了。这种设想听起来不无道理，但问题在于，人类的情感反应向来以反复无常著称。ArtEmis所采用的路径，在好莱坞其实早有先例，也就是焦点小组（focus groups）。然而，如果焦点小组真的能够稳定地产出艺术上的成功，电影院里理应早已充满一部又一部的爆款影片。

值得一提的是，美国编剧工会（Writers Guild of America）在2023年的罢工行动中，争取到了针对生成式人工智能用于编剧的重要保护条款，其中明确禁止以AI取代人类编剧。但这一胜利，并未明显提升优秀艺术电影的产出。人类编剧依然在创作大量水准平平的作品。即便完全不借助AI，我们也持续产出出乏善可陈的作品，写下很快被遗忘的小说。

生产劣质艺术，本就是许多人类乐于从事的事情。这是我们自身的一部分。当灵感缺席时，我们转而依赖的，正是那些后来被原样编入大语言模型（LLMs）的写作方法。正如图灵所预见的那样，“数字计算机……事实上可以非常接近地模仿人类计算机的行为”。在制造失败艺术作品这件事上，我们几乎已经把所有的取巧之道都教给了人工智能。

无论作品诞生于寒酸的阁楼，还是来自英伟达（Nvidia）的芯片，失败的创造性写作，运作方式都大同小异：它通过从公共领域已发表的文本中，识别并选取那些通常会被放在一起的语言单元来完成“写作”。熟悉的词语组合被重新拼装成看似可信的句子。这种早已显得疲惫的语言使用方式，过去有一个明确的称呼，叫作陈词滥调（cliché）。从这个意义上说，大语言模型本质上就是陈词滥调机器，它们被训练来利用人类一个顽固而持久的弱点，也就是用最小的努力生成尽可能多的内容。

AI会写畅销书，

但那不是文学的问题

正因如此，2025年6月，英国出版业最具影响力的行业期刊《书商》（The Bookseller）刊登了这样一条标题：“人工智能‘很可能’在2030年前创作出畅销书”。该标题引用了尼尔森公司（Nielsen）菲利普·斯通（Philip Stone）在一次行业会议上的发言。这家公司长期负责汇编英国的图书销售数据。

我倾向于认为，他关于“畅销书”的判断是成立的。原因在于，大语言模型很可能会率先进入类型文学（genre writing）领域，例如刑侦小说、间谍惊悚片和言情作品。这些写作类型本就依赖高度可识别、且已经被市场反复验证的叙事公式。

急于取悦读者的人工智能（“嗨，Rich，今天过得怎么样？”）还具备一项优势，那就是能够毫无心理负担地持续生产高度衍生的作品，而真正拥有这一优势的人类作家其实并不多。

对其他人来说，幸运的是，人工智能那种几乎无穷无尽、以规则为导向、以解决问题为目标的叙事生产能力，反而带来了一个意想不到的益处。它正在成为一种有力的工具，用来提醒我们，并非所有写作都具有同等的价值。

原创性、记忆，与无法外包的自我

为了摆脱陈词滥调那种近乎机械的牵制，读者始终期待在文本中遇到更有机的联想、更大胆的推演，以及出人意料的推断。相比之下，对于一台在问题提出之前就已被“喂入答案”的人工智能而言，“惊喜”始终是一种难以真正触及的概念。

对机器思维的这一质疑，早在1842年便已出现。当时，埃达·洛夫莱斯（Ada Lovelace）在讨论最早的计算机之一，也就是查尔斯·巴贝奇（Charles Babbage）的分析机（Analytical Engine）时，提出了这一判断。作为背景补充，爱荷华大学第一次非正式的创意写作聚会，发生在1897年。

▷Ada Lovelace肖像。图源：Bodleian Library, Oxford/Wikipedia

洛夫莱斯写道：“分析机根本无意创造任何东西。它只能完成我们知道如何命令它去完成的任务。”她在原文中以斜体加以强调，正是为了凸显这种机器式执行，与人类思维之间的差异。至少在艺术领域，原创性（originality）始终被视为一种值得珍视的价值。

相较于文学，视觉艺术在更大程度上延续了现代主义“创造新意”（make it new）的要求。以特纳奖（Turner Prize）为例，这一每年颁发给英国最具代表性的当代艺术展览的奖项，几乎始终贯穿着一种明确的判断标准：如果不新，那就不能算作艺术。

对视觉艺术家而言，对形式的好奇本身就是职业的一部分。他们通过不断探索新的创作方式，来邀请新的观看方式。而写作则恰恰相反，它往往乐于奖励那些令人感到安心的熟悉形式。这也正是英国为何另设金匠奖（Goldsmiths Prize）的原因，该奖项专门表彰那些“拓展小说形式可能性”的作品。原因并不复杂，因为大多数其他获奖小说并未真正做到这一点。

尽管新技术不断打开新的可能性，写作领域却长期缺乏对“如何阅读”的想象力。

尽管新技术不断打开新的可能性，写作领域却长期缺乏对“如何阅读”的想象力。将书籍整体迁移到Kindle或Audible上，充其量只是一次数字化的搬运（digital haulage）。这种自满的延续，使文学在面对人工智能对既有材料的高效复刻时显得尤为脆弱，也在无形中提高了“AI写出畅销书”的概率。

作家们，或者更准确地说，他们的出版商，似乎已经淡忘了“难度”本身的重要性，也失去了对形式上大胆尝试所可能带来的巨大回报的好奇心。在当下的主流出版体系中，真正敢于承诺“这本书不会和其他书一样”的选题，反而成了罕见之物。

在思考机器如何思考时，洛夫莱斯（Lovelace）几乎立刻就意识到了原创性（originality）的重要性。正如玛丽安·摩尔（Marianne Moore）的一首诗所写：

这些事物之所以重要，

并非因为人们可以赋予它们高深的阐释，

而是因为它们有用……

在艺术与科学领域中，原创性都使人类的探索得以向前推进。任何既新颖又真实的发现，都会拓展现实的边界。在这样的语境下，那些仅仅“看起来像原创”的艺术，并不能把我们带到任何真正值得抵达的地方。

从根本上说，图灵测试是一种关于“说谎”的测试。问题不在于机器是否智能，而在于它能否采用一种足够像人的策略，假装成它并非本来的样子。通过图灵测试，本身就要求一次成功的欺骗，而这也让被欺骗的人类提问者，重新暴露在对冒充与伪装的原始恐惧之中。

艺术的任务，恰恰在于穿透这种层面的谎言，去看见其中的真实。那些真正值得捍卫的原创作品之所以非凡，正是因为它们承载着杰斐逊所说的那种被真实体验过的“思想与情感”。正因如此，它们仿佛存在于一种永恒的现在时之中。托妮·莫里森（Toni Morrison）所完成的写作，正属于这种不可思议的范畴。

而人工智能的运作，本质上是概率性的。大语言模型所做的，是计算出“最可能出现”的词语序列。但恰恰是这种最可能的路径，最不可能通向真正伟大的写作。任何不满足于统计概率、而是在更深层的情感投入中真正创造新作品的人，无论这种共鸣最终以何种形式呈现，都更有可能与读者建立联系。

正如格雷格·巴克斯特（Greg Baxter）在回忆录《为死亡做准备》（A Preparation for Death, 2010）中所写：“如果文学是一场发生在勇敢者与平庸者之间的街头斗殴，那么我带来的，是我所知道最凶悍的一群人：纯粹的杀手，和疯子。”巴克斯特笔下的这些文学“匪徒”，并不会向“最可能出现的下一个词”低头。他所珍视的，是那种不服从概率的力量。相比之下，图灵所设想的计算机，接收的始终是必须被“正确执行、按序完成”的指令。

我们或许正是通过这一点，来抵御人工智能的悄然渗透：继续鼓励人类去创作艺术，在没有辅助的情况下去尝试、去冒险。无论结果是否成功，这种雄心本身，依然值得被保留。

我并不怀疑，大语言模型可以被要求去模仿所谓的“离经叛道”（transgression）。但一旦它们服从这样的指令，结果往往只会显得滑稽而虚假，也因此成为艺术的对立面。即便在当下这些高度进化的形态中，它们看起来似乎比以往任何时候都更有能力回应图灵当年对英语文学的试探。

以2026年为例，ChatGPT 和 Claude 已经可以轻松完成图灵在1950年提出的一项挑战：解释莎士比亚在《第十八首十四行诗》中的创作选择。为什么是“夏日”，而不是“春日”？这个问题对它们而言并不困难，只要提问，它们就能给出答案。如今，大语言模型几乎可以完美应对图灵最初提出的大多数问题。如果说它们依然写不出一首真正属于莎士比亚的十四行诗，那我同样也写不出。但这并不意味着我不会思考，而图灵对计算机也给予了同样合理的宽容。

机器同样被允许存在局限。图灵对于机器智能的态度，遵循的是德尼·狄德罗（Denis Diderot）提出的“鹦鹉逻辑”：只要对理解的模拟足够令人信服，它就可以被视为理解本身。从这个意义上说，这些机器只是在不断伪装，直到有一天真的抵达。

正如图灵所言：“上帝赋予了每个男人和女人不朽的灵魂，却没有赋予任何其他动物或机器。因此，动物或机器不能思考。我无法接受这一观点的任何部分。”图灵在这里援引上帝，更多是出于1950年代的语境考量。但他始终拒绝一种观念，即人类必然优越于其他一切造物，无论这些造物是自然的，还是人造的。

在哲学立场上，他更接近德谟克利特（Democritus）与托马斯·霍布斯（Thomas Hobbes）这样的唯物主义哲学家，认为心灵的存在，无论其本质，都完全根植于大脑的物理结构之中。人工智能同样是一种物理结构。因此，在图灵看来，凡是人工智能目前尚不能做到的事情，并非原则上的不可能，而只是时间尚未到来。

既然如此，作家和艺术家在当下应当如何回应这一局面？一种做法是，在小说的护封上贴上“人类创作”（Human Written）的标签，正如英国费伯出版社（Faber and Faber）近期试行的那样。视觉艺术领域也出现了“人类智慧创作”或“非AI生成”的标识。或许，再配合一些标签和话题，我们可以暂时将AI挡在艺术之外，直到某位具有时代意义的天才出现，用真正原创的风格与内容，为人类的荣誉赢回一场胜利。好吧，AI，看看你还需要追赶多远。

更为积极的做法是，在此期间，我们其余人可以通过捍卫并鼓励人类在没有技术辅助的情况下进行艺术创作（无论创作是否成功），来抵御AI的悄然渗透。艺术本身，是对人类存在的确认，是关于相遇与连接的经验在不同生命之间的传递与接收。一种内在生活可以触及另一种，而这种触及，若要真正发生，依赖的是一种任何大语言模型都无法模仿的创作过程。

马塞尔·杜尚（Marcel Duchamp）曾将艺术称为“那个缺失的环节，而非已经存在的环节”。这一洞见在21世纪看来，恰恰构成了对模仿型大语言模型创作范式的直接反驳。后者被困在反馈循环之中，只能不断重复既有的序列。ChatGPT无法实现不同内在生命之间那种电光火石般的短路，而这种短路，在写作中最容易出现的地方，正是回忆录。人所记住的东西，只属于那个人自己。那是一座尚未被数字化的储藏室，存放着真实而不可替代的人类经验。

据其传记作者安德鲁·霍奇斯（Andrew Hodges）记载，图灵在陷入沉思时，常常会挠一挠自己侧分的头发，嘴里发出轻微的咂响。在他构思图灵测试的那个时期，脑海中不断响起怀疑的声音，提醒他：计算机永远不可能变得“善良、机敏、美丽或友好”。他设想中的未来机器大脑不会“拥有主动性、幽默感、分辨是非的能力，也不会犯错、坠入爱河，或享受草莓和奶油”等等。图灵是在用这些设想，与他亲身经历过的生活进行对照。他意识到，人工智能无法做到的，正是回忆录。

以这一想法为起点，我最近发起了“通用图灵机”（Universal Turing Machine）项目。这是一个由人类提出的、关于写作与阅读的新方案。“通用图灵机”是一个可不断扩展的在线网格，由八乘八个方格组成，形似棋盘。写作者可以认领一个网格，并在其中的每一个方格里，写下约一千字的个人记忆。

读者则可以在不同的记忆与声音之间自由穿梭，以一种同样主动的方式进入杜尚所指认的那个空间。杜尚说，艺术存在于“间隙”之中。我计划每年两次，在现有网格的基础上铺展新的网格，逐步扩大这部集体性的实验回忆录，让更多不同的人类经验被纳入其中，最终形成一部关于真实生活的、主观的百科全书。

“通用图灵机”旨在鼓励将写作视为一种思考方式。这正是艺术长期以来所提供的核心能力，无论是观看、聆听、写作，还是阅读。一段意识到自己正在被回忆的记忆，几乎是人类所能进行的最困难、也最精巧的思考之一。正因为如此，图灵在设计他的测试时，始终无法将文学排除在外。

人工智能至今仍无法模拟将写作本身作为思考、阅读或记忆的过程。而通过“阅读一切”来学习写作，同样并不会带来真正的提升。正如回忆录并不会因为毫无遗漏的全盘记忆而变得更好。

如果要亲眼看到人类艺术选择的奇迹如何发生，可以看看法国实验作家乔治·佩雷克（Georges Perec）的小说《消失》（La Disparition，1969年，英文名A Void）。这部小说中完全没有出现字母“e”。这种系统性的形式约束，大语言模型可以在瞬间复制完成。但计算机无法加入的，是佩雷克的生命经验。

在法语中，字母“e”的发音近似“eux”，意为“他们”。佩雷克的父亲在战争中阵亡，他的母亲被纳粹从巴黎驱逐至奥斯威辛集中营。父母二人从他的生活中消失，也从这部小说中消失。正因为如此，这本书反而成为一次反“消失”的写作。它以一种胜利的艺术行动，将这种缺席本身变成了最强烈的在场，使扭曲的空白被迫显现出来。

作家与读者、艺术家与观众之间的交流，是我们所能达到的、最接近心灵感应的状态。

在《计算机器与智能》（Computing Machinery and Intelligence）接近尾声时，图灵出人意料地提到：“至少在心灵感应（telepathy）这一点上，统计证据是压倒性的”，并补充说：“如果承认心灵感应存在，我们的测试就必须更加严格。”作家与读者、艺术家与观众之间的交流，是我们所能达到的、最接近心灵感应的状态，即在不同心智之间传递与接收信息。

图灵意识到，他所设想的机器将难以匹敌这种人类特有的精细能力。尽管并非每个人都通过艺术体验到这种心灵感应，但任何一个曾真实感受过草莓和奶油滋味的人，都可以对此进行尝试。这种尝试本身就值得被肯定，而像我发起的“通用图灵机”这样的项目，正是对此的鼓励。它向人类写作者敞开，无需通过任何测试。

或者更准确地说，用写作重新组合记忆，以这种明确而独特的人类方式进行思考，本身就是一种抵抗行为。它重新定位了图灵测试的意义，使其站在模仿游戏中Y这一方的立场上：那个意在讲述真实，而非制造误导的参与者。X无法替你拥有记忆，也无法代你完成思考。它不能假装成功，也不可能真正成功。

对自我的认识，无论过去还是现在，始终是一种对认知主权的宣示。当Y在写作中书写自我时，便以无可辩驳的方式成为了人。Y获胜了。人类与机器思维之间的边界依然存在，并且被一个不愿、也不可能被外包的自我重新巩固。

编译后记

作者真正关心的并非“AI能不能写得像人”，而是当写作、创作与理解被高度程序化之后，人类如何重新界定自身的位置。技术的进步往往让我们误以为问题是能力差距，但更深层的变化，发生在我们如何理解经验、记忆与表达本身。

语言模型擅长给出最可能、最符合期待的回应，而这恰恰映照出一个长期存在于人类社会中的事实：大量表达本就建立在模仿、共识与惯性之上。真正难以被替代的，不是形式上的复杂，而是源于具体生活的感受、选择与承担。记忆不是被调用的数据，而是一次次被重新组织、重新解释的过程。

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

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、、科普视频媒体「大圆镜」等。