引言：当代码遇见诗歌
2023年初，一位美国诗人使用GPT-4创作了诗集《I Am Code》，成为全球首部由AI参与创作的正式出版诗集。这一事件在文学界引发了激烈的讨论：AI是否能真正理解诗歌中的情感与意象？它写出的诗句是艺术创作还是概率拼贴？
从本质上讲，AI写作是一个基于统计模型的文本生成过程。但当我们深入探究这一技术背后的逻辑、它与人类创作的关系，以及由此引发的哲学思考，会发现这远不是一个简单的能或不能的问题。
一、语言模型如何创作
1.1 从马尔可夫链到Transformer
AI写作的核心技术经历了三次重要跃迁：
第一阶段：马尔可夫链时代（1950s-2000s）
早期的文本生成基于简单的概率统计——给定前面的词，预测下一个词。俄国数学家安德烈·马尔可夫在1913年提出的这种模型，虽然能够生成表面上连贯的文本，但缺乏长程依赖关系，难以维持主题一致性。
第二阶段：循环神经网络（RNN/LSTM）（2010-2017）
LSTM（长短时记忆网络）引入了门控机制，使模型能够在理论上捕捉更长的上下文关系。Andrej Karpathy在2015年的博客《The Unreasonable Effectiveness of Recurrent Neural Networks》中展示了RNN生成莎士比亚风格文本的能力，令业界震动。
第三阶段：Transformer架构（2017至今）
Google在2017年发表的论文《Attention Is All You Need》提出了Transformer架构，通过自注意力机制（Self-Attention）彻底改变了自然语言处理的格局。GPT（Generative Pre-trained Transformer）系列模型在此基础上发展，从GPT-1的1.17亿参数增长到GPT-4估计超过1万亿参数的庞大网络。这种规模的模型涌现出了包括上下文学习（In-Context Learning）在内的惊人能力。
1.2 Attention机制的文学隐喻
自注意力机制可以被理解为一种文学批评算法：在生成每个词时，它会回顾文本的全部历史（直到上下文窗口的上限），为每个历史词分配一个重要性权重，然后加权组合这些信息来预测下一个词。
这种机制与人类阅读时的互文性有着奇妙的相似：我们在理解一句话时，也会不自觉地向前回溯，寻找前文中的呼应与伏笔。区别在于，模型可以在一瞬间完成数百万次这种回顾，而人类只能在有限的工作记忆中处理为数不多的信息。
二、AI创作的文学实验
2.1 PoemPortraits：微软的诗歌实验
2018年，微软与荷兰电视台合作推出了PoemPortraits项目。该系统基于19世纪至20世纪的超过2000万句诗歌训练，当用户输入一个单词时，AI会生成一首包含该词的视觉诗。项目设计师Es Devlin将这种创作定义为人机协作——AI提供灵感，人类进行筛选与编排。
2.2 古诗词生成：从模仿到创新
清华大学的九歌诗歌生成系统可以创作古体诗、近体诗、词、曲、对联等多种体裁。该系统在训练数据中加入了平仄、韵律的约束规则，使生成的诗歌在形式上严格遵循传统格律。
有趣的是，研究者发现AI在诗歌创作方面表现出一种安全的平庸——它可以写出技术上无可挑剔的七言绝句，但很少会写出真正令人眼前一亮的新奇意象。这可能是因为语言模型倾向于预测高概率的词组合，而伟大的文学创新往往来源于对常规的打破。
2.3 小说创作的尝试
2017年，作家Ross Goodwin用一台装载了AI系统的笔记本电脑重走了杰克·凯鲁亚克的《在路上》旅程，AI根据沿途的GPS坐标、时间、车窗外的景色等传感器数据打印出一卷不间断的小说文本。这本书《1 the Road》没有经过任何人工编辑，以一种后现代的方式完成了对自动写作的致敬。
三、文学创作中的不可替代性
3.1 意图性（Intentionality）问题
哲学家约翰·瑟尔（John Searle）在1980年提出的中文房间思想实验，对AI创作提出了根本性的质疑：一个人可以在不懂中文的情况下，通过查阅规则手册来生成符合语法要求的中文回答，但他并不理解中文。同样的，语言模型生成诗歌，是否只是在做更复杂的规则查阅？
这个问题在文学创作中尤为尖锐。诗歌的魅力不仅在于字词的组合，更在于诗人通过语言传递的生命体验——对死亡的恐惧、对爱人的思念、对自然的敬畏。这些体验具有第一人称的现象学性质，是当前AI架构所不具备的。
3.2 身体性与情感记忆
法国哲学家梅洛-庞蒂的身体现象学提出，我们的认知根植于身体经验。当我们读到寒冷这个词唤起的不仅是语义理解，还有皮肤对低温的记忆。
AI缺乏身体，因此它无法真正理解疼痛温暖疲惫等现象学意义上的词汇。它可以在文本温暖大量出现的语境中学习到其正确用法，但这种理解与人类基于身体经验的理解有着本质的不同。
3.3 文化语境与集体记忆
文学是文化记忆的载体。中国古典诗词中的月亮指向思乡，杨柳暗示离别，长亭象征送别。这些意象承载着数千年的文化积淀，构成了所谓的文化语法。
AI可以通过统计共现频率学习这些关联，但它无法体验到在异乡望见明月时思乡愁绪的全部重量——那种举头望明月，低头思故乡中蕴含的千年情感共振。
四、人机协作：文学创作的新范式
4.1 元创作（Meta-creation）
也许最有前景的方向不是让AI独立完成文学创作，而是将其作为一种元创作工具存在——AI负责生成大量的可能性空间，人类从中进行选择、编辑、重新组合。
这种关系类似于摄影师与相机的关系：相机负责记录光线，摄影师负责选择何时按下快门。AI是语言的相机，作者用它在文字的无限可能性中捕捉那些偶然的闪光。
4.2 创作过程的反思工具
AI也可以作为一面镜子——当作者在创作中陷入瓶颈，可以让AI续写自己的文本，看看AI会如何发展。这种让AI替你走几步路的策略，常常能够帮助作者跳出思维定势，发现自己未曾意识到的写作惯性。
4.3 文本转化与再媒介化
AI在文本转化方面展现出独特的潜力：将小说改编为诗歌，将学术文章转化为通俗读物，将古代汉语翻译为现代诗歌。这种跨体裁、跨语言的转化能力，使AI文学应用超越了简单的原创范畴。
五、文学的未来：当算法学会做梦
2024年，诺贝尔物理学奖授予了人工神经网络先驱，这已经明确表明了科学界对神经网络作为基础科学工具的认可。同年，越来越多的作家开始公开讨论AI在创作中的角色。
也许终有一天，我们会拥有能够理解隐喻、体验情感、拥有生活经历的AI。到那时，今天的算法文学将成为一个过时的概念——因为那时候我们可能不再区分人类文学和AI文学，而是将它们统称为文学。
在那之前，AI写作最深刻的意义或许不在于它写出了什么，而在于它迫使我们重新追问：什么是创作？什么是理解？什么使人类成为独特的存在？
正如博尔赫斯在《巴别图书馆》中所描述的那个包含了所有可能书籍的图书馆：AI就是那个图书馆的索引器，但真正的阅读体验——那种独一无二的、个人经历与文字交融产生的意义——永远属于读者和作者。
结语
AI写诗不是文学的终结，而是文学对话的新起点。当算法开始写诗，被书写的或许不是诗歌本身，而是我们对人类创造力本质的重新思考。
发表评论 取消回复