《词语、文学与 AI：作家为什么该把机器当成新的文字同伴》

导语

这篇文章为文学写作者和人文学者重新定位 AI。作者不否认 AI 带来的版权、教育和劳动风险，但他认为艺术界的单纯抵抗会遮蔽更有意思的问题：AI 之所以扰动写作者，是因为它和人类共享同一个核心媒介——语言。文章依次借助读者反应理论、后结构主义、文学史和作者自己的 AI 实验，说明作家不该只把机器当成敌人，也可以把它当成新的文字同伴和批判工具。

1. AI 成了政治人格测试，也成了艺术界的威胁

1.1 不同群体把 AI 看成不同风险

• 作者开篇说，AI 主流化后像一种政治人格测试：关注气候的人看能源消耗，批评晚期资本主义的人看企业垄断，研究种族主义的人看算法偏见，关注殖民的人看新型剥削，末日论者则把 ChatGPT、Claude、Gemini 和 Grok 看成启示录骑士。
• 艺术和文化界尤其紧张，因为生成式 AI 似乎正在进入他们最珍视的领域：图像、词语和观念。词语与观念之所以处在风暴中心，是因为生成式 AI 本身基于语言，而观念又总是通过词语表达。

1.2 “创造性抵抗”有理由，但会遮住理解

• 作者把写作者、艺术家用 AI 劣质内容证明机器不能创造的姿态称作 Creative Resistance（创造性抵抗）。这种反应可以理解：技术确实扰动创作劳动、版权和文化权力。
• 但作者在北美、印度、中国、韩国、欧洲等地教学和演讲后发现，抵抗并不均匀。北美最强，印度、中国、韩国和许多来自亚洲、拉美的学生更关心“怎样有效使用这些工具”。Shekhar Kapur 曾向他解释，全球南方失去既得特权的风险较小，因此可能更开放。

1.3 抵抗者忘记了艺术理论早已拆解“孤独天才”

• 作者认为，创造性抵抗的问题是：它为了保护人类创造力，突然回到非常传统的人类中心观。过去几十年的艺术理论早已质疑孤独天才崇拜，强调制度、工具、媒介和集体生产对创作的影响。
• AI 迫使人们重新追问：机器只是重组已有材料吗？如果是，那么许多人类创作也同样大量依赖传统、模仿、体裁和既有语言。 抵抗不是错，但如果停在那里，就无法理解 AI 真正改变了什么。

2. “共享语言模型”：人和机器相遇的地方是语言

2.1 机器不是人，但确实在使用语言

• 作者的核心转向是：AI 最有趣之处在于它基于语言，而语言也是人类的核心媒介。机器和人学习、处理、互动语言的方式不同，但这不等于只有人“真正使用语言”，机器只是模仿。
• 他把这种共同地带称为 Shared Language Model（共享语言模型）。这个说法不是说 AI 有意识，也不是说它像人，而是说人和 AI 能互动，正因为双方都能在语言中行动。

2.2 我们需要习惯另一个语言使用者

• 过去，人们可以默认会说话的主体都是人类，鹦鹉除外；因此我们会本能地给聊天机器人赋予人格。现在，我们必须学会和另一种语言使用者共处。
• 许多读者得知一段文本由 AI 写成时会觉得被欺骗。作者不急着判断这种反感会不会消失，而是把问题交给接下来的文学理论：真正关键的也许不是文本如何生成，而是读者如何阅读它。

3. 读者反应理论把问题从“谁写的”转向“怎样读”

3.1 文学不是书页上的字，而是阅读中的事件

• 读者反应理论在 1970 到 1980 年代兴起，Wolfgang Iser 和 Stanley Fish 挑战了“作者生产文本，读者接收文本”的简单模型。他们认为读者在阅读中共同生产文学；极端说法甚至是，文本由谁写并不重要，重要的是它如何被读。
• 作者回忆自己 1980 年代末在德国 Konstanz 大学听 Iser 的课，第一次把“文学只有在被阅读时才发生”的观念带回家。这段个人经历说明，他不是临时借理论为 AI 辩护，而是从自己的学术训练中找到新的解释工具。

3.2 AI 是读者反应理论的一次现实实验

• 如果读者反应理论成立，那么 AI 文本提出的真正问题是：读者是否会一直因为知道文本由机器生成而改变阅读方式？目前，创造性抵抗者非常在意这个差异，许多人也会觉得被欺骗。
• 作者把问题从“AI 文本够不够好”改写为“我们是否会持续以不同方式阅读 AI 文本”。 这让争论不再只围绕机器能力，而进入读者、期待和文学制度如何变化。

4. 后结构主义提醒我们：语言本来就是一种技术

4.1 Derrida 的“书写优先”让语言去自然化

• 作者在研究生阶段曾到加州大学 Irvine 跟 Jacques Derrida 学习。他记得 Derrida 担心人们只模仿他的思维风格，却没有实质。后来作者离开后结构主义，但在面对 AI 时又发现它抓住了一点：语言并不是让人类特殊的魔法，而是一种改变我们思考方式的奇异技术。
• Derrida 曾提出书写比言说更根本，这并不是否认人类约 10 万年前先会说话、后来才有文字，而是为了反驳“言说自然、书写人工”的幻觉。书写更清楚地暴露了语言作为符号系统的人工性；言说也同样有规则、痕迹和技术结构。

4.2 AI 让语言的人工性变得可见

• 作者提到 Jacques Lacan 读过 Claude Shannon 和 Norbert Wiener 等信息论、控制论思想资源，说明后结构主义与 AI 背后的理论并非完全隔绝。
• AI 的出现让一个旧问题变得可触摸：如果语言本来就是人工系统和思考工具，那么机器参与语言，并不只是侵犯人类领地，也是在暴露语言从来不是纯自然能力。AI 不是把语言变成人工物；它让语言一直以来的人工性更难被忽略。

5. 文学史早就储存了理解 AI 的材料

5.1 从 Pygmalion 到 R.U.R.，文学长期思考非人智能

• 作者提醒写作者，人文学科拥有大量理解“非人智能”的资源：Pygmalion 神话、魔法学徒、神灯、飞毯、鬼魂、精灵、神谕、神明，以及 Karel Čapek 1920 年剧作 R.U.R. 中发明的“机器人”一词。
• 这些材料不只是末日警告。它们让人类反复思考造物、失控、责任、语言和他者智能。写作者如果只说 AI 不是人，就浪费了文学史提供的复杂工具。

5.2 《弗兰肯斯坦》像一篇关于训练数据的早期寓言

• Mary Shelley 的《弗兰肯斯坦》尤其关键。怪物被创造出来时只有外形，没有知识和教育；它通过偷听一家人几个月学会语言，又通过四本书形成世界观：Plutarch 的《希腊罗马名人传》、Milton 的《失乐园》、Goethe 的《少年维特之烦恼》、Volney 的《废墟》。
• 这四本书构成了怪物的“训练数据”：古典伟大观念、创造与伦理冲突、内在情感语言、文明兴衰的悲剧意识。作者借此说明，文学早已在想象“被输入哪些文本，会生成怎样的智能和伦理反应”。

5.3 文化想象本身也会进入 AI 行为

• 作者进一步指出，AI 训练于人类数字化思想遗产，因此人类关于 AI 的故事也会成为训练数据。《终结者》的文化足迹会影响聊天机器人的表现，不是因为它准确预言未来，而是因为它已经进入训练材料。
• 这正是文学学者的用武之地：他们熟悉世界文学经典和文化反馈回路，能分析机器输出中哪些“诡异行为”来自人类文化长期塑造的想象。

6. 版权、合理使用与作者自己的 AI 实验

6.1 AI 公司确实破坏了版权平衡

• 作者没有回避版权问题。AI 公司不仅训练了公版文本，也使用了大量受保护作品，包括作者自己的作品。作家和艺术家愤怒，是因为私人公司先拿走他们的劳动，再低价卖回给他们。
• 但问题不只是不法盗用。创作者也长期依赖 fair use（合理使用）来借用、转化他人作品。AI 公司同样声称自己享有合理使用，这威胁了一个多世纪以来艺术保护与创作自由之间的精细平衡。

6.2 作者用 AI 重做《弗兰肯斯坦》的“怪物”

• 过去 3 年，作者一直实验 AI。他最兴奋的是 vibe coding（用对话提示构建软件）：当他意识到 Shelley 的小说含有关于语言和训练数据的预见性结构后，开始制作一个基于《弗兰肯斯坦》的聊天机器人。
• 他的思路是：大语言模型相当于怪物学会说话的第一阶段；RAG（检索增强生成）阶段则相当于怪物读那四本书，并由它们塑造反应。知识库被转成向量空间，成为语言使用的过滤器。作者后来做了几十个类似聊天机器人，学生称之为“文学的侏罗纪公园”。

6.3 AI 让人文学者开始以“应用”方式思考材料

• 作者继续做可以让哲学家彼此辩论的应用，也做提供职业和人生建议的“哲学执行教练”。这些实验改变了他对教学材料的理解：不只是解释作品，而是思考它们如何被应用、测试和互动。
• 他用锤子的比喻说明工具会改变观察世界的方式。一个拿锤子的人会把世界看成潜在的钉子；同样，vibe coding 让他开始把思想、理论和文学材料看成潜在应用。作者不要求所有人这样做，但认为愿意实验的写作者可以因此获得新的思维方式。

7. 教育中的 AI：既要限制捷径，也要教授元能力

7.1 学生不能把写作思考外包给机器

• 作者承认，文科教师担心学生用 AI 后阅读、写作和思考能力下降是有根据的。过度使用 AI 会妨碍学生发展笔记、提纲、研究、修订等关键认知能力。因此中小学和大学仍必须保留前 AI 时代的训练，例如课堂写作、口试和不能总用 AI 的评估方式。
• 在作者开发的在线写作课中，学生必须经历提出研究问题、做研究、构造论证、组织证据、根据反论证和反证修订论点、安排文章结构、获得反馈、再次修订的完整流程。写作被当作思考技术，因此不能直接交给 AI。

7.2 正确使用 AI 可以成为思维陪练

• 另一方面，韩国课堂上的学生要求学习如何使用 AI 是合理的。工具变化太快，学校需要教 meta-AI skills（关于如何使用 AI 的元能力）：如何和 AI 互动，如何像工程师一样思考，如何把洞见转成可测试的工具。
• 作者在课程中让学生创建 AI agent（智能体）作为思维陪练，迫使他们面对反论证和反证；AI 也可作为研究助手、结构实验工具和初稿反馈工具。作者自己也创建了熟悉他项目的助手，用来压力测试观点。这里的原则不是让 AI 替人思考，而是让 AI 迫使人更清楚地思考。

思想框架

文章先描述 AI 如何被不同政治和文化群体投射为不同风险，再指出艺术界的“创造性抵抗”虽然可理解，却容易退回孤独天才式的人类中心观；接着提出“共享语言模型”，把焦点从机器是否像人转向人和机器如何共同处在语言中；中段依次调用读者反应理论和后结构主义，说明文本意义来自阅读事件，语言本身也是人工技术；然后借 Pygmalion、R.U.R. 和《弗兰肯斯坦》说明文学史早已保存了理解非人智能、训练数据和文化反馈的资源；最后转入作者自己的 AI 实验和教育实践，承认版权与认知风险，同时主张写作者应学会把 AI 当作语言工具、应用媒介和批判陪练。整篇文章的落点不是为 AI 洗白，而是要求“文字工作者”用自己的理论和历史工具把 AI 理解准确。