欧美另类又黄又爽的A片,秋霞影院午夜伦A片欧美,国产精品永久免费视频观看,一区二区成人午夜电影,巨乳的女同学高清观看,久久寂寞少妇成人内射,日韩性爱第一页,啊用力快点好深小柔

用戶登錄投稿

中國作家協會主管

“人工智能人文學”的理路、進路與歧路
來源:《中國當代文學研究》2026年第4期 | 王賀  2026年08月13日11:29

“人工智能人文學”的理路、進路與歧路1

內容提要:作為數理科學、計算機科學、社會科學和人文學術不斷融合的結果,數字人文學自誕生之日起,就投射了不少人文學者的美好理想、想象。不過,隨著生成式人工智能科學、技術的發展及其應用蔚然成風,不僅數字人文迎來較此前更為激烈的變化,整個人文學科亦面臨著不少危機與挑戰,更重要的是,“人工智能人文學”作為一個新的領域正在噴薄而出。但我們究竟應該如何認識這一新領域?如何理解其與數字人文的關系?它是否為人工智能與人文學術的簡單相加?本文即圍繞著上述問題,探討“人工智能人文學”得以成立的內在理路、研究進路及目前出現的、與之相關的若干分歧、論爭等重要議題,并進一步分析人工智能與人文學、人文學者的關系。

關鍵詞:人工智能人文學 數字人文學 生成式人工智能 大語言模型 文本分析

人工智能(一般亦簡稱AI)大概是今天全世界最關心的話題之一,但作為人文學科的研究者、數字人文學(Digital Humanities)2研究者,我們應該如何因應這一新的科學、技術發展浪潮?如何看待人文學科正在走向式微、將漸趨消亡的流行論調?如何負責任地參與到有關人工智能的討論當中去?這些都是我近幾年一直在關注、思考的問題。以下的討論也將從這幾個方面展開:第一,在人工智能時代,人文學術(或者更廣義的人文社會科學)是否重要?這可能是人文學者首先比較擔憂、焦慮的問題。第二,人工智能究竟能幫人文學術研究做什么,又不能做什么?我以為,我們恐怕不能簡單地迎合人工智能熱潮,像某些“技術狂熱分子”一樣,只考慮它“能”的一面,并將其無限放大,繼續制造人工智能神話,同時還必須考慮它“不能”的一面。第三,在此基礎之上,討論“人工智能人文學”這一新領域的內在理路、研究進路,以及現已初露端倪的“亡羊歧路”等問題。

一、人工智能與人文學術:跨學科的視角

提到人工智能,一般人可能會想到1950年代中期的達特茅斯會議(Dartmouth Conference)。會上不僅首次明確提出了“人工智能”(Artificial Intelligence)這一術語,統一了研究范疇,確立了此后的核心工作目標是讓機器具備類似人類的智能行為(如推理、學習、解決問題等),為此后的人工智能發展奠定了整個學科基礎,也成為人工智能從跨學科構想走向系統研究的標志性事件。但實際上,作為人工智能的核心技術基石和實現工具的神經網絡(實為“人工神經網絡”,如今也是其子領域機器學習領域的核心理論和方法),1940年代就已經出現。在某種程度上,我們可以發現,人工智能的發展、演變節奏,和數字人文頗有幾分相近,因數字人文通常也被認為始于1940年代中后期。但進入21世紀以后,人工智能的知識生產、技術更新迭代的速度明顯加快,特別是生成式人工智能(Generative AI)出來以后,更是如此。

今天,全世界的普羅大眾可能都有機會接觸、使用相關的應用、產品,但在五年、十年之前,要是有人說自己是做人工智能研究的,我們或不免半信半疑,甚至可能會覺得是“PPT AI”。因為當時人工智能的技術能力尚未突破瓶頸——哪怕是2017年Transformer模型(目前一切大語言模型的基礎)提出以后,其自然語言處理能力實現了質的飛躍,但這項技術在2020年前尚未被廣泛商用;許多所謂的人工智能尚是實驗性產品,實用性不足;人工智能產業鏈也不完善。這一切導致我們看不到許多可應用、可落地的場景。直至2022年11月30日OpenAI公司上線ChatGPT以后,才讓大家真正看到了希望所在。盡管在這之前,2018年OpenAI團隊就推出了第一代生成式預訓練語言模型GPT-1,此后又有GPT-2、GPT-3,但并未商用,直至ChatGPT推出,并刺激國內外廠商接著推出各種各樣的大語言模型,推進技術層面持續創新,乃至于在此基礎上開發出各類產品和應用,人工智能的可供性(affordance)才出現重大突破,普通公民也有了參與人工智能應用、研究的可能,才標志著我們對人工智能的理解從“想象”終于走到了現實,人工智能的熱潮也在不期然間迅速席卷了全球。

那么,今天的生成式人工智能,通常具備哪些能力呢?我們不妨從機器人研究專家、著名的“莫拉維克悖論”(Moravec’s paradox)的提出者莫拉維克(Hans Moravec)在1997年所繪制的“人類能力地形圖”出發,稍作闡釋。他認為,人類能力中如算數、視覺、象棋等,對計算機而言,當時已不算太難,因此這些能力,就被放置在這張圖中海拔較低的位置,而寫書、設計、藝術、科學等則處于頂端,代表了人類能力的高度,計算機處理起來比較困難,因此就處于山頂一樣的位置。③不過,其判斷是否正確呢?早期的人工智能確實很難觸及這些高度,因多是專用型人工智能,比如自動駕駛,又如大家熟悉的AlphaGo戰勝人類圍棋選手就是典型案例;但現在人工智能越來越向通用型人工智能發展,能幫忙寫書、做研究、參與藝術創作,在某種程度上已經接近人類能力的高度。比如日本Sakana AI公司在2024年6月推出的“人工智能科學家”(The AI Scientist)智能體(AI Agent)就曾在學術界引起轟動效應,因為它不僅能產出機器學習等專業領域的最新研究,可以生成新穎的研究思路,可以編寫代碼,執行實驗,產出可視化結果,還能使用標準的機器學習會議論文的風格(style of a standard machine learning conference proceeding),將其研究發現撰寫成富有洞見的論文,而且還可以進行模擬評審,即進行自動論文審閱過程,根據評審結果改進項目或作為未來研究的反饋。④換言之,其能從廣泛的研究方向和一個簡單的初始代碼庫開始,無縫銜接并執行構思、文獻搜索、實驗規劃、實驗迭代、撰寫論文和同行評審等一系列操作,整個過程幾乎都是全自動的。目前已有多篇由“人工智能科學家”所撰寫的論文,被2025年國際表征學習會議(International Conference on Learning Representations, ICLR)接受,⑤并有多篇在計算機科學、生物科學等領域的頂級期刊發表的論文討論該程序的應用問題。⑥又如2024年1月5日國內的人工智能初創公司深度求索(DeepSeek)發布的同名人工智能模型及其應用程序,也能在很大程度上輔助學術寫作,對人文社科研究者而言,從材料收集、研究展開到論文寫作,都能提供不少幫助。總之,今天的第二代人工智能,尤其是智能體,不僅能生成、輸出內容(能寫、能聽、能說),還能自主行動,讓它變得更有執行力,更自動化、智能化,再加上具身智能(embodied intelligence)、空間智能(spatial intelligence)以及世界模型(world models)等方面科學與技術的快速發展,人工智能變得似乎無所不能。或者說,在我們能夠想象的未來,它幾乎可以無所不能。人工智能給了我們一個充滿無限希望的許諾,一個無比廣闊的想象空間,當然也給我們帶來了不少挑戰。

更直接一點來說,當人工智能可以代替我們人類研究者撰寫文學、歷史研究論著時,深度介入整個學術生產流程時,我們不禁要問:在人工智能時代,人文學還重要嗎?作家、藝術家和人文學者對此有不同看法。其中一種主要的論調是,從今往后,人文藝術或將不再重要,絕大多數資質平庸的作家、藝術家和只為發表奮斗的人文學者,將被無情又具有智慧的機器(人工智能)代替。在文學創作方面,科幻小說作家、《三體》作者劉慈欣就認為,雖然DeepSeek暫時不會替代科幻作家,“但是再過10年、20年,從理論上說完全可能代替科幻小說作家”,“從科學的角度去講,所有人類作家的身上沒有什么是不可被AI所替代的。”⑦在美術創作方面,人們感嘆“AI繪畫‘奇點’已至!人類畫家努力數千年后,終于敗給了人工智能”⑧。

在學術研究方面,學者驚呼人文學已岌岌可危,既有的學術研究、寫作模式似已難以為繼。例如,2025年4月,科學和技術史研究專家、普林斯頓大學教授柏奈特(D. Graham Burnett)在《紐約客》上發表的長文《人文學能否在人工智能時代存活?》(Will the Humanities Survive Artificial Intelligence?)就指出,“我們已達到一種‘奇點’”,從某種意義上來說,人工智能的驚人表現,絕對預示著人文學科的終結,“在五年內,歷史學者繼續按照傳統模式撰寫專著將變得沒有太多意義——沒有人會閱讀它們,這些系統將能夠無限地、一鍵生成它們”⑨。耶路撒冷希伯來大學教授、“人類簡史”系列著作的作者赫拉利(Yuval Noah Harari)更指出,AI 已入侵人類文明的操作系統(這個比喻似乎也暗示了計算機科學與技術對其影響之深),這很可能會導致人類歷史的終結(盡管它不是歷史本身的終結,只是人類主導的歷史的終結),“幾年之內,人工智能就能‘吞噬’整個人類文化,吃掉我們數萬年來創造的一切,并消化吸收,然后創造出大量新的文化藝術作品”,并利用人類的弱點控制文化生產,逐漸將人類文化邊緣化,影響人類制度和社會發展。⑩循此邏輯,有心人進一步探問:既然人類在與機器(人工智能)的競爭中,將注定敗北,既然人類從根本上來說“卷”不過機器,我們何妨“躺平”?將讀書、治學回歸到“為己之學”的層面,將其定位為一種個人趣味,一種生活方式,一種修身養性、實現自我精神滿足的手段,又有何不可?文學史家、北京大學陳平原教授即持有類似觀點。11

但也有與之截然相反的觀點。這些來自人文學者的、林林總總的觀點,或可被概括為“在人工智能時代,人文學科的研究愈發至關重要——教師、小說家、心理學家、歷史學家掌握著意義建構、人際聯結與道德塑造的關鍵,而這些都是機器無法復制的”12。比如多倫多大學杰克曼人文研究所(Jackman Humanities Institute)認為,人文學科塑造了我們以公民身份參與世界的方式,能為探索其他地區和世界的文化提供新視角,尤其有助于理解世界的多樣性與復雜性。13這就是包括人工智能在內的任何一種科學和技術,都無法提供的意義和價值。實際上,人文學術即便不是處在被貶低為可有可無的尷尬境地,也時常被視作一個人工智能科學、技術的應用場景、實驗田,一個和其他任何學問領域沒有什么本質差別的專業領域,但是,哈內爾(Martin H?hnel)、穆勒(Regina Müller)等人工智能應用哲學的研究者就認為,人工智能應用哲學的“研究進路并非是為了草率地優先考慮實踐,而犧牲基礎的哲學反思”,相反,它旨在“激發批判性思考,并將其轉化為一套連貫的方法,由此能夠以務實和具有問題意識的方式分析當前的技術發展”。也就是說,“我們不能將人工智能視為一種‘純粹的事實’(factum brutum),而是從根本性反思的角度追問:人工智能屬何種技術形態?它能否在全球范圍內、跨越應用邊界與場景被使用?它是否具有受目的限定且僅適用于局部的工具屬性?該技術相對于人類而言處于何種地位?以及這一技術在本質上多大程度屬認識論范疇?”14簡言之,這一新的研究領域,將哲學和人文學科的研究視角,深深嵌入人工智能研究本身,那么,人文學是否重要,也就是不言自明的了。此外,我之前也從人工智能內部、外部,做過一些討論,也有與之相仿的觀察,茲不贅述。15

科學家的看法也有差異。就其總體來說,大致也可分作兩類,一種直接表明或暗示出其必將衰落、消亡的結局。如“人工智能教父”、2024年諾貝爾物理學獎得主辛頓(Geoffrey Hinton)雖然沒有直接討論過人文學科在現時代、未來的命運,但他的觀點卻暗示了人類智能將被人工智能全面取代的極端立場。16另一種相對而言則要溫和得多,或主張人工智能須與之交流、協作而非競爭,或在論述中暗示出人文學科的重要性。以加州大學伯克利分校計算機科學家李(Edward Ashford Lee)為例,其在以往的著作中就多次論述過技術和哲學之間的共生關系,并指出計算機工程、通信工程等工程學領域的發展,也會受到文化、語言和思想的交叉影響,而且“和藝術一樣,工程學的成功或失敗往往決定于無形和不可解釋的力量,比如時尚和文化。就這一點而言,工程學的發展幾乎和藝術是相同的。仍然像藝術一樣,一個新的發現可能會讓諸多讀者感到驚訝不已”17。從側面暗示了人文藝術的不可或缺。而麻省理工學院(MIT)的物理學教授、人工智能研究學者、未來生命研究所(Future of Life Institute)創始人泰格馬克(Max Tegmark),雖未持有與之完全相同的看法,但在其有關論著中亦未將文學、音樂、藝術等貶低為較科學(發現)、技術和工程低等之物,或是可有可無之物,相反,其仍將人文藝術視作對美好豐富體驗的創造,及創造性的表達形式、人類智力的重要目標,對此反復致意(也就是說,與自然科學研究相比,人文藝術如果不是更高一等的話,至少應處于同樣重要的地位上),尤其是對于那些風度翩翩、既具博雅人文藝術修養,又在自然科學研究方面有精深造詣的前輩學者和同行,其筆端常不自覺流露出欽敬、艷羨之情(亦可見其所接受的博雅教育,以及所攜帶的具身化的人文傳統)。18

電腦程序設計人員、技術開發者的視角,似乎也同樣值得注意。在Facebook、X(Twitter)、小紅書、即刻APP等不同的社交媒體、平臺上,我曾不止一次看到過來自不同國家和地區的程序員、技術人員發表的短文和評論,他們不約而同地認為人文學科很重要,因人文學本質上是要向人們提供一套提問能力和規范框架,提醒人們不能只關注效率、產出、投資回報比,還要關注任何選擇、行動的邊界和責任,一直保留對人的關注與思辨性,等等,令人驚喜而且意外。但在此,我無意強調這樣的主張是多數的、主流的(尤其是在計算機從業人員之中)。回想起來,我之所以對這些觀點會特別留意,恰恰可能表明它們不太尋常,更常見的、我們熟悉的聲音,或許是人文學已不再重要。

顯然,到此為止,我們還很難說,從不同主體、不同角度來看,人文學仍然重要,而這恰恰構成了我們今天討論“人工智能人文學”的時代、社會和學術語境。但我一直認為,作為人文學科的研究者、教育者,我們無須借助人文學外部的聲音、力量,來為自己的工作的合法性反復進行說明、證明,面對過往的任何科學和技術浪潮,我們的選擇是這樣,面對人工智能抑或未來的、未知的、其他的“黑科技”,我們也應該不退縮,不畏懼,不逃避,也不必過分地杞人憂天,整天惴惴不安,擔心一切將被機器(人工智能)取代;相反,我們或許應該對這一時代巨變懷抱著審慎樂觀的態度,甚至積極投身其中,擁抱這一新的浪潮,歡迎這樣的變革,讓它名正言順地參與到我們的學術研究、教育教學及公民參與行動(如面向公民的“數字讀寫能力”的作育,參與數字文化服務的供給,推動公民科學的發展19)中來,同時秉持“必要的保守”與“開放的人文學”20兩種精神開展自己的全部工作。當然,我們的主要工作在學術研究方面。這里首先需要處理的問題是,(生成式)人工智能對于專業化、職業化的學術研究,可能產生的貢獻及其同時具有的局限性,究竟是什么?

二、人工智能在人文學領域的“能”與“不能”

人工智能究竟能給我們的學術研究幫什么忙?這是備受人文學者矚目的重要議題。以ChatGPT為例,我們從開始接觸、使用它,發現它能幫忙收集材料、擬定題目、搭建論文框架、撰寫摘要,撰寫部分論文甚至全文,還能處理外文文獻(包括自動翻譯等),這些工作研究者應該都比較熟悉了,因為這些功能通過網頁、客戶端的簡單交互就能實現。在藝術領域,人工智能也至少能做兩方面工作:一是藝術創作,比如譜曲、畫畫、寫劇本、做視覺設計方案、生成數字藝術作品;二是輔助藝術研究或藝術史研究。目前已經有學者利用人工智能,開展藝術史研究的探索,不過還在探索階段。21最近我和友人合編的《數字人文閱讀》出版,其中有一章是專門講“藝術和藝術史研究中的數字人文”,因篇幅有限,未能收入這方面的工作。22

在文學領域,亦即數字文學研究領域,人工智能也能發揮一定的作用。以我相對較為熟悉的現代文學研究為例,在第一階段,生成式人工智能面世之前,學者用手工統計的辦法,把《魯迅日記》里記載的、他到過的地點整理成表格,初步實現了數據的結構化,從中我們就能清晰看到魯迅在上海最常去的是內山書店,在北京則有琉璃廠、教育部等;此外,哪些地方他去得比較少,每個地方他分別去了多少次,都一目了然,能說明一部分問題。23到了第二階段,我們以《魯迅日記》為基礎數據、語料,把日記中記載的、與魯迅交往密切的人的信息,全部提取出來,作社會網絡分析,并進行可視化呈現,就能夠看到周作人、周建人、許廣平等人的節點最大,節點愈大就代表中心度(degree centrality)越強,能夠直接連接的其他節點(人)的數量越多,代表他們與魯迅的交往最頻繁,關系最為密切,可以驗證之前對魯迅人際網絡的研究。24在第三階段,生成式人工智能出現以后,我們可以不那么依賴數據和統計分析,比如用Claude 3.0 Sonnet(Instant 100K)模型,就能做一些輔助文學批評和研究的工作,用它來分析《野草》文本,就有很多新的、有趣的發現。25雖然它的分析是否能夠全部成立,尚需人力驗證,但已展現出一定潛力,如果我們進一步做模型微調、本地部署或其他的研究適配工作,可能人工智能的優勢會更加明顯。對于當代文學研究來說,正如有學者所指出的那樣,“多模態分析的進步將使研究者能夠更深入地探索融合了文本、圖像和聲音的作品。由人工智能驅動的系統將能夠根據讀者的偏好和研究興趣推薦作品,從而提供個性化的文學體驗。自動翻譯工具將變得更加精準,從而促進跨文化分析研究”。此外,生成式人工智能還“將重塑創意寫作領域,引發關于創造力與作者身份的討論”。“在保護數字檔案方面發揮關鍵作用,確保稀有和歷史性文本能夠為后代所獲取。最終,基于人工智能的平臺將徹底改變文學教學法,為學習者提供互動式研究工具和個性化的學習體驗”26。

在歷史領域,《美國歷史評論》(The American Historical Review)、《歷史研究》《史學理論研究》等中外重要專業刊物及數字人文雜志,均已有探討歷史研究與人工智能之關系的論文、專輯、筆談文章發表。27也正如有學者指出,“歷史學及其理論與人工智能(大模型)之間存在深度交融的可能和必要,但具體如何實現,既需要認識前者,也需要深入了解后者的運作機理”28。

簡而言之,無論是文學、藝術、歷史研究,還是其他的人文社科領域,對人工智能之“能”目前關注較多,但是,哪些工作是目前它還“不能”做到的,同樣需要引起我們的注意。實際上,從2022年到今天,從開始的普通應用(雖與傳統的人機交互已多所不同),到后來的專業應用、深度應用,在不斷應用的過程中,我們也逐漸發現了人工智能的一些局限:第一,它能幫忙找材料,但仍然不能替代專業的學術搜索引擎。比如使用DeepSeek時,如果不使用“聯網搜索”功能,它就無法找到最新的材料。但是,即便使用了這個功能,不少時候其表現仍然未盡如人意,除了編造正文之外,它還編造引文。尤其是在回答一些專業性較強的問題時,常出現錯誤,甚至會提供錯誤的研究材料,生成虛假的參考文獻,且很難形成個性化寫作風格——因為模型訓練時會做“價值對齊”,確保其與用戶及人類主流價值觀、道德觀等保持一致,符合大多數人的認知,因此,在一般情況下,其所生成的文字,也就仿佛“標準版”,很難有個性化風格,而人文研究往往是需要個性化的。

第二,大多數情況下,人工智能還不能真正獨立完成學術寫作。無論是通用的大模型、智能體,還是專門面向學術研究開發的大模型和智能體,它能生成的、表現最好的學術文章,基本上只是研究報告、綜述,真正全新的、具有獨創性的、有洞察力的觀點和嚴謹的論證和分析,還不能夠完全勝任愉快。例如,如果讓我們某一個人工智能應用,評價某位同行的學術貢獻,或分析某一論題的研究進展,它生成的回復,的確頭頭是道、井井有條,但它千言萬語,卻無法帶領我們洞察問題本質,因此也就很難提出新的洞見。即便是解讀一個文學文本——這個在研究經驗豐富的學者看來不過是入門級的任務,它能做到的只是盡可能地整合、綜合已有的觀點和視角,甚至嚴格一點說,這種“整合”“綜合”本身也成問題,因為其實許多時候,我們不太需要面面俱到,而是要求對一個問題、一個觀點的深入解讀和鞭辟入里的分析、論證,這就不是通過表面的文字信息和乍看起來比較復雜的語義計算,能夠輕而易舉完成的。一個看起來很短小的文學文本中,有的混合語義,可能需要極其精微的解讀和至為細膩的分析。更重要的是,對于人文學者來說,這些分析,有時候也不是簡單占有全部資料,掌握某種“先進”“時髦”理論和方法、技術、工具,就能闡釋清楚的。何況機器(人工智能)?更何況我們期待的,并不只是“常規科學”的創新(在既定框架之內,推動知識發展,當然,這也很重要,因科學研究以“常規科學”為主、為基礎29),而是那種極具破壞性、顛覆性的創新(the most disruptive and impactful work30),或是庫恩(Thomas Kuhn)所謂的“科學革命”式的創新(恰與“常規科學”形成互補關系),以跳出既定框架和舊有路徑,探索全新的研究領域、方向。

除此之外,在一些看似相對比較簡單的中文處理任務上,大模型也表現出了自己的局限性。第一,對古代典籍深層語義的理解,人工智能的表現還很幼稚。在傳統人文研究中,對古籍所使用的文字的識別,對字詞句的訓詁、解釋,可謂是第一道功夫,當然也是古文字學、音韻學、訓詁學、文獻學、語文學、古典學等的專門研究課題,尤為考驗學者的功力。今天的人工智能,能從對古籍圖像的光學字符識別(OCR)開始,幫我們做文獻整理,幫忙做句讀、注釋及一定的文白翻譯等工作,令人驚嘆不已,但細究起來,其在深層語義交互、理解方面,還有不少欠缺。以蘇洵《權書》中的“今夫外御一隸,內治一妾”為例,如果我們用百度AI搜索,得到的回答是“這個表達似乎是誤解或誤傳……”,根本不知道出自《權書》;用DeepSeek R1模型加“聯網搜索”進行查詢,它給出的結果是“未必是完整的詩句或常見典故,可能是對某些內容的誤記或簡化……”,也不對;用字節跳動開發的豆包大模型查詢,它會問我們“是不是輸錯了”,甚至聯想到《詩經·小雅·常棣》里的“兄弟鬩于墻,外御其務”等內容,對我們直接理解“外御一隸”的語義亦無甚幫助。由此可見,即便使用了語義網技術,有了大量的語料和預訓練;即便模型在訓練過程中的參數規模很大(比如GPT-4 的參數規模達到萬億級別),還沉淀了大量用戶的交互數據,可以使之不斷自學習,人工智能的深層語義理解能力仍未達標。

第二,與近現代文獻、文學文本相關的事實性研究,人工智能也未必奏效。比如查詢“魯迅1936年1月1日在做什么”,任何一個人工智能應用程序都會生成像模像樣的結果,但經過我們實驗測試發現,許多通用大模型給出的結果都是不準確的,甚至是胡亂編造的。其中,GPT-5.2模型的回答是:

1936年1月1日,魯迅已經身處生命的最后一年。當時他定居在上海大陸新村的寓所,身體狀況并不好,長期受肺病、氣喘等折磨,需要頻繁休養。根據《魯迅日記》及相關年譜的綜合記載,這一天并不是一個有公開活動或重大事件的日子,大體可以概括為幾件事:

(1)在家休養、讀書與寫作:魯迅當日主要是在寓所中度過,延續他一貫的生活節奏:閱讀中外書刊、整理譯稿或構思雜文。到1936年初,他依然保持著高度緊張的精神勞動,但體力已明顯衰退。

(2)繼續文學與思想上的“戰斗狀態”:雖然身體虛弱,但魯迅并未“退隱”。這一時期,他仍密切關注左翼文壇、文化論爭以及國際局勢,為稍后發表的雜文和通信積累材料。1936年的文章整體呈現出一種更為冷峻、凝縮、近乎“遺言式”的風格。

(3)新年并未被當作節慶來過:對魯迅而言,公歷新年幾乎不具節日意味。他在晚年的文字和日常中,對“紀念日”“節日氣氛”多持疏離態度,更關心現實壓迫與精神困境。1936年1月1日,也基本是一個普通的工作與休養之日。……

這一論述,除未給出《魯迅日記》及有關的原始文獻記載,因此也就缺乏重要的參考價值外,只有“新年并未被當作節慶來過:對魯迅而言,公歷新年幾乎不具節日意味”一點符合事實,但也與我們獲得對這一問題的理解,無直接關系。

DeepSeek系列模型的回答,也談不上什么專業水準。DeepSeek R1模型聲稱“關于魯迅先生在1936年1月1日的具體活動,目前公開的史料中并無精確到日的詳細記錄。不過,結合當時的時代背景和魯迅晚年的生活軌跡,可以推測一些可能的情況……”,又說“魯迅習慣寫日記,但1936年1月1日的日記原文為:‘一月一日 晴。午后訪廣平。夜往高橋齒科醫院。’(注:此記錄實為1932年日記,常被誤引。1936年1月1日的真實日記缺失,現存1936年日記始于1月16日,因病情加重導致記錄中斷。)”正文及注釋無一字對;DeepSeek V3.2雖準確地給出了當日《魯迅日記》的原文“雨。無事”,但又不免過度發揮,從讀報與寫作、家庭生活、后續文章、整體背景、工作持續等方面逐一進行敘述,且其間鋪排不少細節描寫,言之鑿鑿程度,委實令人訝異,因其細節、事實等等,多為編造而來,也與我們查詢的問題無關。

第三,思辨性研究不能洞察問題本質。這一點上文已有所討論,哲學和美學研究者,當代文學理論、批評探索者應有更深體會。概括而言,基于神經網絡、機器學習等技術模型和算法創新,可以彰顯“人工智能在文學分類自動化與精細化處理方面的潛力,為文學批評提供某種程度上規避主觀偏見的新視角”31,但是,如果我們僅僅只是透過人機對話、交互的方式,來使用對話型人工智能(以大模型為代表)和大多數代理型/行動型人工智能(以智能體為代表)的話,那么,人工智能在大多數時候,可能只能在提供實時的文本處理能力、即時的文學分析等有限方面發揮長處,然其深度和質量,尤其是對問題和現象本質的捕捉與認識,仍無法讓人恭維。

第四,由于種種原因,人工智能會大幅簡化地方性知識、具身性知識,除非我們自己花大量時間和精力,去開發垂直領域模型、本地模型,或接入專屬知識庫,利用檢索增強技術,對其進行微調、改造,但即便這么做了,有些時候效果仍然不很理想。實際上,這些我們自己在從事大模型、智能體研究、開發、應用過程中獲得的點滴經驗,也從學術界和產業界的研究中可以得到證實。已有研究指出,通過融合學習(Hybrid AI)、多模態訓練(Multimodal Learning)、聯邦學習(Federated Learning)與本地化微調等方法,雖然可以顯著提升人工智能在處理多元文化和深度經驗時的表現,改善其所存在的“知識坍塌”(Knowledge Collapse)和“語言模型中心主義”(Language Model-Centric)問題,但改善程度仍然有限。這當然是由目前以Transformer為基座的大語言模型本身的技術路線、假設、方法等所決定的,或換言之,從大語言模型最底層的科學——線性代數、概率論和統計學——角度來看,大語言模型的運作機制,乃為語言處理時的概率分布,而“概率”的意思是,它即使99%猜對,但總有1%猜錯的時候,因此,它就注定是有“幻覺”的,這可以說是它的宿命。另外,同樣重要的是,現實世界的數據,在純噪聲數據和結構化數據二者之間,既有結構同時又有隨機性,對此科學界還缺乏充分、深入研究,因此它們還不能被有效地映射到數學原理、公式和算法當中,也就無法為大模型提供足夠的訓練和運作方法。

對數字人文研究而言,人工智能也有很多它做不到的工作。數字人文的研究對象、范圍很廣,涉及人文社科多個領域,與古籍數字化、計算語言學、文本數據挖掘與分析、數字媒體、虛擬圖書館、等都相關,本質上是數字技術、數字方法與人文社科研究結合的新領域。但與歐美學術界不同的是,“中國數字人文”研究,最早是在圖檔博(GLAMs)領域發展,此后人文學科的學者才積極參與其中,如今文學、藝術、歷史學、哲學、新聞傳播學、教育學等領域都有人開展相關研究。關于數字人文的研究方法,澳洲國立大學數字人文研究中心將其概括為六個方面:文本分析、基于定性數據的綜述、視頻編輯與制作、3D建模、社交媒體數據采集、眾包與眾籌。33其他的機構、學者也提出、加入了另外的方法。但是,無論數字人文擁有多少方法,要想完成有關的研究工作,只有方法還不夠,我們還需要技術。有學者將數字人文的技術體系也概括為六種:數字化技術、數據管理技術、數據分析技術、可視化技術、虛擬現實/混合現實技術、機器學習技術。每種技術都由不同的理論框架和工具、操作流程、規范構成,有不同的功能,旨在解決不同問題、處理不同任務。

這里我以文本分析方法為例,再進一步具體討論一下人工智能的“能”與“不能”。眾所周知,文本分析方法有很多,如詞頻統計(其中一種被稱為“文化組學”)、遠讀、文本相似度計算、主題建模、情感分析、文體計算等等。其中的一些方法,社科領域的學者應該很熟悉,已有現成的文本分析工具和平臺,相對降低了文本分析的難度,但有些還沒有。僅就詞頻統計中的“文化組學”方法而言,簡單來說,這種方法就是利用n-gram模型(又譯“n元語法模型”)來研究文學、藝術、文化、歷史、學術思想的變遷或總體趨勢。n-gram模型是自然語言處理領域的經典方法,其核心思想是把文本做成時序數據,并分解成連續的n個詞或字符后進行建模,進而生成新的文本,或實現文本匹配與糾錯任務。34比如“人工智能”一詞中,相鄰的是兩個詞:“人工”和“智能”,就是2-gram;“深度學習模型”一詞中,相鄰的是三個詞:“深度”“學習”和“模型”,就是3-gram。其中的n越大,語義越具體,需要的語料也越多。它能夠運作,離不開兩個核心假設:一是馬爾可夫假設(假設第n個詞的出現與第n-1個詞密切相關);二是概率假設(通過概率計算確定詞的組合概率),比如3個詞連續出現的概率,等于第一個詞的概率與“前兩個詞出現時第三個詞出現的概率”的乘積。其實,n-gram模型的應用范圍很廣泛,包含嵌入式設備的文本生成、拼寫糾錯、特征工程等,比如手機輸入法輸入“重慶”后會出現“師范大學”,背后就是n-gram模型在發揮作用,因為它記住了人們普遍的語用習慣、常見文字搭配。和循環神經網絡(RNN)、Transformer模型、BERT模型等相比,n-gram模型更輕量,可解釋性更強。當然,它也有缺點,在長距離依賴的建模、對復雜語言的理解上,都存在一定的局限。

要用n-gram模型來做研究,目前也已有較為成熟的工具,比如我們可以用谷歌公司開發的Ngram Viewer工具,來分析海量書籍中多個詞匯的歷史趨勢。谷歌圖書(Google Books)的數據量非常驚人——據研究團隊在2011年估算,谷歌圖書語料庫已擁有超過400種語言、4000多萬本圖書的全文,約520億頁、5000億個單詞,其中英語詞匯最多(3610億),其次是西班牙語、法語;中文書籍的具體數量未公布,但詞匯量也已達到130億。現在,假設我們用這個工具做一個研究:探討1912年(中華民國元年)到2022年,中國四大古典小說(《西游記》《水滸傳》《三國演義》《紅樓夢》)的經典性建構,以及四者的重要性排序問題(哪本著作最經典,是“經典中的經典”,哪本次之,哪本重要性最低)。然后,我們訪問這一在線研究工具,將時間范圍設為1912—2022年,語言選中文,然后輸入“西游記”“水滸傳”“三國演義”“紅樓夢”四個關鍵詞,讓它用自建的n-gram模型來分析這幾個詞的不同熱度,并排序。結果很明確:第一是《紅樓夢》,第二是《水滸傳》,第三是《三國演義》,第四是《西游記》。而且有意思的是,其1955年的數據顯示,《紅樓夢》的關注度最高——做中國古典文學、現當代文學研究的學者應該知道,此前一年,因毛澤東關注到山東大學主辦的《文史哲》雜志1954年9月號上的一篇文章——李希凡、藍翎的《關于〈紅樓夢簡論〉及其他》,認為“這是三十多年以來向所謂《紅樓夢》研究權威作家的錯誤觀點的第一次認真的開火”,由此發動了對俞平伯《紅樓夢研究》及“在古典文學領域毒害青年三十余年的胡適派資產階級唯心論的斗爭”35與批判,因此,有關《紅樓夢》的討論,至次年走高,實屬再正常不過之事36;至于2000年后(尤其是2010年后),《紅樓夢》關注度呈現出的下降趨勢,則在一定程度上說明“紅學”研究正在逐步“去政治化”、回歸“常規科學”的現象。但是,當我們把上述問題直接拋給一些通用大模型,請其來做分析、研究時,它的結果就與Ngram Viewer完全不同,尤其致命的是,其缺少定量分析,援引的一些數據,也并沒有它宣稱的那樣可靠。比如說,在DeepSeek R1模型看來,此時間段內,熱度最高的作品為《西游記》,《紅樓夢》僅屈居第三,而其所謂的“數據支撐”為“紅學會會員超5000人,論文數量占大名著研究70%”,實際上,據2021年的公開報道,中國紅樓夢學會會員只有850人, 37而關于《紅樓夢》的論文數量的統計,至今仍缺乏清晰準確的數據,至于占比云云,更無從談起。結合我們用Ngram Viewer分析的結果,就很容易發現后者的不足。但是,假如我們沒有交叉驗證,沒有做這樣的多重分析,輕易地相信了大模型給出的答案,怎么辦?或者說,嚴重依賴大模型(無論是單次還是批量處理問題),而將其生成的研究分析結果,視作可靠、可解釋的結論,顯然就會產生謬誤。

質言之,大模型在一定程度上幫助我們降低了數字人文研究的門檻,但因其存在著“幻覺”(生成虛假信息)、過度的“過擬合”(生成錯誤信息)及“算法黑箱”等問題,也同時不可避免地具有缺陷和不足。它可以幫助我們快速整理數據、準備結構化數據(把非結構化的論文,處理成計算機能讀懂的數據)、建語料庫、掌握算法、實現定量分析、編程交互,甚至是以低代碼(low-code)、零代碼(zero-code;no code)的方式去完成這些工作。但在另一方面,透過上面的多個案例,我希望已經充分表明,大模型用于輔助(人文)學術研究時,也表現出了一定的,甚至是嚴重的、致命的隨機性、主觀性和局限性。

三、“人工智能人文學”的濫觴與未來

也正是在對人工智能“能”與“不能”的辯證關系的認識和把握中,“人工智能人文學”這一新的課題、領域和研究方向,開始逐漸清晰地浮現在我們面前。這里的關鍵,也許在于如何理解:它是不是人工智能與人文學的簡單相加?和數字人文研究是什么關系?如果要做相關研究,我們應該怎么做?我最近有篇文章就提出并論證了“人工智能人文學”是數字人文的“下一件大事”這一觀點。38文章一開頭回顧了數字人文發展史上的一場重要學術會議,即2009年美國費城召開的MLA(國際語言文學頂級會議)年會,會議期間有學者提出了“數字人文成為學術界的下一件大事”之說,以后逐漸成為學界共識,但我認為,在今天這樣一個人工智能時代,隨著“人工智能人文學”的興起,它將成為數字人文的“下一件大事”。文章也簡要地區分了新舊數字人文,特別是人工智能在新數字人文形成過程中所扮演的不可替代的角色:

從人文文本、文獻資料、信息、數據的處理及其轉換開始,到對這些數字對象的保存、分析、編輯和建模,提出新的研究洞見,直至教育教學和面向公民的知識服務、傳播方面,生成式人工智能都不僅能幫助我們節省人力、時間和金錢成本,還能夠提供新的、基于語義和關聯數據、多模態數據的分析和敘事。另一方面,目前在中國、美國及世界各地,生成式人工智能這一技術本身不僅發展迅速……它們共同構成了一個人工智能的超級生態……也就是說,當“‘現實’的機器漸漸老化”(比森特·維多夫羅語),基于生成式人工智能的人文學研究已然無須特別討論其是否可能、如何可能,而是成為了我們新的現實,新的“‘現實’的機器”。

但我們究竟應該如何理解、分析這一新的現實?這里我們不妨再接著上面的例子來討論。有些人可能會好奇,在生成式人工智能出現以后,我們還需要做“文化組學”研究嗎?還要做基于海量數據的詞頻分析嗎?人工智能究竟能給我們分析和研究文學、文化帶來哪些幫助?我想前文已經表明了我的觀點——當然我們還需要。但是,與此同時,大模型亦可輔助“文化組學”分析,具體而言,可通過大模型對n-gram出現語境作語義分析,幫助理解n-gram趨勢,區分詞義,或是幫助識別特定詞匯頻率變化的原因;或是在n-gram或概念變得統計顯著之前,識別、發現新興用法;或是輔助分析圍繞n-gram的話語。這些都可以說是它給“文化組學”帶來的新的潛能。那么,人工智能有沒有帶來新的挑戰呢?應該說也是很明顯的,比如,由于人工智能訓練數據的內在偏見,可能會加劇谷歌圖書等語料庫已有的偏見;由于人工智能的主觀性較強,還有可能為n-gram趨勢生成看似合理但完全錯誤的解釋。在此,關鍵的方法論層面的考慮是,需要對大模型提供的解釋,做嚴格的事實驗證,甚至是結合多種數據來源、方法、理論進行交叉驗證(如三角驗證),或由多位研究者獨立分析同一數據,再對比結論以減少單一研究者的偏見、偏差,盡力提升研究的可信度與效度,此外,我們還需要關注大模型對語言、文學、文化、社會現象的潛在簡化等問題。39

仍以前文所論文本分析方法而言,我們現在的確有更多的研究工具可供選擇。例如,將大模型和編程工具、其他的定量研究工具結合起來,如將GPT和Python、Stata、AntConc等等加以綜合運用。僅以中文分詞(word segmentation,指將一段連續的文本字符串,按照語言的語法規則和語義邏輯,切分成一個個獨立的、具有完整意義的最小語言單位——通常是詞或短語——以用作文本分析)為例,傳統的做法是讓Python調用jieba中文分詞工具包,進行分詞,但有時候效果不很理想,可是今天,我們可以用基于Stata的集成命令,讓Stata和GPT配合起來,做數據清洗、分詞、標注、實體抽取、主題分類、情感分析等一系列自然語言處理任務。比如給GPT一段包含中英文大小寫、數字、符號、詩詞、地理和人口數據的待清洗語料,再讓它提取信息,它就可以很快地輸出我們需要的數據,還可以分析不同語句的情感傾向(消極、積極、中性),歸納主題。但這些實驗、研究的數據和數據集仍然是頗為有限的,還不能算是大數據。因此,我們仍然需要以基于真正的文學、文化大數據而展開的“文化組學”分析。盡管在人工智能技術的幫助下,目前已有很多現成的文本分析工具和平臺實現了優化增強、更新迭代,但從我們的實驗和研究工作來看,人工智能對數字人文研究的優化增強范圍、對象和效果,相對而言還是比較有限的,似乎并不像我們一開始所理解、想象得那樣有效。在數字人文領域,和其他許多領域一樣,我們面臨的共同的問題之一,也就是人工智能真正的“不能”,主要還是技術本身的問題,比如“幻覺”“過擬合”等。

總之,在傳統人文研究和數字人文研究中,現在大家普遍關注的生成式人工智能技術并非無所不能,無論是深度應用還是普通應用,都還在探索之中。但另一方面,我們也必須承認,人工智能在一些研究當中(尤其是傳統研究領域)已展現出巨大潛力,讓我們不得不正視它的存在,調整與它的關系——以前我們把它當作研究工具、助手或設備(像電腦、硬盤、鼠標一樣),現在恐怕要把它視為協同(甚至深度協同)工作的伙伴,而不只是簡單的助手、聊天機器人或工具。因為所謂“助手”是去做我們能做,但沒有時間去做的工作;所謂“聊天機器人”角色、任務分明,有時候即便顯得有些“智障”也可以原諒;所謂“工具”更無甚突出之處(正如毛筆、鋼筆、電腦鍵盤,作為我們的日常書寫工具,我們何曾有一日想過要對它們加以研究?)。但“伙伴”不一樣,伙伴是要幫我們去做我們沒想過的、做不到的事情。這是它總的發展方向,而這一切都正在幫助我們重塑人文學術,定義“人工智能人文學”領域。

這也決定了“人工智能人文學”的研究進路,我把它初步概括為以下四個方面:第一,單純采用神經網絡、機器學習、深度學習、強化學習等專門的人工智能方法和技術做研究。比如利用深度學習方法做古籍版本鑒定、文獻研究、文學史和當代文學現象研究。第二,基于包括大模型應用在內的、諸多現成的數字方法和技術、工具來做研究。比如前面提到的“文化組學”,或社科領域常用的SPSS、NVivo等研究工具,加上大模型,探索新的研究方法、視角。第三,從人文學傳統的既有方法、視角出發做研究。因為數字人文也好,“人工智能人文學”也罷,都不能只有定量研究,沒有定性研究。我們還必須直面計算批評(Computational Criticism)、計算主義(Computationalism)、數據主義(Dataism)的局限,以及那些不可計算之物。第四,發展更加復雜、多元的混合型研究方法。這也許是更重要的。比如在進入一個研究問題時,我們既用“文化組學”,又用大模型,還用機器學習方法,以及發揮傳統人文社科研究的專長,比較、判斷幾者可能存在的問題,提出真正有原創性的新思想、新觀點、新解釋,這恐怕也是人文社會科學研究的核心目標。

但這樣看起來,似乎“人工智能人文學”和數字人文無甚區別,其實不然。既是“人工智能人文學”,我們的研究重心、范圍等等,自應有所調整、延展,與數字人文研究有所不同。概括起來,“人工智能人文學”研究的主要內容,仍大致有四個方面:其一是生成式人工智能嵌入、支持、輔助、適配的人文研究和數字人文研究;其二是從人文學視角出發的、對人工智能本身及相關問題的研究;其三是對人工智能生成內容(AIGC)的生成、鑒定、分析和研究;其四是對與人文學相關的人工智能技術的開發、研究。但是,據我了解,目前中文學界的研究現狀是:許多做數字人文的學者,將定量研究看作數字人文的全部,不太關注其他方向的工作;做人工智能文學、藝術研究的學者,對定量研究似乎又比較隔膜。比較理想的狀態,是把這些方向統合起來,讓二者共同構成“人工智能人文學”的研究支柱。目前這樣各執一詞、各自為政的研究現狀,也讓“人工智能人文學”研究在一定程度上面臨著在“亡羊歧路”的危險。

如果要對這個目前已初露端倪的“亡羊歧路”做進一步說明,那至少也包括三個層次:第一個層次,我們是否允許其他學者拒絕使用人工智能。我認為我們無論在任何時候、環境下,都應該允許學者拒絕人工智能、拒絕數字人文、“人工智能人文學”,但是有一個前提,你要做出(或至少想要做出)比人工智能更深刻、更具解釋性和原創性的研究。換句話說,學者在拒絕人工智能、堅守傳統的同時,需要發展出比人工智能生成內容更深刻、新穎的傳統人文研究,發表更有價值的研究成果,即便暫時還沒有,未來亦需要盡力產出成果。從一般的認知來說,是否要用人工智能做研究,取決于個人的研究需求、專長、背景、方法和理論訓練,不宜統一規定。

以文學研究為例,普通人閱讀文學,大抵是為了獲取哲學、歷史學、經濟學、社會學無法給予的獨特體驗——比如風花雪月、生離死別、山川草木、愛恨悲歌,聆聽作家對這些內容的獨特表述、想象、刻畫、反應與描寫,借以建構自己的主體性,擴展自己的認知邊界,不斷形成新的共情能力。但是,20世紀中后期以來過度理論化的文學研究,讓研究者距離這一初心愈來愈遠,而且大有積重難返之勢。當我們今天目睹任何一個生成式人工智能產品,可以在非常短的時間里鸚鵡學舌一般,毫不費力地生成一套又一套“高大上的理論套話、黑話、行話”,可以使用諸多(或一個)理論套用于無限的文本時,也許可以促使我們盡快下定決心:是時候應該做出一些改變了,無論我們接下來采取的研究方法是新的,還是傳統方法。實際上,至今我們仍然能看到不少用傳統理論、方法做出的新的分析、研究。例如,在中國現代文學領域,自1990年代以來發展至今的“文獻學轉向”,就孕育出了不少新的專論和專書,這些成果既筑牢了現代文學研究的文獻、文本底座,也通過對不同版本、文本的關系的解釋和分析,解決了許多聚訟紛紜的學術疑難問題,為不同作家、作品、社團、流派、思潮、文學現象和文學史提供了諸多新的解釋。40

第二個層次,我們使用(而非拒絕、遠離)包括人工智能在內的一切數字技術、方法和工具時,是否采取了定量和定性研究結合的研究策略,以更加透徹、深入地理解和詮釋人文學研究的問題。以上文所舉利用“文化組學”方法研究四大古典小說的現代性建構這一問題為例,我們除了可以在“文化組學”提供的定量分析的基礎之上,對其分析結果本身進行商榷,對其數據處理、利用情況進行驗證,還可以對經學者驗證無誤的數據化、可視化結果,進行定性闡釋,甚至作極為深入的個案研究、學術史研究,唯其如此,似才能對此問題形成新的、更發人深省的洞見。

第三個層次,在人工智能可以輔助學術研究的時代,尤其自然科學領域“AI for Science”41已成為新的研究范式的背景下,人文社科學者除了參與重構新的學術研究范式,是否還能參與到與人工智能科學、技術本身的對話之中,比如討論“什么是強人工智能”“什么是超級人工智能”“人工智能能否超越人類發展時間”等問題,在現有框架以外提出新的討論,對人工智能發展帶給個人、社會、國家、世界的關鍵性問題,提出新分析、新詮釋、新理論、新構想——只有這樣,“人工智能人文學”不僅能逐步落到實處,還將獲得學術應有的品格和尊嚴。

除了文學、歷史研究視角,從哲學(如馬克思主義哲學)、新聞傳播學等視角出發,也有很多問題可討論。比如數字勞動、數字資本主義、數據主義、批判算法學、大眾軟件批判、平臺研究等,這些都是人文社科學者可以探索的新的課題、領域。正如圖恩(Nigel Toon)在新著《人工智能如何思考》(How AI Thinks:How We Built it, How It Can Help Us, And How We Can Control It)一書中所說,我們關心人工智能如何發展、能幫我們做什么,更要約束、規范、控制人工智能,讓它成為可信、可靠、負責任的技術。42也就是說,成為真正“以人為本”的人工智能,而非摧毀人類文明,終結人的未來。因此,“人工智能人文學”的未來在哪里?我認為不是人(或人文)與人工智能的簡單相加,這只是“物理反應”,有固然可喜,但我們追求的應該是人文社科與“以人為本”的人工智能之間,發生神奇的“化學反應”——這大概也是今后“人工智能人文學”及相關領域最為重要的探索、發展方向。

但“人工智能人文學”是否能拯救全球人文學科、使之早日走出邊緣化的危機?此前數字人文沒做到的事情,人工智能就能所向披靡嗎?“超級人工智能”如果在我們的有生之年實現,我們將何以自處?……面對當下、未來,面對諸如此類費人思量的問題,我還是堅持這樣的看法:“人工智能時代人文學術雖正遭逢危機與挑戰,但它的新生和希望,也正在于它自身,在其‘自性’和‘內面’,亦即‘讓人成為人’這一指歸。這有賴于我們每一位人文研究者,盡可能超越自己隸屬的職業分工體系,著眼于更為廣闊的世界的變化(但這絕不意味著向外求玄、假借于外物),然后不斷‘反求諸己’,探尋個性化的、適切的因應之道,而自性本自清凈、本自具足。”43

換言之,“人工智能人文學”只是我們目前的、可能的選項之一,人文學真正的發展潛力、動力應都來自它本身。現在,讓我們再一次回到本文起首所征引的柏奈特的論述。其實,在他看來,在過去大約七十年的時間里,大學里的人文學科,在很大程度上并未解決每個人都面臨的核心問題:“我們如何生活?應該做些什么?如何面對死亡?”這些問題“是無論發表多少經過同行評審的學術成果,構建多少數據集,都無法解決的”,也不是通過“知識生產”來解決的。它們事關“存在”(being),甚至就是“存在”本身,僅僅“知道”(knowing)遠遠不夠。“我們需要真正、認真地回到人文的再創造,以及人文教育本身,回到事情的核心——對存在的體驗,及存在本身。”44這一觀點在很大程度上也應和了另一種更加鼓舞人心的觀察,正如加拉格爾(Chuck Gallagher)所言,“只有人文學科,通過恢復真理、尊嚴和培養的使命,才能使大學免于飽受人工智能沖擊,使之不被窄化為文憑工廠或內容生產工廠;”“如果機器主導寫作,我們不僅將失去文章,還將失去對生活的認知。”45

承前所論,人工智能并非人文學和人文學者的敵人;相反,它為我們提供了一個新的、意義非凡的契機,即“將人文學科重新定義為具有倫理導向的精神支柱,而非已然過時的文化遺產。對于全球領導者而言,其使命在于讓那些培養共情能力、批判性判斷力與文化理解力的學科,能夠不斷落地生根——同時為這份源自人類想象力的技術成果,筑牢倫理邊界”46。

[本文系上海高校中國語言文學學科創新團隊項目、上海市人才發展基金資助計劃、國家社科基金重大項目“中國現當代文學思潮中的古典傳統重釋重構及其互動關系史研究”(項目編號:21&ZD267)的階段性成果]

注釋:

①本文系據作者2025年6月26日在重慶師范大學科研處、文學院主辦的“AI科研工作坊”活動中發表的同名專題演講錄音,整理改作而成。定稿過程中,承蒙香港中文大學中國文化研究所張志偉、林毅忠兩位先生撥冗賜教,謹致謝忱。

②“數字人文”是對“Digital Humanities”這一專業術語的一種翻譯,在中國香港和臺灣地區也被翻譯為“數碼人文”或“數位人文”(參見王賀《何謂“中國數字人文”》,《田家炳中華文化中心通訊》2022年第10期),我個人認為“數碼人文”的譯法可能更少歧義、更加準確。

③Hans Moravec,“ When Will Computer Hardware Match the Human Brain?”, Journal of Evolution and Technology 1, issue 1 (1998), https://jetpress.org/volume1/moravec.htm.,2025年11月5日檢索。

④關于該項目的介紹,請訪問其官方主頁,https://sakana.ai/ai-scientist。

⑤網址見:www.github.com/SakanaAI/AI-Scientist-ICLR2025-Workshop-Experiment/tree/master。

⑥其中比較重要的討論包括:Davide Castelvecchi,“ Researchers Built an‘ AI Scientist’—What Can It Do?”, Nature 633, no. 8029 (2024): 266; Joeran Beel, Min-Yen Kan, and Moritz Baumgart,“Evaluating Sakana’s AI Scientist: Bold Claims, Mixed Results, and a Promising Future?”, Annals of the Entomological Society of America 59, no. 1 (2025): 1-20.

⑦不題撰人:《劉慈欣稱DeepSeek完全可能替代人類作家》,https://news.qq.com/rain/a/20250330A037D200。

⑧ 隔夜也很宅:《AI繪畫“奇點”已至!人類畫家努力數千年后,終于敗給了人工智能》,https://zhuanlan.zhihu.com/p/561494185。

⑨D. Graham Burnett.“ Will the Humanities Survive Artificial Intelligence?”,https://www.newyorker.com/culture/the-weekend-essay/will-the-humanities-survive-artificial-intelligence。

⑩引自Yuval Noah Harari為“人類簡史”系列白金紀念版(林俊宏譯,中信出版集團2025年版)所作總序,參見《尤瓦爾·赫拉利:彼此信任才是人們生存的根本》,https://www.thepaper.cn/newsDetail_forward_30553951。

11陳平原:《讀書的“陰晴圓缺”》,《中華讀書報》2025年1月1日。

Chuck Gallagher:《Can the Humanities Survive AI?——an Ethical Narrative by a Business Ethics Keynote Speaker》,https://www.chuckgallagher.com/2025/09/24/can-the-humanities-survive-ai-an-ethical-narrative-by-a-business-ethics-keynote-speaker。

Jackman Humanities Institute. “What We Do”,https://www.humanities.utoronto.ca/about-us/our-institute/what-we-do。

Martin H?hnel, Regina Müller, eds.A Companion to Applied Philosophy of AI, Hoboken, NJ: Wiley Blackwell, 2025.pp.3-5.

15參見王賀《為什么人文學依然重要?——“生成式人工智能”在當代文學創作中的應用及其不滿》,《文藝爭鳴》2025年第3期;《“生成式人工智能”輔助文學創作、研究與教育》,陳平原主編《AI時代的文學教育》,北京大學出版社2025年版,第228—248頁。

Geoffrey Hinton, ”Will Digital Intelligence Replace Biological Intelligence?”,https://www.organism.earth/library/document/will-digital-intelligence-replace-biological-intelligence。

17[美]愛德華·阿什福德·李:《柏拉圖與技術呆子:人類與技術的創造性伙伴關系》,張凱龍、馮紅譯,中信出版集團2020年版,第10頁。

參見Max Tegmark, Life 3.0: Being Human in the Age of Artificial Intelligence(New York: Alfred A. Knopf, 2017)。

19參見王賀《數字人文與中國現代文學》,上海三聯書店2023年版,第18頁;James Wynn(詹姆斯·韋恩)《數字時代的公民科學:修辭學、科學和公眾參與》,王麗慧譯,上海交通大學出版社2022年版。

20對這一觀點的詳細說明和分析,參見王賀《“生成式人工智能”輔助文學創作、研究與教育》,《AI時代的文學教育》,陳平原主編,北京大學出版社2025年版,第228—248頁。

21如張彬彬、朱青生《計算藝術史的方法和任務》,《美術》2024年第9期;鈕亮《中國畫論觀念史研究——數字人文視角》,上海交通大學出版社2024年版,第1—28頁;[美]米切爾《從機械機器人到智能機器人:人工智能的圖像學》,羅綺文譯,《中國藝術》2025年第1期。

22金雯、王賀主編《數字人文閱讀》,上海交通大學出版社2025年版,第117—156頁。

23周國偉、彭曉:《尋訪魯迅在上海的足跡》,上海教育出版社1987年版,第103—109頁;周尚意、張樂怡:《魯迅在京足跡折射的文人城市空間結構意象——對〈魯迅日記〉中北京地名的分析》,《熱帶地理》2015年第4期。

24參見朱正《魯迅的人際關系:從文化界教育界到政界軍界》,中華書局2015年版。

引自“白板報Baibanbao”2023年5月14日在X(前Twitter)發表的貼文,www.x.com/baibanbaonet/status/1657581812032610304.。

Suresh Shrirang Patil.“Literary Analysis in the Digital Age: AI as a Critical Companion”,Study of Literature and Language: Opportunities and Challenges in the AI Era, Regi: Jyotikiran Publication Pune,2024,p.126.

27例如“Artificial Intelligence and the Practice of History”, The American Historical Review 128, no. 3 (2023): 1345-81;“筆談:人工智能與史學發展”,《歷史研究》2025年第5期等。

28朱悅、林展:《史學理論與人工智能的雙向互動——以大語言模型為例》,《史學理論研究》2024年第3期。

[美]托馬斯·庫恩:《科學革命的結構》,金吾倫、胡新和譯,北京大學出版社2003年版,第9、22頁;施愛東:《蛋先生的學術生存》,上海文藝出版社2024年版,第183頁。

Lingfei Wu, Dashun Wang & James A. Evans “Large teams develop and small teams disrupt science and technology.” Nature 566, no.7744 (2019).

Gomathi R D, Murugan J, Kavitha P and Gomathi B S. “AI-Driven Literary Analysis: Exploring the Impact of Artificial Intelligence on Text Interpretation and Criticism” ,Journal of Machine and Computing 5(2)(2025).

Angelie Kraft and Elo?se Soulier,“ Knowledge-Enhanced Language Models Are Not Bias-Proof: Situated Knowledge and Epistemic Injustice in AI”, in Proceedings of the 2024 ACM: Conference on Fairness,Accountability, and Transparency , https://dl.acm.org/doi/pdf/10.1145/3630106, 1433-1445.

參見澳洲國立大學數字人文研究中心網站,https://metodhology.anu.edu.au,2025年11月5日檢索。

[美]馬格努斯·埃克曼:《基于TensorFlow的深度學習:神經網絡、計算機視覺和NLP的理論與實踐》,周翊民譯,機械工業出版社2024年版,第174—175頁。

35毛澤東:《關于〈紅樓夢〉研究問題的信》(1954年10月16日),《建國以來毛澤東文稿》(第9冊),中共中央黨史和文獻研究院編,中央文獻出版社2023年版,第248頁。

36參見作家出版社編輯部編《紅樓夢問題討論集》第一至四冊,作家出版社1955年版。

37張恩杰、劉江華:《賈寶玉是厭學少年?別把〈紅樓夢〉讀歪了》,《北京青年報》2021年8月4日A12版。

38參見王賀《人工智能人文學:數字人文的“下一件大事”》,《文藝報》2025年6月27日。

39參見劉煒《基于生成式人工智能的數字人文平臺》(演講),上海師范大學數字人文研究中心,2025年6月18日。

40參見王賀《從文獻學到“數字人文”:現代文學研究的典范轉移》,上海文藝出版社2024年版,第13—79頁。

41Weijie Zhao.“A panel discussion on AI for science: the opportunities, challenges and Reflections.” National Science Review 2024, Vol. 11, issue8,nwae119.

42See Nigel Toon. How AI Thinks: How we built it, how it can help us, and how we can control it. London: Penguin Books,2024. pp.224-225.

43王賀:《人工智能時代人文學的危機與新生——從陳子善文話、書話、樂話及其與學術研究之關系談起》,《小說評論》2023年第5期。

[作者單位:上海師范大學人文學院 上海師范大學數字人文研究中心]