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

但漢松×小白:需要“縱身一躍”
來源:《長江文藝》 | 但漢松 小白  2026年09月03日07:57

但漢松,南京大學英文系教授,博士生導師。主要研究英美小說與西方批評理論,著有《以讀攻讀》和《跨越“歸零地”》等。現居江蘇南京。

小白,作家。著有長篇小說《局點》《租界》、中篇小說《特工許向璧》《封鎖》等。曾獲魯迅文學獎。現居上海。

大模型“作弊器”

小白:我知道但老師最近在思考人工智能技術條件下,文學批評和文學理論應該做何回應的問題,在利用人工智能展開學術工作方面也有很深的理解。人工智能會改變我們的閱讀方式。大模型接入電子書閱讀器,可以讓它多語種翻譯、分析內容、廣泛檢索,生成閱讀報告。在這種情況下,我們的文學閱讀會發生什么樣的變化?

但漢松:在我看來,文學閱讀是需要深度注意力的全腦活動。閱讀傳統源于印刷時代,如今注定會迎來一場革命。但有一點必須澄清,全球閱讀文化整體衰落持續數十年,這口“黑鍋”不能由人工智能來背。有統計數據說2010年代中期智能手機普及之后,美國人的娛樂性閱讀量在20年內暴跌了40%。“弗林效應”原本觀察到20世紀全球人群智商測試平均分每十年提高3個點;近期定量研究卻發現這一趨勢已然逆轉,這個變笨的趨勢也許跟大家不再讀書有關。大語言模型出現,究竟會讓本就日益稀缺的細讀式文學閱讀更加瀕危,還是會成為某種轉機的催化劑?目前,恐怕還難以定論(盡管我內心對此持樂觀態度)。

小白:當然,文學閱讀量下降跟人工智能無關,閱讀是人自己發明出來的一種訓練裝置。如果人們不再需要通過文學閱讀來訓練那些社會生活能力,情感、記憶、對行為和意圖的理解,那這個訓練裝置早晚會被丟棄。不閱讀是不是會變笨,說句實話,我覺得不必替未來的人們擔憂。在人類漫長的進化過程中,很多能力都因為用不著而退化了。狩獵時代一個男人可以花幾天幾夜時間,對一頭獵物追蹤幾十上百公里。中世紀使用的武器,現代人可能連提都提不起來。未來的人如果穿越回到今天,可能會讓人覺得很笨,什么都記不住,如果他不把他那時候的某種“腦機接口裝備”一起帶著穿過來的話。

我覺得值得去想的問題倒是,當我們不由自主地、不得不跟機器一起完成文學作品閱讀時,那是一種什么樣的閱讀?從前那些文學閱讀和批評的核心問題:敘事、聲音、焦點、解釋、意圖、語境、細讀甚至誤讀,會發生什么樣的變化?當語言和敘事被投射到幾千維的向量空間里,閱讀和批評會發生怎樣的變化?拓撲文學批評?隱喻幾何學?或者就像我最近很喜歡的一本著作,萊夫·威瑟比的《語言機器》里說的,要建立一門通用詩學(General Poetics)。不再將語言視為人類大腦的附屬品,而是將其視為一種可以與計算融合的、自治的符號系統?或者更加日常的,當我們把模型api接入anx reader這樣的閱讀器里,文學文本、文學文本和讀者的關系,會發生怎樣的變化?

但漢松:都不需要腦機接口那么高級,現在的可穿戴設備都已經接入人工智能了。AI 完全有可能變成“延伸心智”。當代人不用像古人那樣花大把時間背書,下一代學生也不必逐行逐句從書本中提取、記憶和整理知識。可以把更多時間投入到其他方面。大到更高階的思考與推理,小到旅行和陪伴家人與寵物,這未嘗不是一件好事!

但你說得也對,無論人類在知識社會學意義上如何演化,總歸會有一批規模不等的“死硬派讀者”或“專業讀者”,依然選擇繼續從事文學閱讀這項費力的腦力勞動。對這群人來說,是否要與機器“共讀”乃至“共生”?我本人一直是堅定的“與機器共讀”派。有人曾打趣說,讓大語言模型去閱讀文學,就好像造出一架噴氣式飛機——無論它飛得多快多穩,也終究不會下蛋。這句俏皮話聽上去很機智,可是,為什么一定要讓機器“下蛋”呢?N·凱瑟琳·海爾斯很早就指出,否認計算機具有類似人類批評家的閱讀能力,往往只是一種“物種沙文主義”。

我非常贊同萊夫·威瑟比的提法:如果文學研究還想繼續存續下去,一門以細讀為基礎的“通用詩學”將是未來的發展方向。事實上,英文的 poetics(詩學)一詞源自希臘語 poiētikē,其詞根 poiein 的意思正是 to make,即制作、生成或創造。我們與 AI 一起閱讀文學,本質上就是在探討語言制品是如何生成與轉化的。既然 LLM(大語言模型)已經成為這個星球上第二個掌握自然語言的“異類智能”,我們又有什么理由排斥它的參與呢?

不過在那種私密、無功利性的個人閱讀中,我們需要機器介入嗎?

小白:我們處在一個漫長的過渡時間,或者用海德格爾的話,處在人與行星級技術“遭遇”過程中。我們對這件事情的看法不足為憑。要不要讓機器成為我們和文學文本的中介,我們說了不算。我自己,獨自讀完一本小說早就成了多年習慣,這件事情仍然很有樂趣。作為讀者,我很享受這種貓鼠游戲,從第一頁第一行字開始記住各種信息和標記,從發現敘述者的聲音起慢慢做心理畫像,在只言片語里尋找進入文本的秘密路線,放任自己被作者設計的情感裝置打動,與此同時也跳出來審視各種意圖。即使將來人們不用通過這些辦法來完成“社會化訓練”,仍然可以享受這種樂趣,就像你可以去盒馬、山姆買魚,但你仍然可以保存一套魚具,周末去釣釣魚。

但是把機器放在你和文本之間,確實帶來了一種全新的閱讀,比如讀者終于可以越過語言屏障,只要你愿意,你可以讀幾乎任何語言的文學作品,全文翻譯,讓模型幫你分析原文語法和修辭。我不懂日語,但我前兩天讀了兩篇三十年代日本作者寫上海生活的小說,那小說比較冷僻,沒有翻譯過,以前一直想看而看不了。所以你看,世界文學的理想幾乎就要實現了。大語言模型是一個極致的文本間讀者,它沒有身體經驗,沒有歷史處境,沒有倫理責任,但它讀過無數文本,你可以讓它模擬任何讀者角色和讀者立場。你甚至可以當場讓它重寫和續寫,讓你可以模仿和比較,把閱讀轉化為一種生產性實驗。

但漢松:事實上已經接近完成了“巴別塔”重建。普通人文學閱讀的語言障礙,已經被打破了。曾幾何時,閱讀不同語言的文學作品,要么需要翻譯家來幫忙,要么便只是極少數博聞強記、精通多國語言的大才子的專屬特權。如今,這種近乎零延遲的多語翻譯,在“微信讀書”等平臺上已經做得相當成熟。讀者只要找到合適的外文電子書導入其中,就能一鍵生成外文與譯文逐段對照的版本。對于有一定外文基礎的人來說,這種雙語閱讀體驗極為便捷,兩種語言的實時比對也能有效規避機器翻譯偶爾的失誤。

除了翻譯,LLM 還能幫助讀者跨越文化鴻溝與語境迷障。從前讀品欽的作品何等辛苦,書中充斥大量的高語境指涉,即便英語母語的讀者也常常一頭霧水。《萬有引力之虹》,你可能把它翻爛了也摸不到門道。有了 AI 加持,面對那些艱深巨著,即便純粹個人的欣賞式閱讀也會變得輕松許多。AI 成了“大腦外掛”:遇到歷史梗,生僻用法,實時與 AI 交互一下。這本身就極大提升了閱讀的樂趣與成就感。

而且這種交互絕非單向查詢。我非常喜歡用 Notion 來讀小說,因為它內嵌 Claude、ChatGPT、DeepSeek、Gemini 和 Kimi 等多種大模型。讀到一個意味深長的細節,可以拋給 AI,詢問它的理解,可以接受、延展、挑戰甚至質疑 AI 的解讀,激發多輪深度對話。這就是所謂“人在回路”的閱讀體驗,讓AI 成為私密讀書伙伴,一人一機組成一個專屬讀書俱樂部。

對不熱衷文本細讀的人,AI 僅僅是能快速生成文本梗概的機器,它允許人們將“理解文本”這項工作外包,同時欠下越來越多的“認知債務”。但對于本就深愛閱讀文學作品的人而言,反而會琢磨出千奇百怪的機器讀法,讓自己進化為“賽博格讀者”。這不僅極大地提高了閱讀效率,更是指數級地拓寬了閱讀知識面。

我常想錢鐘書寫《管錐編》時,大腦里就像自帶一個大模型,偵測出那么多種語言的作品之間隱秘的關聯。傳說哈羅德·布魯姆一小時讀完400頁的書,并且還能記住大部分細節。過去這些都是凡人可望而不可即的神話;但今天如果普通讀者具備較高 AI 素養,同樣也能完成這種閱讀升維,在細微的文本紋理中看見整片森林、河流乃至浩瀚的星系。

當然有人會反駁。錢鐘書和布魯姆基于他們驚人的記憶力,而我們是依靠“提示詞”,這兩者存在本質區別。澳大利亞批評家克萊夫·詹姆斯在《文化失憶》一書中,曾專門探討意大利著名語文學家吉安弗蘭科·孔蒂尼。詹姆斯提到,意大利語中有一個幾乎無法被翻譯的詞:“gazofilacio”。字面意思接近于“寶庫”,原指圣殿教堂里存放貢物的密室,后來被引申為某種獨屬于個人的、通過背誦一點一滴積累起來的“文學儲蓄賬戶”。孔蒂尼用這個詞來描述一個人通過背誦詩歌,在心底慢慢筑起這樣一座金庫,多年之后,這些儲蓄會自發地顯現出其價值。

當文學閱讀有 AI 幫忙,我們確實能迅速深入文本,獲得深刻體認。但從前那種根植于閱讀的肌肉記憶,沉淀在具身經驗里的“gazofilacio”,也隨之一去不返。這是一種不可避免的權衡與妥協:在某個瞬間,我們體驗到了錢鐘書和布魯姆在閱讀時那種高維視界的高能快感,但我們也的的確確是使用了“作弊器”。

小白:錢鐘書和哈羅德·布魯姆,確實是那種神話。在先前那個時代,也需要這種神話。我意思是,這兩位大師讀了那么多書,如你所說,就像在他們的頭腦里訓練了一個大模型。但這些閱讀對他們真正造就了什么,或者說這些閱讀對他們真正的意義是什么,從他們的著述里,從他們的“輸出”里也許無法看見。這些著述構成了你說的那個神話,但他們頭腦中那個“大模型”真正給他們帶來了什么樣的感知、洞察和預見能力,人們幾乎不能看見。我們只看到無與倫比的淵博,對文本的了如指掌。更準確些的比喻,其實是高維數據低維嵌入的“降維”能力,發現隱秘關系、“潛變量”的能力。

但是如果閱讀的真正意義就是這個,那我們用大模型“作弊器”來閱讀,好像也沒有什么問題。就像我們現在完全不需要趴在地上聞一下泥土味道,去發現遠在幾公里之外的動物跡象。我們把無人機升上天,手里拿著屏幕看。在錢鐘書和布魯姆那里,閱讀對他們到底有什么更重要的意義,我們弄清楚這個,才可能知道用大模型“作弊”閱讀有什么意義,將來的人還有沒有可能繼續需要閱讀。

牌桌上的所有人

但漢松:印刷文化黃金時代智識精英的閱讀,已然無法復刻。我們也沒有必要退回到那個靠口腔肌肉、大腦、筆尖與雙眼去死磕書本的時代。當代讀者失去了對作品“爛熟于心”的寶貴體驗,換來立等可用的“魔毯”:它能將我們瞬間托舉至由向量化詞元構成的高維空間。我們更應該追問的其實是,這種新形態的個人閱讀,究竟能夠創造出怎樣的全新機遇?我們是否仍在繼續與福樓拜、厄普代克,抑或但丁的文字展開對話?屏幕閱讀固然瓦解了沉浸式的文學體驗,但可能在超級鏈接的網狀結構中,培養出高速跳轉、敏捷捕捉的注意力。在 AI 時代,只要我們還愿意去讀文學,這件事本身就比什么都重要。我們前面聊了作為欣賞的個人閱讀,接下來不妨談談作為教學的文學閱讀。

約翰·吉洛里近年出版了一本小書,《論細讀》。試圖對大學校園里近乎神圣不可侵犯的“細讀”教育進行一次徹底祛魅。吉洛里認為19 世紀末大眾識字率爆長,夷平了傳統閱讀門檻,也使文學研究遭遇了一場嚴重的“稀缺性危機”。當人人都具備閱讀能力,象牙塔里的“嚴肅閱讀”憑什么確立自身價值?正是此刻,“細讀”被發明出來,人為抬高閱讀“能量成本”,將專業文學閱讀從工業化、碎片化的日常大眾消費中剝離,重新構筑了文學經驗的稀缺性與壁壘。細讀是對大眾媒介所造成的“永久性分心”的一種反向干預,它既是一種“默會”的“慢技術”,本質上也是一種“技術文化”。

小白,雖然你并不在大學體制內教書,但我還是很想聽聽你的看法。你認為,在人文學科正遭受 AI 猛烈沖擊的當下,大學課堂里還有可能,或者說還有必要繼續向學生傳授“細讀”文學的技術嗎?

小白:是的,細讀是被發明出來的,“遠讀”也是被發明出來的,甚至連整個“大學人文教育”都是被發明出來的——它們與其他被發明出來的事物一道,共同建構了現代社會。如今,人工智能一出現,所有這些事物都開始動搖,甚至極有可能被計算系統徹底替換。因此,在大學里教授學生如何“細讀”文學文本,這件事情本身就變得有些可疑了。學生根本不需要認真聽課,只需花20美元訂閱一個大模型,就能非常出色地完成作業和論文;只要稍微動動腦筋,就可以像錢鐘書或布魯姆那樣進行“輸出”。大學教育的底層基礎設施,可以說已經被大模型掏空了——這就好比馬斯克試圖用“政府效率部”來掏空美國的傳統行政結構一樣。這件事從根本上失去了其原有的社會意義。當然,未來依然會有極少數學生,愿意花時間去內化閱讀技能,就像無論在什么時代,總有人愿意花重金請高手教自己如何釣魚。

所以核心問題是:不管我們讓不讓機器在人與文本之間擔任中介,閱讀行為本身還有沒有意義?我們當然可以說它“有用”——閱讀復雜的文學文本,可以培養共情力與情感投射的能力;整個閱讀過程需要調動海量的記憶,這本身就是極好的心智訓練。讀小說需要推測作者的意圖,把握文本的結構,辨別敘述的聲音,并且不由自主地去猜想情節的走向和人物的命運……所有這些,都能絕佳地訓練一個人的頭腦,提升其社會化生存的能力。然而,這些能力的生效,都建立在一個共同的社會與文化結構之上,它絕非純粹個人的事情。這就像是在牌桌上打牌:如果整桌只有你一個人在認真計算和推測,其他所有人都在胡亂出牌,那你所有的精算和推測其實都將毫無用處。

但漢松:“閱讀本身有沒有意義”,這是一個過于宏大的哲學與社會學命題。我更愿意和你集中討論一個更具體的問題:以深度注意力為特征、以細節解碼為技巧的“細讀”,在當下的大學課堂里繼續被教授,究竟還有沒有意義?在這個問題上,你的立場似乎相當悲觀。

其實圍繞這個話題,英美公共文化空間早已爭論得不可開交,至少存在兩種彼此對立的論點。第一種認為,大學人文教育中的細讀訓練,是社會實現民主生活與理性溝通的基石。最終成為職業批評家的學生當然只是極少數,但大多數學生在通識教育中所習得能力,會轉化為未來公民生活中的基本素養。尼爾·波茲曼在《娛樂至死》中提出過一個著名判斷:印刷文化能夠塑造特定的“排印心智”,概念思維、演繹與序列推理、理性秩序、對矛盾的警覺,以及延遲反應的能力。

第二種觀點把細讀視為文化資本,認為文本解碼能力并非天然普遍,而是出身精英階層的學生憑借其階級“慣習”更容易占有的能力。在經濟上行期,大學廣泛講授文學細讀無可厚非,但在經濟面臨嚴峻挑戰時,那樣的教育基礎設施就顯得格外昂貴,難以被社會長期承受。細讀當然可以教——通過教師的反復示范,引導學生從一首詩或一篇小說中挑出一個“指尖大小”的細節,從最初的“覺察”出發,進而提出局部主張和區域性論點,最終上升到對文本整體結構與價值的判斷。然而,從成本端來考量,這種教學方式很昂貴,需要充裕的課堂時間、小班化的建制,以及穩定而高水平的師資隊伍。

隨著大學系統面臨生源萎縮、經費削減與學科重組的多重壓力,這種依靠“示范—模仿”來傳授的細讀模式,愈發感受到市場與制度的冷峻擠壓。近年,美國多所高校的人文學科博士項目已經出現暫停招生或縮減規模的情況;而在國內,也有不少英語專業面臨停招、撤并,或轉向“語言智能”等應用化方向。正是在這樣的背景下,“大學課堂是否仍有必要教授細讀”才不再只是一個教學法問題,而變成了一個關于人文學科制度基礎的根本問題。

小白:你剛剛提到的——社會實現民主與理性溝通的基石,以及印刷文化所塑造的特定認知結構,這些便是閱讀的“意義”,對現代社會的建構必不可少。正因如此,人類才發展出了這一整套關于文本閱讀和解釋的系統,包括大學里的精英教育。在這種特定語境下,系統本身就亟需“錢鐘書神話”和“布魯姆神話”的背書。系統需要這種“內卷”機制,以此吸引更多的人、一代又一代的精英學生去學習和掌握那套文本解碼、文化解碼以及社會組織技術的解碼方式。看看列奧·施特勞斯或阿蘭·布魯姆他們解讀古典巨著、解讀莎士比亞的方式,你就會立刻明白了。

然而,現在的問題在于,我們擁有了更強大的解碼工具——它未必是“更好”,但至少在效率上肯定更高。這便是算法與機器智能。它們正著手重構、甚至可能直接接管人類的文化與社會系統。在這樣的大震蕩下,你認為繼續學習那套舊的編碼/解碼方式,其意義到底還剩多少?這絕非僅僅是一個經濟處于上行還是下行周期的問題,我們也不能簡單地把一切都歸咎于人工智能——畢竟,這種試圖通過控制論和算法來接管社會的構想,早在一百年前就已經埋下伏筆了。

所以,要不要繼續通過復雜的文本閱讀來塑造我們的社會和大腦,這已經不再是一個人或一小撮人的事情,而是牌桌上的所有人類玩家的終極命題。

但漢松:要讓象牙塔里的人文知識分子坦然承認,“細讀”并不是某種天經地義的能力稟賦,而是在學科職業化過程中被反復生產、示范和制度化出來的“語言技藝”,其實頗需要勇氣。吉洛里在《教授批評》一書中反復提醒西方人文學界,不要對專業文學研究在現實世界中的社會效力抱有不切實際的幻想。文學研究當然可以提出宏大的社會關切,但一旦把文學批評直接等同于社會改造,就很容易落入他所謂的“對目標的高估”。

培養擅長文學細讀的“好公民”,固然可能對民主社會有益;但大語言模型所內蘊的文本解釋能力,也同樣可能在相當程度上拉平由文化資本差異造成的教育鴻溝。在過去,一個家庭或許需要支付高昂學費,才能讓孩子擠進常春藤名校的英文系課堂,聆聽頂級教授對彌爾頓或莎士比亞的“言傳身教”;但如今,哪怕是身處全球南方的文學愛好者,只要能夠接入 AI,也完全可能獲得一位淵博程度近似布魯姆的“文學機器”,讓它充當自己的私人導師。

不過,必須清醒地認識到,作為一種“技術文化”,LLM 遠不只是科學知識的附屬應用。弗里德里希·基特勒的媒介物質主義,在此時此刻,顯得格外具有預見性。他認為,并非只是偉大的作家在使用打字機,打字機這樣的書寫媒介也會反過來重組作家的書寫身體、思想節奏和感知結構。基特勒關于尼采與打字機的經典討論,恰恰說明了媒介并不是透明的工具,而是會重新配置思想發生的物質條件。同理,當未來一代讀者與嵌入閱讀活動的 AI 共同進入文學文本時,這種技術文化也絕不僅僅是外在于人類的輔助工具,而是會深度參與人類意識、時間性與歷史感的構成。

5%的工作

小白:古往今來一切文學理論和抽象命題,大模型都可以進行工程化的生成與輸出。在機器面前,學院派文學批評機制中那些模板化、高度自動化的部分暴露無遺。在文本解釋方面,AI 能夠概括情節、解釋典故、綜述研究史、模仿各種流派的批評話語、運用各種理論框架來重讀文本。我完全可以想象,未來的批評家只需要主持一個“批評實驗室”,把各種角色分派給不同的智能體(Agent),讓它們自動完成所有的閱讀與檢索,并從各種可能性的視角出發,生成海量文本解釋;隨后,再讓這些 Agent 相互討論、篩選和壓縮信息。而批評家本人,只需負責宏觀的策劃、設計與編輯工作即可。在這樣的前景下,你覺得專業閱讀和文學批評還剩下什么不可替代的核心價值?

但漢松:這又是一個“挖祖墳”式的犀利問題。我們不妨先梳理一下機器與文學批評之間的歷史淵源。在大語言模型橫空出世之前,學界早已出現所謂“數字人文”(Digital Humanities,簡稱 DH)這一跨學科領域,其中一個重要分支是“計算文學研究”(Computational Literary Studies, CLS),這一路學者曾雄心勃勃地試圖以計算方法介入文學研究。我們熟知的莫萊蒂及其提出的“遠讀”概念,正是在這一更寬闊的數字轉向中獲得了標志性地位。

為什么要主張“計算 + 文學研究”?莫萊蒂的出發點非常務實:既然碳基生命窮其一生也無法真正讀完世界文學冰山的一角,那為什么要把有限的生命耗費在少數作品的細讀上,而不是利用圖表、地圖、樹狀圖、統計模型與大規模語料庫,去觀察文學史中更宏觀的模式、流變與結構呢?在過去二十多年里,DH 和 CLS 一度成為文學研究中最引人注目的前沿之一,也誕生了諸如莫萊蒂、馬修·喬克斯、安德魯·派珀以及特德·安德伍德等一批明星學者。

主流 CLS 通常會使用語料庫、統計建模、文本挖掘、可視化等技術手段,也經常用到詞頻統計、主題建模、分類模型和網絡分析。這些方法在處理文學史演變、類型變遷、文體風格和文學聲望等問題時,確實打開過一些新的尺度,也有很多啟發性的成果。然而,這種由計算方法驅動的文學研究,在傳統文學研究界始終爭議很大。華裔學者笪章難曾于 2019 年在著名期刊《批評探索》發表《反對計算文學研究的計算論證》,試圖從經驗層面指出 CLS 內部存在的技術問題、推理漏洞與概念錯配。她那句最著名的判斷大意是,在計算文學研究中,穩健的結論往往只是顯而易見的常識;而真正不顯而易見的結論,又往往不夠穩健。

這篇文章一石激起千層浪,許多學者隨即撰文反擊,指出笪章難對部分研究的理解與統計判斷也存在問題。換言之,2019 年那場爭論并不能簡單概括為“笪章難擊敗了數字人文”,它更像是計算文學研究內部一次激烈的方法論清算。此后,CLS 并沒有消失,但早期那種“只要擴大語料規模、引入統計模型,就能自動刷新文學史”的樂觀主義,顯然已經受到很大修正。總而言之,在大模型出現之前,機器介入文學批評的主要形態,仍然是把復雜文學文本轉化為若干可計算特征,再通過統計模型尋找宏觀規律。這條路徑的根本局限在于,它常常不得不先把文學文本大幅“降維”,然后再試圖從降維后的數據中讀出文學意義。

小白:用計算來處理語言和文本,處理文化與社會的符號表征系統,這是一項由來已久的實驗。但是,先前的那些實驗僅僅是把計算當成了一個外部工具箱。計算與語言,這兩種符號系統在本質上仍然是相互分離的。歸根結底,那只是一種歸納統計方法,依賴研究者事先的特征預設——你必須先假設:“只要機器數清楚 he 和 she 的頻率,就能夠了解19世紀小說的文風變化。”即使后來出現更高級的算法,那些詞頻—逆文檔頻率、詞袋模型、可以用來提取主題的“潛在狄利克雷分配”(LDA),那些算法仍然無法真正理解語言的“意義”。

直到 LLM(大語言模型)出現。大語言模型實現了計算與語言這兩種符號表征系統的完全嵌套。它更像是把語言深層地“內化”進了模型之中:語言符號、語法、語境、潛文本、情感、詩意,甚至意識形態,全都被編碼進了高維向量空間,語言本身直接化作了模型參數。通過這種嵌套,計算變成了語言的運算,語言變成了計算的表征。語義和文學性,在極其龐大的參數矩陣中開始自動“涌現”。機器成了語言的母體。幾萬億 Token 的訓練,讓它掌握了多維交織的潛在語義結構,掌握了人類文化潛意識的隱秘網絡,而絕不僅僅是語言表面的統計規律。它甚至能通過調節溫度和采樣機制去捕捉那些低概率的表達,捕捉語義的漂移。它確實有可能讓傳統的文學批評變得毫無意義;雖然它似乎不太可能立刻變成一個“后人類批評主體”,但它完全可以模擬一個“人類批評主體”。

但漢松:沒錯,以前數字人文和計算文學研究的問題在于算法太簡單,文本表征方式較為貧乏,相當于對復雜文本進行降維處理。即使是像 BERT 這種在今天看來也只是小模型。大語言模型對 Transformer 架構的規模化擴展,極大解決了長程注意力問題。現在我們把幾百頁的 PDF 扔進大模型,針對任何細節提問都能得到準確答案。這不再是簡單的查詢檢索,而是說明大模型已經具備了人類難以企及的上下文注意力。在過去數字人文的時代,很多人文知識分子對機器閱讀說些風涼話或許是有道理的,畢竟我們不能把莎士比亞的文學風格簡單歸結為某些詞匯共現規律的計算。但在 GPT-4 和 Claude 3 Opus之后,我們已經沒有理由對機器的文學閱讀潛能想當然地輕蔑。

事實上,莫萊蒂提出“遠讀”時所依賴的合法性前提已經不存在了。理論上說,頂級大模型在預訓練中已經消化吸收了人類幾乎所有的文本(包括世界文學的一切印刷文本),并且在后訓練階段獲得了強大的文本推理能力。這些參數動輒以萬億計的龐然巨物,毫無疑問已經是世界上最聰明的智能體了。“遠讀”的初衷是以犧牲局部細讀為代價,換取對更大規模文本的觀察。但現在的 AI 不僅可以一網打盡地“遠讀”,還能進行逐詞逐句的“細讀”。我們不能再用“殘余的人文主義”來自我安慰,一廂情愿地劃定一個區域說:“看,這里是人工智能絕對無法企及的,是人文學科的專屬地盤。”

大模型剛出來時,科幻作家特德·姜曾將 GPT 類模型比作“有損壓縮算法”。他認為:“‘有損’的含義是,它們對網絡上所有內容的復刻經過了高度壓縮,大量數據被丟棄(丟失),由此產生的空白則通過插值來填補——也就是通過觀察空白兩側的內容來推測缺失的部分。”笪章難也把這個比喻當作權威觀點,試圖說明 AI 除了強大的“序列推理”能力之外,并沒有真正的文學認知能力。對此,你怎么看?

小白:特德·姜發表在《紐約客》上的那兩篇文章我都看過。對他那個“有損壓縮”的說法,我從頭就有點懷疑。“壓縮”這個詞,我覺得大家現在其實是各自表述、充滿歧義的。有人說“壓縮即智能”,也有人說“壓縮即有損”。我猜想,特德·姜可能仍舊是把 ChatGPT 視為了從前那種傳統的文本算法——他認為文本和語言在經過壓縮計算后,很多部分會因為概率而被不可逆地丟棄了。他沒有把大模型視為計算系統與語言系統的嵌套。大模型的“壓縮”,其實是把古往今來人類創制出的所有文本,全部“壓縮”進那個高維空間,這與他口中的“有損壓縮”在本質上是兩碼事。

不過,對于他的另一篇文章,我倒是有幾分贊同。在那篇文章里他說,一位作家哪怕只是在寫一篇短篇小說,也必須做出成千上萬次的選擇與決定,而這些選擇與決定無一不需要作者的主體性。我個人對大模型的疑慮,其實更集中在另一些維度上,比如主體邊界感、記憶以及持續學習等問題。現在各大人工智能實驗室都把研發火力集中在“記憶”上,每一次版本迭代都會高調宣布其擁有了更強大的記憶能力和更大的上下文窗口。但在存儲和檢索記憶的“經濟性”上,機器目前的效率無論如何都還比不上人腦。

但漢松:是的,事實上,無論是笪章難還是特德·姜,他們都是在大語言模型強勢崛起之后,才被迫采取了某種人文知識分子的“防御姿態”。當然,人文知識分子對 AI 保持懷疑和警惕是理所應當的,畢竟它不僅僅是一項技術,更是一種強勢入侵的“技術文化”。

小白:甚至有可能成為新世界的“技術座架”。

但漢松:但我始終覺得,文科從業者在習慣性地高呼“人類的具身經驗神圣不可替代”之前,其實真應該多去用用當下最頂級的模型,試著和它們做些更復雜的交互。這兩年 AI 的技術發展,早就擺脫了當初那種一問一答的聊天機器人(chatbot)模式,開始朝著更有自主性的“智能體”(Agent)進化了。你我都是喜歡緊盯 AI 前沿的人,我想咱們最大的共同感受肯定就是“驚奇”和“不可知”——現在沒人能準確預判,未來幾個月這個領域到底還會爆發出什么新技術,或者帶來什么樣的顛覆。

如今,具備工具調用能力的 Agent 已經成了主流,超長上下文、思維鏈、擴展思考再加上 Agent 架構,這些都會極大提升機器智能對復雜文本的深度闡釋能力。我們千萬不能把這套機制簡單粗暴地看成是“距離換算成概率”的壓縮,那樣恰恰丟掉了它最核心的東西。自注意力機制其實并不是在做局部的概率排序,它是在動態地、不斷地重新組合和理解各種信息的表征。

小白:用什么模型其實并不重要。但我們確實不應該僅僅在 Chatbot 平臺上向模型“乞討”答案——哪怕是連續的追問,本質上也依然是在乞討答案。我們應該設法打開自己的工作端口,將模型接入到我們的日常工作流中去。在實際的工作交互中去親身體會:究竟哪些部分可以放心交給機器,哪些部分最好還是由自己來做決定。只有在這種深度的工作交互中,我們才能真正摸索出,作為一個擁有自由意志的“主體”,我們與機器智能的邊界究竟在哪里。

但漢松:如果我們現實一點,對人類的文學批評做個“逆向工程”,把它的工作流程拆解開來,咱們可能會驚訝地發現,里面或許 95% 的步驟毫無神秘感可言。比如找資料、理線索、把各種觀念歸納對比,再比如翻譯文本、做些基礎的理解……這些活,現在完全可以丟給 AI 去自動搞定。很多傳統的文學研究,其實就是在故紙堆里做各種繁瑣的概念考據。以前,能在浩如煙海的文獻里扒梳資料,確實是知識分子引以為傲的“硬核本事”。但仔細想想,這些事憑什么不能外包給機器?如果機器能干得更好、更準、還不知道累,咱們干嗎還要把寶貴的生命白白浪費在這上面呢?

我覺得,目前 AI 唯一做不到的(這其實不算缺點,只是人和機器的功能差異),就是那種高度主觀的審美和倫理判斷。這種判斷力靠的不是堆砌海量經驗,不是冷冰冰的概率計算,也不是生搬硬套的模式匹配。它靠的是直覺、是信仰,甚至需要一次毫無邏輯可言的“縱身一躍”。

我把這部分看作是文學批評里那極其寶貴的“5% 的工作”。比例看著小,但絕不意味著它不重要。這往往是一個批評家在經歷了艱苦卓絕的文本解讀之后,做出的一次最難被算法解釋和預測的智性跳躍。

小白:從特德·姜在《紐約客》第二篇文章中極力強調文學創作過程中的“主體選擇與決定”,到現在比較時興的說法——“未來在面對機器智能時,人類依然會擁有品味與判斷力”,其實,這些論調都更像是不太可靠的猜測與自我安慰,它們試圖通過想象來論證人類的工作價值在未來依然具備不可替代性。可是,當把那95%的繁重工作全都交給了機器智能之后,你的頭腦和思想沒有在那些劇烈的文本摩擦中得到反復打磨,你最終做出的那所謂的“5%的判斷”,也一定是非常可疑的。

況且,誰又能未卜先知呢?也許再過個一年半載,我們就可以讓 AI Agent 獨自為一部文學作品做出深刻的判斷、組織嚴密的論證、確定鮮明的立場、創造新穎的概念,甚至形成極具辨識度的批評風格。如果一個人不能在工作實踐中確立他與機器的邊界,我估計未來只有一件事情是機器會剩給他的,那就是“承擔責任”。機器可能永遠不會替你承擔責任,機器也永遠不會替你承擔批評所帶來的風險與后果。

但漢松:我倒更愿意相信,文學批評骨子里其實是一種生活方式,而不是什么高高在上、非人類不可的獨門絕技。AI 時代的到來,確實會徹底掀翻甚至終結很多舊事物,但這也很可能就是熊彼特說的那種“創造性破壞”。當我們不用再把大好光陰耗在那些所謂的“狗屁工作”上時,咱們或許剛好能借這個機會,去重新安頓“生活形式”。

我也愿意相信,之所以要去敏銳、優雅甚至創造性地分析和拆解文學作品,去做各種美學判斷,最終的目的其實未必是為了所謂的“求真”,而是為了去獲得一種關于生活的體驗。專業的文學讀者,說白了就像是和文學藝術互利共生的“寄生蟲”(這里“寄生蟲”可以是褒義詞)。當我們用心去闡釋文本的時候,收獲的是那種全身心的、充滿愛欲的回報。在這個漫長的閱讀和思考過程中,AI 能分擔掉很多苦活累活,能成為我們的啟發者和伴讀者,同時又不影響人類作為讀者的自主權。通往文學閱讀的道路不必只有一條,歸根結底最核心的東西,還是在這個過程里切身體驗到了什么,以及最終我們變成了什么樣的人。