陳詞濫調(diào)的AI會取代我們的創(chuàng)作嗎？

? Bert Glinn/Magnum Photos

利維坦按：

在算法能夠迅速拼接句子、模仿風格的時代，人工智能似乎已經(jīng)學會了“寫作”。它可以生成優(yōu)雅的段落、像樣的敘述，甚至看起來頗有文學腔調(diào)。但當寫作轉(zhuǎn)向回憶錄——那種由記憶、羞慚、執(zhí)念與時間沉淀而成的私人書寫——機器的流暢忽然顯得空洞。真正的問題不在于AI能否排列詞語，而在于它是否曾經(jīng)生活過，是否擁有只能由身體、失去與自我反思鑄成的那種記憶重量。

創(chuàng)造性寫作曾經(jīng)是人類的專屬特權(quán)：寫得好也好，寫得差也罷，但無論如何，人們都默認一個共識——書寫人類經(jīng)驗這件事值得付出時間和精力的。

這是一種至關(guān)重要的人類行為，以至于詩歌成為計算機先驅(qū)艾倫·圖靈最初測試的關(guān)鍵組成部分：圖靈測試旨在判斷一個對一系列問題作出反應(yīng)的未知對象是人類還是機器冒名頂替者。圖靈測試常常被簡化為人類與機器兩塊領(lǐng)地之間的一道單一分界線。通過測試，人工智能便可以踱步跨線，來到我們這一邊，環(huán)顧四周，決定如何對待我們。但首先，它得通過測試。

在發(fā)表于《心靈》（Mind）雜志的論文《計算機器與智能》（Computing Machinery and Intelligence，1950）中，圖靈明確了他的目標：“考慮這樣一個問題，‘機器能思考嗎？’”以典型的人類方式，他立刻對問題進行了重新表述——而且頗費筆墨——最終提出了“模仿游戲”，其原型是一種早于互聯(lián)網(wǎng)、早于電視的客廳娛樂。

? Manhattan Rare Book Company

圖靈心目中的原始游戲設(shè)置是：一名猜測者坐在“熱座”上，向一名男子（X）和一名女子（Y）提問，兩人分別在兩個房間里，彼此既看不見也聽不到。猜測者必須根據(jù)他們的書面回答判斷誰是男人、誰是女人。X試圖誤導猜測者，如果猜錯了，X就贏；如果猜對了，Y就贏。試試吧，很有意思。

在這個語境下，圖靈擬定測試中的第一個問題并不像乍看之下那樣令人意外：“請X告訴我他或她的頭發(fā)有多長。”接著，圖靈同樣禮貌地提出第二個問題：“請給我寫一首以福斯橋（Forth Bridge）為主題的十四行詩。”兩個問題下來，人類與機器思維之間那條備受爭議的邊界，已經(jīng)在向文學和藝術(shù)索要答案了。

圖靈在1950年代設(shè)想的X（那個試圖誤導的參與者）回答說：“這個問題我可答不上來。我從來就寫不了詩。”為了想象出這個回答，在他游戲的第二階段里，圖靈那顆復雜的大腦正在扮演這樣一個角色：X由一臺機器扮演，隱藏在視線之外，敲擊鍵盤輸入答案，假裝自己是一個男人（在最初版本中，X是個男人假裝成女人，后來版本中，圖靈將X設(shè)定為機器，Y是人類，X要假裝成人類。編者注）。我知道，這聽起來有點繞；如果這個測試很簡單，連空氣炸鍋都能通過。

圖靈并不是在暗示機器不能寫詩。在模仿游戲那套盤根錯節(jié)的邏輯中，X的計算是：在1950年，普通人并不寫詩——這是一種常識性假設(shè)，每一臺冒充人類的計算機都應(yīng)該知道（也就是說，機器如果真要裝成人類，就必須知道什么時候該“裝不會”。編者注）。連同其他一些來自20世紀中期的偏見，圖靈的論文還不夠謹慎地提及了種族、宗教以及美國憲法。他將無法把計算機視為有感知能力的人，比作“穆斯林認為女性沒有靈魂”的觀點。圖靈就這樣貿(mào)然闖入，他的思考方式，并不像我們今天這樣計算。

（圖靈在問的不是“你會不會寫詩”，而是：你知不知道一個“普通人”在當時“會不會寫詩”？1950年的常識是：普通人通常不會寫詩。所以如果X回答： “當然，我可以寫一首完美十四行詩”，反而會顯得“不像人類”。編者注）

而他設(shè)想的2026年的未來計算機也做不到這一點。今天的任何一款大型語言模型（LLM），比如ChatGPT或Claude，都能立刻寫出一首以福斯橋為主題的十四行詩。我輸入了圖靈測試里的那個問題，Claude 4立刻給出了14行詩句，其中甚至為了韻律而使用了縮寫詞“mathemat’cal”。這首詩言之成理，形式上也是一首十四行詩，而且只花了幾秒鐘。

無論這是否算作思考，圖靈都預感到他所劃定的邊界將會遭到藝術(shù)界的抵制。在他的論文中，他與當時一位杰出的神經(jīng)科學家、皇家學會的杰弗里·杰斐遜（Geoffrey Jefferson）爵士展開了辯論。杰斐遜認為，“只有當機器能夠根據(jù)自身感受到的思想和情感，而非偶然的符號組合，創(chuàng)作出一首十四行詩或一首協(xié)奏曲時，我們才能認同機器等同于大腦——也就是說，機器不僅能夠創(chuàng)作，而且知道自己創(chuàng)作了。”杰斐遜在1949年于皇家外科醫(yī)學院發(fā)表的李斯特演講中指出，將無數(shù)猴子在打字機上的工作機械化（即無限猴子定理。編者注）并不算真正的思考。

如今，在藝術(shù)領(lǐng)域，我們很難再像杰斐遜那樣充滿自信。人工智能的進步刺痛了藝術(shù)家的虛榮心——如果機器幾乎可以瞬間復制出人類藝術(shù)家的作品，那么這些作品就談不上多么特別了。這很刺痛人。我們原本希望偉大的藝術(shù)家能夠弘揚并捍衛(wèi)我們物種獨一無二的精神，但正如早期攝影術(shù)所引發(fā)的焦慮一樣，被妖魔化的人工智能正威脅著要竊取我們的靈魂。機器藝術(shù)侵蝕著我們所能做、所能創(chuàng)造、所能成為的一切，它侵入了神圣的領(lǐng)域。富有創(chuàng)造力的藝術(shù)家本應(yīng)是獨一無二的、不可模仿的。

圖靈的“模仿游戲”論文發(fā)表于1936年，也就是愛荷華大學首次作家研討會召開14年后。圖靈或許并不了解，在劍橋大學國王學院接受數(shù)學教育的他，早已在看似毫不相關(guān)的創(chuàng)意寫作領(lǐng)域，在大西洋彼岸發(fā)展出了機器學習的雛形。在愛荷華之前，靈感女神已經(jīng)出現(xiàn)；在愛荷華之后，一種與當今大型語言模型（LLM）運作方式頗為相似的文學內(nèi)容創(chuàng)作方法已經(jīng)出現(xiàn)。

首先，要弄清楚有效寫作的標準是什么。然后，制定一套流程，引導有抱負的寫作者逐步模仿出理想的作品。愛荷華大學以及此后所有創(chuàng)意寫作碩士項目都廣泛驗證了這樣一個前提：一套可學習的規(guī)則可以生成至少勉強合格的文學作品。很少有前途可期的編劇不知道希德·菲爾德（Syd Field）的“三幕劇本結(jié)構(gòu)”，或克里斯托弗·沃格勒（Christopher Vogler）的“英雄之旅”——這些“秘籍”承諾給出戲劇、場景、沖突與對白的最佳排列順序。就像大型語言模型被設(shè)計成“思考”一樣，這些模板本身就是一種逆向工程：先研究《大白鯊》或《證人》這些電影的機制是如何讓作品發(fā)光的，然后找出可轉(zhuǎn)移的組成部分，再重新組裝，以期在未來實現(xiàn)類似的藝術(shù)成功。

? 豆瓣電影

對計算機程序員而言，把逆向工程作為機器學習機制，被稱為“反向傳播”。在馬克斯·S·貝內(nèi)特（Max S Bennett）的《智能簡史》（

A Brief History of Intelligence

要是寫作也這么簡單就好了。根據(jù)Data USA的數(shù)據(jù)，美國每年有多達4000名學生獲得創(chuàng)意寫作碩士學位。盡管如此，沒有人指望會有同樣數(shù)量的“偉大的美國小說”誕生。許多滿懷希望的寫作生涯，起點其實都帶著ChatGPT所邀請的那種提示心態(tài)：我想寫一部像去年夏天震撼了我的那本書一樣的暢銷書。或者，對于那些更有冒險精神的人來說：想寫一些新穎但又貼近生活的作品，一部兼具文學性和敘事張力的小說/回憶錄混合體，就像李·查德和安妮·厄諾的結(jié)合體。謝謝。我會等的。不過，我可沒那么有耐心。

? The Evergreen State College

顯然，當把最終結(jié)果與最初意圖相比較時，反向傳播的方法無論對創(chuàng)意寫作課程還是對大型語言模型而言，都是有缺陷的。回到圖靈所引用的杰斐遜：當作品由錯誤的“思想與情感”所驅(qū)動時，成品就會被削弱——不論是學生寫作者的盲目野心，還是計算機的盲目服從。還需要某種額外的東西，而這種神秘的魔法成分，至少自1580年起就一直在英語書面文本中被爭論不休——那一年，菲利普·西德尼 (Philip Sidney）在《為詩辯護》（

An Apology for Poetry

菲利普·西德尼在《為詩辯護》。? University of Glasgow Library/Flickr

事實上，正因為如此特殊，至今仍無人能夠把英語文學系的研究成果——文學何以奏效——拆解到足夠細微的層面，從而重新表述為可供大型語言模型執(zhí)行的指令。創(chuàng)意寫作學生也做不到。其他藝術(shù)門類在這一領(lǐng)域所做的努力，同樣不怎么令人鼓舞。ArtEmis是一個大規(guī)模數(shù)據(jù)集，旨在記錄并進而預測人們對視覺藝術(shù)作品的情緒反應(yīng)。該計劃將6500多名參與者的情緒標注，與他們對所見內(nèi)容的文字解釋進行匹配，并希望借助這些數(shù)據(jù)，通過反向傳播來促成能夠激發(fā)同等情緒反應(yīng)的藝術(shù)作品的創(chuàng)作。

人們似乎普遍認為：如果一臺機器能夠創(chuàng)造出一幅視覺圖像，并生成一組可控的情緒感受，那么藝術(shù)就算被成功創(chuàng)造了。聽起來似乎有道理，唯獨忽略了一個事實：人類的情緒反應(yīng)向來反復無常。ArtEmis的流程在好萊塢早已有類似的先例，但如果焦點小組真的能可靠地服務(wù)于藝術(shù)領(lǐng)域，那么電影院里早該座無虛席、佳作不斷了。

值得注意的是，美國編劇工會在2023年的罷工行動中，為劇本創(chuàng)作爭取到了重要的保護，明確禁止用AI取代人類編劇。但這并未明顯提升優(yōu)秀藝術(shù)電影的產(chǎn)量。人類編劇仍然在拍出平庸的電影。即便沒有任何AI的介入，我們依舊在畫著乏善可陳的畫布，寫著令人過目即忘的小說。

糟糕的藝術(shù)，是人類非常熱衷去做的事情，而且數(shù)量龐大。它已成為我們的一部分；當靈感枯竭時，我們便依賴那些與我們已經(jīng)編入大型語言模型的方法并無二致的手段。

正如圖靈所預言的那樣，“數(shù)字計算機……確實可以非常接近地模仿人類計算者的行為”，而在制造失敗的藝術(shù)作品方面，我們已經(jīng)把所有花招都教給了人工智能。無論源自閣樓還是英偉達芯片，未能成功的創(chuàng)意寫作，都是通過選擇那些在公共領(lǐng)域出版材料中被識別為常常共同出現(xiàn)的語言單元來“寫作”的。熟悉的詞語組合被拼湊成幾乎令人信服的句子，這種陳腐的語言運用方式過去被稱為陳詞濫調(diào)。大語言模型是陳詞濫調(diào)的機器，它們被訓練成利用人類頑固的弱點——以最小的努力創(chuàng)造最大的內(nèi)容。

這也解釋了英國出版業(yè)最重要的行業(yè)雜志《書商》（The Bookseller）在2025年6月的一個標題：“AI‘很可能’在2030年前產(chǎn)出暢銷書”。該標題指的是尼爾森（Nielsen）公司菲利普·斯通（Philip Stone）在一次會議上的發(fā)言，該公司負責匯編英國圖書銷售數(shù)據(jù)。我認為他關(guān)于那本暢銷書的判斷是對的，因為大語言模型會率先攻占類型寫作——警匪、間諜驚悚、言情小說——這些小說會沿用已被證明受歡迎的經(jīng)典模式。人工智能急于取悅讀者，而且它還擁有一個優(yōu)勢——而令人驚訝的是，很少有人類作家具備這一點——它能夠毫無羞愧地批量生產(chǎn)衍生性作品。

幸運的是，對于其他人來說，人工智能能夠提供符合規(guī)則和以結(jié)果為導向的敘事，這種無窮無盡的能力帶來了一個意想不到的好處：人工智能將成為證明并非所有寫作都具有相同價值的工具。

為了擺脫陳詞濫調(diào)的束縛，讀者們期盼著有機的聯(lián)想、大膽的推測和出人意料的推論。為然而，對一臺在問題提出之前就已被喂入答案的AI來說，“驚喜”依然是一個難以企及的概念。

埃達·洛夫萊斯（1815-1852）。? wikipedia

查爾斯·巴貝奇的分析機，又稱差分機。? ThoughtCo

早在1842年，埃達·洛夫萊斯（Ada Lovelace，即詩人拜倫唯一的婚生子女。編者注）在評論最早的計算機之一——查爾斯·巴貝奇的分析機——時，就提出了對機器思維的這一反對意見（作為歷史背景，愛荷華第一次創(chuàng)意寫作聚會——雖屬非正式——發(fā)生在1897年）。洛夫萊斯指出：“分析機毫無任何自發(fā)創(chuàng)作的企圖。它只能做我們知道如何命令它去做的事情。”她的斜體字強調(diào)了與人類思維之間的對比：至少對藝術(shù)家而言，原創(chuàng)性是一種被珍視的價值。

視覺藝術(shù)比文學更能延續(xù)現(xiàn)代主義“推陳出新”的理念。例如，特納獎每年頒發(fā)給英國最優(yōu)秀的當代藝術(shù)展覽，其評選標準就體現(xiàn)了一種觀念：如果作品不夠新穎，就不能稱之為藝術(shù)。對視覺藝術(shù)家而言，形式上的好奇心本就是工作的一部分——他們探索新的創(chuàng)作方式，以期啟發(fā)新的觀看視角。相較之下，而寫作則更傾向于沿用熟悉的模式，這也解釋了為何英國會設(shè)立專門的戈德史密斯小說獎（Goldsmiths Prize，又譯金匠獎。編者注），旨在“拓展小說形式的可能性”。因為大多數(shù)其他獲獎小說并沒有做到這一點。

盡管新技術(shù)開辟了廣闊的視野，但寫作界卻一直不愿去探索新的閱讀方式。把書籍整體搬到Kindle或Audible上，不過是簡單的數(shù)字化搬運而已，這種安于現(xiàn)狀的做法，使得文學界很容易被人工智能熟練地重復利用熟悉的素材，也提高了那本即將出現(xiàn)的AI生成暢銷書的概率。作家們，或者更準確地說，是他們的出版商，似乎已經(jīng)忘記了創(chuàng)作難度的重要性，也失去了對形式大膽作品所能帶來的驚人回報的好奇心。如今，很少有書稿作者敢于向主流出版社承諾創(chuàng)作一本與眾不同的書。

洛夫萊斯在思考機器如何思考時，立刻就識別出了原創(chuàng)性的重要性。或者，用詩人瑪麗安·摩爾（Marianne Moore）的一首詩來說：

這些事物之所以重要，并不是因為
它們可以被賦予高深的內(nèi)涵，而是因為它們
有用；……

無論在藝術(shù)還是科學領(lǐng)域，原創(chuàng)性都能推動人類進步。任何新穎而真實的發(fā)現(xiàn)都能拓展現(xiàn)實的范疇。因此，僅僅假裝原創(chuàng)的藝術(shù)作品，并不會給我們帶來任何有意義的東西。

圖靈測試本質(zhì)上是一項關(guān)于說謊的測試。一臺機器能否采用一種明顯屬于人類的策略，假裝成它并非之物？通過圖靈測試，需要一次欺騙行為，這讓被欺騙的人類審問者暴露在關(guān)于冒充與偽裝的原始恐懼之中。藝術(shù)理應(yīng)透過這種謊言看到真相，而那些值得捍衛(wèi)的原創(chuàng)作品之所以非同尋常，正是因為杰斐遜所說的那種“被感受到的思想與情感”的強度與真實性，使它們存在于一個永恒的現(xiàn)在時。作家托妮·莫里森（Toni Morrison，美國著名非洲裔女性作家，其主要作品包括包括《最藍的眼睛》、《秀拉》、《寵兒》等。其獲得過許多文學獎項，包括美國國家圖書獎、國家圖書評論獎、普利策獎，以及1993年的諾貝爾文學獎。編者注）所做的事情，就屬于此。

而人工智能所做的，則是概率性的。大語言模型對最可能的詞序列的計算，恰恰是創(chuàng)造偉大寫作最不可能的方式。任何在情感投入上超越統(tǒng)計概率、真正創(chuàng)造新作品的人，都更有可能與讀者產(chǎn)生共鳴——不論這種親和力如何表現(xiàn)出來。正如格雷格·巴克斯特（Greg Baxter）在其回憶錄《為死亡做準備》（

A Preparation for Death

我并不懷疑大語言模型可以被要求去模仿越界，但一旦服從這一指令，它們就顯得荒謬虛偽，成為藝術(shù)的敵人——即便它們在先進的當代形式中似乎更能應(yīng)對圖靈對英國文學的挑戰(zhàn)。例如在2026年，ChatGPT和Claude輕松完成了1950年的圖靈測試挑戰(zhàn)：解釋莎士比亞在第十八首十四行詩中的創(chuàng)作選擇。為什么是“夏日”，而不是“春日”？很簡單（只要問它們，它們就會告訴你答案）。現(xiàn)在大語言模型可以輕松應(yīng)對圖靈最初的大部分問題，如果它們都寫不出像莎士比亞那樣的十四行詩，那我也寫不出來。但這并不意味著我不會思考，圖靈也對計算機作出了同樣合理的寬容。它們也被允許有自身的局限，而他對機器智能的態(tài)度，遵循了狄德羅關(guān)于鸚鵡的邏輯：如果理解的幻象足以令人信服，那它就等同于理解（狄德羅說，“要是他們找到一只什么都能回答的鸚鵡，我會毫不猶豫地認為它是有智慧的生物。”編者注）。機器一直在偽裝，直到它們真正理解為止。

或者用圖靈自己的話來說：“上帝賦予了每個人不朽的靈魂，但沒有賦予任何其他動物或機器。因此，任何動物或機器都無法思考。我無法接受這種說法。”圖靈為了1950年代的語境而引入了上帝，但他拒絕了人類“必然優(yōu)于”其他造物（無論是人造的還是自然的）這一想法。他贊同德謨克利特和托馬斯·霍布斯等唯物主義哲學家的觀點，認為心靈——不論它究竟是什么——完全存在于大腦的物理結(jié)構(gòu)之中。AI也是一種物理結(jié)構(gòu)，因此圖靈判斷：AI不能做的事情，只是“暫時”做不到而已。

費伯與費伯出版社在作家莎拉·霍爾（Sarah Hall）小說封面上標注了“人類撰寫”，以示對人工智能的抵制。? The Bookseller

既然如此，作家和藝術(shù)家應(yīng)當如何回應(yīng)當下的這一局面？我們可以在小說的封皮上貼上“人類撰寫”的標簽，正如英國費伯與費伯出版社（Faber and Faber）最近所嘗試的那樣。視覺藝術(shù)家也可以貼上“由人類智慧創(chuàng)作”或“非AI制作”的標識，也許話題標簽?zāi)茉谀撤N程度上讓AI保持距離，直到某位劃時代的天才橫空出世，以真正原創(chuàng)的風格與內(nèi)容捍衛(wèi)人類的榮譽。人工智能，你等著瞧吧！看看你還有多長的路要追趕。

與此同時，我們其他人可以更積極主動地抵制人工智能的侵蝕，捍衛(wèi)并鼓勵人類獨立創(chuàng)作藝術(shù)的雄心，無論成功與否。藝術(shù)是對人類存在的肯定，是傳遞和接收關(guān)于相遇與聯(lián)結(jié)的信息。一個內(nèi)在生命可以觸及另一個，而為了達到最佳效果，需要培育一種任何大語言模型都無法模仿的創(chuàng)造性過程。馬塞爾·杜尚把藝術(shù)稱為“缺失的環(huán)節(jié)，而非已經(jīng)存在的環(huán)節(jié)”，這一洞見在21世紀尤其重要，它直接駁斥了模仿性的語言模型創(chuàng)作模式——這種模式深陷于反饋循環(huán)，不斷重復著既有的序列。對于ChatGPT而言，內(nèi)心世界之間那種觸電般的碰撞并非易事，而這種碰撞在回憶錄中最為容易實現(xiàn)。每個人記憶中的一切都只屬于他們自己，那是未經(jīng)數(shù)字化處理的真實人類經(jīng)驗寶庫。

據(jù)圖靈的傳記作者安德魯·霍奇斯（Andrew Hodges）記載，當圖靈陷入沉思時，常常會抓撓他那偏分的頭發(fā)，并用嘴發(fā)出一種“咂唧”的聲音。在他構(gòu)思圖靈測試前后，他腦中回響著懷疑的聲音，告訴他計算機永遠不可能“善良、機智、美麗、友好”。他未來的機器大腦不會“有主動性、幽默感、能分辨是非、會犯錯、墜入愛河、喜歡草莓加奶油”，等等。圖靈是在拿這些能力與他所記得的親身生活經(jīng)驗作比較。人工智能做不到的，就是回憶。

以這一想法為起點，我最近發(fā)起了“通用圖靈機”（Universal Turing Machine）項目，這是一個關(guān)于寫作與閱讀新方式的人類提案。“通用圖靈機”是一個可擴展的在線網(wǎng)格，由8x8個方格組成，類似于棋盤。我們邀請作家認領(lǐng)一個網(wǎng)格，并在每個方格中填入1000個單詞的記憶。讀者可以在不同的記憶和聲音之間隨機穿梭，在杜尚所指出的“藝術(shù)即鴻溝”的空間中扮演同樣積極的角色。我計劃每年兩次在已有內(nèi)容上鋪設(shè)新的方格，逐步擴大這一集體實驗性回憶錄的規(guī)模，放大人類存在的多樣性，創(chuàng)造一部忠于生活經(jīng)驗的主觀百科全書。

? universalturingmachine

通用圖靈機的形式，旨在鼓勵把寫作視為一種思考方式——而這正是藝術(shù)（觀看、聆聽、寫作、閱讀）一直以來所提供的。能夠感知自身被記憶的過程，堪稱我們所能進行的最艱深、最巧妙的思考之一，也正因如此，為了進行他的測試，圖靈才會對文學作品如此著迷。人工智能目前還無法將寫作作為一種獨立的思考、閱讀或記憶方式，而通過閱讀所有書籍來學習寫作也無濟于事。正如回憶錄無法通過完全回憶而變得更好一樣。

要親眼見證人類藝術(shù)性選擇的奇跡，可以看看法國實驗作家喬治·佩雷克（Georges Perec）的小說《消失》（

La Disparition

在《計算機器與智能》的結(jié)尾，圖靈出人意料地提到，“至少在心靈感應(yīng)方面，統(tǒng)計證據(jù)是壓倒性的”，并且“如果承認心靈感應(yīng)，我們就必須把測試收緊”。作家與讀者、藝術(shù)家與觀眾之間的交流，是我們最接近心靈感應(yīng)的時刻——在心靈之間傳遞與接收信息。圖靈意識到，他的機器很難達到人類這種精細的程度，雖然并非每個人都能通過藝術(shù)發(fā)現(xiàn)心靈感應(yīng)，但任何有過草莓奶油體驗的人都可以嘗試一下。努力本身就值得肯定，而像“通用圖靈機”這樣的項目正鼓勵這種嘗試：歡迎人類貢獻者，無需測試。

或者更準確地說，通過寫作來重新編排記憶——以這種獨特的人類方式去思考——本身就是一種抵抗。它重新詮釋了圖靈測試，使之偏向于他最初模仿游戲中Y所扮演的角色：Y的目標是講述真相，而不是試圖誤導他人。X無法替你擁有記憶；無法替你假裝，也無法因此成功；而對自我的認知始終是認知主權(quán)的體現(xiàn)。在書寫自我的過程中，Y成為了令人信服的人類。Y獲勝。人類與機器思維之間的邊界依舊清晰，并因一個無法、也不愿被外包的自我而得到強化。

文/Richard Beard

譯/tamiya2

校對/tim

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

本文基于創(chuàng)作共享協(xié)議（BY-NC），由tamiya2在利維坦發(fā)布

文章僅為作者觀點，未必代表利維坦立場