|
《柏拉图表象假说》
内容提要
“柏拉图表象假说”将生成式AI带入了“表象”这个古老的哲学问题域，如果把“拟像”定义为“以差异机制生成相似效果的特殊表象机制”，那么无论是生成式AI的表象，还是修辞学的表象，都可以被看作一种“与知识生产伴生的拟像”。这意味着，我们可以在修辞文化留下的厚重遗产和深刻教训中，反观生成式AI对当代文教可能意味着什么。生成式AI正如修辞学那样，既可以被强大的心智驾驭，成为辅助知识生产和传播的工具；也可能在不良的文化和教育生态中，以“玩弄辞藻”的方式造成知识生产的假象，以“解放劳力”的名义导致人类能力的下降，进而最终威胁人文资源的可持续发展。
关 键 词
生成式AI 柏拉图表象假说 拟像 修辞学
引言 AI和柏拉图表象假说
柏拉图表象假说（The Platonic Representation Hypothesis）恐怕是2024年人工智能科研领域最“破圈”的研究成果之一了。该假说认为：“由不同数据、以不同目标训练的不同模态的神经网络，正在其表象空间（representation spaces），收敛到一个共享的现实统计模型。”[1]该假说意味着，优秀的模型都是相似的，糟糕的模型各有各的问题。优秀模型的相似之处，就是它们都将随着不断优化，逼近同一个关于现实的统计学表征。“柏拉图表象假说”之所以破圈，自然少不了Open AI首席科学家伊尔亚·苏茨克维（Ilya Sutskever）的推荐，但更重要的是它对“表象”这个古老的哲学问题进行了跨界关怀和大胆假设。那么，既然该假说已经把AI带进了“表象”这个古老的问题域，我们不妨干脆顺着这个思路，对这里的“表象”展开进一步追问。
我们的问题是：神经网络“表象空间”意义上的“表象”究竟是何种表象？这样的“表象”究竟对我们又意味着什么？本文选择从“拟像”这个概念切入上述问题。下文，我们将首先在与波德里亚式“拟像”的区分中，改造德勒兹的“拟像”概念，以期锻造出适合讨论本文问题的概念工具。接着本文将在这个概念的映照下，反思AI对知识生产和当代教育究竟意味着什么？也即，我们的知识生产和教育事业，究竟可能在AI时代面对怎样的处境？
一 仿真秩序中的自治代码：波德里亚的“拟像”及其缺陷
法国当代哲思有一个潮流：借助发展拟像（simulacrum），与柏拉图以降的表象（representation）传统对话。[2]虽然德里达、福柯、德勒兹等对此都有所作为，但最有知名度的“拟像”理论，恐怕还出自波德里亚。但本文使用的“拟像”，并非波德里亚意义上的“拟像”，而是挪用自德勒兹的“拟像”。由于波德里亚的“拟像”对数字时代的文化批判太有影响力，因此，我们在这里必须首先说明，为什么在讨论AI的表象问题时，这里偏偏要弃用波德里亚的“拟像”。
实事求是地说，在“拟像”问题上，波德里亚的贡献在诸位法国当代思想家中确实是最大的，尤其体现在他提出了不同“拟像”的区分框架。波德里亚认为，自文艺复兴以来，人类历史经历了“仿造”“生产”“仿真”三种不同“拟像”，它们分别遵从着自然规律、商品规律和结构规律。简而言之，如果在“仿造”中还存在“仿造物是否像原型”的问题，因而依旧需要预设某个具有特权的“原型”，那么在“生产”中，流水线上的产品地位平等、相互等价，机械复制将“原型”吸收进了商品的等价关系中，特权在流水线上失去了位置。到了仿真阶段，万物从中化生的那个东西，已经从仿造秩序下的“原型”颠倒为代码及其模式。仿真世界遵从符号的结构规律生成，与现实难以区分，但恰恰是这种“超真实”，掩盖着真实／原型已不再可能的后现代文化处境。如果以“人”为例，给每种“拟像”一个典型，或许我们可以认为，“仿造”的典型是致力于模仿“人”的自动木偶，“生产”的典型是流水线上服务于机器大生产的机器人，而“仿真”的典型则是大数据生成的用户画像，和被数据和算法反向塑造的用户本身。[3]
波德里亚《象征交换与死亡》
不难理解，波德里亚的“拟像”理论，后来为何会成为人们理解和反思数字时代的概念利器。尤其是这作为拟像第三秩序的仿真，更是随着《黑客帝国》的大火，一度成为热衷于“学点批判理论”的中产阶级的思想时尚。就这样，“仿真”似乎成了数字时代的万能批判武器，互联网、元宇宙、AI、游戏、CG，似乎任何东西，只要由0／1编码，都可以用“仿真”秩序来透视和批判一下：快看，它制造了逼真却虚妄的经验，它放逐了残酷却真实的现实，让我们勇敢一点，回到肉身，捍卫真实！
对于本文的问题，笔者却不打算顺着“拟像”这种已经被流俗化了的理论惯性，对AI的表象进行诸如此类的套路化诠释。这是因为，这样廉价的批判已经失去现实意义。它常常把我们引向“红药丸／蓝药丸”的抉择，却忽视了我们再也回不去那个由“红药丸”代表的“贞洁”现实了。然而更重要的是因为，波德里亚式“拟像”体系存在着根深蒂固的问题——它区分出了不同拟像秩序，代价却是这个区分本身过于泾渭分明，尤其是放大了不同秩序间的断裂。比如，波德里亚这样描述从“仿造”到“生产”秩序的变迁：
一个世界分隔了自动木偶和机器人这两种人造生物。前者是对人的戏剧性、机械性、钟表性仿造，其中的技术完全屈从于类比和拟像效果。后者则受到技术原则的支配，是机器占有优势，随着机器而建立的是等价关系……机器则是人的等价物，并且在操作过程的统一性中把人作为等价物占为己有。这是第一级拟像和第二级拟像之间的根本差异。[4]
类似的“根本差异”同样出现在第二级到第三级拟像的变化中。以至于在控制论主导的仿真秩序中，代码几乎变成了“要有光，于是就有了光”的上帝（脱氧核糖核酸=上帝），可以超脱于商品规律和自然规律的限定，仅以自身的结构规律为依据，任性地生成万物。[5]
但果真如此吗？至少在人工智能领域，任何熟悉其发展史的人都知道，尽管AI乍看来是仿真秩序当仁不让的“原住民”，但“自动木偶”式的仿造秩序从来就没有离开过AI，甚至在一定程度上决定着仿真世界的评估原则。在《计算机器与智能》（Computing Machinery and Intelligence）中，图灵把“计算机会思考吗”的问题转换为“在‘模仿游戏’中，是否存在着一台想象中的机器，可以在游戏中精彩发挥”。[6]从此，无论实现路径是什么，机器在效果上干得是否与人难以区分，就成了“智能”最有实操性的判断方式。在这里，人工智能一脚踏着“仿造”，一脚踏着“仿真”，“模仿原型”和“代码生成”在这里绝非泾渭分明，而是从一上来就共属于同一机制。这也意味着，代码的生成并非随心所欲，而是始终要在效果上接受“模仿游戏”的测试和限定。当然，一直以来都不乏这样一种观点：数字媒介一定会从模拟传统媒介走向发挥自身特征。[7]在这种观点下反观AI的发展，不排除有一天，AI除了在效果上“模仿”人，也会同时展现出自己独特的智能形态，而这也是一批AI科学家呼吁的机器智能发展路径，其核心就是跳出“对人类智能的模仿”这一思维定式。[8]但即便如此，我们也必须强调，如果AI需要在与人的接触中发挥作用，而不是自己建立一个独立王国，仿真秩序就不可能走向完全自治、独立，它必须在与“原型”的对照中，才能确认和调整自身。这也意味着，“蓝药丸／红药丸”的实际状态也可能并非“非虚即实”的二元对立，而是“虚实相生”的混合暧昧。
电影《模仿游戏》海报
如果在数字文化的批判事业中，曾经常常冲锋陷阵且屡试不爽的波德里亚式“拟像”，在这里并不适合解释AI的表象机制，那么我们又该如何定位AI带来的“新表象”，以及它在柏拉图开启的“表象”传统中的位置？其实，在法国当代思想中，“拟像”理论不只有波德里亚一家。近年来，德勒兹的“拟像”开始受到关注，[9]下面本文将介绍德勒兹从柏拉图的文本中改造出的“拟像”，并进一步对这个概念进行有意识和目的的“挪用”，以期在柏拉图开启的序列中，对AI的表象机制作出更具批判力的定位。
二 以差异机制生成相似效果：德勒兹式“拟像”及其挪用
如果用一句话概括德勒兹的哲学，那就是“颠倒柏拉图主义”，也即建立一种以差异而非同一为本体的形而上学。但德勒兹开展他的“颠倒”事业，有一个路径上的癖好：从对手的文本内部发展出自己的思想。《对话录》作为柏拉图主义的起源文献，自然没有逃过德勒兹的此类操作，这尤其集中在他对“拟像”概念的改造和挪用中。
柏拉图《智者篇》
说清德勒兹的“拟像”，还要从柏拉图的“智者”开始。“拟像”和“智者”明明是两个不同的问题，在这里为什么要混在一起论说？原来，在德勒兹看来，每个伟大哲学家的核心概念都有其功能和品性，都可以为其找到一种相应的人格。换言之，概念有其人格化身（Conceptual Personea）[10]。在“人格化身”的视野中观照《对话录》就会发现，如果柏拉图的核心问题是Being和Seeming，也即“原型”和不同等级的“像”之关系，而“原型”的人格化身是哲学家，“拟像”的人格化身是智者，那么，处理哲学家（爱智慧）和智者（假装智慧）的关系，就相当于处理“原型”和“拟像”的关系。通过这种方式，德勒兹把“原型—拟像”和“哲学家—智者”两个貌似不同的问题域勾连在了一起。那么，德勒兹又是如何重新定义“拟像／智者”的呢？
我们还是首先回到柏拉图自己的文本，在《斐德若篇》中，柏拉图按照灵魂回忆真理的能力，区分出九层等级。哲学家的灵魂位于最高级，智者位于倒数第二级。[11]但柏拉图偏偏提醒我们，要格外小心智者这个低等人群：“这群人事实上数量众多，显然与我们已经区分出来的其他人群不一样”，他们“有些像狮子，有些像人头马，或类似的怪物。有许多是羊人或变色龙，这种野兽擅长变化以便隐匿自己的弱点。他们确实都在以极快的速度改变自己的形体、性格，以混淆视听”。[12]智者极富变化，善于伪装，难以识别。在柏拉图笔下，著名智者高尔吉亚甚至有过这样骄傲的宣称：
我经常和我的兄弟或其他医生一道去看望他们的某个病人，这个病人不愿喝药，拒绝开刀，不接受烧灼术。医生们束手无策，而我却用修辞术成功地说服了他。我也宣称，如果一名修辞学家和一名医生一道访问任何一座城市，他们在议事会或其他集会中不得不竞争谁能被选为医生，那么那名医生不会被选上，而那位能言善辩的人如果愿意的话会被选上。如果他与其他任何手艺人竞争，那么是这位修辞学家，而不是其他手艺人，能够说服民众选他，因而在民众面前，无论谈论的是什么主题，修辞学家都要比其他手艺人更具有说服力。这就是修辞学的范围和特点。[13]
智者就像演员，即便不真正理解特定的专业技艺，也可以通过高超的语言和表演技巧扮成医生、手艺人等各种职业。换言之，在柏拉图看来，智者最擅长在并非真懂的情况下，用外在的语言和表演技巧制造“真善美”的表象。智者由此构成了政治家或者哲人王最狡猾的竞争对手，也成为哲学家最需“特殊关照”的人群。[14]正是在这个意义上，柏拉图认为，智者和其他职业的区分，与医生、商人、勇士这些不同职业间的区分是不同的。
哲学家和智者的冲突贯穿《对话录》始终
德勒兹于是紧紧抓取这种“区分”本身的不同大做文章，认为我们必须在理式的各种复制品中挑出一类特殊复制品，并称其为“拟象”（simulacrum）。“如果我们认为拟象仅仅是复制品的复制品，是经过多次衰变后的形象，是越来越不精确的相似性，那么我们就错过了问题的关键，那就是复制品和拟像在质上的差异。”接着，德勒兹对“拟像”进行了如下定义：
无疑，拟像依旧能造成相似的效果，但这是一种彻底外在的相似性，它被一种完全不同的机制生产出来，不同于模型内部的生产，拟像建立在差异之上，拟像将不相似内化了。这就是为什么我们不能用复制品和其模型的关系来定义拟像与模型的关系。如果拟像一定要有模型，那么它只能是另一种模型，一种他者（L’autre）的模型，那些内化的不相似正是从这个模型中涌现出来的。[15]
拟像是一种用“差异”的机制，生成“相似”效果的特殊表象机制。它不同于这个体系中其他以同一为本体、以相似为机制生成的“表象”。不难看出，德勒兹在这里试图做的是：借柏拉图自己对“智者”的识别，从柏拉图主义的核心文本中，开出另一条以“大写的差异”为基础的生成路径。但我们对德勒兹的“使用”就到这里，换言之，我们不打算跟着德勒兹，把“差异哲学”的家谱造到柏拉图主义的“老家”处。我们的目的仅仅是，“截取”德勒兹此处对拟像的界定——一种用差异机制生成相似效果的特殊表象机制，以期在柏拉图的表象序列中，给“拟像”一个清晰的定位。确切地说，在拟像的问题上，我们“挪用”了德勒兹对柏拉图的“挪用”。
吉尔·德勒兹《意义的逻辑》
那么，这里为什么不使用德勒兹完整的“拟像”概念，而要做这种刻意“剪辑”？一言以蔽之，德勒兹式“拟像”指向的生成机制与AI的“表象机制”完全不是一回事。需要明确的是：德勒兹式“差异生成”的核心，涉及一种自我缠绕的悖论结构。这种悖论结构在形式逻辑系统中，往往要指向“哥德尔不完全定理”及其在数学中的等价表达“图灵停机问题”。在德勒兹看来，唯有生命才能超越这种悖论，将它化解为“自指”中自我差异的创造。这种“生成”恰恰指向的是机器能力的边界，也即由“图灵停机”规定的“计算能力”的极限。[16]因而，德勒兹以生命为原型的“差异生成”机制，是万万不同于AI的“机器生成”机制的。因此，我们才不能用德勒兹的完整“拟像”理论解释AI的表象机制，而仅仅截取他对“拟像”的定义。
那么问题又来了，当我们用“拟像”规定生成式AI的表象机制，即一种用“差异机制生成相似效果的特殊表象机制”时，我们所说的这种AI的“差异机制”又究竟指的是什么？如果对当下以ChatGPT为代表的大语言模型及其基础架构——神经网络有所了解，就会知道，尽管今天的“人机对话”在很多场景中似乎已与“人际对话”难以区分。但机器生成对话的逻辑，完全不同于人与人间的对话。[17]对此，《AI是什么？》进行了浓缩概括：
ChatGPT是一个友好的面具，但其背后站的是GPT-4这个大怪物，这是一个大语言模型，其基础是一个庞大的神经网络，这个神经网络被投喂的文本量，比我们大多数人活一千辈子的阅读总量还要多。在往往要花掉几个月和几千万美元的训练中，这类模型要做很多很多填空题，被填写的句子来自数百万本书，也少不了网络上的海量语料。它们一遍又一遍地填，在某种意义上，被训练成了超级自动补全机。其结果就是一个大语言模型，它将世界上大部分书面信息转换成了一个统计表征（representaion），即哪些词最有可能跟在哪些词后面出现，而得出这个则需要数十亿计的数值计算。[18]
文中说的“做填空题”指的是训练神经网络的一个核心机制。其训练思路用非数学语言描述出来大致是：让神经网络根据与学习示例的差距，反复调整连接权重与激活阈值，直至能够自动生成与学习示例相同的内容。比如，输入学习语料“今天天气不错”，然后让机器填空“今天天气不__”，神经网络先输出一个内容，但同时会收到一个反馈，显示该内容与示例有多大偏差。神经网络再根据这一反馈，调整神经元的权重和激活阈值，再重新输出内容，如此循环多次，直至它能正确填出“今天天气不错”为止。虽然训练神经网络还需要很多其他机制配合，但简单来说，神经网络就是通过“自动填空”这一核心机制，学习海量语料并最终“炼”出大语言模型的。[19]
Stephen Wolfram著名文章“What is ChatGPT Doing and Why does it work?”
不难看出，尽管AI生成的内容和人生成的内容，在效果上有一天或可达到“难以区分”，但二者目前有着完全不同的生成材料和生成机制。所以，至少在当下[20]，当AI对你说“今天天气不错”，这并非因为它“看到”窗外晴空万里，也并非因为它“知道”中国人习惯这么玩“社交破冰”。这仅仅是因为，它从训练它的语料中建构出了一个统计学模型，而这个模型告诉它，这个位置上的内容大概率应该这么生成。也就是说，直接导致AI生成“今天天气不错”的绝非有关天气的“现实”或生活世界的惯习，而是语料自身在统计学意义上呈现出的“规律”。AI的这种生成机制是否称得上“智能”，在什么意义上能够被称作“智能”，从其复杂性中又是否能“涌现”真正的“智能”？对于这一系列备受争议的问题，我们姑且存而不论。[21]但可以肯定的是，“ChatGPT们”的对话，尽管在效果上已经与人难以区分，但在机制上确实迥异于人。正是在这个意义上，我们用“以差异机制生成相似效果的特殊表象机制”——“拟像”——定义AI的表象。
此时，再让我们回到开头的“柏拉图表象假说”。如果这是一个有意义的假说，那么其中那个关于世界的统计学模型所指向的“表象”，也得是这种“用差异机制生成相似效果”的“拟像”。当然，首先必须承认的是，智者的“拟像”是人肉生成的，依托修辞术。“ChatGPT们”的拟像是自动生成的，依托人工神经网络。智者和对话机器尽管“人机两隔”，却神奇地共享了同一个底层逻辑：它们的语言生成工作都不是从“理解内在意义”入手的，而是把功夫用在了把握语言的外部形式和技巧上。比如，假如笔者是一名精通学术话术的“人类智者”，那么笔者一样能在并不真正理解德勒兹的情况下，生成诸如“德勒兹的核心问题是，如何依托生命冲动的强度和异质性的奇点，以后现代游牧思想家的姿态，让真正的差异从同一的暴力中逃逸出来”之类的表述。这种表述不过是以符合语法却相当外在的方式，连接了人们描述德勒兹的高频词，这个内容生成逻辑难道不与“ChatGPT”们共享着相同的精神气质？但这并不妨碍这名“学术智者”可以用这样的发言，游走于各种会议和演讲，把自己装成一个德勒兹研究专家。接下来的问题是，如果智者作为两千年前的“拟像”，曾经对雅典的文化和教育生态产生过重大影响，那么“拟像的自动化”在21世纪的今天，对我们又能意味着什么？
三 与知识生产相伴的拟像：知识和教育的契机和危机
AI的历史明明不到百年，本文为什么要从两千多年前的文本中翻新某个“古董”概念，以解释“AI的表象机制”这个在21世纪才真正出现的问题？或许这恰恰是因为，本文并不认为，AI对文教的影响涉及的是一个全新的问题。相反，它很可能不过意味着，我们正在以新的方式，延续和强化一个数千年前就业已开始的老传统。因此，当我们使用“拟像”时，我们其实也是在试图借助调用这个老概念，调动它蕴含的洞察力和批判力。
在“拟像”的视野中透视AI的表象机制，我们认为，“AI生成”虽是一个新现象，但这种表象生产机制其实与存在已久的诸多现象分享着相同气质。我们不妨将这些现象统称为“与知识生产伴生的拟像”。它首先在柏拉图批判的那种“玩弄语词、实则不解”的智者传统中，有着古老的起源。这个传统延续到今天，则表现为各种打着“知识生产”旗号的文本通货膨胀。确切地说，每个时代似乎都不缺大大小小的“智者”，以其并不真懂的方式连接术语，用貌似雄辩的方式堆砌出一篇篇让人“不明觉厉”的论证，制造出貌似繁荣的知识生产假象和公共讨论景观。
当这种景观发展到AI时代，如此“拟像”机制又在自动化、智能化的技术浪潮中进行了新一轮“迭代升级”。虽然人工神经网络“玩弄词向量”和智者“玩弄辞藻”的机理很不同，但它们本质上指向的都是一种“以差异机制生成相似表象”的“拟像”机制。“智者的修辞术”虽然已有上千年历史，却很可能在精神气质上堪称当代“AI生成术”的近亲。事实证明，今天以ChatGPT为代表的对话机器，难道不正像柏拉图指出的那样，最热衷于在并非真正理解的情况下，扮演甚至替代各行各业的专业技能，也最擅长生成诸如“羊人”“人头马”的各种符号怪物？对于一些议题，它更是常常正着也能说，反着也能说，怎么都能说，借助学习智者留下的语料，它简直完美继承了智者的“行风”。虽然我们不能因此就论断，在“与知识生产相伴的拟像”这个意义上，今天的“对话机器”就是《对话录》中智者的化身，但正是这种精神上的气味相投提醒着我们，要批判性地看待AI之于知识生产的功能。
这就把我们带入了本文借“拟像”审视AI，真正期待直面的问题——教育在AI时代的处境。我们认为，AI正如修辞学，其影响首先应该在教育语境中获得认真考量——正如两千年前柏拉图对修辞学所做的那样。今天，AI已大举进军教育。在很多人看来，AI是先进生产力，为避免落后、淘汰，只能允许——如果不鼓励——大家更早、更快、更全面、更规范地掌握AI。[22]但焦虑和急躁之下，我们很可能忽视了思考一个重要问题——AI之于教育和知识生产，究竟意味着何种工具？本文提出，修辞学和生成式AI的表象机制同属拟像。修辞学对文教意味着什么，生成式AI就对文教意味着什么。修辞学有多么强大和危险，AI就有多么强大和危险。
亚里士多德 《修辞学》
首先毋庸置疑的是，无论是修辞学还是AI，“拟像”作为一种与知识生产相伴的表象生成机制，确实具备强大的“辅助”能力。上文我们提到的关于修辞学的文献大多来自柏拉图。大家知道，在对待修辞学的态度上，柏拉图相对于后世属于“批判派”。但公允地说，修辞学在知识生产中也并非不能发挥积极作用。比如，上文我们提到高尔吉亚帮助医生说服病人，这个故事换个角度理解，也可以得出是医生和智者的通力配合，让“给大众看病”这个事得以顺利开展。修辞完全可以成为“真知”的助手，让知识以可信又友好的方式触达更多人。在亚里士多德和西塞罗手中，修辞学的正向价值获得了全面发展。中世纪的大学教育则把修辞和逻辑、数学、天文等一起列为“七艺”，修辞有内容和逻辑的约束，其可能存在的负面影响获得了有效缓解。在当代西方修辞理论的努力下，修辞的功能更是从单纯的言说技巧提升到人类的生存状态。在科学修辞学的研究中，以客观著称的科学话语生产活动本身，其实也一样渗透着丰富的修辞策略。[23]就连“人工智能”这个麦卡锡（John MaCarthy）在项目资助申请中发明的说法本身的流行，也少不了“修辞”策略的参与，它听起来比其他表述——如图灵（Alan Turing）的“机器智能”、香农（Claude Shannon）的“自动机研究”、西蒙和纽厄尔（Herbet Sion & Allen Newell）的“复杂信息处理”——更性感、炫酷。
达特茅斯会议部分参会人员合影。正是在会议申请书中，麦卡锡（后排右1）发明了“人工智能”这个说法
对于AI，我们同样有理由相信，它可以成为知识和教育的辅助工具。无论是“AI for X”[24]中内嵌的“AI服务各行各业”的愿景，还是“Miscrosoft Copilot”“Github Copilot”“Kimi智能助手”等命名方式中暗示的“辅助属性”，指向的都是AI作为谦卑的工具，增强人类知识生产能力的美好愿望。需要承认的是，诸如此类的说法绝非单纯“话术”，的确存在着一批追求真知的学者，潜心探索如何用AI提高科研能力。他们的探索成效显著，值得肯定。 其中最有影响力的讨论之一就是由《自然》杂志发起的话题“人工智能时代的科学研究”。[25]近年来新兴的数字人文在“AI for Humanities”上的探索也引领诸多人文社科领域。[26]在国内的文学创作中，陈楸帆、清华大学的沈阳、华东师范大学的王峰等知名作家和学者也已公开宣称，正在探索AI辅助创作的可能，并已有相应作品问世。[27]
陈楸帆《人生算法》
沈阳与AI合作创作的小说《机忆之地》插图（AI生成）
王峰团队发布的《天命使徒》配图（AI生成）
但我们也必须看到，实现“AI for X”并非不需前提。以奋战在“AI for Math”第一线的陶哲轩为例。[28]在他看来，重要的是与AI一起进行数学证明时，必须区分以下两种论证：一是计算机辅助证明，二是人类不能理解或偶然成立的证明。这就意味着，人本身首先要具备足够判断力。至少在那些最关键的问题上，人的能力要超越AI。对此，陶哲轩的体会是：ChatGPT提升的是他在编码、图表等次要任务的能力，搞好数学研究，基础不扎实的话，再用AI也枉然。[29]对于AI与自己的比较优势，他更是做了如下总结：
对于我常干的活，我已经有足够多的技巧来优化我的工作流程，AI工具对我并没有太大帮助。最明显的是在数学研究方面，但对于回复电邮，其实也是如此……因为通过几十年的实践，我已经能快速得体地回复邮件了。对于那些我有一些专业知识但很少实践的任务，人工智能工具则很有帮助：我经常用它创建初稿，然后对其进行检查润色，或者至少用它激发灵感。这类例子包括数据处理、翻译或以我很少用的方式写稿子（如公开演讲、规则文件等）。对于那些我没有多少专业知识，也不需要极高质量和可靠性的任务，我就简单地询问AI工具，或多或少地盲从它的建议……最后，对于我不具备专业知识但又需要高质量和可靠性的任务，人工智能和我自己都无法解决，我必须咨询人类专家。[30]
AI在何种程度上能够提升人的科研能力，陶哲轩对不同任务进行了分类处理。重要的是，这里的分类依据，并非媒体通常宣称的“创意含量”（似乎AI负责重复劳动，人类负责创意策划），而是他本人对任务的熟悉度和判断力。这就意味着，“AI for X”的前提，恰恰是那个在X上具备专业水准和判断能力的人。正是在这里，我们感受到了AI对文教事业的冲击。要知道，两千年前，苏格拉底就是被智者蛊惑的雅典公民投票致死的。两千年来，随着科技发展和教育普及，大众的判断力似乎并未产生质的飞跃。近年来，网络舆论／内容生态的恶化，让人对此更不抱希望。如果大众的判断力本身经不住考验，我们又如何在这样的语境中指望人群驾驭“拟像”？笔者做过一个实验，请AI模仿鲁迅和曹雪芹生成了以下两段文字：
鲁迅：自然，我深知个人之力渺小，但深信文学之威，能逾越沧桑，唤醒世人之思与反。至喜于此，虽我身去，言犹在，思绪犹传，足见文脉之长青，理念之不朽矣。
曹雪芹：自知一介书生，才疏学浅，然笔落惊风雨，字起泣鬼神。信文学之威，足以穿越古今，启迪后人之思考，反观己身之不足。幸甚至哉，纵我魂归九泉之下，余音绕梁，字字句句，犹能引世人之共鸣，思想之传承。此乃文学之不朽，思想之力也。[31]
当笔者询问它们像不像鲁迅、曹雪芹说话时，绝大部分非文学专业的普通人和近半成文学专业的学生，都认为像或是判断不出来。我想，大家之所以认为“像”，恐怕是因为绝大部分关于鲁迅、曹雪芹的评价和研究都充斥着诸如“伟大”“不朽”“传承”的字眼。这给人造成了“伟大作家求不朽”的印象，也奠定了AI生成这种“不朽”说辞的概率。但其实，如果对鲁迅有所了解就会知道，鲁迅求的恰恰是“速朽”[32]；而曹雪芹受释道文化的影响，其文字恐怕也很难散发出如此浓厚的“儒家”味。但多数人不清楚这些，又如何能察觉得出，后世生产的关于二位的海量语料以及AI在此基础上的自动模仿，其实已经“拉平”了二者的伟大，已经用“刻板印象”和“庸俗套路”埋葬了二者的独特！
无论对于修辞还是AI，与知识生产伴随的拟像要想发挥正向作用，人本身的智慧和能力都是基础。那么，在拟像的诱惑下，这种能力的培养又将何去何从呢？该问题构成了笔者最深的担忧。无论是否愿意，今天有越来越多的学生，选择用AI写作业或者与AI一起写作业。如果有了AI，就可以免去枯燥却必要的材料收集、文本阅读和写作练习，基础训练的匮乏又是否会导致高等认知的“残障”？今天，我们常常把人与AI的合作比作“协同驾驶”，可只要“副驾”做得基本达标，大多数人的选择恐怕很难不是“在方向盘前打瞌睡”。[33]如果懒偷得太多，人的驾驶能力又是否会“用进废退”？司机必不可少的“肌肉记忆”又如何才能在缺乏足够练习（很遗憾，这些练习大多是重复性操作）的情况下真正建立起来？在这个意义上，我们确实可以认为，大模型的拟像机制很可能意味着对人类既有人文资源的“剥削”。因为，生成式AI的拟像之所以可能，是以大量人类智力劳动成果的存在为前提的。AI对人类劳动力的取代，更重要的是它以“解放”之名对尚处于训练期的人类劳动力的“偷懒”需求的纵容，或许将从根本上威胁人文资源的可持续发展。[34]
结语：苏格拉底的申辩或西塞罗的雄辩？
《四部门关于印发国家人工智能产业综合标准化体系建设指南》
写作本文时，《国家人工智能产业综合标准化体系建设指南》[35]刚刚印发，世界知识产权组织公布的《生成式人工智能专利态势报告》显示，中国在生成式人工智能上的专利已超过3.8万个，六倍于排名第二的美国。[36]在技术高歌猛进、应用遍地开花的时代，上述反思可能有些不合时宜，但笔者又觉得十分有必要写出这些担忧，尤其是作为一名教育和科研工作者，尤其当我们清楚地意识到，今天的文化教育生态并不比两千年前酿成“哲人之死”的那个好太多（甚至更差）。
在不可阻挡的时代趋势中，或许本文唯一的价值，就是借助把“拟像”定义为“以差异机制生成相似效果的表象机制”，将由生成式AI带来的新表象，与修辞传统制造的老表象，共同置于“与知识生产伴生的拟像”这个文化脉络中。这样，我们就可以在既往文化留给我们的厚重遗产和深刻教训中，反观生成式AI对当代文教可能意味着什么，我们又能对此做些什么。
这里尤其要强调的是，在我们于生产语境中大谈AI提高了多少效率、减少了多少成本前，生成式AI这一新型拟像机制的影响，首先其实应该在教育语境中获得更加全面、细致的评估和考量。但十分反讽的是，恰恰是在这个领域，竟然有人提出，既然《对话录》也是“对话”，聊天机器也是“对话”，那么为何不把后者改造为“智能苏格拉底会话机器人”，让助产术教学法在智能时代升级为“智能助产术”？[37]“智能助产术”试图把人机对话中的“知识讲述”型对话关系转变为“知识转化”型对话关系，初衷是好的，但它偏偏没有意识到，爱智者的对话、智者的对话、智能机器的对话，虽然看起来都是“智”相伴的“对话”，但它们生成语言的机制是完全不同的。把对话机器改造为“苏格拉底”，很可能不过意味着，创造出了又一群假装“哲学家”的智者。这个群体曾以人肉之躯，给我们的文明带来备受争议的影响；当他们获得了钢铁之身——便宜、勤奋且更加体恤人的“懒惰”，又能给我们的文明留下什么？
油画《苏格拉底之死》
插画《西塞罗在参议院谴责卡提林》
在生成式AI开始登上历史舞台的“表象新时刻”[38]，笔者眼前常常浮现两幅画面。其中一幅是苏格拉底的申辩场景。这一次，他不仅要面对智者集团，也要面对生成式AI，更要面对智者集团和生成式AI联合起来弄出来的各种语言巨兽；他不仅要面对雅典青年，也要面对当代青年，更面对着体现了大众常识惯习的海量语料，和从中以概率方式生成的更加海量的自动观点。但与此同时，笔者也看到了西塞罗的雄辩场景。多年勤奋的肉身训练，让他的肌肉纹理清晰，思维肌理漂亮。他知道，工具越是能替我们做事，我们越是要培养肉身自身的能力。毕竟，孱弱的身心无法驾驭强大的坐骑，这个道理无论对古罗马人还是赛博格，都同样适用。他深知新旧媒介和工具的限定，也看清了当代文化和教育的处境。他把修辞化为传播观念的利器，也把AI用为生产知识的良辅。
生成式AI带给文化和教育的，究竟是苏格拉底的申辩还是西塞罗的雄辩，还是这两种极端场景间的某种混合状态？让我们把这个问题留给实践，留给未来。
《人工智能的文化研究：表象新时刻》海报
秦兰珺
中国艺术研究院马克思主义文艺理论研究所
100012
（本文刊于《中国现代文学研究丛刊》2025年第4期）
注 释
[1]Minyoung Huh et al.,“The Platonic
Representation Hypothesis,”
arXiv:2405.07987v1, https://arxiv.org/
pdf/2405.07987，该论文因为被Open AI前首席科学家推荐而获得广泛关注。参见《Ilya Sutskever精选论文：柏拉图表征假说》, Alpha Engineer微信公众号 2024年5月19日推文。
[2]simulacrum来自动词simulare，表示模仿、再现，现代法语中的 simulacre直接来自拉丁语simulacrum，日常用语中一般翻译为“假象”。国内对simulacrum一词的学术翻译，一般集中在波德里亚和德勒兹的著作翻译中。其中，马海良、董树宝译作“拟像”，车槿山则译作“仿像”，本文按目前较通行的方式，将Simulacrum译为“拟像”。“拟像”，尤其在法国20世纪理论中有着突出的地位，德勒兹、福柯、德里达、波德里亚等都试图通过发展这个概念，回应西方思想史中的“柏拉图主义”。参见董树宝《影像的叛逆：法国当代哲学的艺术之思》，北京大学出版社2023年版。
[3]波德里亚：《象征交换与死亡》，车槿山译，译林出版社2006年版，第65～122页。后来波德里亚还提出了拟像第四秩序——分形（参见鲍德里亚《恶的透明性》，王晴译，西北大学出版社2019年版），因为分形秩序与本文论述议题关系不大，在这里不多提及。
[4]波德里亚：《象征交换与死亡》，车槿山译，第73页。原文讲Simulacrum翻译为仿像，本文改作“拟像”。
[5]波德里亚：《象征交换与死亡》，车槿山译，第80～87页。
[6]Alan Turing, “Computing Machinery and Intelligence,” in B. Jack Copeland, ed., The Essential Turing: Seminal Writings in Computing, Logic, Philosophy,Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Oxford: Oxford University Press, 2004, p. 448.
[7]Lev Manovich, Software Takes Command, Bloomsbury, 2013, pp.53-157.
[8]人工智能建立在对“智能”的理解上，人类难免以自己的“心灵”为参照思考该问题。但是在人类心灵之外，从无“心”的“复杂系统”中也能涌现出十分“智能”的行为，由此，一批科学家提出，跳出建立在“人类心灵模型”之上的“拟人”框架，参考“无心智能”，开辟AI的另类发展路径。参见Jordan B. Pollack: “Mindless Intelligence,” IEEE Intelligent Systems, Vol. 21 No.3 （2006）. pp. 50–56。
[9]参见秦兰珺《差异中的意义——德勒兹思维方法研究》，北京大学博士学位论文，2013年，第249～267页；董树宝《制造差异：德勒兹论拟像》 ，《哲学动态》2018年第8期；王志亮《拟像的艺术批判力——基于哈尔·福斯特、罗莎琳·克劳斯批评文本的考察》，《文艺研究》 2023年第 9期。相信随着Logique du sens中译本（《意义的逻辑》，董树宝译，上海文艺出版社2024年版）出版，德勒兹式“拟像”的价值将获得中文世界的进一步挖掘。
[10]Gills Deleuze, What is Philosophy. trans, Hugh Tomlinson and Graham Burchell. New York: Columbia University Press, 1994, pp: 61-84.
[11]《柏拉图全集（第二卷）》，王晓朝译，人民出版社2017 年版，第162页。
[12]《柏拉图全集（第三卷）》，王晓朝译，人民出版社2017 年版，第140页。
[13]《高尔吉亚篇》457B-C，见《柏拉图全集（第一卷）》，王晓朝译，人民出版社2017年版，第331页。
[14]哲学家是爱智慧的人，智者是装作爱智慧的人，哲学家和智者作为人格化的“存在”（being）和“好似”（seeming），他们的关系是贯穿柏拉图文本的主题之一。在早中期的写作中，柏拉图或是让苏格拉底教导智者的学生，如《美诺篇》中的美诺，《会饮篇》中的桂冠诗人阿伽通；或是让苏格拉底直接与智者交锋，如《普罗泰格拉篇》中的普罗泰格拉，《高尔吉亚篇》中的高尔吉亚。但是，这些有关智者的探讨或者是间接的，或者是个别的，都不能满足柏拉图的研究风格。晚年的柏拉图撰写了《智者篇》，柏拉图让苏格拉底把发言权交给他所谓的“来客”，来客用一种在早中期著作中罕见的分类方法，试图引导柏拉图心中的理想学生泰阿泰德，找出智者的定义：“智者的技艺是制造矛盾的技艺，来自一种不诚实的恣意的模仿，属于制造相似的东西那个种类，派生于制造形象的技艺。作为一个部分它不是神的生产，而是人的生产，表现为玩弄辞藻。这样的血统和世系完全真实地指定给真正的智者。”(《柏拉图全集（第三卷）》，王晓朝译，第82页）
[15]Gills Deleuze, Logique du sens, Édition de Minuit,1969, p. 297.
[16]参见秦兰珺《缠绕的诗学》，中国文联出版社2017年版。
[17]参见Stephen Wolfram,“What Is ChatGPT Doing ... and Why Does It Work?”,
Stephen Wolfram Writings.
https://writings.stephenwolfram.com/
2023/02/what-is-chatgpt-doing-and-why-does-it-work。
[18]Will Douglas Heaven, “What is AI?”,
MIT Technology Review,
https://www.technologyreview.com/2024/
07/10/1094475/what-is-artificial-intelligence-ai-
definitive-guide.
[19]比较准确的数学描述参见周志华《机器学习》，清华大学出版社2016年版，第101～106页。
[20]之所以强调“至少在当下”，是因为在大语言模型之外，AI的另一条发展路径“具身智能”正在获得越来越多的关注，具身智能强调智能体感知多样对象并与之交互的能力，而这些对象不仅存在于比特世界，也存在于原子世界，“具身智能”的发展路径，是否可能让AI智能体产生真正的“理解”，目前尚未可知。参见Yang Liu et al.,“Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI”,
arXiv:2407.06886v6,https://arxiv.org/
pdf/2407.06886v6。
[21]对于这一系列问题，以杨立昆（Yann LeCun）为代表的科学家认为GPT这种大语言模型存在着本质缺陷，不可能被称作真正的智能。而以杰弗里·辛顿（Geoffrey Hinton）为代表的科学家认为“大模型能够学到真实世界的压缩表示”。还有研究者认为，大语言模型是能够涌现出更高级的能力的。参见Jason Wei et al., “Emergent Abilities of Large Language
Models，” arXiv:2206.07682v2,
https://arxiv.org/abs/2206.07682。
[22]联合国教科文组织制定了《教育与研究领域生成式人工智能指南》；在中国大陆，南京大学2024年9月面向本科生开设了“人工智能通识核心课”，北京师范大学传播学院和华东师范大学传播学院已经联合公布了中国高校第一份《生成式人工智能学生使用指南》；美国哈佛大学、康奈尔大学等高等教育机构也已经有相应指南出台。
[23]参见温科学《当代西方修辞学理论的发展与创新》，《福建师范大学学报（哲学社会科学版）》2003年第6期；郭贵春《科学修辞学的本质特征》，《哲学研究》2000年第7期。
[24]近年来众多关于AI的讨论的统一话题格式，X可以是Science, Academic, Design, Math, Bio，等等。
[25]参见Wang, H., Fu, T., Du, Y. et al. “Scientific discovery in the age of artificial intelligence,” Nature Vol.620 （2023）, pp. 47-60。
[26]参见Alexandre Gefen, Léa Saint-Raymond, Tommaso Venturini, “AI for Digital Humanities and Computational Social Sciences,” in Reflections on AI for Humanity, Bertrand Braunschweig, Malik Ghallab eds. Springer, 2021, pp. 191-202。
[27]陈楸帆与AI“陈楸帆2.0”合作，创作出科幻小说《人生算法》；清华大学沈阳教授与ChatGPT进行了对话，生成了《机忆之地》；华东师范大学王峰教授机器团队在国产大语言模型的辅助下，生成了《天命使徒》。参见陈楸帆《GPT时代的创意写作》，《文艺报》2023年5月29日，第2版；刘江伟《AI创作出百万字小说，“人人皆能写长篇”不再是梦——华东师范大学教授王峰谈〈天命使徒〉》，《光明日报》2024年7月6日，第9版；余梦珑《AI将提升科幻文学的创造力》，《光明日报》2024年7月6日，第9版。
[28]比如，陶哲轩成功使用AI工具完成形式化Polynomial Freiman-Ruzsa（PFR）猜想证明
（https://terrytao.wordpress.com/2023/
11/18/formalizing-the-proof-of-pfr-in-lean4-
using-blueprint-a-short-tour/），致力于AI for Math数学同好们也编纂了一个名为AI for Math Resource的g共享文档, https://docs.google.com/document/d/
1kD7H4E28656ua8jOGZ934nbH2HcBLyx
cRgFDduH5iQ0/edit。
[29]参见https://mathstodon.xyz/@tao/
112735110429475270。
[30]参见https://mathstodon.xyz/@tao/
110250470289337319。
[31]笔者首先让ChatGPT扮演鲁迅，与笔者对话，刚开始交谈不久，ChatGPT就自动生成了这段自白。笔者又让ChatGPT把这段自白改为曹雪芹的文风，于是又生成了署名曹雪芹的这段文字。笔者与ChatGPT的对话内容分享链接是 https://chatgpt.com/share/57be
7de0-3bdd-4a9c-a5be-b4ea8948a354。
[32]鲁迅将自己的文章称为“速朽的文章”（《鲁迅全集》第一卷，人民文学出版社2005年版，第512页），并在《热风·题记》中写道：“我以为凡对于时弊的攻击，文字须与时弊同时灭亡，因为这正如白血轮之酿成疮疖一般，倘非自身也被排除，则当它的生命的存留中，也即证明着病菌尚在。”（《鲁迅全集》第一卷，第308页）简而言之，鲁迅希望文章中指出的问题能够迅速解决，文字随问题的消失一并朽去。
[33]为测试AI对咨询师工作的影响，波士顿咨询集团以758位咨询师为样本，开展了一项对照实验。结果表明：使用AI的咨询师比不使用AI的咨询师完成任务的数量多了12.2%，速度提高了25.1%，质量提高了40%。但当研究人员故意让AI提供错误答案时，不用AI的咨询师有84%能做对，用了AI的有60%—70%能做对。本来自己能独立搞定的事情，有了AI看似“专业”的建议，反而搞砸了。有人将这种现象称作“在方向盘打瞌睡”。参见Dell'Acqua et al., “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.” Harvard Business School Technology & Operations Mgt. Unit Working Paper No. 24-013, The Wharton School Research Paper,
https://ssrn.com/abstract=4573321。
[34]参见徐英瑾《人工智能十五讲》，北京大学出版社2021年版，第61～75页。
[35]《国家人工智能产业综合标准化
体系建设指南》，
https://www.gov.cn/zhengce/zhengceku/
202407/content_6960720.htm。
[36]汪霜傲、王铁铮：《增强生成式人工智能赛道新优势》，《光明日报》2024年7月18日，
第3版。
[37]李海峰等：《智能助产术教学法——以“智能苏格拉底会话机器人”教学实践为例》，《开放教育研究》2024年第2期。
[38]表象新时刻这个说法，来自“表象新时刻：人工智能的文化研究”工作坊，感谢主办方清华大学写作与沟通教学中心，以及该工作坊的策划人冯庆、耿弘明、薛静老师。
|
