摘" "要： 按照文藝學(xué)的基本邏輯，只有具備主體性的“作者”才能開展“創(chuàng)作”活動，故而主體性問題成為探討生成式人工智能文藝創(chuàng)作需要探究的基礎(chǔ)性理論問題。從邏輯上看，所有的文學(xué)和藝術(shù)創(chuàng)作，其涉及的步驟在信息技術(shù)層面都可被還原為可識別、可標(biāo)記和可追蹤的具體信息和規(guī)則。而機(jī)器學(xué)習(xí)機(jī)制讓生成式人工智能的文藝創(chuàng)作具有一定的主體性。由于它能識別和運(yùn)用創(chuàng)作規(guī)則，因此具備成為創(chuàng)作主體的資質(zhì)，成為“非人類創(chuàng)作者”。文藝創(chuàng)作可分為能產(chǎn)生普通作品的“一般創(chuàng)作”和能產(chǎn)生具有高度原創(chuàng)性、思想深度和審美價值的杰作的“深度創(chuàng)作”。目前人工智能所能進(jìn)行的主要是“一般創(chuàng)作”，尚不能進(jìn)行“深度創(chuàng)作”。

關(guān)鍵詞： 生成式人工智能；文藝創(chuàng)作；主體性；協(xié)創(chuàng)性；視域互借；非人類創(chuàng)作者

中圖分類號：TP18；I0-05" "文獻(xiàn)標(biāo)識碼：A 文章編號：1004-8634（2025）01-0085-（13）

DOI：10.13852/J.CNKI.JSHNU.2025.01.008

生成式人工智能的出現(xiàn)堪稱繼“機(jī)械復(fù)制”出現(xiàn)之后的又一場具有重大意義的變革，在它身上持續(xù)發(fā)生的前所未有的創(chuàng)新和突破，正在不斷沖擊和改變著我們關(guān)于文藝創(chuàng)作和欣賞的既有思維。作為工業(yè)時代的產(chǎn)物，文藝的“機(jī)械復(fù)制”推動了審美活動的便捷化和普及化，使得藝術(shù)作品從難以觸及的廟堂走入尋常百姓家，但也帶來了一系列負(fù)面問題，如消解藝術(shù)原作的獨(dú)特性，削弱文藝創(chuàng)作者的創(chuàng)作動力，過度商業(yè)化使得作品品質(zhì)降低，內(nèi)容和形式同質(zhì)化給大眾造成審美疲勞等。進(jìn)入信息時代，人工智能尤其是更具人性化特質(zhì)的生成式人工智能的誕生，促成“非人類創(chuàng)作者”群體的興起。盡管當(dāng)下其發(fā)展尚處于起步階段，僅顯露出冰山一角，卻已預(yù)示著創(chuàng)作領(lǐng)域全新格局的逐步構(gòu)建與拓展，讓學(xué)界敏銳洞察其蘊(yùn)含的巨大潛力和廣闊前景。之前在本雅明的論述里，“機(jī)械復(fù)制時代”帶來的主要是作為客體的作品的危機(jī)，即：作品的原真性不再是首位的考慮，致使作品身上那種高貴的“光暈”凋零乃至消失。1 相較之下，生成式人工智能文藝創(chuàng)作帶來的是主體的界定問題，比如，生成式人工智能是否具備成為創(chuàng)作主體的資質(zhì)？它生成的作品是否可被定義為一種創(chuàng)作？生成式人工智能進(jìn)行創(chuàng)作的基本原理是什么？諸如此類與主體性相關(guān)的問題值得我們加以認(rèn)真討論，從而為新興的智能文藝創(chuàng)作現(xiàn)象構(gòu)建起堅(jiān)實(shí)且合理的理論闡釋框架，推動該領(lǐng)域?qū)W術(shù)研究的深入發(fā)展與理論體系的逐步完善。

一、主體性：作為智能創(chuàng)作的基礎(chǔ)性理論問題

“智能創(chuàng)作”即在人工智能技術(shù)賦能下所開展的文藝創(chuàng)作。其包含兩種方式：一是以人工智能為主體的文藝創(chuàng)作。它相對獨(dú)立地開展創(chuàng)作，人類在此過程中只是起到輔助作用。在具有一定“自生成”能力的生成式人工智能出現(xiàn)之后，這種相對自主的“智能創(chuàng)作”已正式登上文藝創(chuàng)作領(lǐng)域的舞臺。二是以人類為主體，然后在人工智能賦能下開展的文藝創(chuàng)作。比如給創(chuàng)作軟件輸入提示詞，讓它按照提示詞進(jìn)行“詞生文”“詞生圖”“詞生音樂”，乃至“詞生視頻”的文藝創(chuàng)作。

所謂“主體性”，在不同的學(xué)科和理論框架內(nèi)具有不同的含義和適用性。本文所談的是哲學(xué)框架內(nèi)的主體性，即指作為認(rèn)知和行動主體的個體或集體所具有的那種自主開展實(shí)踐活動的能力。這種能力表現(xiàn)在文藝創(chuàng)作上，就是創(chuàng)作者要有把控創(chuàng)作活動的主體能力，包括相應(yīng)的感知力、共情力、想象力、聯(lián)想力和表達(dá)力等，涉及作品的構(gòu)思、創(chuàng)作、修改和打磨等環(huán)節(jié)。中國古代文論雖無“主體性”一詞，但文論家們通過對創(chuàng)作過程、運(yùn)思規(guī)律、審美標(biāo)準(zhǔn)等方面的探討，已清晰地體現(xiàn)出對創(chuàng)作者主體地位的強(qiáng)調(diào)和重視?！霸娧灾尽眰鹘y(tǒng)強(qiáng)調(diào)的就是主體將自己的情感和思考寄托在文本之上，而后世論及此者，有司馬遷的“圣賢發(fā)憤著書說”，還有劉勰在《文心雕龍》里所談的諸如“夫綴文者情動而辭發(fā)，觀文者披文以入情”等論述。德國哲學(xué)尤其強(qiáng)調(diào)主體在審美活動中的主導(dǎo)作用，代表者如黑格爾就非?？粗厮囆g(shù)創(chuàng)作者所顯現(xiàn)的主體性，強(qiáng)調(diào)美是“理念的感性顯現(xiàn)”。1 馬克思摒棄黑格爾的唯心主義思想，批判、借鑒了其“人的本質(zhì)力量”的相關(guān)論述，并且從實(shí)踐層面去理解人的主體性，將人視為社會實(shí)踐的主體。2 后來的馬克思主義美學(xué)家將馬克思這一思想總結(jié)為“美是人的本質(zhì)力量的對象化”。3

主體性問題是探討生成式人工智能文藝創(chuàng)作需要探究的基礎(chǔ)性理論問題，因?yàn)榘凑瘴乃噷W(xué)的基本邏輯，只有具備主體性的“作者”才能開展“創(chuàng)作”活動。目前學(xué)界爭論的焦點(diǎn)就在于，所謂“智能創(chuàng)作”，到底是一種主體性的“創(chuàng)”作，還是一種客體性的“仿”作？智能繪畫軟件（比如Midjourney、Stable Diffusion）依據(jù)大數(shù)據(jù)生成的“合成創(chuàng)意”究竟算不算繪畫作品？智能聊天寫作軟件（比如ChatGPT、“豆包”）寫出的文字段落算不算文章？智能作曲軟件（比如Suno）創(chuàng)作出的曲子可否被認(rèn)定為音樂作品？動態(tài)視頻制作軟件（比如Sora）生成的視頻是否屬于影視作品？這些由生成式人工智能應(yīng)用帶來的問題是以往學(xué)者未曾面對的，但現(xiàn)在就擺在我們面前，亟待我們?nèi)ッ魑墒饺斯ぶ悄苁欠裨谝欢ǔ潭壬暇邆洹爸黧w性”，并深入研討與之相關(guān)的“作者身份”界定以及“創(chuàng)作”本質(zhì)等關(guān)鍵問題。

學(xué)界對此持兩種不同的觀點(diǎn)。一方否定進(jìn)行文藝創(chuàng)作的人工智能具有主體性。他們給出多種理由。有學(xué)者認(rèn)為如ChatGPT之類的人工智能在對話中“只能被動地響應(yīng)”，故不能滿足作為自由自覺的主體的基本要求，不具備“成為作者的可能”。4 有學(xué)者強(qiáng)調(diào)“作品必須能體現(xiàn)出作者的主觀意志”，而由于人工智能在創(chuàng)作時沒有主觀意志，因此創(chuàng)作不出真正的作品。5 類似的觀點(diǎn)還包括，強(qiáng)調(diào)“認(rèn)識者不是主體，創(chuàng)造者才是主體”；6或提出由于人工智能目前尚不能進(jìn)行自主判斷，所以基于深度學(xué)習(xí)算法的它“任何時候都不可能進(jìn)行真正的藝術(shù)創(chuàng)作”。7 另外，還有學(xué)者提出，人工智能具有形式上的創(chuàng)造力，因?yàn)橛?jì)算機(jī)程序可以生成作為其創(chuàng)造者的編程人員未曾想過的內(nèi)容，但是，鑒于這些程序本身并不能理解和判斷自己創(chuàng)造了什么，因此實(shí)質(zhì)上它并不具備創(chuàng)造力。8有學(xué)者提出，我們所認(rèn)為的人工智能的創(chuàng)造力，其實(shí)很可能只是編程人員在編程過程中加入了隨機(jī)參數(shù)，“但隨機(jī)性并不等同于創(chuàng)造性”。9 在這一方學(xué)者的觀念里，只有具備自我意識的主體性才是真正的主體性。其實(shí)這種觀點(diǎn)在前人工智能時代就已經(jīng)存在。比如20世紀(jì)80年代關(guān)于主體性的討論中，學(xué)界就有學(xué)者在探討審美時提出“美是人的自由本質(zhì)的感性確證，是人的主體性的象征”，10 即“自由自覺”被視為“主體性”的關(guān)鍵內(nèi)涵。

還有另一方認(rèn)為需對人工智能文藝創(chuàng)作的主體性問題持謹(jǐn)慎開放的態(tài)度。21世紀(jì)初時，有學(xué)者就做出了人工智能可以“在一定意義上是具有能動性的主體”的設(shè)想，提出“必須充分估計(jì)出現(xiàn)由非人類的智能生物來充當(dāng)藝術(shù)對象乃至藝術(shù)主體的可能性”。1 也有學(xué)者提出，人工智能實(shí)質(zhì)上也是一種“人的本質(zhì)力量”的對象化，數(shù)字實(shí)踐是人類實(shí)踐的方式之一。2 還有學(xué)者提出，可以擴(kuò)大“作者身份”的內(nèi)涵，從傳統(tǒng)的人類獨(dú)著擴(kuò)展到數(shù)字時代的“人機(jī)協(xié)作”這種合作創(chuàng)作的形式；3 因?yàn)槿斯ぶ悄苁侨藙?chuàng)造的，應(yīng)當(dāng)將它的理性推理能力視為人類智慧的延伸。4 另有學(xué)者提出，生成式人工智能所具有的對文藝作品進(jìn)行優(yōu)化、潤色的能力，更應(yīng)當(dāng)被視為一種進(jìn)行文藝創(chuàng)作的潛能。5 而關(guān)于智能創(chuàng)作的自主性問題，還有學(xué)者更謹(jǐn)慎地提出，人工智能確實(shí)具有一定程度的自主性，但同時又提醒“偶然性所表現(xiàn)出來的‘自主性’未必能夠成為智能的模式固定下來，產(chǎn)生持續(xù)的效果”。6

作為參考和追溯，中國學(xué)界20世紀(jì)八九十年代時曾就哲學(xué)和文藝領(lǐng)域內(nèi)的主體性問題開展過熱烈的大討論，雖然其時代背景是思想解放運(yùn)動在文藝界的延續(xù)，探討的是反思蘇聯(lián)“反映論”以及關(guān)于人的主體地位和文學(xué)的主體性等具體問題，與當(dāng)下人工智能所涉主體性問題并不在同一范圍，但由于彼時對主體性問題的探討頗具思想深度和視野高度，故而也有參考價值。當(dāng)時討論的成果可以總結(jié)為四個方面的判斷：（1）將主體性理解為實(shí)踐這種具有歷史性和社會性的活動帶來的屬性。7 （2）指出主體性的發(fā)展，是一個從自然狀態(tài)到自覺狀態(tài)，最終抵達(dá)自由狀態(tài)的遞進(jìn)過程。8（3）強(qiáng)調(diào)主體性可以外化和體現(xiàn)在對象身上。9（4）概括了主體性最一般的幾項(xiàng)核心特征，如能動性、創(chuàng)造性和自覺性等。10 這四個方面的判斷對今日探討生成式人工智能文藝創(chuàng)作問題亦有參考價值。

對于智能創(chuàng)作進(jìn)行判斷和展望，務(wù)必從歷史、辯證的視角展開，既不應(yīng)片面否定這種創(chuàng)作方式本身所具備的相應(yīng)的主體性和創(chuàng)造性，同時也需要明晰它所存在的具體缺陷以及可能引發(fā)的相應(yīng)問題。當(dāng)下學(xué)界往往將主體性問題與“自我意識”掛鉤，認(rèn)為人工智能在沒有“自我意識”之前就不具備“主體性”，這是人工智能與自然人類之間“不可逾越的鴻溝”。11 但實(shí)際上，探討“主體性”并不需要綁定“自我意識”問題，因?yàn)橹灰軐ο笫澜绠a(chǎn)生基本的認(rèn)知，就可以被歸類為一種初級主體狀態(tài)了。我們在當(dāng)下的技術(shù)條件下探討生成式人工智能文藝創(chuàng)作的主體性，不必執(zhí)著于這些應(yīng)用程序是否具有自我意識，而應(yīng)當(dāng)先從相對初級的功能著手，探究其具備了哪些能動特征，而將那些與自我意識相關(guān)的高級層次的主體性問題“懸置”起來，留待日后的學(xué)者去探討。筆者認(rèn)為，當(dāng)人工智能進(jìn)入生成式階段后，它所進(jìn)行的文藝創(chuàng)作就已具備一定程度的主體性，可被視為特殊的作者。這一判斷的依據(jù)就來自主體性本身的存在屬性：主體性具有多個層次，而且具有多元的顯現(xiàn)形態(tài)；人工智能可以在自我意識缺席的情況下具備一定程度的主體性；主體性具有一定程度的可遷移性。

具體而言，主體性也分為從低到高的不同層次：有簡單、粗糙的，也有復(fù)雜、精致的；有欠缺、不足的，也有充分、完整的。主體性并不為人類所壟斷，動物和人工智能設(shè)備也具備一定的主體性。比如會使用工具的烏鴉。以ChatGPT為代表的生成式人工智能軟件也具有一定的主體性。而且，主體性還具有一定程度的可遷移性，它不僅是可以分享的，而且可以在分享的過程中增值。比如，孩子在學(xué)習(xí)上遇到困難求助于家長、老師，實(shí)際上就是要求后者給予自己某些原本不具備的主體性。這就是主體性的遷移。而我們在使用生成式人工智能軟件時，先以參數(shù)的形式把相應(yīng)的標(biāo)準(zhǔn)、方法、路徑等指令輸入給它，它再生成初級作品給我們，作為可資的參考范例，這就是在將它的某些主體性遷移給我們，并且在此過程中讓這些主體性獲得增值。主體性在人機(jī)之間的交互遷移，從而就呈現(xiàn)出一種“視域互借”的效果：人將自由自覺的主體視域遷移給人工智能，借助提示詞等方式賦予它創(chuàng)作的靈活性和創(chuàng)造性；而人工智能作為人類的創(chuàng)作助手，又將自己經(jīng)過機(jī)器學(xué)習(xí)而具有的智能視域提供給人加以參考、借鑒，兩者相得益彰，通過這種“互借”方式從對方那里獲得了自己原本不具備的能力。

在傳統(tǒng)時代，個體主體只能于有限時空范圍內(nèi)，在彼此之間分享有限的主體性。比如文藝創(chuàng)作者之間通過書信討教問題或分享彼此的想法、趣味，1 或者通過書籍、繪畫和音樂作品等物質(zhì)載體來分享精神資源。到了數(shù)字時代，主體間的交流在互聯(lián)網(wǎng)賦能之下變得空前高效與便捷，虛擬現(xiàn)實(shí)技術(shù)還增強(qiáng)了作品與人之間的互動性。特別是有了生成式人工智能應(yīng)用之后，智能設(shè)備開始能夠產(chǎn)生某種程度的主體性，個體主體由此可以借助人工智能應(yīng)用來增強(qiáng)和擴(kuò)大自身已有的主體性，讓生成式人工智能應(yīng)用在自己的指引下，幫助自己更好地開展創(chuàng)作活動。比如通過大數(shù)據(jù)的信息匯總來增長見識，協(xié)助優(yōu)化、潤色文章等。信息時代的到來，并沒有如同20世紀(jì)人們在科幻文學(xué)里面想象的那樣，讓人們獲得更多休閑娛樂時間，反而因?yàn)楣ぷ餍实拇蠓岣?，增加了單位時間內(nèi)工作的強(qiáng)度，進(jìn)入一種越來越忙的“過勞”的工作狀態(tài)。2 在這種情形下，人類對人工智能的依賴必然呈現(xiàn)一種遞增關(guān)系，需要從“助力”到“替代”等形式，分擔(dān)人類雇員日益加重的工作量，3將人工智能身上的主體性轉(zhuǎn)移給自己，實(shí)現(xiàn)機(jī)器對人的賦能。

二、“特殊主體性”：生成式人工智能的整體特征

在探討生成式人工智能文藝創(chuàng)作問題時，我們不應(yīng)當(dāng)籠統(tǒng)地談?wù)撝黧w性，而應(yīng)當(dāng)對之進(jìn)行細(xì)化、分級?？偨Y(jié)前述學(xué)界對主體性概念和內(nèi)涵的論述，可以將主體性從低向高排列，包括四大核心特征：能動性、創(chuàng)造性、自覺性和自在性。人工智能所具有的主體性是一種“特殊主體性”。一方面，目前版本的人工智能由于沒有自我意識，不具備自覺性；另一方面，卻又因?yàn)橛兴惴?、算力和大?shù)據(jù)的加持，它在某些層面的能動性、創(chuàng)造性方面超越人類。所以，我們不能想當(dāng)然地從自然進(jìn)化的生物角度去看待人工智能的主體性，而要從技術(shù)迭代的人造物角度去看待它的特殊主體性。

哲學(xué)上所謂的“主體性”其實(shí)是一種理想狀態(tài)，因?yàn)椴⒎撬鞋F(xiàn)實(shí)中的個體都能具備充分的主體性?！奥劦烙邢群?，術(shù)業(yè)有專攻?！泵總€人的悟性、理解和認(rèn)知能力都是有限的，各自只能分別抵達(dá)主體性的特定區(qū)域和層次。從最低要求看，主體性主要包括兩個核心特征：能動性和創(chuàng)造性。從中等要求看，主體性還需要具有自覺性。從最高要求看，則還可能要有自在性。具體而言，當(dāng)行為主體能夠面對現(xiàn)實(shí)狀況做出相應(yīng)反應(yīng)時，即已具備一定的能動性。能面對未來狀況產(chǎn)生新的想法和辦法，則已具備一定的創(chuàng)造性。需要能夠產(chǎn)生自我意識，對自身的存在具有自覺的自我認(rèn)知和理解，才具備一種“我思故我在”的自覺性。而自在性是主體性的最高階段，指能夠自主選擇和行動的狀態(tài)。能在較高層次上擺脫物質(zhì)束縛，在較大程度上按照自己的意愿行事，在較廣范圍內(nèi)開展自己的實(shí)踐活動（包括生產(chǎn)勞動和休閑娛樂等），才是達(dá)到了“自由自在”的層次。按照馬克思主義哲學(xué)的觀點(diǎn)，“自由不在于幻想中擺脫自然規(guī)律而獨(dú)立，而在于認(rèn)識這些規(guī)律，從而能夠有計(jì)劃地使自然規(guī)律為一定目的服務(wù)……自由就在于根據(jù)對自然界的必然性的認(rèn)識來支配我們自己和外部自然”。4 主體性的發(fā)展來自實(shí)踐，實(shí)踐活動幫助人類從更深層次去認(rèn)識萬物的規(guī)律，故而，更高程度的實(shí)踐能夠構(gòu)建更高程度的主體性，給人類帶來更高程度的自由。

與低級的主體性只是一種功能性的主體性不同，高級的主體性是一種自由自覺的主體性，它基于自我意識而能夠獨(dú)立思考、自主決策，且富有想象力。自由自覺是高級的主體性的特征。比如人的主體性是高級的主體性，具有自我意識，不僅知道自己正在做什么，而且還能在一定程度上隨機(jī)應(yīng)變，實(shí)時更改自己的決策，甚至還能理解自己行為的形而上意義。家犬、烏鴉、海豚等非高等動物其實(shí)已在最低限度上具有能動性、創(chuàng)造性和自覺性這三個特征。而當(dāng)下的生成式人工智能應(yīng)用，如GPT語言模型，以及國內(nèi)的“豆包”“天工”等，雖然當(dāng)前的版本還比較稚嫩，且不具備自覺性，但確實(shí)能在較高程度上具有能動性和創(chuàng)造性這兩個特征。有學(xué)者將智能繪畫定性為“缺失主體性和原創(chuàng)性”的繪畫，提出“這類藝術(shù)生成只能停留于繪畫的再現(xiàn)與模仿的層面，尚不能上升到創(chuàng)造的層面”。1 實(shí)際上該觀點(diǎn)存在的問題就在于，既沒有考慮到主體性是可以從人身上遷移到應(yīng)用上的，也沒有從大語言模型本身的生成機(jī)制方面去理解其所蘊(yùn)含的創(chuàng)造能力。

自我意識幾乎是一切脊椎動物與生俱來的認(rèn)識能力，區(qū)別只在于低級或高級而已。人工智能作為一種原本在自然界并不存在的人造物，與其他任何一個通過演化而來的自然物都不同，它的主體性是在沒有自我意識的情況下被人類賦予的。而且，這種賦予還不是全面賦予，僅僅是在特定方面被功能性地賦予的。這就導(dǎo)致它的主體性只是一種片面的主體性，即便它在某些方面遠(yuǎn)超人類，但這種“超越”也仍然是一種片面的超越。盡管如此，“片面的主體性”在邏輯上看也是一種主體性。

人工智能不是經(jīng)過自然演化而來的，而是在人類的設(shè)計(jì)中產(chǎn)生的，是模擬人類心智而成的一種“類人心智”，它具有自己的一套運(yùn)行邏輯。因此，不能簡單地直接套用對自然物的評判標(biāo)準(zhǔn)來對它加以判斷。為了形象地說明此種差異，有學(xué)者提出過所謂的“飛機(jī)小鳥論”：作為人造物的飛機(jī)，在內(nèi)部結(jié)構(gòu)的復(fù)雜度和精密度等方面都遠(yuǎn)不及自然界的小鳥，但構(gòu)造相對簡單的飛機(jī)在速度、載量、續(xù)航時間等方面卻都對“擁有數(shù)以十億計(jì)真核細(xì)胞”的小鳥展現(xiàn)出壓倒性優(yōu)勢。2 同理，人工智能的文藝創(chuàng)作，特別是具有一定心智能力的生成式人工智能的文藝創(chuàng)作，雖然與原有自我意識的人類相比還顯得機(jī)械和粗糙，但這并不妨礙它在算力、算法和數(shù)據(jù)等所擅長的方面對人類呈現(xiàn)出碾壓性優(yōu)勢。人工智能構(gòu)建伊始就自帶工具理性特征，它更多是為了滿足特定用途的需求，所以其發(fā)展路徑與自然形成的生物體有所區(qū)別。從進(jìn)化論角度看，生物在進(jìn)化過程中的幾乎所有變化，比如生理機(jī)能、形態(tài)結(jié)構(gòu)、感覺器官等，都是為了應(yīng)對自身所處自然環(huán)境中的問題而產(chǎn)生的。人工智能的各項(xiàng)功能則往往是為了應(yīng)對人類社會中的問題而構(gòu)建的，它可能向著更依賴于人類而生存的方向演化。由于生物和人工智能面對問題走的是不同解決路徑，它們所演化出的具體能力也各有千秋。所以，未來的超級人工智能有可能如同一些學(xué)者所設(shè)想的那樣，“可能結(jié)構(gòu)比較簡單，但關(guān)鍵能力卻很強(qiáng)”，3 而且這些關(guān)鍵能力都將跟人類本身的需求和愿望息息相關(guān)。

人工智能所具備的深度學(xué)習(xí)能力在文藝創(chuàng)作上具有若干項(xiàng)作用，其中兩項(xiàng)最為突出：其一，人工智能在特定程度上擁有推斷與預(yù)測能力，能夠通過對數(shù)據(jù)中潛藏的信息關(guān)聯(lián)進(jìn)行深度挖掘，對未來發(fā)展態(tài)勢施行一定范疇內(nèi)的推測與預(yù)估性研判，從而能夠在創(chuàng)作主題的選擇、情節(jié)的架構(gòu)以及情感氛圍的營造等方面做出相對自主的設(shè)計(jì)；其二，它還具備催生創(chuàng)意的獨(dú)特能力，可基于復(fù)雜的算法與數(shù)據(jù)處理機(jī)制創(chuàng)造出新穎獨(dú)特的創(chuàng)意作品，為文藝創(chuàng)作注入鮮活的靈感源泉與創(chuàng)新元素。

鑒于在深度學(xué)習(xí)能力支撐下，人工智能在文藝創(chuàng)作中所展現(xiàn)出的上述顯著特質(zhì)與作用，它的確可以被確認(rèn)為所謂的“非人類創(chuàng)作者”。

就學(xué)科層面而言，文藝創(chuàng)作的主體性問題實(shí)際涉及三個方面：哲學(xué)（哲理）、文藝學(xué)（審美）和法學(xué)（著作權(quán)）。法學(xué)雖然不是本文所探討的內(nèi)容，但其中涉及的對獨(dú)創(chuàng)性和主體的認(rèn)定亦有參考價值?！吨腥A人民共和國著作權(quán)法》（2020年）第三條規(guī)定，作品指“文學(xué)、藝術(shù)和科學(xué)領(lǐng)域內(nèi)具有獨(dú)創(chuàng)性并能以一定形式表現(xiàn)的智力成果”，4 有學(xué)者據(jù)此認(rèn)為“獨(dú)創(chuàng)性是構(gòu)成作品的核心性特征”。5 《生成式人工智能服務(wù)管理暫行辦法》（2023年）第七條提到，“生成式人工智能服務(wù)提供者”在開展訓(xùn)練數(shù)據(jù)處理活動時，須“使用具有合法來源的數(shù)據(jù)和基礎(chǔ)模型”，6 這是因?yàn)樯墒饺斯ぶ悄荛_展創(chuàng)作時，是依據(jù)人類所創(chuàng)造的數(shù)據(jù)和基礎(chǔ)模型。同時，生成式人工智能應(yīng)用在算法的加持下，除了可以收集和整理信息，作出相應(yīng)反饋，具有能動性，并能在此基礎(chǔ)上分析數(shù)據(jù)，根據(jù)相應(yīng)的指令生成作品，具備一定的創(chuàng)造性。

由于生成式人工智能創(chuàng)作的作品在當(dāng)下的法律定性中尚不被認(rèn)為是具有完全獨(dú)創(chuàng)性的，故而不少學(xué)者認(rèn)為它的創(chuàng)作并非嚴(yán)格意義上的創(chuàng)作。不過筆者在此想造一個詞來描述生成式人工智能的這種獨(dú)特的創(chuàng)作特征——“協(xié)創(chuàng)性”。因?yàn)樗m然還不能同人類一樣在自我意識的推動下開展創(chuàng)作，但它是可以在人類的協(xié)助下（比如發(fā)出指令）進(jìn)行創(chuàng)作的，而且，它也能反過來通過提醒、優(yōu)化和潤色等方式協(xié)助人類創(chuàng)作。具有協(xié)創(chuàng)性其實(shí)也是具有創(chuàng)造力的，同樣可以生成作品。目前的生成式人工智能應(yīng)用尚不能進(jìn)行原創(chuàng)式的創(chuàng)新，但至少已能進(jìn)行“集成創(chuàng)新”。所謂“集成創(chuàng)新”，是指在已有創(chuàng)新成果基礎(chǔ)上，運(yùn)用匯編、篩選、優(yōu)化等多種集成手法進(jìn)行再創(chuàng)新。這種創(chuàng)新模式強(qiáng)調(diào)的是在現(xiàn)有知識和技術(shù)的基礎(chǔ)上進(jìn)行整合和重構(gòu)，以此推動新的技術(shù)和產(chǎn)品的誕生。比如智能繪畫就是在收集各種人類繪畫原作作為自己的數(shù)據(jù)庫后進(jìn)行的集成創(chuàng)新。雖然它的底本都來自人類的作品，但至少進(jìn)行了改變，創(chuàng)造出了原先并不存在的新作品。這種二次創(chuàng)作雖不具備充分的原創(chuàng)性，然而其難度并不小，即便是人類也不是每個人都具備這樣的實(shí)施能力。

總之，從人類向人工智能的主體性遷移，可以讓人工智能在協(xié)助人類開展文藝創(chuàng)作時具備“協(xié)創(chuàng)性”，協(xié)助人類更好地開展創(chuàng)新實(shí)踐；而且，人工智能本身也由此提升了自己的集成創(chuàng)新能力。

三、機(jī)器學(xué)習(xí)：生成式人工智能文藝創(chuàng)作的

技術(shù)原理

湯姆·米切爾（Tom M. Mitchell）在1997年對“機(jī)器學(xué)習(xí)”（Machine Learning）概念進(jìn)行了學(xué)術(shù)定義：“如果一個計(jì)算機(jī)程序針對某類任務(wù)T的用P衡量的性能根據(jù)經(jīng)驗(yàn)E來自我完善，那么我們稱這個計(jì)算機(jī)程序在從經(jīng)驗(yàn)E中學(xué)習(xí)，針對某類任務(wù)T ，它的性能用P來衡量?！? 在更通俗的定義中，機(jī)器學(xué)習(xí)被界定為：“一種可以從數(shù)據(jù)中學(xué)習(xí)并根據(jù)這些知識采取行動的算法，它創(chuàng)建的計(jì)算機(jī)程序不僅可以從呈現(xiàn)的數(shù)據(jù)中學(xué)習(xí)，還可以在沒有任何數(shù)據(jù)的情況下進(jìn)行自我改進(jìn)。”2 它包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、自我學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等。由于人工智能的大多數(shù)進(jìn)步都涉及機(jī)器學(xué)習(xí)，所以在該領(lǐng)域有學(xué)者認(rèn)為“‘人工智能’和‘機(jī)器學(xué)習(xí)’這兩個術(shù)語幾乎是同義詞”。3 因此，判斷生成式人工智能是否具有主體性，或曰它是否具備成為文藝創(chuàng)作主體的資質(zhì)，不僅要從哲學(xué)層面，而且也要從其本身的技術(shù)原理層面進(jìn)行分析。

“生成式人工智能”（Generative AI）不是一個嚴(yán)格的技術(shù)定義，而是對能生成新內(nèi)容的機(jī)器學(xué)習(xí)的語言模型的總稱，它能以無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、自我學(xué)習(xí)等相對自主的形式運(yùn)行。4 研究者在此范疇內(nèi)不斷研發(fā)新的內(nèi)容，使之具備更為豐富的應(yīng)用功能。如：2014年蒙特利爾大學(xué)的學(xué)者研發(fā)出“生成式對抗性網(wǎng)絡(luò)”（GAN）的機(jī)器學(xué)習(xí)架構(gòu)。次年，斯坦福大學(xué)和加州大學(xué)伯克利分校的研究人員研發(fā)出“擴(kuò)散模型”（Diffusion Models），其在創(chuàng)建更為逼真的圖像等方面得到應(yīng)用。2017年，谷歌的研究人員研發(fā)了transformer架構(gòu)，它具有在生成新文本時理解上下文等的功能。OpenAI從2018年開始開發(fā)GPT（Generative Pre-Trained Transformer）系列模型，2022年推出的ChatGPT不僅讓大眾留意到生成式人工智能所具有的廣闊應(yīng)用前景，也促使其他企業(yè)展開此方面的研發(fā)工作。2024年推出的最新版本GPT-4o（“o”即“omni”，全能之意），雖然并非真的“全能”，但它所具備的更強(qiáng)多模態(tài)交互能力、情感表達(dá)能力、視覺分析能力，以及更快的響應(yīng)速度等，都讓它愈發(fā)像一個“人”。換言之，以GPT-4o為代表的這類應(yīng)用雖說還不具備自我意識，但在顯現(xiàn)效果上已是具備相應(yīng)主體能力的“特殊主體”。而在使用效果方面，其已能在特定領(lǐng)域被當(dāng)作人類來運(yùn)用，相當(dāng)于從虛擬世界調(diào)用數(shù)字生產(chǎn)力來提高人類世界的現(xiàn)實(shí)生產(chǎn)力。

生成式人工智能與傳統(tǒng)人工智能的主要區(qū)別在于前者所具備的創(chuàng)造能力。傳統(tǒng)的人工智能更專注于數(shù)據(jù)采集工作，如數(shù)據(jù)的整理、分類、分析。它通常針對特定任務(wù)進(jìn)行優(yōu)化，其功能在應(yīng)用上存在著局限性。而且，它只能被動遵循那些早已預(yù)先設(shè)定的規(guī)則、模型和模式來處理數(shù)據(jù)和執(zhí)行任務(wù)，在形態(tài)上有著顯著的機(jī)械性特征。相比之下，生成式人工智能被訓(xùn)練用來創(chuàng)建新的數(shù)據(jù)，其更專注于內(nèi)容的生成與創(chuàng)新，如生成新的文本、圖像、視頻、音頻或軟件代碼等。它也具備更強(qiáng)的創(chuàng)造性和更大的靈活性，可以處理多種類型的任務(wù)，適應(yīng)性更強(qiáng)。1 由于更側(cè)重于模擬人腦學(xué)習(xí)和決策過程的算法，而且可以在自然語言層面與用戶對話，所以它在形態(tài)上有著顯著的“類人”性特征。盡管目前生成式人工智能主要應(yīng)用于生成文本、圖片、音頻等簡單問題方面，但研發(fā)人員正在朝著更加雄心勃勃的方向推進(jìn)。如谷歌研究人員就希望能讓它具備更加復(fù)雜的推理能力，從而可以完成更多解決復(fù)雜問題的創(chuàng)造性工作。2

人類的大腦中有近千億個神經(jīng)元，目前科研人員只能借助算法來模仿一部分，不過這種模擬技術(shù)正在不斷推進(jìn)中。2014年IBM發(fā)布的仿人腦芯片True North內(nèi)置了4096個神經(jīng)突觸核心，包含100萬個數(shù)字神經(jīng)元和2.56億個突觸，通過事件驅(qū)動的路由基礎(chǔ)設(shè)施緊密互聯(lián)，達(dá)到那個時代的巔峰。3 到2024年，英特爾發(fā)布的大型神經(jīng)擬態(tài)系統(tǒng)Hala Point將神經(jīng)元容量提高了10倍以上，性能提高了12倍。該系統(tǒng)支持分布在14萬個神經(jīng)形態(tài)處理核心上的多達(dá)11.5億個神經(jīng)元和1280億個突觸。4 雖然現(xiàn)在能模擬的神經(jīng)元數(shù)量和實(shí)際效果仍有限，然而用人工智能技術(shù)模擬出人類大腦的全部功能在理論上是可行的。正是認(rèn)為生成式人工智能具備一定的智慧，OpenAI研發(fā)人員提出，他們還在持續(xù)優(yōu)化算法和開發(fā)新技術(shù)，試圖讓計(jì)算機(jī)具有理解人類世界的智慧能力。5 如今的人工智能文藝創(chuàng)作雖存在諸多局限性，但未來在人工智能技術(shù)的助力下肯定還將創(chuàng)造出更大的奇跡。目前人類的人工神經(jīng)網(wǎng)絡(luò)已經(jīng)構(gòu)建出主要用于圖像識別的“卷積神經(jīng)網(wǎng)絡(luò)”（CNN）和主要用于語音識別、自然語言處理的“遞歸神經(jīng)網(wǎng)絡(luò)”（RNN），未來還會出現(xiàn)什么樣具有突破性的新類型尚未可知。但可以肯定的是，未來必定會有更多具有更強(qiáng)功能的人工神經(jīng)網(wǎng)絡(luò)類型被探索出來，那時候人工智能領(lǐng)域還會出現(xiàn)許多令人驚嘆的變革。

以遞歸神經(jīng)網(wǎng)絡(luò)為例，它能解決那些長距離上下文之間的聯(lián)系問題。之前的搜索引擎只能進(jìn)行互不關(guān)聯(lián)的、多次的孤立搜索詢問，遞歸神經(jīng)網(wǎng)絡(luò)則能將不同的搜索詢問聯(lián)系起來。此功能讓人工智能在應(yīng)答方式上更像人類。而且，它還發(fā)展出各種變體，其中值得一提的有“長短期記憶網(wǎng)絡(luò)”（Long Short-Term Memory，縮寫LSTM）和“門控循環(huán)單元”（Gate Recurrent Unit，縮寫GRU）。6長短期記憶網(wǎng)絡(luò)可以解決傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)在處理長序列數(shù)據(jù)時可能出現(xiàn)的梯度消失或梯度爆炸，以及長期記憶能力不足等問題。門控循環(huán)單元的功能與長短期記憶網(wǎng)絡(luò)類似，其優(yōu)勢在于能進(jìn)一步降低模型復(fù)雜度。它參數(shù)較少，結(jié)構(gòu)相對簡單，而計(jì)算效率更高。此類神經(jīng)網(wǎng)絡(luò)能記住源語言句子中前面的信息，且能捕捉信息中的長期特征，故而在解析句子時具有更高的準(zhǔn)確度，讓人工智能具備了一定的理解和預(yù)測能力：（1）能被用來“識別圖像生成字幕”，即對圖像的關(guān)鍵特征進(jìn)行識別，然后生成描述該圖像的文字。（2）被用于“時間序列預(yù)測”領(lǐng)域，即預(yù)測各種隨時間變化的數(shù)據(jù)，如氣象數(shù)據(jù)、股票價格、銷售量等。（3）學(xué)習(xí)文本數(shù)據(jù)中的情感信息，建立情感預(yù)測模型，并且通過不斷優(yōu)化模型的參數(shù)，提高模型的性能和準(zhǔn)確性。換言之，如果對人工智能進(jìn)行進(jìn)一步的預(yù)訓(xùn)練，加入對文本所涉及的語境、語義、文化背景等信息的理解，那么它將在一定程度上具備理解和預(yù)測人類行為，乃至把握人類情感變化的能力。當(dāng)這種能力達(dá)到較高的成熟度并應(yīng)用于文藝創(chuàng)作領(lǐng)域時，它完全可以開展具有相當(dāng)自主性的創(chuàng)作。

生成式人工智能的文藝創(chuàng)作功能隨著 ChatGPT 等“預(yù)訓(xùn)練”語言模型、Midjourney等智能繪畫應(yīng)用的異軍突起而出現(xiàn)在公眾視野中。它不僅具有傳統(tǒng)人工智能那種快速收集、整理和分析數(shù)據(jù)的能力，而且具有更高的智慧程度，能更為深層地挖掘和利用數(shù)據(jù)中的潛在信息，在一定指令的提示下，依照特定的模型生成新的內(nèi)容。研究者模仿人類大腦神經(jīng)元開發(fā)出以“大語言模型”（LLMs）、“變分自動編碼器模型”（VAE） 、“生成式對抗性網(wǎng)絡(luò)”、“轉(zhuǎn)換器”（Transformer）等方式對數(shù)據(jù)進(jìn)行分析訓(xùn)練，然后模仿人類的創(chuàng)作模式生成相應(yīng)的作品，包括文本、圖像、廣告、音樂、視頻和電子游戲等。1 生成式人工智能雖非人類，但已初步具備“類人”特征。比如OpenAI公司推出的系列GPT語言模型的心智能力已達(dá)到孩童水平，2 這意味著它至少能作為具有一定主體性的人類的伙伴存在。盡管其他公司在該領(lǐng)域的水平尚不能與OpenAI公司相提并論，但它們的成就同樣令人贊嘆不已。另外，國內(nèi)相關(guān)企業(yè)推出的同類軟件在用戶體驗(yàn)上也頗具水準(zhǔn)。如昆侖萬維的“天工”和字節(jié)跳動的“豆包”等應(yīng)用都有不俗的表現(xiàn)，在文藝上的應(yīng)用也已初步具備數(shù)字助手的基本作用了。

我們應(yīng)當(dāng)從生成式人工智能涉及的以下各項(xiàng)技術(shù)指標(biāo)來判斷其是否具備相應(yīng)的文藝創(chuàng)作（至少是作品生成）功能：（1）“大語言模型”。在經(jīng)過大量數(shù)據(jù)的訓(xùn)練后，它具備理解自然語言的能力，并且能夠以接近人類的水平去完成各種范圍廣泛的任務(wù)。3 大語言模型讓計(jì)算機(jī)不再只是識別單句文字，而且能按照上下文的整體語境來理解和預(yù)測對話信息，這讓它的表達(dá)更具擬人特征。相關(guān)開發(fā)者正通過大語言模型來分析文本數(shù)據(jù)的情感內(nèi)容，利用模型的強(qiáng)大推理和指令遵循能力來構(gòu)建人工智能的“類人”（Human-like）情感和認(rèn)知能力，4 試圖使計(jì)算機(jī)識別和理解人類話語所包含的情感成分。這也意味著它將具備按照一定情感邏輯來進(jìn)行創(chuàng)作的能力。目前大語言模型遇到的宏觀問題包括：預(yù)訓(xùn)練過程相對緩慢，造成知識更新不及時等問題；運(yùn)行需要大量算力，由此需要龐大的計(jì)算硬件資源、偏高的運(yùn)行成本，以及高能耗問題。其他更具體的還包括收斂速度遲緩，泛化能力受限，數(shù)據(jù)偏見，長文本處理受阻和推理能力不足等微觀問題。5 一旦這些瓶頸突破，它的潛力還將得到進(jìn)一步釋放。（2）“變分自動編碼器模型”。作為一種深度學(xué)習(xí)模型，它可以學(xué)習(xí)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和潛在分布，然后依據(jù)已有數(shù)據(jù)進(jìn)行進(jìn)一步推斷，且這一訓(xùn)練過程能在無監(jiān)督狀態(tài)下進(jìn)行。它在用于執(zhí)行“風(fēng)格遷移”任務(wù)時，能更精準(zhǔn)地將一種藝術(shù)風(fēng)格應(yīng)用到另一作品上；也能以“數(shù)據(jù)增強(qiáng)”的形式，增加藝術(shù)創(chuàng)作的多樣性，從而生成更加豐富多樣的藝術(shù)作品新變體；還能助力交互式創(chuàng)作，讓用戶更便捷地參與人機(jī)互動的藝術(shù)創(chuàng)作，通過調(diào)整參數(shù)生成更為個性化的藝術(shù)作品。6 （3）“生成式對抗性網(wǎng)絡(luò)”。作為一種深度學(xué)習(xí)技術(shù)，它通過讓生成器（Generator）和判別器（Discriminator）在訓(xùn)練過程中相互對抗和調(diào)整參數(shù)，最終有效生成十分逼真的圖像、視頻和其他類型的數(shù)據(jù)。7 它生成的作品更為細(xì)膩，更接近于人類創(chuàng)作的作品，不再呈現(xiàn)往昔智能生成所顯示的那種粗糙之感。它運(yùn)用在文學(xué)創(chuàng)作上，還可以優(yōu)化自然語言表達(dá)，完善寫作細(xì)節(jié)，提升作品邏輯連貫性等。（4）“轉(zhuǎn)換器”。它擅長自然語言處理工作，包括自然語言處理（NLP）和自然語言理解（NLU）。谷歌團(tuán)隊(duì)將之定義為“一種摒棄循環(huán)而完全依賴注意力機(jī)制來描繪輸入與輸出之間的全局依賴關(guān)系的模型架構(gòu)”。它的運(yùn)行是基于注意力機(jī)制而非遞歸和卷積神經(jīng)網(wǎng)絡(luò)，不需要逐字逐句計(jì)算輸入的每個分量，而是可以同時并行處理。8 與以前的“遞歸神經(jīng)網(wǎng)絡(luò)”架構(gòu)如“長短期記憶”相比，“轉(zhuǎn)換器”模型需要更少的訓(xùn)練時間，反應(yīng)速度也更快。9 當(dāng)多個轉(zhuǎn)換器模塊（Transformer Blocks）堆疊起來運(yùn)行時，就能并行開展編碼和解碼運(yùn)算，實(shí)現(xiàn)高階信息和低階信息的關(guān)聯(lián)組合。這不僅讓它能高效快速地分析和處理大量復(fù)雜數(shù)據(jù)，而且能在更廣層面“理解”文本信息。10 由于能調(diào)取數(shù)據(jù)庫里的龐大信息，對文本對象進(jìn)行全局關(guān)聯(lián)，所以至少在廣度和速度方面，它的文本閱讀能力比人腦更優(yōu)。文本意義往往取決于上下文關(guān)聯(lián)，而“轉(zhuǎn)換器”能夠以“多向注意力”（Multi-head Attention）理解這些關(guān)聯(lián)關(guān)系，這意味著它不但能更準(zhǔn)確地理解話語的字面意義，還能在某種程度上理解話語的“言外之意”。這就是為何ChatGPT能與人類以自然語言進(jìn)行高品質(zhì)的對談，在交流形式上更具“類人”特征。而且，由于“轉(zhuǎn)換器”能夠生成更長的數(shù)據(jù)序列，所以它還能和作家一樣“創(chuàng)作”各種文體，如詩歌、散文和論文等。（5）“擴(kuò)散模型”。它擅長圖像生成工作，以去除圖像噪聲的形態(tài)生成新的圖像。研究者在2015年開發(fā)了一種同時實(shí)現(xiàn)靈活性和易處理性的數(shù)據(jù)生成方法，其基本思想受到物理中的“擴(kuò)散”概念啟發(fā)。該方法能使人工智能在具有數(shù)千“層”（Layers）或“時間步長”（Time Steps）的深度生成模型中快速學(xué)習(xí)、采樣和評估概率，并在學(xué)習(xí)模型下計(jì)算條件概率和后驗(yàn)概率。1 此后研究者根據(jù)擴(kuò)散原理進(jìn)行不同路徑的開發(fā)。比如喬納森等人開始嘗試將擴(kuò)散模型用于高質(zhì)量的圖像合成，他們設(shè)計(jì)的“去噪擴(kuò)散概率模型”（Denoising Diffusion Probabilistic Models）2 也成為圖像生成領(lǐng)域的主流模型。與以往程序生成的圖像相對粗糙的效果不同，通過去噪擴(kuò)散概率模型路徑生成的圖像具有較高的品質(zhì)，且還能經(jīng)過預(yù)訓(xùn)練而為特定視覺風(fēng)格建模，生成穩(wěn)定的特定類型圖像。其相關(guān)應(yīng)用如Dalle-2、Imagen和Stable Diffusion等陸續(xù)推出后，引發(fā)了藝術(shù)界的震動，因?yàn)榉敲佬g(shù)和設(shè)計(jì)專業(yè)的用戶也可以借助它們開展藝術(shù)創(chuàng)作，這正在導(dǎo)致此領(lǐng)域出現(xiàn)“行業(yè)洗牌”。3

綜上，這些技術(shù)的綜合運(yùn)用，造就了當(dāng)下智能創(chuàng)作領(lǐng)域的一個個奇跡。如能生成高清晰、高逼真短視頻，被譽(yù)為能給影視行業(yè)帶來“顛覆性變革”的視頻生成模型Sora，4 就綜合運(yùn)用了遞歸神經(jīng)網(wǎng)絡(luò)架構(gòu)、生成式對抗性網(wǎng)絡(luò)、“自回歸變換器”（Autoregressive Transformers）和“擴(kuò)散模型”等技術(shù)。5

此類技術(shù)對文藝創(chuàng)作造成的影響在于，即便當(dāng)下智能技術(shù)的版本尚處于初級階段，但它的功能已經(jīng)使生成式人工智能具備一定程度的“理解”和“思考”能力，以及由此而產(chǎn)生的“創(chuàng)造”能力。盡管它具有的這些與文藝創(chuàng)作相關(guān)的主體能力還不充分，而且是被動且充滿各種缺陷的，不過考慮到技術(shù)的不斷迭代，不排除接下來會有突破性進(jìn)展，因此，毫無疑問，智能創(chuàng)作領(lǐng)域在接下來的時間內(nèi)必然還將有更多讓人驚嘆的技術(shù)突破。

當(dāng)代人工智能的迭代速度是如此之快，以致學(xué)界以往所下的判斷逐漸失效。人們往往會天然地認(rèn)為已存在的事物就具有某種合理性，而對新出現(xiàn)的，特別是那些與自己已有識知不符的事物，就持有一定程度上的疑慮乃至敵意。比如，幾年前大部分學(xué)者還認(rèn)為人工智能只會機(jī)械、被動地響應(yīng)，甚至提出“就哲學(xué)和美學(xué)而言，人工智能是不可能有任何創(chuàng)造性的，只能重復(fù)已有的理論和觀點(diǎn)，頂多有些表述上的調(diào)整和綜合”。6 可實(shí)際上，隨著“人工神經(jīng)網(wǎng)絡(luò)”（Artificial Neural Network）的持續(xù)迭代升級，特別是發(fā)展到預(yù)訓(xùn)練語言模型這樣更具人類表達(dá)特征的形態(tài)，人工智能已呈現(xiàn)能“思考”的“類人”能力。盡管它的所謂“思考”還不是自由自覺的真正的思考，但畢竟已初步具備了模仿人類思考的部分能力。這都是之前學(xué)者難以想象的事情。又比如，3.5版本ChatGPT剛出現(xiàn)時，有聲音質(zhì)疑它不具備聯(lián)網(wǎng)在場感知能力、情感感知能力等，結(jié)果GPT-4o出現(xiàn)后，不但可以開展情感計(jì)算，其視覺感知、識別及關(guān)聯(lián)能力亦遠(yuǎn)超人類。依此發(fā)展態(tài)勢，日后其智能拓展范圍或更趨廣泛。所以我們必須根據(jù)人工智能發(fā)展的邏輯和當(dāng)下狀況進(jìn)行判斷和分析，不能武斷地聲稱它不具備任何創(chuàng)造性。它在文藝領(lǐng)域完全可以成為“非人類創(chuàng)作者”。當(dāng)人類文明剛剛抵達(dá)以齒輪驅(qū)動機(jī)械的工業(yè)時代時，很難想象日后信息時代，在賽博空間里構(gòu)建起了如此生動、逼真的虛擬世界。同理，接下來人工智能還會將文藝創(chuàng)作推到一個令今人難以想象的高度。人工智能不僅有創(chuàng)作作品的能力，而且還將會有創(chuàng)造虛擬世界的能力。7

四、“數(shù)字智者”：人工智能具備成為

創(chuàng)作主體的資質(zhì)

生成式人工智能在某些判斷事物關(guān)聯(lián)性方面具有卓越表現(xiàn)，其所依托的大數(shù)據(jù)技術(shù)不僅有強(qiáng)大的數(shù)據(jù)整理能力，而且還具有基于這些數(shù)據(jù)的預(yù)測和推斷能力，其認(rèn)知具有全局性、前瞻性和預(yù)見性等特征。在萬事萬物如事與事、人與人以及人與事等之間，都存在特定的關(guān)聯(lián)關(guān)系。在人類世界，那些被稱為“智者”的人之所以廣受尊敬，就是因?yàn)樗麄儽纫话闳烁茉诟鞣N紛擾瑣碎的片段信息中，辨識出那些細(xì)微而關(guān)鍵的聯(lián)系，然后把片段進(jìn)行有機(jī)整合，從中梳理出清晰的脈絡(luò)和邏輯。他們的智慧就在于，能敏感地注意到它們之間的關(guān)聯(lián)關(guān)系，理解這些關(guān)聯(lián)所蘊(yùn)含的規(guī)律性因素，在復(fù)雜多變的情境中迅速找到問題的核心所在，從而精準(zhǔn)地做出決策、采取行動。

同樣，生成式人工智能在各種功能強(qiáng)大的算法以及超大規(guī)模數(shù)據(jù)庫等條件的加持下，具有較強(qiáng)的把握事物背后的規(guī)律性和關(guān)聯(lián)性的智慧能力。這其實(shí)跟人類視角的“智者”所具備的智慧能力是契合的。在文藝創(chuàng)作領(lǐng)域，“智者”的關(guān)聯(lián)能力就表現(xiàn)為能將諸多文藝元素巧妙地關(guān)聯(lián)和整合在一起，創(chuàng)造出新作品的能力。一般人眼里瑣碎的音符、構(gòu)圖元素，甚至各種不相關(guān)的事件，在優(yōu)秀的作曲家、畫家和作家這里，卻是被鑲嵌在一個龐大星座中的一顆顆明星，可以按照特定秩序整合成樂譜、繪畫和文章。文藝創(chuàng)作者正是因?yàn)榫邆涿翡J的洞察力，能捕捉到各種瑣碎片段信息之間難以察覺的關(guān)聯(lián)關(guān)系，領(lǐng)悟它們之中所蘊(yùn)含的秩序之美，最終將它們在自己的腦海和手中變成一件件流芳百世的作品。隨著日后技術(shù)的迭代升級，人工智能對事物的理解和關(guān)聯(lián)能力還將進(jìn)一步提升，成為一種“數(shù)字智者”。而它這種能力運(yùn)用在文藝創(chuàng)作領(lǐng)域，從邏輯上看就一定能在未來某個階段具有更強(qiáng)、更獨(dú)立的創(chuàng)作能力。屆時它肯定能憑借這種敏銳的文藝創(chuàng)作洞察力，創(chuàng)作出今日只有優(yōu)秀的藝術(shù)家才能創(chuàng)作出的杰作。

正所謂“未來已來，只是分布不均”。1 在人工智能賦能下，社會上的若干領(lǐng)域其實(shí)會率先使用先進(jìn)的未來科技，在局部范圍內(nèi)構(gòu)建起面向未來的先行樣板與創(chuàng)新高地。當(dāng)下的生成式人工智能已經(jīng)在部分領(lǐng)域具有人類“智者”的能力。以GPT語言模型為例，OpenAI公司2023年推出的GPT-4已經(jīng)具備一定的關(guān)聯(lián)能力，它能識別提供給它的圖片里各種事物之間的關(guān)系。比如它能理解 VGA 連接器不應(yīng)插入智能手機(jī)，還能根據(jù)提供給它的廚房照片為里面的食物生成菜譜。2 通過該公司研發(fā)的GPT-4 Vision（GPT-4V）系統(tǒng)卡，用戶能讓GPT-4 分析自己提供的圖像內(nèi)容。下一步該公司還將在此領(lǐng)域開展具有更高精度和更復(fù)雜的研究。3 2024年問世的GPT-4o展現(xiàn)出更為強(qiáng)勁的性能表現(xiàn)，能在232毫秒內(nèi)響應(yīng)音頻輸入，此反應(yīng)速度已趨近人類在交流互動中的反應(yīng)水平，從而使其能夠以類似人類的交流模式與用戶展開對話。4 當(dāng)前這一版本的 GPT 語言模型僅具備讀圖能力，然而，鑒于視頻本質(zhì)上是由一系列連續(xù)的圖像幀所構(gòu)成，若其在后續(xù)發(fā)展進(jìn)程中能夠?qū)崿F(xiàn)從讀圖到讀視頻的能力升級，則其在視覺感知與處理功能層面將有望企及人類水平，甚至在特定維度超越人類的視覺能力，從而在人工智能視覺技術(shù)領(lǐng)域?qū)崿F(xiàn)重大突破，并重塑人機(jī)交互的模式與邊界。

這種讓GPT語言模型通過圖片來建立對事物之間關(guān)聯(lián)關(guān)系的理解過程，其原理并不難理解，主要涉及四個部分：（1）圖像標(biāo)注和描述。使用圖像標(biāo)注工具為特定圖片添加文本描述或標(biāo)簽，讓GPT語言模型理解這些圖片所涉及的具體信息，如主題、對象、場景等。（2）多模態(tài)學(xué)習(xí)。將圖片與相關(guān)的文本描述一起輸入模型中，讓GPT語言模型學(xué)習(xí)兩者之間的對應(yīng)關(guān)系，從而更好地理解圖片的含義。（3）視覺特征提取。使用圖像處理技術(shù)提取圖片的視覺特征，包括顏色、形狀、紋理等。（4）預(yù)訓(xùn)練模型和遷移學(xué)習(xí)?；趫D像大數(shù)據(jù)對模型進(jìn)行預(yù)訓(xùn)練，再通過遷移學(xué)習(xí)讓GPT語言模型通過已有的圖像知識建立對新圖像的理解。（4）人工干預(yù)和解釋。GPT語言模型沒有自我意識，所以還需輔以人工干預(yù)，對一些圖片之間的關(guān)系進(jìn)行解釋，讓它得以借助人類的視角對這些圖片和里面的事物進(jìn)行更加立體、全面的理解。以上四個部分完全可以運(yùn)用在人工智能文藝創(chuàng)作領(lǐng)域。即便當(dāng)下的人工智能不具備主體性中的自覺性和自在性這兩個特征，但只要它具備能動性和創(chuàng)造性這兩個特征，就照樣能進(jìn)行一般性的文藝創(chuàng)作。

在信息技術(shù)視域下，所有文藝創(chuàng)作所涵蓋的步驟都可被歸結(jié)為一系列可識別、可標(biāo)記且可追蹤的具體信息和規(guī)則。這些具體信息和規(guī)則都能利用大語言模型來進(jìn)行建模，并依據(jù)特定的邏輯路徑進(jìn)行創(chuàng)作。從邏輯上看，人工智能既然能識別和運(yùn)用這些具體信息和規(guī)則，那它就具備成為創(chuàng)作主體的資質(zhì)。它與人類的區(qū)別只在于：人類創(chuàng)作者是以自由自覺的心靈去創(chuàng)作，其中的優(yōu)秀分子還能開一代之風(fēng)氣，進(jìn)入創(chuàng)作的高級階段；而它目前依舊滯留于“風(fēng)格遷移”的初級創(chuàng)作階段，尚難以企及人類優(yōu)秀作家的創(chuàng)作所蘊(yùn)含的精神深度與創(chuàng)新高度，僅能在既有風(fēng)格與模式的框架內(nèi)進(jìn)行創(chuàng)作，而未能突破既有框架去開創(chuàng)具備個體獨(dú)特精神標(biāo)識的新境界。

人工智能是可以從語言學(xué)層面對文藝創(chuàng)作活動進(jìn)行解釋、分析和模仿的，可以還原為具體的語法結(jié)構(gòu)、用語習(xí)慣等語言學(xué)層面的內(nèi)容，也可以還原為可量化的行動步驟。而語言又可以細(xì)分為具體的項(xiàng)目：“意義（語義學(xué)）、使用條件（語用學(xué)）、聲音的物理特性（語音學(xué)）、語法或句子結(jié)構(gòu)（句法學(xué)）、聲音結(jié)構(gòu)（音系學(xué)）、詞語結(jié)構(gòu)（形態(tài)學(xué)）、話語會話組織原則、信息和手勢的交互作用?！?語法結(jié)構(gòu)之外，還有被稱為“語言的思想語法”的邏輯結(jié)構(gòu)。2 語言作為一種規(guī)則有限的符號系統(tǒng)，無論是其表層的語法結(jié)構(gòu)，還是其深層的邏輯結(jié)構(gòu)，都可以用建立相應(yīng)語言模型的方式表達(dá)。個人話語總是基于特定語法和邏輯的規(guī)則展開，人工智能也可以借助特定算法來更為細(xì)致和全面地理解人類作品，并且也能通過作品來理解人類思維。有高校團(tuán)隊(duì)以人工智能模型對《紅樓夢》前80回和后40回的文字特征進(jìn)行分析，涉及“詞頻、句子結(jié)構(gòu)、句式復(fù)雜度、語法特點(diǎn)和情感表達(dá)”這些要點(diǎn)，最后得出結(jié)論：前后的確并非同一人所寫。3 正所謂“風(fēng)格是一種選擇”，4 作家們的風(fēng)格可以還原為個人具體的情感和思想取向、用詞和造句習(xí)慣、修辭偏好，以及更為細(xì)微的語氣助詞運(yùn)用等，所以完全能夠借助數(shù)據(jù)分析的技術(shù)手段，促使人工智能針對這些要素構(gòu)建模型，并開展具有明確指向性的深入剖析。大數(shù)據(jù)篩查技術(shù)的強(qiáng)大之處在于，其能夠?qū)⒅T如創(chuàng)作者是否接受過優(yōu)質(zhì)教育、所關(guān)注事件的類型范疇、偏好運(yùn)用哪個地理位置俚語等極具個體色彩與標(biāo)識性的內(nèi)容，在文本層面予以全面匯總整合以及深度分析研判，從而勾勒出創(chuàng)作者風(fēng)格的多維畫像，為文學(xué)研究、智能創(chuàng)作輔助等多領(lǐng)域提供數(shù)據(jù)支撐。

文學(xué)作品的“文學(xué)性”并不由作者所壟斷，而涉及文本自身的結(jié)構(gòu)特征，其“呈現(xiàn)在文本的語言、手法和結(jié)構(gòu)之中”。5 由于“文學(xué)性”可以還原為特定的寫作規(guī)則，所以它既可以通過寫作訓(xùn)練的方式教給學(xué)生，也可以通過算法教給人工智能。其實(shí)在劇本寫作領(lǐng)域，創(chuàng)作者在設(shè)計(jì)戲劇沖突時一直存在著固定的套路。有作者就將之分解為數(shù)個步驟：（1）行動的源頭；（2）原因和結(jié)果；（3）選擇沖突類型，包括靜止型沖突、跳躍型沖突和升級型沖突等；（4）行動；（5）沖突的預(yù)示；（6）出擊點(diǎn)；（7）過渡；（8）危機(jī)、高潮和結(jié)果。6 實(shí)際上好萊塢就是這樣搭建起自己的電影劇本的，在商業(yè)化氛圍濃重的好萊塢，只有那些“能夠賣掉，還能投入制作”的電影劇本，才是制片方想要的“好”劇本。有需求就有賣方，美國就有專門機(jī)構(gòu)為編寫者提供這種寫作劇本的指導(dǎo)，他們有一套成熟的寫作流程。比如設(shè)計(jì)A主線的過程中還要設(shè)置B、C等副線劇情；又比如不但要在設(shè)置主角方面下功夫，還要在設(shè)置配角方面做一系列的技術(shù)設(shè)計(jì)，包括插曲、花樣和搞笑擔(dān)當(dāng)?shù)?，再讓配角以觀眾意想不到的方式跟主角發(fā)生交集。7 以上種種其實(shí)都是可以量化的，換言之，也是可以讓人工智能通過機(jī)器學(xué)習(xí)的方式來掌握的。再復(fù)雜的章節(jié)結(jié)構(gòu)，再紛亂的人物關(guān)系，在數(shù)據(jù)分析面前，都存在著清晰的結(jié)構(gòu)線索。誠然，僅僅掌握這些技巧性的東西是不夠的，正所謂“表層的，是故事、人物、細(xì)節(jié)和主題。更深一層的，是氣息、風(fēng)格，韻味”。1 要想進(jìn)入更深層次的寫作，就需要更深厚的閱歷和悟性的支持，這也是目前人工智能尚未充分抵達(dá)的領(lǐng)域。

在文藝創(chuàng)作活動中，不同的創(chuàng)作主體所顯現(xiàn)出的創(chuàng)造力也分為“一般創(chuàng)造力”和“深層創(chuàng)造力”兩種。在表達(dá)方式、技巧、主題、風(fēng)格等基礎(chǔ)層面能進(jìn)行創(chuàng)造活動，就已經(jīng)具備一般創(chuàng)造力，而如果要具備深層創(chuàng)造力，則需要進(jìn)一步在表達(dá)思想、情感等更深刻的層面有所建樹。而文藝創(chuàng)作也由此可分為能產(chǎn)生普通作品的“一般創(chuàng)作”和能產(chǎn)生具有高度原創(chuàng)性、思想深度和審美價值的杰作的“深度創(chuàng)作”。在人類創(chuàng)作者當(dāng)中，大部分所表現(xiàn)出的是一般創(chuàng)造力，而那些優(yōu)秀的作家、藝術(shù)家、設(shè)計(jì)師則能以其深層創(chuàng)造力去創(chuàng)作出杰作。創(chuàng)造力也跟規(guī)則有著密切的關(guān)系，要想具備創(chuàng)造力，首先就要熟悉規(guī)則，在規(guī)則內(nèi)進(jìn)行初步創(chuàng)新。這是目前人工智能所能抵達(dá)的位置。其次還要打破規(guī)則，再創(chuàng)造出新的規(guī)則，而且還要形成一套相對系統(tǒng)化的觀察對象和表達(dá)內(nèi)心情思的具體方式。2這就如同石濤所言：“無法而法，乃為至法”3，這便是高級創(chuàng)新。

目前人工智能受制于技術(shù)限制，其創(chuàng)造力主要停留在“一般創(chuàng)造力”層次，它更多是在遵從特定規(guī)則，它創(chuàng)作出的作品通常顯現(xiàn)出一種“悅目悅耳”特征，或者有時還能再進(jìn)一步具有一定的“悅心悅意”特征。但只有具備深層創(chuàng)造力，能進(jìn)行主動判斷、反思，創(chuàng)造出新風(fēng)格、新技法、新審美思維的人類優(yōu)秀創(chuàng)作者，才能讓自己的作品升華到“悅志悅神”層次，才能被認(rèn)定為具備了“深層創(chuàng)造力”。表層的知識，可以讓人工智能通過算法模仿，但深層的知識，則需要主體依靠自己的智慧，通過主動的持續(xù)追問才能抵達(dá)。目前人工智能具有超強(qiáng)的模仿能力，也能進(jìn)行一般性創(chuàng)造，但其創(chuàng)作缺乏深度創(chuàng)造性，尚未能產(chǎn)生杰作。這是因?yàn)轵?qū)動它們的是算法，而驅(qū)動人類作家的則是他們自己主動、自覺的探索欲和表達(dá)欲。盡管如此，由于人工智能創(chuàng)作使用的參考對象通常都是文藝史中的頂尖杰作，所以它在以一般創(chuàng)造力開展創(chuàng)作時，其生成的作品質(zhì)量也高于一般人類創(chuàng)作者。

生成式人工智能在活動方式上可被設(shè)計(jì)得更為擬人化，能以實(shí)時互動模式根據(jù)用戶需求而進(jìn)行交流、反饋與執(zhí)行任務(wù)，這種人性化模式遠(yuǎn)比傳統(tǒng)模式更為自然、靈活和可親，以至于學(xué)界都有學(xué)者懷疑它（如ChatGPT）是否具備了某種程度上的人類心智能力。4 OpenAI公司最新推出的GPT-4o將原本互相獨(dú)立的模塊整合起來，使得它能用同一個神經(jīng)網(wǎng)絡(luò)連貫地處理文本、視覺和聽覺問題。該公司認(rèn)為這種多模態(tài)方法能讓它按照人類感知和處理信息的樣貌來與用戶進(jìn)行更為全面的理解和交互。5 簡言之，它完全可以被當(dāng)成“人”來協(xié)助人類文藝創(chuàng)作工作，甚至獨(dú)立進(jìn)行創(chuàng)作實(shí)踐，成為稱職的“非人類創(chuàng)作者”。

以上說明，人工智能只要掌握創(chuàng)作的基本規(guī)律，同樣可以在特定學(xué)習(xí)模型的指引下開展文藝創(chuàng)作，只不過目前人工智能創(chuàng)造出的作品還差強(qiáng)人意而已。在文藝創(chuàng)作方面，人與人工智能之間并不存在什么無法跨越的藩籬。當(dāng)下生成式人工智能所顯現(xiàn)出的主體性的稚嫩狀況，只是發(fā)展過程中的問題，未來隨著與之相關(guān)的算法不斷升級，人工智能所創(chuàng)作作品的品質(zhì)勢必會實(shí)現(xiàn)進(jìn)一步的躍升與突破。

五、結(jié)語

綜上，技術(shù)的發(fā)展常常超出人們的想象。那些曾經(jīng)只存在于科幻作品中的許多概念和設(shè)想，隨著時間的推移和技術(shù)的不斷突破都逐漸走入了日常生活。在生成式人工智能賦能文藝創(chuàng)作已然成為一種無法回避的事實(shí)性存在，甚至是發(fā)展趨勢之際，我們就不能再堅(jiān)守舊有的觀念與理論框架，而應(yīng)秉持一種積極的態(tài)度去迎接這一重大轉(zhuǎn)變，并且以與時俱進(jìn)的態(tài)度去回應(yīng)該變化帶來的一系列理論問題。人工智能具備成為獨(dú)立作者的潛力，它作為一種獨(dú)特的創(chuàng)作主體，其正在不斷迭代變化中，在如今已具有高效的“協(xié)創(chuàng)性”的情況下，未來必將逐步具備“獨(dú)創(chuàng)性”。在此過程中，文藝創(chuàng)作生態(tài)與格局也必將發(fā)生深刻變革，傳統(tǒng)創(chuàng)作模式與新興人工智能創(chuàng)作之間的碰撞與融合，將催生出更多新穎的文藝表現(xiàn)形式與文化傳播方式，這值得我們深入探究與展望。

The Topic of Subjectivity in Generative AI Literary Creation

JIAN Shengyu

Abstract： According to the basic logic of literature and art， only “authors” with subjectivity can engage in “creation” activities. Therefore， the issue of subjectivity is a fundamental theoretical question that needs to be explored in discussions of generative AI literary creation. Logically， all steps involved in literary and artistic creation can be reduced to specific information and rules that can be recognized， labeled， and traced at the information technology level. The machine learning mechanism enables generative AI to create literature and art with a certain degree of subjectivity. Because it can recognize and apply the rules of creation， it qualifies as a creator， thus becoming a “non-human creator”. Literary creation can be divided into “general creation”， which produces ordinary works， and “deep creation”， which yields masterpieces characterized by high originality， depth of thought， and aesthetic value. Currently， AI is primarily capable of general creation and has not yet achieved “deep creation”.

Key words： generative AI; literary creation; subjectivity; co-creation; interlocution; non-human creator

（責(zé)任編輯：陳" "吉）

基金項(xiàng)目：國家社科基金項(xiàng)目“中國傳統(tǒng)意象理論的現(xiàn)代闡釋研究”（20BZX131）

作者簡介：簡圣宇，揚(yáng)州大學(xué)美術(shù)與設(shè)計(jì)學(xué)院教授（江蘇 揚(yáng)州 225009）。

1 瓦爾特·本雅明：《機(jī)械復(fù)制時代的藝術(shù)作品》，王才勇譯，中國城市出版社2002年版，第13—14頁。

1 黑格爾：《美學(xué)》，第1卷，朱光潛譯，商務(wù)印書館1984年版，第104頁。

2 《馬克思恩格斯全集》，第42卷，人民出版社1979年版，第126頁。

3 蔣孔陽：《蔣孔陽全集》，第3卷，安徽教育出版社1999年版，第176頁。

4 翟鵬威：《駁人工智能的作者身份論》，《暨南學(xué)報（哲學(xué)社會科學(xué)版）》2024年第3期，第6頁。

5 袁博：《機(jī)器人創(chuàng)作成果是“作品”嗎？》，《法人》2019年第4期，第108頁。

6 趙汀陽：《歷史·山水·漁樵》，生活·讀書·新知三聯(lián)書店2019年版，第14頁。

7 李豐：《人工智能與藝術(shù)創(chuàng)作——人工智能能夠取代藝術(shù)家嗎？》，《現(xiàn)代哲學(xué)》2018年第6期，第95頁。

8 梅拉妮·米歇爾：《AI 3.0》，王飛躍等譯，四川科學(xué)技術(shù)出版社2021年版，第305頁。

9 吳芷凈：《AI繪畫的發(fā)展與現(xiàn)狀及其對人類主體性的確證》，《漢語言文學(xué)研究》2024年第1期，第14頁。

1 陳燕谷：《主體性與美學(xué)問題》，《中國社會科學(xué)院研究生院學(xué)報》1988年第3期，第25頁。

2 黃鳴奮：《藝術(shù)、人工智能與網(wǎng)絡(luò)：世紀(jì)之交的走向》，《東方叢刊》2002年第1期，第88頁。

3 張弓：《數(shù)字化時代的實(shí)踐概念與美和藝術(shù)——基于新實(shí)踐美學(xué)的分析》，《中國政法大學(xué)學(xué)報》2024年第2期，第277頁。

4 楊俊蕾：《風(fēng)格遷移、指令設(shè)計(jì)與“世界模擬器”——兼論Sora模型產(chǎn)出藝術(shù)杰作的可能》，《上海師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》2024年第2期，第56頁。

5 有學(xué)者指出：“人工智能確實(shí)包含一種理性的參與，但其中的理性是第二位或二階層面的理性。”楊國榮：《“生成式人工智能”（AIGC）及其哲學(xué)意蘊(yùn)》，《上海師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》2024年第1期，第111頁。

6 楊寧：《人工智能寫作與文學(xué)創(chuàng)作主體性問題反思》，《廣州大學(xué)學(xué)報（社會科學(xué)版）》2023年第2期，第25頁。

7 胡云冰等：《人工智能導(dǎo)論》，電子工業(yè)出版社2021年版，第306頁。

8 李澤厚：《關(guān)于主體性的補(bǔ)充說明》，《中國社會科學(xué)院研究生院學(xué)報》1985年第1期，第15頁。

9 郭湛：《人的主體性的進(jìn)程》，《中國社會科學(xué)》1987年第2期，第55—56頁。

10 有學(xué)者提出：“主體性不是規(guī)定主體，而是規(guī)定對象。它指主體的本質(zhì)力量外化為對象，在對象上取得自己的現(xiàn)實(shí)性，因此主體性即主體作用于對象并對象化了的本質(zhì)力量?！眲h：《主體性研究概述》，《哲學(xué)動態(tài)》1988年第6期，第35頁。

11 楊方：《主體概念新探》，《湖南師范大學(xué)社會科學(xué)學(xué)報》1994年第3期，第44頁。

12 柳海濤：《人類意識與人工智能》，上海交通大學(xué)出版社2023年版，第78頁。

1 為了能更全面立體地了解對方的治學(xué)方法，清代文人之間曾流行索要對方的日譜。如顏元寫信給遠(yuǎn)方的李復(fù)元，先說“相望千余里，貧儒難以負(fù)笈親炙”，然后以自己的“功課記”請對方指正，再拜請對方將類似的材料寄給自己。顏元：《顏元集》，中華書局1987年版，第435頁。

2 鮑勃·布萊克、牛穎：《廢除工作》，《廣州大學(xué)學(xué)報（社會科學(xué)版）》2019年第6期，第26頁。

3 黃時進(jìn)：《“助”與“替”：生成式AI對學(xué)術(shù)研究的雙重效應(yīng)》，《上海師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》2024年第2期，第65頁。

1 《馬克思恩格斯選集》，第3卷，人民出版社1995年版，第455—456頁。

2 宋石磊：《AI繪畫缺失主體性和原創(chuàng)性》，《光明日報》2024年2月23日，第7版。

3 瑪?shù)倌取ち_斯布拉特：《虛擬人：人類新物種》，郭雪譯，浙江人民出版社2016年版，第23頁。

4 趙汀陽：《沒有答案：多種可能世界》，江蘇鳳凰文藝出版社2020年版，第192頁。

1 相關(guān)信息見網(wǎng)頁https：//www.gov.cn/guoqing/2021-10/29/content_5647633.htm，2024年10月11日訪問。

2 聶洪濤、陳怡帆：《生成式人工智能作品著作權(quán)：權(quán)利歸屬與制度構(gòu)建》，《海南金融》2024年第3期，第77頁。

3 相關(guān)信息見網(wǎng)頁https：//www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm，2024年10月11日訪問。

4 湯姆·米切爾：《機(jī)器學(xué)習(xí)》，曾華軍、張銀奎譯， 機(jī)械工業(yè)出版社2008年版，第3頁。

5 Insight Whale， “What is Machine Learning？ Definition，Models and Examples”， https：//insightwhale.com/what-is-machine-learning-definition-models-and-machine-learning-examples/，2024年10月11日訪問。

6 Sara Brown， “Machine Learning，Explained”， https：//mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained，2024年10月11日訪問。

7 Adam Zewe， “Explained： Generative AI”， https：//news.mit.edu/2023/explained-generative-ai-1109，2024年10月11日訪問。

1 Coursera Staff， “AI vs. Generative AI： Exploring the Artificial Intelligence Landscape”， https：//www.coursera.org/articles/ai-vs-generative-ai，2024年10月11日訪問。

2 Eben Carle， “Ask a Techspert： What is Generative AI？”，https：//blog.google/inside-google/googlers/ask-a-techspert/what-is-generative-ai/，2024年10月11日訪問。

3 F. Akopyan et al.， “TrueNorth： Design and Tool Flow of a 65 mW 1 Million Neuron Programmable Neurosynaptic Chip”， in IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems， vol. 34， No. 10， pp. 1537-1557， Oct. 2015， 2024年10月11日訪問。

4 https：//www.intel.com/content/www/us/en/newsroom/news/intel-builds-worlds-largest-neuromorphic-system.html#gs.9rwhbn，2024年10月11日訪問。

5 OpenAI， “Generative Models”， https：//openai.com/research/generative-models，2024年10月11日訪問。

6 Roberto Cahuantzi， Xinye Chen， Stefan Güttel， “A Comparison of LSTM and GRU Networks for Learning Symbolic Sequences”， https：//arxiv.org/abs/2107.02248，2024年10月11日訪問。

1 Elastic： 《什么是生成式 AI？》， https：//www.elastic.co/cn/what-is/generative-ai，2024年10月11日訪問。

2 Bart Holterman， “Kees van Deemter：Does ChatGPT have Theory of Mind？”， https：//arxiv.org/abs/2305.14020，2024年10月11日訪問。

3 IBM， “What are LLMs”， https：//www.ibm.com/topics/large-language-models，2024年10月11日訪問。

4 Hangyeol Kang， Maher Ben Moussa， Nadia Magnenat-Thalmann， “Nadine： An LLM-driven Intelligent Social Robot with Affective Capabilities and Human-like Memory”， https：//arxiv.org/abs/2405.20189，2024年10月11日訪問。

5 Humza Naveed， et al.， “A Comprehensive Overview of Large Language Models”， https：//arxiv.org/abs/2307.06435，2024年10月11日訪問。

6 Diederik P. Kingma，“Max Welling， An Introduction to Variational Autoencoders”， https：//arxiv.org/abs/1906.02691，2024年10月11日訪問。

1 Moez Krichen， “Generative Adversarial Networks”， https：//ieeexplore.ieee.org/document/10306417，2024年10月11日訪問。

2 Ashish Vaswani， et al.， “Attention Is All You Need”， https：//arxiv.org/abs/1706.03762，2024年10月11日訪問。

3 IBM， “What is a Transformer Model？”，https：//www.ibm.com/topics/transformer-model，2024年10月11日訪問。

4 Nikolas Adaloglouon， “How Transformers Work in Deep Learning and NLP： an Intuitive Introduction”， https：//theaisummer.com/transformer/，2024年10月11日訪問。

5 Jascha Sohl-Dickstein， et al.， “Deep Unsupervised Learning Using Nonequilibrium Thermodynamics”， https：//arxiv.org/abs/1503.03585，2024年10月11日訪問。

6 Jonathan Ho， Ajay Jain， Pieter Abbeel， “Denoising Diffusion Probabilistic Models”， https：//arxiv.org/abs/2006.11239，2024年10月11日訪問。

7 尚輝：《2023美術(shù)：AI圖像挑戰(zhàn)下的重返與新發(fā)》，《中國文藝評論》2024年第4期，第55頁。

8 陳吉：《Sora、未來影視藝術(shù)與作為“變量”的文學(xué)》，《文化藝術(shù)研究》2024年第1期，第31頁。

9 OpenAI，“Video Generation Models as World Simulators”，https：//openai.com/index/video-generation-models-as-world-simulators/，2024年10月11日訪問。

1 王海龍：《做一個思想者——訪美學(xué)家鄧曉芒》，《中國文藝評論》2023年第9期，第122頁。

2 英偉達(dá)就在嘗試以O(shè)mniverse為平臺構(gòu)建一個與物理世界平行的虛擬世界。相關(guān)信息見網(wǎng)頁https：//developer.nvidia.com/omniverse，2024年10月11日訪問。

3 陽志平主編：《追時間的人：信息過載時代的知識解決方案》，中信出版社2016年版，第1頁。

1 相關(guān)信息見OpenAI公司網(wǎng)頁，https：//openai.com/index/gpt-4-research/，2024年10月11日訪問。

2 相關(guān)信息見OpenAI公司網(wǎng)頁，https：//openai.com/index/gpt-4v-system-card/，2024年10月11日訪問。

3 相關(guān)信息見OpenAI公司網(wǎng)頁，https：//openai.com/index/hello-gpt-4o/，2024年10月11日訪問。

4 丹尼爾·L. 埃弗里特：《語言的誕生：人類最偉大發(fā)明的故事》，何文忠等譯，中信出版社2020年版，第6頁。

5 趙汀陽：《尋找動詞的形而上學(xué)》，生活·讀書·新知三聯(lián)書店2023年版，第12頁。

6 李世奇：《人工智能：給藝術(shù)帶來更多創(chuàng)新和可能》，《光明日報》2024年1月19日，第7版。

7 約瑟夫·M. 威廉姆斯、約瑟夫·畢薩普：《風(fēng)格：寫作的清晰與優(yōu)雅》，張飛龍譯，北京大學(xué)出版社2020年版，第15頁。

1 胡磊、金元浦：《ChatGPT時代語境下的文學(xué)觀察——金元浦教授訪談錄》，《創(chuàng)作評譚》2024年第1期，第17頁。

2 拉約什·埃格里：《編劇的藝術(shù)》，黃雋華譯，海南出版社2020年版，第1頁。

3 大衛(wèi)·韋斯曼、大衛(wèi)·戴蒙德：《好萊塢編劇的生意經(jīng)》，孟影譯，文匯出版社2020年版，第86頁。

4 黃丹：《電影劇作筆記》，上海三聯(lián)書店2017年版，第111頁。

5 正如美學(xué)家耀斯所言：“審美興趣不同于一般的好奇心，不只是對新鮮事物的驚詫，它是一種類似發(fā)現(xiàn)新大陸式的新的觀察方式?！睗h斯·羅伯特·耀斯：《審美經(jīng)驗(yàn)與文學(xué)解釋學(xué)》，顧建光等譯，上海譯文出版社1997年版，第2頁。

6 石濤：《石濤山水畫譜》，上海人民美術(shù)出版社2020年版，第5頁。

1 Michal Kosinski， “Theory of Mind May Have Spontaneously Emerged in Large Language Models”，https：//www.gsb.stanford.edu/faculty-research/working-papers/theory-mind-may-have-spontaneously-emerged-large-language-models，2024年10月11日訪問。

2 Juston Forte， “Introduction to GPT-4o”，https：//cookbook.openai.com/examples/gpt4o/introduction_to_gpt4o，2024年10月11日訪問。