尽管艺术界对人工智能的“创作抵抗”可以理解，但这阻碍了对其的真正认识。应当将人工智能视为与人类共享语言的工具，并借助读者反应理论、后结构主义和文化史来理解它。虽然人工智能的训练数据存在版权争议，但写作者和人文学者更应主动实验，将其用于教学、写作和思想训练，通过掌握“元人工智能”能力，学会在保留人类思考和创造优势的同时，更有效地与人工智能互动。
创作抵抗：一种可以理解但有局限的反应
近年来，人工智能已成为一面反映个人立场的“政治性格测试”。在艺术和文化领域，人们感到尤为受到威胁，因为技术似乎正在侵入他们最珍视的领域：文字和思想的创造性使用。作为回应，许多写作者选择了抵抗，试图捍卫人类的“真正”创造力，以对抗机器。
这种 “创作抵抗” 在全球分布不均：
- 北美：抵抗情绪最为强烈。
- 亚洲（印度、中国、韩国）：态度更为开放和探索性，学生们更关心如何有效使用这些工具。
- 欧洲：态度介于两者之间。
这种抵抗虽然可以理解，但最终会妨碍我们认识人工智能。它让我们重新陷入一种过时的二元对立：一边是前卫的科学，另一边是固守传统的艺术与人文。
面对人工智能的威胁，作家和艺术家们迅速忘记了过去几十年对“人类创造力”的解构，转而寻求对传统人类创造力观念的庇护。
共享语言模型：人与机器的交汇点
“创作抵抗”最大的问题在于，它让我们忽视了人工智能最有趣的特质：它基于语言——一种我们与它共享的东西。
这并不意味着机器和人类以相同的方式学习或使用语言，更不意味着人工智能具有意识。关键在于，语言是人类与机器相遇的共同领域。我们必须习惯这个星球上存在另一种语言使用者。
这个 “共享语言模型” 解释了为什么我们从一开始就能与人工智能互动。
用人文理论解读人工智能
为了理解人工智能带来的影响，我们可以借助人文学科中的一些理论工具。
读者反应批评
该理论认为，文本的意义并非由作者单方面决定，而是由读者在阅读行为中共同创造的。
- 核心观点：重要的不是文本是如何被书写的，而是它如何被阅读。
- 对人工智能的启示：真正的问题不是人工智能生成的文本质量有多高，而是读者是否会持续以不同的方式（或根本不）阅读它们。人们现在对人工智能创作的文本感到被欺骗，但这种态度会一直持续下去吗？
后结构主义
后结构主义，特别是雅克·德里达的思想，帮助我们看清语言的本质。
语言并非某种使我们成为人类的神秘能力，而是一种奇特的技术，它控制了我们并改变了我们的思维方式。
德里达认为，书写比口语更根本，因为书写更明显地揭示了语言作为一种人工创造的系统。这种观点打破了语言“自然”而书写“人工”的传统观念，为我们接受另一种人工语言使用者（人工智能）铺平了道路。
从文化史中汲取智慧
文学和神话早已开始思考人工智能。从皮格马利翁神话到卡雷尔·恰佩克创造的“机器人”，我们拥有丰富的文化资源来思考其他形式的智能。
以玛丽·雪莱的 《弗兰肯斯坦》 为例，这部小说惊人地预见了人工智能的一些核心概念：
- 语言学习：怪物通过偷听人类家庭对话来学习语言。
- 训练数据：怪物的智力和世界观由它阅读的四本书决定，这四本书构成了它的“超级经典”，塑造了它的思想和情感。
- 文化反馈循环：我们对人工智能的想象（如《终结者》）本身就是其训练数据的一部分，这反过来又影响了人工智能的行为，形成了一种文化反馈。
版权、实验与教育
版权困境
人工智能公司未经许可使用受版权保护的作品来训练模型，引发了广泛的法律诉讼。这不仅是简单的盗版问题，更棘手的是，这些公司声称适用旨在保护艺术家创作自由的 “合理使用” 原则，从而威胁到维系艺术创作一个多世纪的平衡。
呼吁实验：成为“氛围编程者”
与其抵抗，不如主动实验。现在，只需用日常语言（即“氛围编程”，vibe coding），我们就能创建自定义工具，将人文思想付诸实践。
作者的个人经验是，通过将《弗兰肯斯坦》中关于“训练数据”的描述付诸实践，成功创建了一个基于小说设定的聊天机器人。这种实践让他学会了像工程师一样思考：如何将洞见和哲学转化为有具体实际用途的应用。
教育的未来：认知技能与元人工智能技能
在教育领域，我们需要双管齐下：
- 保护核心认知技能：学生仍需通过传统方式学习阅读、写作和思考，以发展重要的认知能力，避免完全依赖人工智能走捷径。
- 教授“元人工智能”技能：学校必须教导学生如何有效使用和思考人工智能。这包括学习如何与人工智能有效互动，如何将其用作激发思考的“陪练”，以及如何判断其生成内容的质量。
最终，通过亲自与写作过程搏斗，学生才能培养出判断力，并掌握那些人工智能不擅长的风格技巧，从而获得超越人工智能的优势。我们应该利用自己作为“文字匠人”的理论和历史工具，去理解并塑造我们与人工智能的互动方式。