---
author: Best Partners TV
date: '2026-04-04'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=hm62_lQzBCY
speaker: Best Partners TV
tags:
  - probabilistic-generation
  - template-driven-creation
  - memory-driven-authorship
  - human-experience
title: “图灵、AI与不可替代的创作”
summary: “从图灵测试到当代大语言模型，本文梳理AI与人类创作的边界：AI放大了人类的模板化倾向，但无法复制基于个人记忆与生命体验的原创性。”
insight: ''
draft: true
series: ''
category: “ai-ml”
area: “tech-engineering”
project: []
people: []
companies_orgs: []
products_models: []
media_books: []
status: evergreen
---
大家好，这里是最佳拍档，我是大飞。今天的话题可能会戳中很多创作者的焦虑，也会让我们重新思考：在AI能写诗歌、写小说、甚至写剧本的时代，人类的创造性还有哪些不可替代的价值？当**Claude**能在几秒内写出符合格律的十四行诗、当**大语言模型**（Large Language Model: 基于海量文本训练的 AI 系统）能复刻类型文学的经典套路，我们不禁要问：AI真的会取代人类创作吗？答案一部分藏在七十多年前的**图灵测试**设想里，一部分藏在人类创作最本质的生命体验中。

图灵在1950年《计算机器与智能》一文里，放弃纯数学论证，提出了“模仿游戏”的人文化测试：最初规则是猜测者向两个在别室的人（男女）书面提问，通过答案判断性别；图灵把其中一方替换为机器，核心问题就变成机器能否通过书面回答让人类无法区分其与人类的差异。他举了两个经典问题，第一是“请告诉我你的头发有多长？”，第二是“请以福斯桥为主题，为我写一首十四行诗”。图灵强调：要冒充为人的机器必须懂得社会常识——例如“普通人并不写诗”——这类对社会情境的理解，本身就是智能的体现。但同时也不能忽视图灵论述中的时代偏见（例如他在文中对宗教与民族的一些类比，现今看来明显不妥）。在理解图灵测试的文化语境与限制后，我们继续考察写作如何被拆解为可教授、可复制的流程，以及这对AI意味着什么。

### 程序化写作与AI
人类写作长期走向可教学化与可拆解化。**爱荷华写作工作坊**自上世纪已把写作变成课程化训练：其核心逻辑可归纳为
- **厘清什么样的写作才算有效**；  
- **建立流程，引导写作者逐步逼近理想输出**。

类似地，影视与类型文学有明确的叙事模板：**三幕结构**、**英雄之旅**等被视为“秘籍”，创作者通过逆向工程经典作品（如《大白鲨》《证人》）提炼可迁移要素并复现情感效果。对应到算法层面，这与**反向传播**（Backpropagation: 用于训练神经网络、通过误差反向调整参数使模型收敛）在逻辑上高度同构：监督者设定目标答案，训练过程不断调整直到输出接近预设目标。由此可见，人类的可教化写作与大语言模型的训练机制在“规则化、目标驱动”的方向上惊人相似。理解了这个共性，就更容易看清AI为何能高效复制“成功公式”。

在理解程序化机制后，接下来看AI如何把人类的这些弱点放大。

### AI放大的人类问题
从统计和产业层面可以看到问题：根据Data USA统计，美国每年约有**4000名创意写作艺术硕士**毕业，但产出伟大作品的比例远低于人数增加的速度。很多新人写作者的创作逻辑，实际上与指令式的AI提示法并无二致——“我想写一本像去年的畅销书那样的作品”“我要写一部介于 A 与 B 之间的小说”，这类目标导向的模板化写作忽略了情感与体验的内核。由此产生的，是大量“看起来像”的文本，而非深刻独特的声音。

在视觉艺术与情感建模面，**ArtEmis**这样的项目试图通过6500多名参与者的情绪标注来训练模型，使机器生成能预测并触发相似情绪反应的作品；好莱坞的焦点小组亦是类似实践。问题在于：人类的情感反应是多变且个人化的，焦点小组与大规模情绪标注只能捕捉到“可预测”的部分，无法必然产出长久打动人的艺术。2023年编剧工会的罢工虽然为剧作者争取了针对生成式AI的保护条款，但这并没有显著提升优秀艺术作品的产出——原因在于，即便没有AI，人类创作体系本身就产出大量平庸作品。AI的特长在于无限复制并放大这种市场化、公式化的产出：类型文学（犯罪、间谍、言情等）本就高度依赖可识别公式，正是大语言模型最擅长复刻的领域。因此，AI更像是放大镜而非根源。

这种放大效应引出一个关键术点：什么是AI永远无法复制的？

### 回忆录的不可替代性
早在1842年，**埃达·洛夫莱斯**对查尔斯·巴贝奇的分析机做出洞见：分析机“根本无意创造任何东西，它只能完成我们知道如何命令它去完成的任务”。这句话强调了机器的执行性与人类思维的创造性之间的根本差别。真正的原创性，往往源于独特的生命经验与记忆，而这正是机器难以触及之处。

法国作家**乔治·佩雷克**的《消失》（全文不出现字母“e”）是一个极端范例：表面看似是形式游戏，但其形式背后连着作者的个人史——父母在战争中消失，使“e”的缺席承载了失落与在场的张力。正是这种与个人经历不可分割的形式选择，使作品成为反“消失”的艺术行动，这是机器无法仅凭数据复刻的情感根基。类似地，**马塞尔·杜尚**所说的“那个缺失的环节，而非已经存在的环节”，直接指向艺术的介隙与缺口，那里是个人经验与他者共鸣发生的地方。

基于对记忆与经验的信任，**理查德·比尔德**提出了“**通用图灵机**”项目：一个可扩展的八乘八网格，写作者可认领格子并写入约千字的个人记忆，读者可在不同记忆间游走。这个项目的核心并非测试机器，而是把写作视为“将记忆重新组合与思考”的实践——正是这种将写作当作思考的过程，构成了对AI同质化创作的根本抵抗。

### 抵抗与保留的实践
当下已有若干行业性应对：出版社在书封上贴“**人类创作**”标签、视觉艺术中出现“非AI生成/人类智慧创作”标识，这类做法可能只是短期屏障。但更根本的做法，是鼓励并保留那些不借助技术辅助的创作尝试——把写作当作思考的方式，强调个人记忆、形式实验与对经验的重新解释。理查德·比尔德的“通用图灵机”就是一种具体实践：它开放写作入口，倡导以个体经验互为触媒，拓宽那些机器难以进入的“记忆储藏室”。

在这场人类与机器的创造性较量中，结论并非技术胜负的单纯比拼，而是关于能否保留并放大那些源自**真实生命体验**的表达。机器能模仿套路、统计概率并持续复制，但它无法替代通过回忆、体验与思考而生成的独特声音。正如结尾所述：艺术的本质是生命与生命的对话；在这点上，Y（讲述真实的那方）最终获胜。感谢收看，我们下期再见。