《中阿含·箭喻经》里有一个人被毒箭射中。亲眷要请医生为他拔箭疗伤,他却执意先弄清:射箭的人姓什么、出身何处、住在哪里,用的是什么弓、什么箭。佛陀说,如果一定要等这些问题都有答案才肯治疗,答案未明,人可能早已命终。

中箭者的问题并非毫无道理。箭从何来,当然值得追问。他的错误,在于把“弄清来路”设为接受治疗的前置条件,让对来源的追问压倒了对伤口的处理。

今天的人机写作之争,也有类似的次序问题。一篇文章还没有接受阅读与检验,是否使用AI,已经预先决定了它的价值与资格。但要理解这种轻视,先要看到它针对的具体情形。

过去,写文章被认为是一种需要长期训练的技能。它不仅意味着把句子写通,还意味着能够发现问题、组织材料、形成判断并完成表达。一篇文章背后,默认存在着一个经历过观察、构思、写作与修改的人。文章既是表达的结果,也是思考过程的证明。

AI出现以后,这一过程在不少人的印象中被压缩成了提示词输入:给出一个题目,机器便生成一篇结构完整、语句通顺的文章。人看似是作者,实际上只是指令的发出者与成品的接收者。写作不再证明一个人曾经思考,只证明机器曾经生成。

文章由此显得有些廉价。过去需要训练才能获得的作者身份,现在似乎凭一句提示词就能取得。对“一键生成”的轻视,也进一步扩展为对一切人机写作的轻视。

不过,把AI带来的写作大众化一概视为幻象,并不符合事实。

一项针对职业写作任务的实验发现,使用ChatGPT后,参与者完成任务的平均时间减少了40%,文本质量平均提高了18%,原本表现较弱的参与者受益更多;该研究只涉及短时、功能性写作,且未专门核查事实准确性。[1] 因此,上述结果不能外推到深度报道、学术研究或长篇文学创作,但它至少说明:AI确实能够降低部分写作门槛,补偿一些表达上的短板,而不只是制造文章废品。

真正具有虚幻性的,是把“获得一篇文章”误认为“完成了一次思考”,把文本生产能力的普及误认为思想已经成熟。一张自动印出的药方,不等于完成了一次诊断;一篇自动生成的文章,也不等于经历了观察、追问和判断。

真实的门槛下降与虚幻的思想成熟,可以同时存在。

因此,需要分清“AI替人写作”与“人借助AI写作”。

前者把问题、材料、判断和修改一并交给机器,人只负责接收成品。后者则是一个反复往返的过程:AI生成,人追问;AI整理,人核实;AI提出解释,人根据经验和证据决定取舍。文章可以由机器起草,却不能未经人的判断便直接成为人的作品。

比如,要写一篇老街商铺变迁的文章,AI初稿很可能把原因归结为“电商冲击、消费升级、政策调整”。这些解释句子齐全,也看似周全,却可能适用于任何一条老街。

写作者真正要做的,是继续追问:变化发生在哪条街、哪类店铺、哪一段时间?随后核对租金和商户资料,了解店主的实际处境,再让AI帮助比较不同时段、整理材料。如果最后发现,电商只是背景,租金变化和同业复制才是更近的推力,那么这个判断就不是一句提示词自动带来的,而是在追问、核实和改写中逐渐形成的。

在这个过程中,AI也可能提供一个作者原先没有想到的比较角度。人的主体性并不要求每一个想法都必须独自产生,而是要求作者知道哪些想法可以进入文章,哪些材料仍须核实,哪些结论即使漂亮也不能接受。人机对话可以参与思考,判断和责任却不能随文字一起外包。

文章最终仍须接受阅读。

对于信息类文章,重要的是事实是否准确、来源是否可核、逻辑是否成立、解释是否有助于理解现实。符合这些要求,使用AI辅助检索、归纳和表达,并不减损文章的价值;不符合这些要求,即使逐字由人写成,也不能因为“纯手工”而获得真实性的豁免。

一些实验也显示,即使文本不变,只要把作者标签从“ChatGPT”换成“人类作者”,读者对作者能力和文本质量的评价就可能提高。[3] 这说明,人们并不总是先阅读再判断,作者标签本身就可能替代阅读。

叙事写作则更复杂。关于短篇故事的研究发现,AI建议能够提高部分作品的完成度,对原本创造力较弱的写作者帮助尤其明显;但AI辅助生成的故事也彼此更加相似。[2] 个体作品变好与整体内容趋同,并不矛盾。

所以,评价叙事作品不能只看情节是否曲折。AI可以安排误会、反转、悬念和冲突,但故事有转折,未必有生命;文字够流畅,也未必有经验。真正打动人的,常常是人物在处境中的迟疑,是生活留下的细节,是疼痛、羞耻、眷恋与尊严被准确说出。

叙事作品要让读者看见中箭的人如何疼痛,而不只是设计一支更离奇的箭。AI可以复述疼痛的词语,却不能替写作者真正中一次箭。这样的经验,仍须由人从生活、观察与行走中取得。

一部《红楼梦》所用的汉字,都可以在一本《汉语大字典》中找到,字典却并不因此拥有《红楼梦》的文化艺术价值。作品的价值不只在材料的占有,更在材料的组织:作者以自身的经验、思想和艺术判断,把人人可用的汉字组织成人物、情节、结构与意境。

AI当然不只是一本字典,它已经能够组合语言、生成篇章,甚至提供出人意料的创意。这个比喻要说明的不是AI不能创造组合,而是组合不会自动生成价值。哪些组合值得保留,它们最终构成什么,仍需要人的经验与判断来确认。

因此,把AI只称为“能力倍增器”还不够。它既能放大人的能力,也能补偿部分短板,还可能在对话中启发人。但文章能否深入,要看人是否满足于机器给出的第一个答案;能否开阔,既看AI带来多少材料和角度,也看人能否收束纷繁的信息;最终能达到怎样的高度,则取决于人能否作出独立判断,知道什么可以断言,什么只能存疑,什么即使流畅也应当舍弃。

药箱可以装下更多药材,医书可以列出更多药方,有时还能给医者新的提示,但验伤、辨毒与定方仍须落在具体的人身上。生成更快,不等于思考更深;文章更多,也不等于知识自然变得精准。

当然,先拔箭并不等于永远不问箭从何来。

当文章涉及新闻报道、学术结论和公共建议时,资料来源、引用依据、核验过程与署名责任,仍须交代。如果作品明确宣称“亲历”“实地调查”,生产过程本身就是真实性承诺的一部分。若出现抄袭、诽谤、伪造材料或错误信息,也必须追查责任由谁承担。

评价文本价值时,不能以生产方式代替质量判断;追究公共责任时,也不能以内容看似有用为由,取消对生产过程的追问。

未来的知识生产,会有越来越多资料整理、大规模归纳和功能性表达交由AI完成。人需要守住的,不只是亲手写下每一个字,而是提出真问题、核验材料、取得经验、作出判断,并为最终文本负责。AI时代,学习不是失去了意义,而是更少停留于记住现成答案,更多转向那些无法由一次生成代替的能力。

面对一篇人机协同写成的文章,我们可以先问:它是否真实,是否成立,是否给读者带来了知识、理解或审美上的回应?然后再问:AI参与了哪一环,谁核验,谁负责?

该拔箭治疗时,不要因为研究箭杆的纹饰而耽搁治疗时间;需要追责时,也不能假装箭没有来路。

人机写作的分寸,就在这两句话之间。

参考资料

  1. Noy & Zhang,《生成式人工智能对生产力影响的实验证据》,《科学》,2023年;MIT经济学系研究说明。

  2. Doshi & Hauser,《生成式人工智能提升个体创造力,但降低新内容的集体多样性》,《科学·进展》,2024年。

  3. Proksch等,《文本主题及假定人类或AI作者身份对能力与质量评价的影响》,《人工智能前沿》,2024年。