人工智能对文学创作的介入并非新议题。自20世纪中叶“图灵测试”提出以来，从早期的文本生成实验到如今深度学习赋能的大语言模型，人工智能在文学领域的探索已历数十年。在此过程中，人工智能的研发路径与技术条件几经转变，关于人工智能与人类关系的认知与设想也不尽相同。与之相应，人工智能文学创作的尝试也呈现出多样化的愿景与方向。正如奥斯卡·施瓦茨所指出，人工智能文学实践主要受两种路径影响：一是肇始于图灵《计算机器与智能》的“自动化愿景”(automative vision)，致力于让计算机模拟人类，最终达成替代；二是奠基于利克莱德《人—机共生》的“混合愿景”(hybrid vision)，主张通过人机协作释放机器智能。在实践中，前者表现为人工智能对人类文学创作的模仿，“程序员试图通过使计算机具备对人类诗歌的功能性模拟，从而将创造性代理(creative agency)编程进计算机”；后者则强调人机协同，“程序员与计算机协作，共同创造出一种新的混合型创造性代理，以促进对文学创作新形式的探索”。①简言之，图灵式路径侧重模仿与替代，利克莱德式路径突出协作与共生。这两种路径不仅代表了技术路线上的差异，更反映了对人机关系、文学本质、创作主体等问题的不同理解。当前，大语言模型的技术突破使人们对人工智能文学的想象更多地倾向于图灵式路径。然而，回顾人工智能文学创作的历史，不难发现两种路径始终交织互动，利克莱德式路径甚至一度占据优势地位。而从人工智能文学的现状与未来来看，利克莱德式路径所倡导的人机协作模式也仍具有巨大的发展潜力；即便看似追求自动化的图灵式实践，其底层往往也离不开利克莱德式的协作逻辑。或许，只有公正地认识到这两种路径各自的重要性及其交互关系，并在此基础上进行更为深入的探索与实践，才能充分释放人工智能文学巨大的革新潜能。 一、利克莱德式路径的背景与历史 在早期关于机器智能潜能与影响的广泛讨论中，图灵于1950年发表《计算机器与智能》一文，提出了著名的“模仿游戏”(后来常被称为“图灵测试”)，为人工智能发展奠定了重要理论基础。1952年，图灵的朋友克里斯托弗·斯特拉奇设计出一种能够通过替换特定词汇生成不同版本爱情信件(love letters)的计算机程序，成为计算机生成文学实践领域的首个案例。然而，斯特拉奇本人并未像当时人们所期待的那样，宣称计算机已具有自我表达的能力，而是特别强调了程序员在程序设计过程中的关键作用。他指出：“这些信件显然是通过一个相当简单的技巧生成的，计算机并未真正‘思考’。这对于所有让计算机看似在‘思考’的程序都是成立的；经过分析，这些程序不过是一些相当复杂的技巧。”②事实上，不仅斯特拉奇如此，多数早期人工智能文学与艺术的实验者几乎都不认为计算机能够成为与人类比肩的作者。如伯特拉姆与蒙特福特所说：“艺术家/程序员、作家/程序员以及其他从事计算与语言探索的研究者更愿意接受一种更具概念性和实验性的写作传统。他们可能对于开发听起来酷似人类或能够冒充人类的文本生成系统并不感兴趣。”③此种观念上的倾向使得早期人工智能文学实验与其说遵循以模拟人类为导向的图灵式路径，毋宁说更接近强调人机协作的利克莱德式路径。1960年，利克莱德在其发表的《人—机共生》一文中提出，在图灵式人工智能全面实现之前，将存在一个过渡时期。在此时期，“人类大脑与计算机能够紧密结合，共同形成一种前所未有的思维方式，并以我们当前的信息处理机器无法企及的方式处理数据”④。与将计算机仅视为执行任务的工具不同，利克莱德主张计算机应在与人类的协作中分担创造性角色，从而实现人类与计算机单独无法完成的任务。从总体上看，20世纪50-90年代的人工智能文学实践基本都在利克莱德这一理念的引导下展开，其重点不只是探索计算机如何进行文学创作，更在于通过人机协作探求文学创作新的可能空间。利克莱德式路径之所以在这一阶段占据优势地位，大致有以下几方面原因。 第一，技术条件的限制。在斯特拉奇等人利用计算机进行文学实验时，计算机仍处在早期发展阶段，体积庞大，成本高昂，主要服务于政府和大型机构，普通人接触到的机会极为有限。编程方式依赖打孔卡和磁带输入，操作效率仍较低下。查尔斯·哈特曼生动地描述了20世纪60年代的编程过程：“你先在一张纸上写下程序。然后去寻找一台空闲且正常工作的打孔机。这是一台灰色设备，大小相当于一只侏儒河马，内部挤满了齿轮和马达，发出类似坏掉的蜂巢或自动织布机的声音……在那里，你将程序逐行输入‘IBM卡片’，每张卡片对应一行代码。然后，在尽力剔除所有错误卡片后，你将‘卡片组’带到一个有机玻璃窗前，负责的职员——通常是正在接受训练的研究生计算机助手——接管了这些卡片……第二天，或再过一天——假设计算机正常运行……你便可以领取用绿白相间的宽幅打印纸包裹的卡片组，上面列满了计算机识别出的各类错误代码，这些代码让你费解，而计算机显然也未能理解你最初项目的意图。”⑤此类20世纪50-60年代早期计算机操作笨拙、烦琐的状况，显然使人们更倾向于将计算机视为需深度协作的工具，而非自主智能的实体。直至20世纪70年代中期，个人计算机(PC)日渐推广，再到20世纪80年代初，图形用户界面(GUI)逐步商业化，才使计算机操作对非专业人群变得友好，隐藏了内部的复杂性，增强了交互的直观性。在此基础上，将计算机称作文学作品的独立创作者的声音也才越来越多。并且，早期的人工智能技术(1950-1980年)遵循符号主义(Symbolism)路径，依靠程序员为计算机任务制定明确的规则。这种方法使得人们能够像理解机器的机械运转一样，清晰地把握其运作原理。而自20世纪90年代起，人工智能技术转向连接主义(Connectionism)路径，机器学习的应用使计算机工作模式发生了根本变化，从基于演绎逻辑的“规则+数据=答案”的传统框架，演变为基于归纳逻辑的“数据+答案=规则”的新范式。⑥在此过程中，人们不再直接编写程序规则，而是通过算法让计算机从数据中自主学习并归纳规则。由于其内部过程对于人类变得较难解读，常被视为“黑箱”，计算机由此从单纯执行指令的机械装置，转变为看似具备自我学习能力的主体。人工智能文学的尝试也从依赖人类规则的创作，发展为基于数据模拟人类风格的生成，从而逐渐偏向于图灵式路径。 第二，文艺潮流和美学思潮的影响。人工智能文学实验并非计算机技术在文学领域的单纯延伸，而是与同时代的文艺潮流密切交缠。斯科特·雷特伯格指出，包括人工智能文学在内的电子文学并非完全脱胎于数字技术谱系，而是“与20世纪的实验性写作和先锋艺术运动具有特别深刻的联系”⑦。换言之，人工智能文学实验所追求的文学效果，不仅体现了计算机技术的特性，更契合了现代文学与先锋艺术的某些内在诉求。人们往往先持有特定的文艺与美学理念，再借助计算机技术加以实现，从而使计算机成为艺术家践行其美学原则的协作伙伴。具体而言，在文艺潮流方面，人工智能文学的“自动性”与超现实主义的“自动写作”形成呼应，其“随机性”受到达达主义的“剪切技术”的启发，而其“程序性”则与“潜在文学工坊”的“限制写作”相互映照。⑧此外，约翰·凯奇以偶然性、非意图性、过程性为核心的艺术理念，以及马塞尔·杜尚征用现成品进行创作的实践，均对人工智能文学的众多实验者产生了深远影响。激浪派(Fluxus)、具体诗(concrete poetry)、纯粹声音诗歌(pure poetry of sound)、意象诗(imagistic poetry)、俳句(Haiku)L=A=N=G=U=A=G=E文学运动等更纷纷借助计算机技术探索自身的表现潜力。这些文艺流派往往缠结共生，共同塑造了人工智能文学的发展轨迹。例如，在20世纪60年代格林尼治村先锋艺术思潮激荡的环境中，艾莉森·诺尔斯(Alison Knowles)创作了人工智能文学的早期代表作之一《尘之屋》(The House of Dust)，将激浪派、概念艺术、偶发艺术等先锋理念汇聚于一身。⑨
