人工智能文学有风格吗——兼论大语言模型的风格迁移路径
内容提要 作为人工智能技术介入文学创作的重要方式，“风格迁移”推动着人工智能文学从表层语言模仿向深层风格重构转型。以人类文学风格为标准，人工智能通过筛选语料与训练模型，实现了大语言模型的风格迁移，并使之成为一种生成风格的技术机制。这不仅折射出“AI文本”与“AI文学”的辩证关系，也更新了风格的内涵和外延：风格是语言修辞的技术性外显，更是文学生成语境中的主体性显现。沿着风格的可计算边界，我们能够更好地理解技术如何切入文学风格的发生与发展，从而催生出一种人工智能驱动下的文学生产方案。在风格迁移的技术突破背后，是人工智能文学作为仿制品的审美价值重塑，也是其进入人类文学内部，为文学打开新向度的契机。
关键词 人工智能文学；风格迁移；算法机制；梅洛-庞蒂；完美赝品
1950年，英国数学家图灵在《计算机器与智能》中提出了一个思想实验，实验设置了三个角色：一位人类审问者（C）、一台计算机（A）和一位人类回答者（B），三者被隔离在不同的房间中，只能通过文字进行交流。在实验过程中，C向A和B提出问题，并基于回答辨别谁是人类，谁是机器。如果C选择计算机A为人类，则此计算机可被视为通过图灵测试，即其文本质量与对话能力达到人类水平。这个“智能测试”暗含了一个值得深究的问题：以“无法区分”作为判断标准，是否预设了人类行文风格与人工智能行文风格的并列与比较？因为只有A在风格上也足以“混淆视听”，才能通过图灵测试，这意味着A必然不存在自身独特的行文风格。然而，基于大语言模型生成的人工智能文学常常面临“AI感”“机械感”的评价，此即人工智能文学的“风格悖论”：它要么有风格（因而被辨认），要么无风格（因而被混淆），却不能同时拥有可辨认性与不可区分性。那么,“AI感”究竟是技术尚未完善的阶段性产物，还是人工智能文学独有的、可被辨认的风格标识？
这一追问之所以必要，是因为古往今来，“风格”始终被视为与创作者的生命体验、历史语境和意向性表达深度绑定的概念。当非人类主体介入创作，我们不得不重新审视：“风格即人”这一传统范式是否已被改写甚至颠覆？AI时代的“风格”是否可能脱离主体的生命经验，成为一种通过算法任意迁移的纯粹形式？要回答这些问题，就必须直面人工智能文学带来的风格争议，深入剖析其生成机制，才有可能揭示出它带来的审美范式新变。
一 风格悖论：“AI文本”与“AI文学”的相反相成
要解释人工智能文学的“风格”问题，首先要了解它独特的生成机制：人类键入提示词后，人工智能通过算法模型的预先设定，向语料库调取词语，并以概率测算下一个词语的方式输出文本，此时“AI文本”的生成质量和长度由算力决定。这一文本足以通过图灵测试，但是往往不够“文学”，需要人类在提示词阶段就明确故事内容、文体类型、风格特点等，从而将模型输出“引导”或“锚定”在与特定文学风格相关的区域，写出符合要求的“AI文学”。因此，在这一过程中，实际上出现了“AI文本”和“AI文学”两种样态。
事实上，这类区分早已有之。先秦时期，“诗言志”便确立了诗歌的特殊地位，与“书”之记言、“春秋”之记事形成功能分野。至魏晋南北朝，曹丕《典论·论文》提出“奏议宜雅，书论宜理，铭诔尚实，诗赋欲丽”，系统区分了不同文体风格的写作规范；刘勰《文心雕龙》以“无韵者笔也，有韵者文也”来区分“文”“笔”，探索审美文体与应用文体之间的界限。在西方，从亚里士多德《诗学》区分“诗”与“历史”，到俄国形式主义者将“文学性”视为文学研究的核心对象，划出文学语言与日常语言的边界，强调文学通过节奏、韵律、修辞等手法实现对常规语言的偏离，千百年来，古今中外的理论家们始终在追问“是什么因素使语言信息转变为文艺作品的？它不仅涉及到各种语言行为，而且涉及到语言艺术与其它语言行为的本质区别”。
这个问题牵涉甚广，却至少说明一个事实，即文学语言与非文学语言存在一定的区分度，两者并无高下之分，却分属不同的语言功能，因为文本指向实用、沟通、信息传递，文学则指向审美、体验、意义生产。热奈特更是直接提出“语言的表达功能，与语言的概念功能、认识功能或语义功能相对立”。因此，当我们把目光转回人工智能时，也会发现“AI文本”更接近日常语言，其“风格”体现为可计算的词频、句长、搭配习惯等，简洁、清晰、意义明确，我们可称之为 “文本风格” 。“AI文学”则不同，它不仅具备特定的文学形式，还包含一定的文学手法，甚至隐含某种“神来之笔”“天才般的巧思”等要求，即 “文学风格” 。这就带来了一个新的问题，如果两者泾渭分明，为何我们在面对人工智能生成的内容时，既觉得某些AI输出的“文本风格”易于辨认，又为其充满“文学风格”的表达感到惊异，甚至难以区分其与人类文学水平之高下？ 这也是人工智能文学风格悖论的根源所在。
从算法架构层面考察，无论是“AI文本”还是“AI文学”，它们都诞生于同一个概率预测机制，这种方式生成的文本虽然在语言形式上具有“文学风格”，但并未完全脱离“文本风格”生成模式，因此，人工智能文学看上去似乎是两种风格的复合产物：AI文本作为底架，保证文本的流畅度和可阅读性；AI文学作为形式、手法、语言质感的进阶规则，形成文学表达的基本样态。这也就可以解释为什么人工智能文学会有饱受诟病的风格缺陷：扁平化的语言、概述性的内容和极具光明感的结尾。即便对提示词进行干预，这种风格特点也难以完全消失。
那么，我们能否通过改善这一缺陷，从而提升人工智能的“文学风格”呢？要回答这一问题，就要先理解人工智能文学中的风格为什么是一种复合产物。从技术逻辑上说，要使人工智能生成的文本具有良好的可读性，就要持续提升其自然语言处理的能力。以目前最常用于人工智能写作的大语言模型为例，它作为自然语言处理技术（Natural Language Processing，以下简称NLP）的具体化实践，能够通过计算系统处理和分析大量的文本数据，从而理解、生成和处理人类使用的自然语言。近年来，NLP技术的发展重心转向了基于神经网络的统计语言模型。模型的训练目标决定了其输出必然趋向于统计意义上的“均值化表达”，即在给定上下文的情况下，选择概率最高的词语组合，这就导致在书写上更接近自然语言的“文本风格”会在生产过程中被高度强化，即模型在最大化输出流畅性的目标驱动下，形成一种朝向统计均值的生成偏向。因此，我们使用人工智能进行文学创作时，即便提供了文体、故事概要、文学技巧等具体要求，生成的作品质量可能仍无法完全达到预期，而是维持在一个相对稳定的“文本风格”水平，这种“风格”的本质是人工智能在“生成可阅读内容”这一目标上所具备的技术特性。
这种技术特性与人工智能相伴而生，因为在模型训练阶段，风格一致性作为核心优化目标，能够通过双重机制确保文本输出的语言流畅度与逻辑连贯性：其一，语料筛选上不仅需要追求语言义项的精确度，还要整合多模态数以增强特征提取的稳定性；其二，算法架构与参数空间的优化需优先确保输出文本的稳定性，这种以最小计算资源投入实现最大训练效能的工程取向，必然导致文本生成趋向于统计意义上的均值化表达。训练过程的随机值一旦增高，则需指数级增加模型训练频次，算力成本也随之升高。因此，“文本风格”是LLM诞生之初就必然存在的核心特质。
这一特质不仅出现在模型开发和训练中，也深深植根于人类使用人工智能进行写作的方式中。目前的人工智能创作形式主要是人机对话，其产出的内容主要受制于两大技术要素：一是大模型训练的超参数设置，它直接控制着文本输出的随机性强度，决定风格的稳定程度；二是模型算法结构，它控制的是文本内容的可塑性边界，包括风格连贯性、一致性等。因此，在创作过程中，LLM的工程目标是生成流畅、可读、普适的文本，文学表达却“是事物的‘反常化’手法，是复杂化形式的手法”，两者之间的冲突很难调和。这一冲突在用户交互层面尤为明显：LLM的文本需要兼容自然语言的多种变形（包括方言变体、语法弹性及语义模糊性等），这种普适性要求迫使LLM采用标准化语言规范，进而引发双重审美损耗：一方面，“陌生化”文本出现的概率大大降低，但“陌生化”是“文学性”诞生的重要源头之一；另一方面，用户在使用人工智能生成文本时，很难形成自身的独特风格，但这种独特的风格是使创作者能够区别于其他人，使文本能够成为文学作品的根本原因。
回到最初的问题，人工智能文学有风格吗？这个问题看似是两种风格合成的后果，本质却是人工智能的文本生产机制特性与文学写作目标之间的张力问题。更进一步，人工智能在语言处理能力比肩人类时，为何无法创作出令人满意的文学性作品？其本质正在于功能性“文本”与审美性“文学”之间的风格悖论：一方面，LLM的优化机制以概率最大化、流畅度和可理解性为核心，这种强文本输出能力必然拉平鲜明的文学性表达；另一方面，文学要求破坏文本中的日常表达，以多义性、含混性等方式进行创作，却不得不依赖作为生产特性的文本进行生成。两者之间的冲突似乎是人工智能文学中无法摆脱的问题，也是其相较于人类文学出现的独特困境。因为在人类文学创作过程中，作家可以调和日常语言与文学语言之间的关系，甚至让日常语言也能够呈现出一定的文学性。但是当前人工智能文学主要通过人机对话实现，而LLM本质上是以日常语言数据为基础训练的功能性系统，其生成逻辑必然受到信息传递效率的规约，从而形成难以克服的机制特性，导致人工智能在转向文学创作时，在“文本”生产的高效能与“文学”表达的高要求之间形成内在张力。这也解释了为什么人工智能文学既能够在风格上“以假乱真”，也会具备一定的“AI感”。
那么，如果这一困境如此根深蒂固，人工智能还能生成具有“文学风格”的作品吗？事实上，人工智能文学不仅被验证为可能，而且已经出现了一大批人工智能文学作品。以人工智能小说为例。1977年，美国科学家詹姆斯·R.米汗（James R. Meehan）开发的Tale Spin可直接生成故事，并根据使用者设定的故事场景、角色关系和情节关键问题来建构整个故事，在此之后，陆续出现了一大批用于故事生成的自动化系统。2020年，中国科幻作家陈楸帆使用人工智能创作了《恐惧机器》《出神状态》等多篇科幻小说。2023年，清华大学教授沈阳与人工智能进行对话生成的《机忆之地》获得江苏青年科普科幻作品大赛二等奖。同年，华东师范大学王峰团队突破文本限制，采用“大语言模型+提示词工程+人工编辑”的方式创作了首部人工智能百万字长篇小说。目前，公开出版的人工智能文学已有300余部，亚马逊推出了200多本AI写作的电子图书，包括《聪明的小松鼠：储蓄与投资的故事》（The Wise Little Squirrel: A Tale of Saving and Investing）、《家庭作业的力量》（The Power of Homework）、《宇宙的回声》（Echoes of the Universe）、《人工智能接管世界一周》（The Week AI Took Over The World）、《爱与科技的融合》（The Fusion of Love and Technology），等等。这就带来了一个新的问题：生成“文本风格”的人工智能如何进行“文学风格”的创作？
二 风格转化：从“AI文本”到“AI文学”的生成路径
“文本风格”和“文学风格”之间的分野，本质上是日常语言和文学语言之间的冲突，以前者为底层风格，必然会拉平后者的独特表达，但是，我们也必须承认，文学的标准是在实际阅读体验中显现出来的。也就是说，这种差异之所以存在，是因为阅读的标准由人类设定。这提示我们，“AI文本”有可能向“AI文学”转变。实现这种转变的首要途径是人类的阅读接受：如果人工智能生成的文本能够激发读者的阅读兴趣，并引发文学审美体验，那么这些文本就可以被视为人工智能文学。
事实上，这一标准也适用于人类文学。以诗歌为例。一张留在餐桌上的便条：“我吃了李子，那些在冰箱里的。那可能是你留作早点的，原谅我，它们是那么可口，那么甜，那么冰凉”，在威廉·卡洛斯·威廉斯（William Carlos Williams）笔下，就是一首小诗：“我吃了/李子/那些在/冰箱里的/那可能/是你留作早点的/原谅我/它们是那么可口/那么甜/那么冰凉”。因此，这首诗也被译为《便条》。便条作为传递信息的文本，当内容保持不变而阅读形式改变时，被确认为文学作品，并激发了读者的阅读兴趣，引起审美感受，促成了“文学风格”的形成。当人工智能生成的文本引发读者的审美体验时，就为“AI文本”向“AI文学”的转变提供了第一条路径：以读者接受为标准，对人工智能生成的文本进行文学筛选。
仍以诗歌为例。1959年，德国人卢茨（Theo Lutz）首次使用文本生成器制作“机器诗歌”，即采用词语随机组合的方式进行生产，并按照个人审美偏好进行选择，形成“组合诗”。1962年，美国人沃西也采用这种创作方式，将词汇库中的语料与语法规则结合，进行随机生成，从中筛选出《玫瑰》《姑娘》《风筝》等系列诗作，并以《一个美国新诗人登上诗坛：埃比的创作》为题发表于美国的艺术杂志《地平线》。1989年，刘慈欣设计的“电子诗人”“从模版数据库随机提取模板，再用提取的模版从词库中随机取词”，用户只需设定行数，机器便能生成诗作，尽管机器产出的诗作数量众多，但最终被收录进诗集的，仍是那些被人类接纳为诗歌的作品。在这一系列的诗歌自动化生成实验中，诗歌都是被筛选出来，而不是被直接生成的，这个筛选过程依据的标准正是阅读层面上的“文学风格”。
从接受美学和人工智能美学的双重维度来看，这一“文学风格”的本质是通过人类审美主体的介入，以人类文学风格的形式特征为标准，对人工智能文本进行转化，从而解决“AI文本”与“AI文学”之间的冲突。这种转化使得“风格”不再是文本内部的语言结构或修辞特征，而是一个文学生产机制、文本语言特征和审美接受共在的动态阐释框架。筛选的过程，是人类审美经验介入人工智能文学生成的过程，也是原本作为静态分析对象的文本释放文学潜能的过程。因此，人工智能文学风格的生产逻辑从文本与文学的辩证之思转入基于人机协作的审美共感结构，文学风格的评判标准也由此完成了从封闭的文本内在性向开放的审美接受性转型的过程，为人工智能文学的风格模态建立起合法性。
如果以“筛选”为路径，可以建立对人工智能文学风格的范式重构，确认人工智能文学作品，那么，以文学作品本身为训练材料，是否有可能从生产环节建立算法模型，以主动性的风格生成取代被动性的风格筛选呢？也就是说，一旦“文学风格”从接受判断转化为生成规则，人类作为审美主体在筛选过程中形成的风格认知，就可以转化为被算法识别的文学向量空间，形成文学风格迁移，从而完成“AI文本”向“AI文学”转化的第二条路径：以具备人类文学风格的内容为训练语料，在生产环节进行风格迁移，实现人工智能文学的稳定生成。
事实上，在科幻小说中，早已存在这一设想。波兰科幻作家斯塔尼斯瓦夫·莱姆在《莱姆狂想曲》中收录了一篇独特的序言——短篇《比特文学的历史第一卷》，专门为其虚构的鸿篇巨制《比特文学的历史》而作，但事实上这部被评述的著作本身并不存在。在这一短篇中，莱姆将“比特文学”界定为“任何来源于非人类的作品——其真正的作者并非人（但人可能是间接作者，通过做出某些行为来激发真实作者的创造力）”，并虚构了一个文学事件：“最早一部闻名于世的比特模仿作品是假陀思妥耶夫斯基写的一部小说《女孩》。……俄国文学专家约翰·雷利在他的回忆录里描写了当他收到该俄语文稿时的震惊感，文稿上签着‘希克斯’，他还以为那是陀思妥耶夫斯基用过的一次性笔名。该作品在这位陀思妥耶夫斯基专家内心留下的印象之深刻肯定是难以用语言形容的，正如他所承认的，他怀疑自己是在做梦。作品的真实性令他无从质疑，尽管他知道陀思妥耶夫斯基从没写过这么一本小说。”同时，莱姆还提供了这种“比特文学”能够创作出媲美陀思妥耶夫斯基原作的原理：将陀思妥耶夫斯基的所有作品视为一个有缺口的圆环，通过分析他的创作，将这一缺口确定在《罪与罚》《群魔》之后、《卡拉马佐夫兄弟》之前，这也正是比特文学《女孩》的定位。这部作品的思想在《罪与罚》中有所显现，在《群魔》中得到进一步加强，在思想上与《卡拉马佐夫兄弟》有重合，但书写成熟度却逊色于后者。莱姆将这种原理称为基于给定作者的语义拓扑结构。
这虽然是科幻作品的情节，却在今天具备了实现的可能性。“比特”这个词汇源自于“Binary digit”的缩写“BIT”，原本是计算机领域中的一个专业术语，用来衡量信息量。因此，我们可以将“比特文学”视为现实中的“计算机文学”，即采用计算机系统进行书写的文学作品，人工智能文学正是计算机文学在系统迭代、算法升级过程中诞生的新文学形式。莱姆所提出的语义拓扑结构也在今天成为现实：通过构建作家作品的标注系统，可以开发出针对此文学风格的大模型，在新作品中完成风格迁移。
2017年，微软小冰发布了首部人工智能诗集《阳光失了玻璃窗》，其开发团队还曾使用“骆梦”“风的指尖”等27个化名，先后在各类社交平台发布小冰的诗歌作品，均无人发现。这证明，小冰的诗作已经具备了被认可的“文学风格”。这种“文学风格”的生成始于开发阶段的训练过程：微软小冰在进行诗歌创作之前，用三年时间，对1920年以来519位中国诗人的现代诗反复学习了近万次。与此相似的还有四川封面团队开发的AI诗人“小封”，它学习的是李白、白居易、徐志摩、叶芝、惠特曼等几百位诗人的写作手法，最终达到1分钟1首诗的创作速度，并在2019年出版诗集《万物都相爱》，在内容质量上较《阳光失了玻璃窗》有了长足进步。在诗歌领域，“文学风格”的生成探索较早且效果相对更好。这就为人工智能生产“文学风格”提供了可能性，在小说创作方面，界定“文学风格”的标准更加复杂，但这并不意味着不可实现。
从技术实现的角度来看，“风格”的转变依赖于“文本风格迁移”（Text Style Transfer，以下简称TST）技术的发展与成熟。所谓“文本风格迁移”，是指在保持给定原文的意思不变时，使其风格发生变化。这也是“AI文本”转化到“AI文学”的第二种路径，即显式分离，主要做法是人为定义何为“内容”，何为“风格”，并在数据层面进行物理分离，再采用不同的编码器进行处理，将原有的风格剔除，最后补充新的风格，进行融合，得到全新风格的文本。2018年，Li等人提出一种基于“删除—检索—生成”（Delete-Retrieve-Generate，DRG）的技术思路，核心思想是确认标记文本属性的特定短语、删除源属性标记、检索目标属性标记、再生成流畅句子，即可完成文本风格迁移。以这种方式训练一个具有“文学风格”的模型，首先应标注语料中的“风格词”，建立合适的算法模型，通过不断训练和调整参数，反复验证文本的生成效果，最终实现风格的稳定替换，达到风格迁移的目标。由此，“文学风格”成为生成规则，进入人工智能生成文学的起始环节，从而实现从“文本风格”向“文学风格”的转变。
在这条转变路径中，一旦风格标准被明确设定，人工智能就可以持续生成这种“文学风格”的作品，包括中国古典小说的巅峰之作——《红楼梦》。2024年，澎湃新闻推出首款AI红楼梦文风生成器，用户输入文本内容后，这款生成器可以在保持原意的同时，将其改写为《红楼梦》风格的文本。在训练环节，需要用《红楼梦》前八十回的数据给此前开发的红楼梦大模型做一个微调，把写作的风格微调到红楼梦风格，模型就会基于红楼梦的文风写作。同年，StyleLLM 文风大模型问世，并被应用于文学作品风格的迁移工作。该项目能够通过深入学习特定的文学作品，包括其常用词汇、句式结构、修辞技巧以及人物对话等元素，将捕捉到的文学风格应用到其他通用文本中。目前已经具备四大名著的风格迁移功能，分别采用《三国演义》《西游记》《水浒传》《红楼梦》这四部中国古典长篇小说训练而成。这就带来一个新的问题：风格迁移技术日益成熟，由此生成的人工智能文学作品也会越来越像人类文学作品，这种“以假乱真”的生成效果能够触发人类的审美感受，从而为自身建立合法性吗？
三 风格仿制：以人类文学为标准的人工智能文学生产
当我们谈论人工智能生成的“文学风格”是否具有合法性时，其实我们关注的是文学风格范式的双重重构：既要确认算法生成的风格与人类风格的同源性，更要论证人工智能文本所引起的接受经验是否重塑了风格的认知框架。就本质而言，以“文学风格”为输出规则的生成路径一旦成立，“风格”就进入了计算逻辑：既在原作之中，又能够与原作剥离，被迁移到任何一个文本中进行嵌套，形成一个与原文既相似又不同的文本。由此，必然存在一个固定的计算标准，让风格能够脱离原作，这意味着任何作家作品的风格都可以被量化、标注和计算。也就是说，在足够的算力支撑下，如果数据标注系统足够细致、文本标记量足够庞大，人工智能就可以生成任意风格。由此，一个自由替换风格的算法模型成为可能，人工智能也就从“无法去除的固有风格”走向“制造任意风格”，这种生成风格的方式并不指向某种特定的文字特色或类型，而是一种生成风格的技术机制，我们可称为“元风格”。
这种技术机制与人类写作风格的形成机制不同，其本质是一种“切片装置”。通过标注不同作家的用语习惯、高频意象和行文逻辑等，人工智能将“文学风格”从社会历史与作家个人命运的语境中剥离，使之成为纯粹的技术审美范式，进而实现风格的制作，并通过提示词调用完成风格的迁移。这看似是从“文本”到“文学”的第三条迁移路径，但实现起来非常困难，这也是TST领域的一大难题：如何分离文本内容和风格内容。两者在分离过程中的难度直接影响了下一环节，即风格词被确定标注、剔除、替换的过程。我们不禁要问，如果无法与内容进行有效区分，那么在书写同一主题时，读者为什么可以对人类作家的风格进行区分呢？比如同样是写作《桨声灯影里的秦淮河》，人类可以分辨俞平伯与朱自清的文风，人工智能却很难以标准化的方式对两者进行标注和计算。两者之间的区分正是“风格”的本质所在。
学术界对风格问题的争论由来已久。对人类作家来说，风格至少具有三个方面的含义：一是不经语法、逻辑和语言标准所强加的表达部分，即“文风”；二是审美的艺术方式，即“特色”；三是个人的行为特征，即“作风”。这意味着“风格”一词的含义涉及语言学、艺术学与美学、行为学三个方面。这正是梅洛-庞蒂对“风格”（style）的界定。
从1945年发表《知觉现象学》和《塞尚的疑惑》开始，梅洛-庞蒂就将“风格”视为“文本意义的最初的雏形”，并明确提出“一个未被充分理解的哲学文本至少向我揭示出某种‘风格’——斯宾诺莎式主义、批判哲学或现象学的风格……我理解一种哲学，就是通过潜入这一思想的独特存在方式，也就是通过重现该哲学家的口吻或腔调”，从而为“风格”这一概念建立起一种主体性：身体在与世界打交道的过程中展现出主体是如何存在于世界之中，即主体存在的“风格”。在《间接的语言与沉默的声音》中，梅洛-庞蒂反驳了安德烈·马尔罗（Andre Malraux）将“风格”视为作家独特个性的观点，将“风格”界定为一种“等价系统”（Système d’équivalence）或“连贯的变形”（Déformation cohérente）。这意味着作品不是一部充满语言符号的纸张合集，而风格正是“为这种表现的作品为自己建立的等同体系，是‘严密变形’的普遍征象”，展现出主体与世界的交互关系，因此，作家所写下的字符、段落、章节都是创作者自己内心的欲望通达世界的展现。
这意味着艺术史中百花齐放的作品并非任性的偏离，而是以重新组合符号的方式超越“意义”的存在；作品中看似缺席的作者，实际上以“风格”的形态实时在场，而“风格”也就成为了使得作家能够如其所是地向读者呈现的根本原因。从这个意义上说，风格并非表达的终点，而是要将文本意义引入向更深更远处，使其自身也成为一种揭示。由此，人类作家对“文学风格”的期许就远不止于文体、语法、句式等文本特点，而指向一种人类对自我的认知，这不仅包含人和自己的关系，也包含人和世界、人和他人的关系。由此，“文学风格”的重心就被从形式调整为精神，我们借由形式把握作家作品的书写习惯，但精神才是使该作家区别于其他人的根本所在，文学正是在这个意义上，得以呈现出生活的幽深与微妙，进而折射出整个时代的磅礴与宽广。也就是说，人类作家的“文学”，是一场朝向人类自身的冒险，是不可见的“文学性”通过可见的“风格”呈现出的向着纵深处和开阔处深耕的可能性，也是对人类情感模式和感知结构发生变化的观察和质询。一言以蔽之，“文学风格”的核心始终是“人的文学”。
这意味着，尽管人工智能可以高度模仿人类文学的形式，却无法复制人类文学的精神。从生成机制上来说，人类文学指向某种意义的表达，是主体“如其所是”地向世界呈现自身的方式，但人工智能无法具备人类文学的“具身性”，只能通过对海量人类文本的统计学习，提取出可量化的特征并将其存储为向量空间中的参数。换言之，人工智能文学复制的是风格的“结果”，而非风格的“起源”；是风格的“表象”，而非风格的“本质”。这也是人类文学与人工智能文学在风格维度上最深层的差异，即人类文学的发展方向是开辟新的感知方式，展现出独特的生命经验甚至描画出时代的精神状况，但人工智能文学却更强调提示词的完成度和风格迁移技术实现的有效性。
从这个意义上来说，人工智能文学注定无法复刻人类的“文学风格”，也无法建立一个形神兼备的风格标注系统与算法模型。以《比特文学的历史第一卷》中提到的《女孩》为例，即便读者和研究者都为这部人工智能作品与陀思妥耶夫斯基原作的相似程度感到震惊，这部作品仍是一种去主体化的“风格切片”，无法复制原作具有的具身性和社会历史语境，从而造成自身在部分阐释路径上的失效。本质上，这仍是“风格”与“内容”无法有效分离造成的，人工智能生成的“文学风格”也成为一种对原作的仿制，由此，“人工智能风格”的本质就从“风格”的任意制造转变为一种整体性的仿制，这也就催生了从“AI文本”到“AI文学”进行风格迁移的第三条路径：隐式学习。Dai等人直接利用Transformer的自注意力机制实现风格迁移，让模型直接访问源句子，通过注意力机制动态决定保留什么、改变什么。但是，这条新的风格迁移路径并没有解决人类文学风格的主体性问题，只是将风格的范围从局部转变为整体，使其与用户输入的文本进行融合，并完成“文学风格”的迁移与重塑。如果无法返回社会历史语境，呈现一种“人的文学”，“人工智能文学风格”的建立与发展还有意义吗？
当我们以这一标准来评估人工智能文学风格的价值时，就会不可避免地陷入到“完美赝品”悖论中，即作为风格仿制品的人工智能文学能否具备原作的艺术价值？如果答案是否定的，那无疑也否定了读者面对人工智能文学仍然会产生审美感受的问题，但如果我们承认它与原作媲美的艺术价值，那么按照人类文学标准筛选出的人工智能文学诗集、著作就能够具有同样的艺术高度和价值，这必然会造成两方面的问题：一是无限仿制，无限生成，最终造成过拟合，反而困住了文学的创作和生成；二是文学由此成为语言符号的组合游戏，社会历史现实的语境问题被剔除，甚至可能造成文学的真空形态。这显然违背了人工智能文学的创作初衷。对文学本身来说，重要的是如何借助语言打开新的面向，无论是在形式上，还是在内容上，突破现有的文学范式，创造新的可能性，才是文学能够保持生命力的根本动力。正因如此，我们才能够在文学史上看到各种各样的文学实验，它们往往因为独特的成文方式展现不同的面貌，让文学本身变得绚烂多彩。
从这个层面来说，人工智能文学反而具备了坚实的合法性。因为问题的本质不在于人工智能的风格仿制是否损害了人类文学的发展，而是文学的评判标准被限定在“真”与“美”了。我们之所以很难得出确切的结论，是因为对人工智能文学来说，与人类文学相同的真与美都是不存在的。人工智能是无机体，与作为有机体的人类之间存在着不可弥合的鸿沟，无法生成“真”的人类文学作品。同时，人类在阅读人工智能文学时产生的审美感受也是一种仿若如此的“美学感”，而非真正的“美感”。所谓“美学感”，指的就是“为了表达人工智能判断当中既接近于人的审美判断，但又不同于人的审美判断的那样一种状态”。这种非真非美的状态，导致原有的用于评估人类文学的标准失效了。当然，也因为这种特殊的中间形态，人工智能文学澄清了其初衷并非取代人类文学，而是要建立一种新的文学生产模型，从而为文学写作打开新的可能性。一旦我们将之视为“赝品”，就预设了人类文学的中心地位，人工智能文学也不得不作为人类文学的附庸，按照人类文学标准，追逐永远也无法实现的“真”与“美”。因此，这种“美学感”是人工智能生成“文学风格”的必然结果，也是它真正的目标：激活作为“切片装置”的风格迁移路径，以计算的方式重新书写人类文学风格在人工智能状态下的可能性，从而为人工智能文学建立起一种新的文学生产方案。
这种新的生产方案必然要对人类文学进行风格迁移。一方面，人工智能文学本身是一种指向内部的文本生产工作，它是一种自我映射状态下的语言繁殖。人工智能文学风格本质上是要在封闭的人工智能文学系统中建立一个不在场的在场，让人类文学作为一种外界的力量，为人工智能文学提供一种伸展空间，使其具备一种越出的可能性。另一方面，在对人类文学风格进行迁移的过程中，人工智能文学正在不断置换人类的审美经验方式，并以此作为文学生产的新路径。无论是“筛选”还是“切片”，都是借助人类文学的风格之效果，重建一种特殊的风格样态，人类文学也在这个意义上成为人工智能进行风格迁移和风格生产的基准，至此，“诞生在一个生命的火红年华的作品变成了另一个世界的奇迹”。
结 语
人工智能文学有风格吗？之所以会产生这个问题，是因为在书写过程中，人工智能的文本生产机制展现出与“文学风格”的生成逻辑相悖的路径，从而导致作为技术特性的 “人工智能文本”与作为审美追求的 “人工智能文学”被推至难以调和的风格两端。究其根源，是我们将“文学风格”视为人类的特权，认为人类文学风格的标准，即“主体性”，是人工智能文学无法达到的。但是，这并不直接意味着人工智能文学的失效，因为人工智能既不可能也不需要具备主体性，而是促使我们去思考一种新的文学形式究竟在何种意义上更新了我们对“风格”的理解。
探索文本风格迁移的路径，不仅是对“形式与内容”能否实现分离的追问，也是在思考“风格”的可计算性边界。如果说在人工智能文学的风格迁移路径下，仍然存在无法被量化、被标注、被迁移的剩余，这个剩余正是风格中属于“人”的那部分。人工智能文学的风格实践因此成为一面镜子：越是接近人类风格，就越清晰地照见人类风格中那些无法被技术复制的维度。正是在这个意义上，人工智能文学不仅没有取消“风格即人”的命题，反而将其重新激活，并催发“风格之后”新的审美标准。它不是真正的“美感”，无法被传统的“真”或“美”的标准所衡量，却构成了人类阅读人工智能文学时的真实经验。也正是在讨论这种新的审美标准的过程中，我们得以跳出既有的文学认知框架，重新审视技术与文学、形式与精神、复制与创造之间的复杂关系，在人机共生的文学图景中，为 “风格” 寻找面向未来的理论坐标与阐释空间。
由此反观人工智能文学的风格生成实践，我们得以更清晰地理解技术对文学的回应，这也是人工智能时代文学在面对技术时作出的尝试。当然，这种尝试并不是以牺牲“精神”为代价，将人类文学的“形式”镌刻在人工智能的语言结构中，而是要以计算的方式，驱动作为“元风格”的人工智能文学机器，重新书写被奉为经典的人类文学风格。由此，人工智能以不断合成、转化和仿制为迁移路径，促使风格从不可捉摸的灵韵转变为人人皆可使用的切片装置，人类文学以背离自身的姿态成为人工智能文学的奇迹，释放出自身的无限潜能，从而催生出更多的可能性。
