中国作家协会主管

但汉松，南京大学英文系教授，博士生导师。主要研究英美小说与西方批评理论，著有《以读攻读》和《跨越“归零地”》等。现居江苏南京。

小白，作家。著有长篇小说《局点》《租界》、中篇小说《特工许向璧》《封锁》等。曾获鲁迅文学奖。现居上海。

大模型“作弊器”

小白：我知道但老师最近在思考人工智能技术条件下，文学批评和文学理论应该做何回应的问题，在利用人工智能展开学术工作方面也有很深的理解。人工智能会改变我们的阅读方式。大模型接入电子书阅读器，可以让它多语种翻译、分析内容、广泛检索，生成阅读报告。在这种情况下，我们的文学阅读会发生什么样的变化？

但汉松：在我看来，文学阅读是需要深度注意力的全脑活动。阅读传统源于印刷时代，如今注定会迎来一场革命。但有一点必须澄清，全球阅读文化整体衰落持续数十年，这口“黑锅”不能由人工智能来背。有统计数据说2010年代中期智能手机普及之后，美国人的娱乐性阅读量在20年内暴跌了40%。“弗林效应”原本观察到20世纪全球人群智商测试平均分每十年提高3个点；近期定量研究却发现这一趋势已然逆转，这个变笨的趋势也许跟大家不再读书有关。大语言模型出现，究竟会让本就日益稀缺的细读式文学阅读更加濒危，还是会成为某种转机的催化剂？目前，恐怕还难以定论（尽管我内心对此持乐观态度）。

小白：当然，文学阅读量下降跟人工智能无关，阅读是人自己发明出来的一种训练装置。如果人们不再需要通过文学阅读来训练那些社会生活能力，情感、记忆、对行为和意图的理解，那这个训练装置早晚会被丢弃。不阅读是不是会变笨，说句实话，我觉得不必替未来的人们担忧。在人类漫长的进化过程中，很多能力都因为用不着而退化了。狩猎时代一个男人可以花几天几夜时间，对一头猎物追踪几十上百公里。中世纪使用的武器，现代人可能连提都提不起来。未来的人如果穿越回到今天，可能会让人觉得很笨，什么都记不住，如果他不把他那时候的某种“脑机接口装备”一起带着穿过来的话。

我觉得值得去想的问题倒是，当我们不由自主地、不得不跟机器一起完成文学作品阅读时，那是一种什么样的阅读？从前那些文学阅读和批评的核心问题：叙事、声音、焦点、解释、意图、语境、细读甚至误读，会发生什么样的变化？当语言和叙事被投射到几千维的向量空间里，阅读和批评会发生怎样的变化？拓扑文学批评？隐喻几何学？或者就像我最近很喜欢的一本著作，莱夫·威瑟比的《语言机器》里说的，要建立一门通用诗学（General Poetics）。不再将语言视为人类大脑的附属品，而是将其视为一种可以与计算融合的、自治的符号系统？或者更加日常的，当我们把模型api接入anx reader这样的阅读器里，文学文本、文学文本和读者的关系，会发生怎样的变化？

但汉松：都不需要脑机接口那么高级，现在的可穿戴设备都已经接入人工智能了。AI 完全有可能变成“延伸心智”。当代人不用像古人那样花大把时间背书，下一代学生也不必逐行逐句从书本中提取、记忆和整理知识。可以把更多时间投入到其他方面。大到更高阶的思考与推理，小到旅行和陪伴家人与宠物，这未尝不是一件好事！

但你说得也对，无论人类在知识社会学意义上如何演化，总归会有一批规模不等的“死硬派读者”或“专业读者”，依然选择继续从事文学阅读这项费力的脑力劳动。对这群人来说，是否要与机器“共读”乃至“共生”？我本人一直是坚定的“与机器共读”派。有人曾打趣说，让大语言模型去阅读文学，就好像造出一架喷气式飞机——无论它飞得多快多稳，也终究不会下蛋。这句俏皮话听上去很机智，可是，为什么一定要让机器“下蛋”呢？N·凯瑟琳·海尔斯很早就指出，否认计算机具有类似人类批评家的阅读能力，往往只是一种“物种沙文主义”。

我非常赞同莱夫·威瑟比的提法：如果文学研究还想继续存续下去，一门以细读为基础的“通用诗学”将是未来的发展方向。事实上，英文的 poetics（诗学）一词源自希腊语 poiētikē，其词根 poiein 的意思正是 to make，即制作、生成或创造。我们与 AI 一起阅读文学，本质上就是在探讨语言制品是如何生成与转化的。既然 LLM（大语言模型）已经成为这个星球上第二个掌握自然语言的“异类智能”，我们又有什么理由排斥它的参与呢？

不过在那种私密、无功利性的个人阅读中，我们需要机器介入吗？

小白：我们处在一个漫长的过渡时间，或者用海德格尔的话，处在人与行星级技术“遭遇”过程中。我们对这件事情的看法不足为凭。要不要让机器成为我们和文学文本的中介，我们说了不算。我自己，独自读完一本小说早就成了多年习惯，这件事情仍然很有乐趣。作为读者，我很享受这种猫鼠游戏，从第一页第一行字开始记住各种信息和标记，从发现叙述者的声音起慢慢做心理画像，在只言片语里寻找进入文本的秘密路线，放任自己被作者设计的情感装置打动，与此同时也跳出来审视各种意图。即使将来人们不用通过这些办法来完成“社会化训练”，仍然可以享受这种乐趣，就像你可以去盒马、山姆买鱼，但你仍然可以保存一套鱼具，周末去钓钓鱼。

但是把机器放在你和文本之间，确实带来了一种全新的阅读，比如读者终于可以越过语言屏障，只要你愿意，你可以读几乎任何语言的文学作品，全文翻译，让模型帮你分析原文语法和修辞。我不懂日语，但我前两天读了两篇三十年代日本作者写上海生活的小说，那小说比较冷僻，没有翻译过，以前一直想看而看不了。所以你看，世界文学的理想几乎就要实现了。大语言模型是一个极致的文本间读者，它没有身体经验，没有历史处境，没有伦理责任，但它读过无数文本，你可以让它模拟任何读者角色和读者立场。你甚至可以当场让它重写和续写，让你可以模仿和比较，把阅读转化为一种生产性实验。

但汉松：事实上已经接近完成了“巴别塔”重建。普通人文学阅读的语言障碍，已经被打破了。曾几何时，阅读不同语言的文学作品，要么需要翻译家来帮忙，要么便只是极少数博闻强记、精通多国语言的大才子的专属特权。如今，这种近乎零延迟的多语翻译，在“微信读书”等平台上已经做得相当成熟。读者只要找到合适的外文电子书导入其中，就能一键生成外文与译文逐段对照的版本。对于有一定外文基础的人来说，这种双语阅读体验极为便捷，两种语言的实时比对也能有效规避机器翻译偶尔的失误。

除了翻译，LLM 还能帮助读者跨越文化鸿沟与语境迷障。从前读品钦的作品何等辛苦，书中充斥大量的高语境指涉，即便英语母语的读者也常常一头雾水。《万有引力之虹》，你可能把它翻烂了也摸不到门道。有了 AI 加持，面对那些艰深巨著，即便纯粹个人的欣赏式阅读也会变得轻松许多。AI 成了“大脑外挂”：遇到历史梗，生僻用法，实时与 AI 交互一下。这本身就极大提升了阅读的乐趣与成就感。

而且这种交互绝非单向查询。我非常喜欢用 Notion 来读小说，因为它内嵌 Claude、ChatGPT、DeepSeek、Gemini 和 Kimi 等多种大模型。读到一个意味深长的细节，可以抛给 AI，询问它的理解，可以接受、延展、挑战甚至质疑 AI 的解读，激发多轮深度对话。这就是所谓“人在回路”的阅读体验，让AI 成为私密读书伙伴，一人一机组成一个专属读书俱乐部。

对不热衷文本细读的人，AI 仅仅是能快速生成文本梗概的机器，它允许人们将“理解文本”这项工作外包，同时欠下越来越多的“认知债务”。但对于本就深爱阅读文学作品的人而言，反而会琢磨出千奇百怪的机器读法，让自己进化为“赛博格读者”。这不仅极大地提高了阅读效率，更是指数级地拓宽了阅读知识面。

我常想钱钟书写《管锥编》时，大脑里就像自带一个大模型，侦测出那么多种语言的作品之间隐秘的关联。传说哈罗德·布鲁姆一小时读完400页的书，并且还能记住大部分细节。过去这些都是凡人可望而不可即的神话；但今天如果普通读者具备较高 AI 素养，同样也能完成这种阅读升维，在细微的文本纹理中看见整片森林、河流乃至浩瀚的星系。

当然有人会反驳。钱钟书和布鲁姆基于他们惊人的记忆力，而我们是依靠“提示词”，这两者存在本质区别。澳大利亚批评家克莱夫·詹姆斯在《文化失忆》一书中，曾专门探讨意大利著名语文学家吉安弗兰科·孔蒂尼。詹姆斯提到，意大利语中有一个几乎无法被翻译的词：“gazofilacio”。字面意思接近于“宝库”，原指圣殿教堂里存放贡物的密室，后来被引申为某种独属于个人的、通过背诵一点一滴积累起来的“文学储蓄账户”。孔蒂尼用这个词来描述一个人通过背诵诗歌，在心底慢慢筑起这样一座金库，多年之后，这些储蓄会自发地显现出其价值。

当文学阅读有 AI 帮忙，我们确实能迅速深入文本，获得深刻体认。但从前那种根植于阅读的肌肉记忆，沉淀在具身经验里的“gazofilacio”，也随之一去不返。这是一种不可避免的权衡与妥协：在某个瞬间，我们体验到了钱钟书和布鲁姆在阅读时那种高维视界的高能快感，但我们也的的确确是使用了“作弊器”。

小白：钱钟书和哈罗德·布鲁姆，确实是那种神话。在先前那个时代，也需要这种神话。我意思是，这两位大师读了那么多书，如你所说，就像在他们的头脑里训练了一个大模型。但这些阅读对他们真正造就了什么，或者说这些阅读对他们真正的意义是什么，从他们的著述里，从他们的“输出”里也许无法看见。这些著述构成了你说的那个神话，但他们头脑中那个“大模型”真正给他们带来了什么样的感知、洞察和预见能力，人们几乎不能看见。我们只看到无与伦比的渊博，对文本的了如指掌。更准确些的比喻，其实是高维数据低维嵌入的“降维”能力，发现隐秘关系、“潜变量”的能力。

但是如果阅读的真正意义就是这个，那我们用大模型“作弊器”来阅读，好像也没有什么问题。就像我们现在完全不需要趴在地上闻一下泥土味道，去发现远在几公里之外的动物迹象。我们把无人机升上天，手里拿着屏幕看。在钱钟书和布鲁姆那里，阅读对他们到底有什么更重要的意义，我们弄清楚这个，才可能知道用大模型“作弊”阅读有什么意义，将来的人还有没有可能继续需要阅读。

牌桌上的所有人

但汉松：印刷文化黄金时代智识精英的阅读，已然无法复刻。我们也没有必要退回到那个靠口腔肌肉、大脑、笔尖与双眼去死磕书本的时代。当代读者失去了对作品“烂熟于心”的宝贵体验，换来立等可用的“魔毯”：它能将我们瞬间托举至由向量化词元构成的高维空间。我们更应该追问的其实是，这种新形态的个人阅读，究竟能够创造出怎样的全新机遇？我们是否仍在继续与福楼拜、厄普代克，抑或但丁的文字展开对话？屏幕阅读固然瓦解了沉浸式的文学体验，但可能在超级链接的网状结构中，培养出高速跳转、敏捷捕捉的注意力。在 AI 时代，只要我们还愿意去读文学，这件事本身就比什么都重要。我们前面聊了作为欣赏的个人阅读，接下来不妨谈谈作为教学的文学阅读。

约翰·吉洛里近年出版了一本小书，《论细读》。试图对大学校园里近乎神圣不可侵犯的“细读”教育进行一次彻底祛魅。吉洛里认为19 世纪末大众识字率爆长，夷平了传统阅读门槛，也使文学研究遭遇了一场严重的“稀缺性危机”。当人人都具备阅读能力，象牙塔里的“严肃阅读”凭什么确立自身价值？正是此刻，“细读”被发明出来，人为抬高阅读“能量成本”，将专业文学阅读从工业化、碎片化的日常大众消费中剥离，重新构筑了文学经验的稀缺性与壁垒。细读是对大众媒介所造成的“永久性分心”的一种反向干预，它既是一种“默会”的“慢技术”，本质上也是一种“技术文化”。

小白，虽然你并不在大学体制内教书，但我还是很想听听你的看法。你认为，在人文学科正遭受 AI 猛烈冲击的当下，大学课堂里还有可能，或者说还有必要继续向学生传授“细读”文学的技术吗？

小白：是的，细读是被发明出来的，“远读”也是被发明出来的，甚至连整个“大学人文教育”都是被发明出来的——它们与其他被发明出来的事物一道，共同建构了现代社会。如今，人工智能一出现，所有这些事物都开始动摇，甚至极有可能被计算系统彻底替换。因此，在大学里教授学生如何“细读”文学文本，这件事情本身就变得有些可疑了。学生根本不需要认真听课，只需花20美元订阅一个大模型，就能非常出色地完成作业和论文；只要稍微动动脑筋，就可以像钱钟书或布鲁姆那样进行“输出”。大学教育的底层基础设施，可以说已经被大模型掏空了——这就好比马斯克试图用“政府效率部”来掏空美国的传统行政结构一样。这件事从根本上失去了其原有的社会意义。当然，未来依然会有极少数学生，愿意花时间去内化阅读技能，就像无论在什么时代，总有人愿意花重金请高手教自己如何钓鱼。

所以核心问题是：不管我们让不让机器在人与文本之间担任中介，阅读行为本身还有没有意义？我们当然可以说它“有用”——阅读复杂的文学文本，可以培养共情力与情感投射的能力；整个阅读过程需要调动海量的记忆，这本身就是极好的心智训练。读小说需要推测作者的意图，把握文本的结构，辨别叙述的声音，并且不由自主地去猜想情节的走向和人物的命运……所有这些，都能绝佳地训练一个人的头脑，提升其社会化生存的能力。然而，这些能力的生效，都建立在一个共同的社会与文化结构之上，它绝非纯粹个人的事情。这就像是在牌桌上打牌：如果整桌只有你一个人在认真计算和推测，其他所有人都在胡乱出牌，那你所有的精算和推测其实都将毫无用处。

但汉松：“阅读本身有没有意义”，这是一个过于宏大的哲学与社会学命题。我更愿意和你集中讨论一个更具体的问题：以深度注意力为特征、以细节解码为技巧的“细读”，在当下的大学课堂里继续被教授，究竟还有没有意义？在这个问题上，你的立场似乎相当悲观。

其实围绕这个话题，英美公共文化空间早已争论得不可开交，至少存在两种彼此对立的论点。第一种认为，大学人文教育中的细读训练，是社会实现民主生活与理性沟通的基石。最终成为职业批评家的学生当然只是极少数，但大多数学生在通识教育中所习得能力，会转化为未来公民生活中的基本素养。尼尔·波兹曼在《娱乐至死》中提出过一个著名判断：印刷文化能够塑造特定的“排印心智”，概念思维、演绎与序列推理、理性秩序、对矛盾的警觉，以及延迟反应的能力。

第二种观点把细读视为文化资本，认为文本解码能力并非天然普遍，而是出身精英阶层的学生凭借其阶级“惯习”更容易占有的能力。在经济上行期，大学广泛讲授文学细读无可厚非，但在经济面临严峻挑战时，那样的教育基础设施就显得格外昂贵，难以被社会长期承受。细读当然可以教——通过教师的反复示范，引导学生从一首诗或一篇小说中挑出一个“指尖大小”的细节，从最初的“觉察”出发，进而提出局部主张和区域性论点，最终上升到对文本整体结构与价值的判断。然而，从成本端来考量，这种教学方式很昂贵，需要充裕的课堂时间、小班化的建制，以及稳定而高水平的师资队伍。

随着大学系统面临生源萎缩、经费削减与学科重组的多重压力，这种依靠“示范—模仿”来传授的细读模式，愈发感受到市场与制度的冷峻挤压。近年，美国多所高校的人文学科博士项目已经出现暂停招生或缩减规模的情况；而在国内，也有不少英语专业面临停招、撤并，或转向“语言智能”等应用化方向。正是在这样的背景下，“大学课堂是否仍有必要教授细读”才不再只是一个教学法问题，而变成了一个关于人文学科制度基础的根本问题。

小白：你刚刚提到的——社会实现民主与理性沟通的基石，以及印刷文化所塑造的特定认知结构，这些便是阅读的“意义”，对现代社会的建构必不可少。正因如此，人类才发展出了这一整套关于文本阅读和解释的系统，包括大学里的精英教育。在这种特定语境下，系统本身就亟需“钱钟书神话”和“布鲁姆神话”的背书。系统需要这种“内卷”机制，以此吸引更多的人、一代又一代的精英学生去学习和掌握那套文本解码、文化解码以及社会组织技术的解码方式。看看列奥·施特劳斯或阿兰·布鲁姆他们解读古典巨著、解读莎士比亚的方式，你就会立刻明白了。

然而，现在的问题在于，我们拥有了更强大的解码工具——它未必是“更好”，但至少在效率上肯定更高。这便是算法与机器智能。它们正着手重构、甚至可能直接接管人类的文化与社会系统。在这样的大震荡下，你认为继续学习那套旧的编码/解码方式，其意义到底还剩多少？这绝非仅仅是一个经济处于上行还是下行周期的问题，我们也不能简单地把一切都归咎于人工智能——毕竟，这种试图通过控制论和算法来接管社会的构想，早在一百年前就已经埋下伏笔了。

所以，要不要继续通过复杂的文本阅读来塑造我们的社会和大脑，这已经不再是一个人或一小撮人的事情，而是牌桌上的所有人类玩家的终极命题。

但汉松：要让象牙塔里的人文知识分子坦然承认，“细读”并不是某种天经地义的能力禀赋，而是在学科职业化过程中被反复生产、示范和制度化出来的“语言技艺”，其实颇需要勇气。吉洛里在《教授批评》一书中反复提醒西方人文学界，不要对专业文学研究在现实世界中的社会效力抱有不切实际的幻想。文学研究当然可以提出宏大的社会关切，但一旦把文学批评直接等同于社会改造，就很容易落入他所谓的“对目标的高估”。

培养擅长文学细读的“好公民”，固然可能对民主社会有益；但大语言模型所内蕴的文本解释能力，也同样可能在相当程度上拉平由文化资本差异造成的教育鸿沟。在过去，一个家庭或许需要支付高昂学费，才能让孩子挤进常春藤名校的英文系课堂，聆听顶级教授对弥尔顿或莎士比亚的“言传身教”；但如今，哪怕是身处全球南方的文学爱好者，只要能够接入 AI，也完全可能获得一位渊博程度近似布鲁姆的“文学机器”，让它充当自己的私人导师。

不过，必须清醒地认识到，作为一种“技术文化”，LLM 远不只是科学知识的附属应用。弗里德里希·基特勒的媒介物质主义，在此时此刻，显得格外具有预见性。他认为，并非只是伟大的作家在使用打字机，打字机这样的书写媒介也会反过来重组作家的书写身体、思想节奏和感知结构。基特勒关于尼采与打字机的经典讨论，恰恰说明了媒介并不是透明的工具，而是会重新配置思想发生的物质条件。同理，当未来一代读者与嵌入阅读活动的 AI 共同进入文学文本时，这种技术文化也绝不仅仅是外在于人类的辅助工具，而是会深度参与人类意识、时间性与历史感的构成。

5%的工作

小白：古往今来一切文学理论和抽象命题，大模型都可以进行工程化的生成与输出。在机器面前，学院派文学批评机制中那些模板化、高度自动化的部分暴露无遗。在文本解释方面，AI 能够概括情节、解释典故、综述研究史、模仿各种流派的批评话语、运用各种理论框架来重读文本。我完全可以想象，未来的批评家只需要主持一个“批评实验室”，把各种角色分派给不同的智能体（Agent），让它们自动完成所有的阅读与检索，并从各种可能性的视角出发，生成海量文本解释；随后，再让这些 Agent 相互讨论、筛选和压缩信息。而批评家本人，只需负责宏观的策划、设计与编辑工作即可。在这样的前景下，你觉得专业阅读和文学批评还剩下什么不可替代的核心价值？

但汉松：这又是一个“挖祖坟”式的犀利问题。我们不妨先梳理一下机器与文学批评之间的历史渊源。在大语言模型横空出世之前，学界早已出现所谓“数字人文”（Digital Humanities，简称 DH）这一跨学科领域，其中一个重要分支是“计算文学研究”（Computational Literary Studies， CLS），这一路学者曾雄心勃勃地试图以计算方法介入文学研究。我们熟知的莫莱蒂及其提出的“远读”概念，正是在这一更宽阔的数字转向中获得了标志性地位。

为什么要主张“计算 + 文学研究”？莫莱蒂的出发点非常务实：既然碳基生命穷其一生也无法真正读完世界文学冰山的一角，那为什么要把有限的生命耗费在少数作品的细读上，而不是利用图表、地图、树状图、统计模型与大规模语料库，去观察文学史中更宏观的模式、流变与结构呢？在过去二十多年里，DH 和 CLS 一度成为文学研究中最引人注目的前沿之一，也诞生了诸如莫莱蒂、马修·乔克斯、安德鲁·派珀以及特德·安德伍德等一批明星学者。

主流 CLS 通常会使用语料库、统计建模、文本挖掘、可视化等技术手段，也经常用到词频统计、主题建模、分类模型和网络分析。这些方法在处理文学史演变、类型变迁、文体风格和文学声望等问题时，确实打开过一些新的尺度，也有很多启发性的成果。然而，这种由计算方法驱动的文学研究，在传统文学研究界始终争议很大。华裔学者笪章难曾于 2019 年在著名期刊《批评探索》发表《反对计算文学研究的计算论证》，试图从经验层面指出 CLS 内部存在的技术问题、推理漏洞与概念错配。她那句最著名的判断大意是，在计算文学研究中，稳健的结论往往只是显而易见的常识；而真正不显而易见的结论，又往往不够稳健。

这篇文章一石激起千层浪，许多学者随即撰文反击，指出笪章难对部分研究的理解与统计判断也存在问题。换言之，2019 年那场争论并不能简单概括为“笪章难击败了数字人文”，它更像是计算文学研究内部一次激烈的方法论清算。此后，CLS 并没有消失，但早期那种“只要扩大语料规模、引入统计模型，就能自动刷新文学史”的乐观主义，显然已经受到很大修正。总而言之，在大模型出现之前，机器介入文学批评的主要形态，仍然是把复杂文学文本转化为若干可计算特征，再通过统计模型寻找宏观规律。这条路径的根本局限在于，它常常不得不先把文学文本大幅“降维”，然后再试图从降维后的数据中读出文学意义。

小白：用计算来处理语言和文本，处理文化与社会的符号表征系统，这是一项由来已久的实验。但是，先前的那些实验仅仅是把计算当成了一个外部工具箱。计算与语言，这两种符号系统在本质上仍然是相互分离的。归根结底，那只是一种归纳统计方法，依赖研究者事先的特征预设——你必须先假设：“只要机器数清楚 he 和 she 的频率，就能够了解19世纪小说的文风变化。”即使后来出现更高级的算法，那些词频—逆文档频率、词袋模型、可以用来提取主题的“潜在狄利克雷分配”（LDA），那些算法仍然无法真正理解语言的“意义”。

直到 LLM（大语言模型）出现。大语言模型实现了计算与语言这两种符号表征系统的完全嵌套。它更像是把语言深层地“内化”进了模型之中：语言符号、语法、语境、潜文本、情感、诗意，甚至意识形态，全都被编码进了高维向量空间，语言本身直接化作了模型参数。通过这种嵌套，计算变成了语言的运算，语言变成了计算的表征。语义和文学性，在极其庞大的参数矩阵中开始自动“涌现”。机器成了语言的母体。几万亿 Token 的训练，让它掌握了多维交织的潜在语义结构，掌握了人类文化潜意识的隐秘网络，而绝不仅仅是语言表面的统计规律。它甚至能通过调节温度和采样机制去捕捉那些低概率的表达，捕捉语义的漂移。它确实有可能让传统的文学批评变得毫无意义；虽然它似乎不太可能立刻变成一个“后人类批评主体”，但它完全可以模拟一个“人类批评主体”。

但汉松：没错，以前数字人文和计算文学研究的问题在于算法太简单，文本表征方式较为贫乏，相当于对复杂文本进行降维处理。即使是像 BERT 这种在今天看来也只是小模型。大语言模型对 Transformer 架构的规模化扩展，极大解决了长程注意力问题。现在我们把几百页的 PDF 扔进大模型，针对任何细节提问都能得到准确答案。这不再是简单的查询检索，而是说明大模型已经具备了人类难以企及的上下文注意力。在过去数字人文的时代，很多人文知识分子对机器阅读说些风凉话或许是有道理的，毕竟我们不能把莎士比亚的文学风格简单归结为某些词汇共现规律的计算。但在 GPT-4 和 Claude 3 Opus之后，我们已经没有理由对机器的文学阅读潜能想当然地轻蔑。

事实上，莫莱蒂提出“远读”时所依赖的合法性前提已经不存在了。理论上说，顶级大模型在预训练中已经消化吸收了人类几乎所有的文本（包括世界文学的一切印刷文本），并且在后训练阶段获得了强大的文本推理能力。这些参数动辄以万亿计的庞然巨物，毫无疑问已经是世界上最聪明的智能体了。“远读”的初衷是以牺牲局部细读为代价，换取对更大规模文本的观察。但现在的 AI 不仅可以一网打尽地“远读”，还能进行逐词逐句的“细读”。我们不能再用“残余的人文主义”来自我安慰，一厢情愿地划定一个区域说：“看，这里是人工智能绝对无法企及的，是人文学科的专属地盘。”

大模型刚出来时，科幻作家特德·姜曾将 GPT 类模型比作“有损压缩算法”。他认为：“‘有损’的含义是，它们对网络上所有内容的复刻经过了高度压缩，大量数据被丢弃（丢失），由此产生的空白则通过插值来填补——也就是通过观察空白两侧的内容来推测缺失的部分。”笪章难也把这个比喻当作权威观点，试图说明 AI 除了强大的“序列推理”能力之外，并没有真正的文学认知能力。对此，你怎么看？

小白：特德·姜发表在《纽约客》上的那两篇文章我都看过。对他那个“有损压缩”的说法，我从头就有点怀疑。“压缩”这个词，我觉得大家现在其实是各自表述、充满歧义的。有人说“压缩即智能”，也有人说“压缩即有损”。我猜想，特德·姜可能仍旧是把 ChatGPT 视为了从前那种传统的文本算法——他认为文本和语言在经过压缩计算后，很多部分会因为概率而被不可逆地丢弃了。他没有把大模型视为计算系统与语言系统的嵌套。大模型的“压缩”，其实是把古往今来人类创制出的所有文本，全部“压缩”进那个高维空间，这与他口中的“有损压缩”在本质上是两码事。

不过，对于他的另一篇文章，我倒是有几分赞同。在那篇文章里他说，一位作家哪怕只是在写一篇短篇小说，也必须做出成千上万次的选择与决定，而这些选择与决定无一不需要作者的主体性。我个人对大模型的疑虑，其实更集中在另一些维度上，比如主体边界感、记忆以及持续学习等问题。现在各大人工智能实验室都把研发火力集中在“记忆”上，每一次版本迭代都会高调宣布其拥有了更强大的记忆能力和更大的上下文窗口。但在存储和检索记忆的“经济性”上，机器目前的效率无论如何都还比不上人脑。

但汉松：是的，事实上，无论是笪章难还是特德·姜，他们都是在大语言模型强势崛起之后，才被迫采取了某种人文知识分子的“防御姿态”。当然，人文知识分子对 AI 保持怀疑和警惕是理所应当的，毕竟它不仅仅是一项技术，更是一种强势入侵的“技术文化”。

小白:甚至有可能成为新世界的“技术座架”。

但汉松：但我始终觉得，文科从业者在习惯性地高呼“人类的具身经验神圣不可替代”之前，其实真应该多去用用当下最顶级的模型，试着和它们做些更复杂的交互。这两年 AI 的技术发展，早就摆脱了当初那种一问一答的聊天机器人（chatbot）模式，开始朝着更有自主性的“智能体”（Agent）进化了。你我都是喜欢紧盯 AI 前沿的人，我想咱们最大的共同感受肯定就是“惊奇”和“不可知”——现在没人能准确预判，未来几个月这个领域到底还会爆发出什么新技术，或者带来什么样的颠覆。

如今，具备工具调用能力的 Agent 已经成了主流，超长上下文、思维链、扩展思考再加上 Agent 架构，这些都会极大提升机器智能对复杂文本的深度阐释能力。我们千万不能把这套机制简单粗暴地看成是“距离换算成概率”的压缩，那样恰恰丢掉了它最核心的东西。自注意力机制其实并不是在做局部的概率排序，它是在动态地、不断地重新组合和理解各种信息的表征。

小白：用什么模型其实并不重要。但我们确实不应该仅仅在 Chatbot 平台上向模型“乞讨”答案——哪怕是连续的追问，本质上也依然是在乞讨答案。我们应该设法打开自己的工作端口，将模型接入到我们的日常工作流中去。在实际的工作交互中去亲身体会：究竟哪些部分可以放心交给机器，哪些部分最好还是由自己来做决定。只有在这种深度的工作交互中，我们才能真正摸索出，作为一个拥有自由意志的“主体”，我们与机器智能的边界究竟在哪里。

但汉松：如果我们现实一点，对人类的文学批评做个“逆向工程”，把它的工作流程拆解开来，咱们可能会惊讶地发现，里面或许 95% 的步骤毫无神秘感可言。比如找资料、理线索、把各种观念归纳对比，再比如翻译文本、做些基础的理解……这些活，现在完全可以丢给 AI 去自动搞定。很多传统的文学研究，其实就是在故纸堆里做各种繁琐的概念考据。以前，能在浩如烟海的文献里扒梳资料，确实是知识分子引以为傲的“硬核本事”。但仔细想想，这些事凭什么不能外包给机器？如果机器能干得更好、更准、还不知道累，咱们干吗还要把宝贵的生命白白浪费在这上面呢？

我觉得，目前 AI 唯一做不到的（这其实不算缺点，只是人和机器的功能差异），就是那种高度主观的审美和伦理判断。这种判断力靠的不是堆砌海量经验，不是冷冰冰的概率计算，也不是生搬硬套的模式匹配。它靠的是直觉、是信仰，甚至需要一次毫无逻辑可言的“纵身一跃”。

我把这部分看作是文学批评里那极其宝贵的“5% 的工作”。比例看着小，但绝不意味着它不重要。这往往是一个批评家在经历了艰苦卓绝的文本解读之后，做出的一次最难被算法解释和预测的智性跳跃。

小白：从特德·姜在《纽约客》第二篇文章中极力强调文学创作过程中的“主体选择与决定”，到现在比较时兴的说法——“未来在面对机器智能时，人类依然会拥有品味与判断力”，其实，这些论调都更像是不太可靠的猜测与自我安慰，它们试图通过想象来论证人类的工作价值在未来依然具备不可替代性。可是，当把那95%的繁重工作全都交给了机器智能之后，你的头脑和思想没有在那些剧烈的文本摩擦中得到反复打磨，你最终做出的那所谓的“5%的判断”，也一定是非常可疑的。

况且，谁又能未卜先知呢？也许再过个一年半载，我们就可以让 AI Agent 独自为一部文学作品做出深刻的判断、组织严密的论证、确定鲜明的立场、创造新颖的概念，甚至形成极具辨识度的批评风格。如果一个人不能在工作实践中确立他与机器的边界，我估计未来只有一件事情是机器会剩给他的，那就是“承担责任”。机器可能永远不会替你承担责任，机器也永远不会替你承担批评所带来的风险与后果。

但汉松：我倒更愿意相信，文学批评骨子里其实是一种生活方式，而不是什么高高在上、非人类不可的独门绝技。AI 时代的到来，确实会彻底掀翻甚至终结很多旧事物，但这也很可能就是熊彼特说的那种“创造性破坏”。当我们不用再把大好光阴耗在那些所谓的“狗屁工作”上时，咱们或许刚好能借这个机会，去重新安顿“生活形式”。

我也愿意相信，之所以要去敏锐、优雅甚至创造性地分析和拆解文学作品，去做各种美学判断，最终的目的其实未必是为了所谓的“求真”，而是为了去获得一种关于生活的体验。专业的文学读者，说白了就像是和文学艺术互利共生的“寄生虫”（这里“寄生虫”可以是褒义词）。当我们用心去阐释文本的时候，收获的是那种全身心的、充满爱欲的回报。在这个漫长的阅读和思考过程中，AI 能分担掉很多苦活累活，能成为我们的启发者和伴读者，同时又不影响人类作为读者的自主权。通往文学阅读的道路不必只有一条，归根结底最核心的东西，还是在这个过程里切身体验到了什么，以及最终我们变成了什么样的人。