全球模型：文化AI的文学工具

# 全球模型：文化人工智能的文学工具
来源：https://arxiv.org/html/2607.02369

###### 摘要

大型语言模型（LLMs）开启了一种新型的文化相遇，这种相遇规模庞大、自动化且单语。文学学科历来通过比较文学阅读、叙事学与诗学分析、批评理论、世界文学和翻译来应对文化斗争。如今，这些工具对于培养具有文化素养的人工智能变得不可或缺。本文提出一个分层框架，旨在构建更细致的文本模型和多元化的AI解读，强调文学与AI发展的自然交叉点，将当前批评理论中的争论与结构性单语主义联系起来，并提出应用世界文学方法的新途径，通过宏观结构、流通和不可译性来解决全球AI文本性问题。

关键词：文化人工智能，文学研究，比较文学，世界文学，叙事学，可译性，人工智能，大型语言模型，人工人文学，结构性单语主义，隐空间，虚构

## 计算机科学的人文化

语言、视觉和游戏一直是人工智能系统在整个领域历史上的试验场。在2010年代，自然语言处理（NLP）快速发展，最终催生了大型语言模型（LLMs）；计算机视觉因ImageNet数据集、AlexNet卷积神经网络（CNN）以及生成式对抗网络（GANs）的发明而转型；计算机在《危险边缘！》和围棋游戏中击败了人类。无论好坏，2020年代的作家、艺术家、学者和学生都在使用这些不断变化的人工智能工具，并通过使用本身为其发展做出贡献。创意领域是艺术和人文学科的核心，然而文学研究、电影与媒体研究、修辞学、历史学、科学技术与社会（STS）以及许多其他相关领域在很大程度上被排除在这些尖端产品的开发之外。现在是改变这一现状的时候了；这不仅因为影响我们所有人的技术不应仅掌握在工程师手中，还因为AI模型应更加以人为中心，并朝向多元价值，人文学科应为此发展做出贡献。

在计算机科学初生的战后年代，当人工智能被确立为一个研究课题时，计算领域具有高度的跨学科性，既理论又实践，不仅包括电子工程、数学和物理学，还包括语言学、哲学和逻辑学。人工智能被构想为认知科学的一个工程分支，但很快便从中脱颖而出，成为独立领域，并进一步受到塑造了20世纪晚期科学界的定量转向的推动。在1990年代，当人文学科被视为与人工智能的实用进步不相容时，由计算机科学家转为人文学科教授的Philip Agre 有先见之明地指出，人工智能作为研究对象，其“底层是哲学”[agre_soul_1995, 2]，其研究始终同时包含哲学与技术维度。尽管他的主张在今天对人文学科而言似乎显而易见，但我们尚未发展出一个持久的框架来将其付诸实践。

尽管Agre 在跨学科开始蓬勃发展的时期发出呼吁，但他的论点直到2020年代才获得关注，因为计算上的突破表明，迫切需要一种社会技术的视角来看待人工智能。在2010年代，计算领域的跨学科是学术和企业研究中的社会科学追求。此后，在计算机科学中，跨学科和超学科成为必需，催生了人工智能伦理、以人为中心的设计和人机交互等新子领域，随后人工智能政策与安全成为技术监管的核心。尽管这类工作具有高度可操作性，但它并未触及该技术的哲学基础及其带来的许多规范性断裂：在人工智能时代，文本、作者身份、知识产权、语言、创造力和文化将如何变化？

随着人工智能生成的文化产物反馈到文化中[brinkmann_machine_2023]，人文学科需要做出回应并革新其现有学科，以保持相关性和方法论上的灵活性。新的学科和关注领域因需求而生，由前沿问题引领，这些问题最终需要建立新的概念框架或科学方法[weber_objectivity_1949, 68]，有时还会带来新的科学范式[kuhn_structure_1970, 92]。虽然科学与人文之间的互动在双方都具有同等的启发性，但技术发明，特别是信息技术方面的发明，往往给人文学科带来迫切压力，迫使其重新评估自身方法。人工智能要求一个新的概念框架，但并非全新的方法。在2020年代前半期出现的新概念框架范围广泛，从已经确立的文化分析学、STS和数字人文学科扩展到人工智能领域，到新阐明的批判性人工智能、人工人文学科和文化人工智能等框架。这些方法中的每一种都利用更广泛、更具跨学科性的工具、问题和方法，对计算领域，尤其是人工智能，提出了更具针对性的干预。

因此，人文学科的职责范围已经扩大。最低限度的合乎道德的回应在于对与我们共享世界的他人、对先于我们和后来者负责。在这种最低限度的伦理框架下，一个有效的回应可能是漠不关心，但这并不等同于对由人工智能放大数字领域问题时的故意无知。然而，今天的人文学者并不处于这种位置。许多人感受到人工智能正在殖民他们的工作，尤其是在课堂上。他们注意到人工智能中偏见的持续存在，以及其集中化和单一文化的发展。如今，英语系被要求训练STEM学生的人文素养，课程设置也旨在解决数据和计算的社会维度。大学和其他机构正在重新组织其研究结构，建立新的中心和院系，并与产业伙伴建立联系——所有这一切都发生在人文学科被迫切需求却再次受到攻击的背景下[vadde_inside_2024, 557–58]。人文学科处于应对人工智能社会影响的前沿，但尚未被纳入其创造过程；在这一点上，这已是一个公认的论点，在我的著作《Artificial Humanities》[begus_artificial_2025]及相关工作中得到了进一步阐述[kommers_computational_2025]，并在机构层面得到了Schmidt Sciences和图灵研究所等机构的支持。发展协作场所和成功的跨学科实践是我们最紧迫的任务，需要探索、实验和时间。

我对当下感觉像危机的现状的诊断是，我们正在经历计算机科学的人文化，这需要将人文学科的方法、概念和价值观整合到人工智能的创造、应用和评估中。虽然“人文化”一词可能让人联想到将机器拟人化或使其符合人类需求，但我用这个词来指代一种更深刻、在时间上更新的转变，这种转变正在计算领域内外发生。这种人文化是对人工智能技术定性特征的一种回应，这些特征必须在理论上和实践上加以解决，理想情况下应与该技术的定量方法相结合。人工智能引发了哲学辩论，其中许多辩论正因为缺乏人文主义者参与而显得肤浅。主要由营利性部门主导的人工智能技术错过了商业目的之外的潜在用途。给予该技术应有的哲学尊严并认真对待其能动性形式，可能会塑造人工智能的创造、应用，并最终影响政策。

计算机科学的人文化是一项艰巨的任务，在许多方面比近年来经济学的人文化更为艰巨。¹¹¹经济学经历了类似的发展，始于亚当·斯密的道德哲学，并不断受到人文思想的塑造。随着时间的推移，它变得更加技术化，并采用了数学方法，特别是在二十世纪使用统计建模和形式证明的经济计量学。在二十一世纪，经济学再次变得更为人文化，催生了行为经济学、发展经济学、生态经济学、经济史和政策等子领域。这是一个更大现象的一部分，即科学和人文学科在经历了一个多世纪的分歧目标后重新走到一起，从而产生综合性的见解，否则这些见解将在过度分割、专业化的探究中丢失。

## 人工智能底层是文学的

文化人工智能是通向这种人文化的一条途径，而如果没有文学研究的见解，它就不可能成功。文学研究提供了经过检验的和新颖的框架，用于诊断、评估、理论化和实验人工智能的文化组成部分。文化人工智能不是一个研究对象，而是一个需要一系列新颖方法的复杂问题。人工智能将文本从一种文化传递到另一种文化，这是一种全新的文化相遇形式，其自动化规模在文本史上是前所未有的。文本和文化实践的条件——哪些故事、比喻、形式、语言和价值观作为默认设置流通，以及如何流通——需要文学研究的专业知识。文学学科已经通过比较文学阅读、叙事学与诗学分析、批评理论、世界文学和翻译来应对文化斗争。由于人工智能被设定为一种以文本为首要技术，我建议通过关注语言生产来应对文化人工智能的挑战。

文学研究具有独特的回应能力，因为它们已经在其自身的文本材料上发展出了理论、方法论和诊断工具，这些现在可以转移到对人工智能的研究中。特别是对LLMs的技术和社会技术研究已经开始解决人工智能发展中的一些文化方面，例如算法单一文化的危险[kleinberg_algorithmic_2021, bommasani_picking_2022]以及朝向更多元化模型对齐的努力[yong_state_2025, bhatt_extrinsic_2024]。与此同时，文学和文化研究已将技术扎根于其历史根源，探索其叙事和创造能力，并审视用以解释该技术的神话和叙事模板。

在制度上，工程学和文学研究几乎无法再更加分离了。毕竟，制度建立在将人、自然和技术划分为完全独立知识领域的哲学前提之上。然而，文学想象和人工智能计算自20世纪40年代末人工智能起源以来就已交织在一起，并在LLMs和其他神经网络模型中找到了新的交汇点。

下面，我提出一个分层框架，将文学方法直接映射到人工智能的文化挑战上。

**第一层：文学形式与实践。** 第一层涉及已经在人工智能的启发、实验、评估、解释和说明中使用的文学形式和实践。我认为，从人工智能诞生至今，文学形式一直被用于该技术的理论和实践发展。我将聚焦于艾伦·图灵推测的智能机器及其人工智能研究议程的文学-哲学影响，并革新我们对比基准的看法，将其视为技术测试和机器发展的北极星。

**第二层：批评理论。** 第二层对其研究对象具有元反思性。我聚焦于将LLMs与语言和认知联系起来的批评理论研究，揭示嵌入其技术设计中的认识论假设。我揭示了复兴的结构主义与后结构主义辩论如何将我们引向文化人工智能的核心问题，我称之为**结构性单语主义**：即文化和语言霸权在人工智能输出及其架构中的编码。我展示了如何从理论和实践上批判性地审视旗舰模型。

**第三层：世界文学。** 第三层是对一个尚未充分发展的研究领域的建议，通过世界文学理论的视角来应对人工智能不平等的全球动态：1）弗朗哥·莫雷蒂的文本宏观结构方法，揭示了由帕斯卡尔·卡萨诺瓦引入的中心与边缘的动态关系；2）大卫·达姆罗什关于流通文本及其新建立联系的实用主义乐观态度；3）艾米丽·阿普特基于不可译性的批评。

每一层都使人能看到人工智能文化复杂性的不同部分。这些层按照它们与人工智能的关系排序。第一层已嵌入技术发展之中，第二层是作为对它的回应而出现的，最后一层开启了与世界文学及其更广泛学术共同体进行新对话的可能性。文学研究无疑还有更多贡献，但我们才刚刚开始应对实际的人工智能技术，而不是过去几十年中困扰我们的想象中的人工智能。

## 第一层：文学形式与实践

文学形式在人工智能评估和实验中的存在并非偶然，而是基础性的。早期理论人工智能主要追求一种类似人类的梦想，而这种类似人类的模仿直到最近才通过人工神经网络实现——而这在当时是计算研究中的一个冷门分支。

回顾20世纪40年代末和50年代初人工智能的摇篮，文学——作为小说、诗歌、语言——尤其出现在艾伦·图灵的工作中。首先，小说在图灵测试（最初称为模仿游戏）的戏剧性设定中扮演了显著角色，其中智能通过书面语言在表演性的角色扮演中被评判。图灵那篇将该测试描述为模仿游戏的论文本身就以虚构对话的形式呈现。其次，图灵对萧伯纳戏剧的钦佩有据可查[switzky_eliza_2020, 32]。戏剧《皮格马利翁》中，一个伦敦东区卖花姑娘仅通过语言训练就能冒充公爵夫人，这凸显了这种功能性智能表现的虚构性质：如果卖花姑娘能冒充公爵夫人，那么一个足够智能的机器也能对人类做到这一点。第三，图灵的论文提出了一种可靠的方法来识破（当时想象中的）机器在图灵测试中的表现。他建议让机器写一首十四行诗——这是抒情主体性的经典标志。机器必然会回答：“这个我可不干。我从来不会写诗”[turing_computing_1950, 434]。在他具有里程碑意义的1950年论文中，图灵似乎将诗歌创作确立为思想的证据。然而，图灵对此并不那么确定。在1949年接受《伦敦泰晤士报》采访时，他给出了一个更为矛盾的观点：“我看不出为什么（机器）不能进入通常由人类智力覆盖的任何领域，并最终平等竞争。我认为你甚至不能以十四行诗为界线——尽管这种比较也许有些不公平，因为机器写的十四行诗会得到另一台机器更好的欣赏”[mechanical_brain_1949, 4]。

图灵的人工智能方法提醒我们，许多后来的人工智能基准测试、思想实验、测试和任务本身就是源于文学比喻的。人工智能评估的历史根植于语言