模擬

事件1：prompt：畫一個胸有成竹的男人。AI作畫結(jié)果：男人，上半身特寫，胸部長出竹子。

事件2：小學生做造句練習，老師出的題目是“如果”，一個學生挨了罵，他的句子是：“牛奶不如果汁好喝”。

事件1中的人工智能作畫令人啼笑皆非，它因而被人們稱為“人工智障”。原因在于，AI沒有“理解”成語“胸有成竹”，而是按照“字面義”甚至是“位值”執(zhí)行了命令。事件2是張大春在《小說稗類》中探討小說的修辭時，舉過的一個生動的例子。這位學生沒有將“如果”一詞看作依循語法規(guī)則定義的一個功能性副詞或介詞，造句成為了一種語言游戲，它遵循著一種“字面義”。

事件1與事件2所存在的相似，也許令人做出以下感慨：AI的“思考能力”還處在小學生學習階段；又或者，AI的“作畫能力”別具一格地創(chuàng)新。然而，在這一相似的背后，卻隱藏著人類對待計算機器的一個慣常邏輯：計算機器是對人類的模擬。這種模擬邏輯支配著人類中心主義式的、對新技術的恐懼，即害怕人類的部分勞動被計算機器所取代，更有甚者，如科幻小說中所描述的，計算機器將“統(tǒng)治”人類。

在知識生產(chǎn)的范疇內(nèi)，從哲學家到媒介學者——比如海德格爾、麥克盧漢、斯蒂格勒，計算機器的工具性在于它是人類器官的延伸、義肢。這一邏輯甚至貫穿了科技進化史。簡單來說，當我們說機器“會讀”“會寫”“會思考”（還有上文加引號的例子），這些比喻意義上的描述實際上是從人類自身角度來理解機器。此處筆者并非在否認機器會讀寫會思考，也并非號召以新的詞匯來命名計算機器。本文試圖爭辯的是，我們在理解和使用計算機器時，是否需要模擬邏輯？

機器思考與創(chuàng)新

張大春如此評價小學生的造句：“這是一個大膽的句子——它頑皮，不規(guī)矩，未能吻合慣見的文法，卻巧妙地拆解又重組了文字意義的可能性”。[1]直觀而言，顯然這種語言游戲彰顯了一種由物質(zhì)語言的字面義而驅(qū)動的想象力，并且具有挑戰(zhàn)規(guī)則的破壞力。然而，計算機器是否可以以此視角來評判？

以AI程序GPT-3（生成式預訓練轉(zhuǎn)換器，版本3）為例，它的轉(zhuǎn)換架構(gòu)中重要的一個環(huán)節(jié)是以注意力（attention）為機制來訓練數(shù)據(jù)。簡單來說，它聚焦于一個語境序列中的某個詞語，生成這個詞語的一個概率，這一概率顯示了它與句中其它詞語的關聯(lián)的重要程度。凱瑟琳·海耶斯（N. Katherine Hayles）在《深入AI的思想》（Inside the Mind of an AI）一文中，借助熱圖（heat map）來幫助讀者理解轉(zhuǎn)換架構(gòu)中的注意力機制如何工作。如下圖所示，在轉(zhuǎn)換器讀取句子“The big red dog”時，句子中詞語的密度對應著注意力機制賦予的關聯(lián)概率。在第一行中，轉(zhuǎn)換器識別出了“the”和“dog”，它們具有較高的概率。在第二行中，“big”與“dog”具有較高的概率。在第三行中，轉(zhuǎn)換器識別出之前的三個詞（“the”“big”“red”）均與“dog”有關，并且“dog”是該句話中最重要的詞語。[2]

短語“The big red dog”熱圖 

從上述GPT-3架構(gòu)的解釋不難看出，AI程序讀取詞語時，實際上是將詞語當作了令牌/標記符（token）——AI程序?qū)⒃~語轉(zhuǎn)化為向量，并且在數(shù)學意義上操縱它，使其與其它詞語和關系相關聯(lián)（這些詞語和關系來自對文本數(shù)據(jù)庫中已被訓練的詞語和關系的推斷）。這即是說，AI探測語言的方式，是由對向量空間的操縱和數(shù)學建模意義上的嵌入空間的臨接性所構(gòu)成；它并非像人類自然語言那樣，是意識對符號的操縱，因而它無法捕捉人類語言的整體。海耶斯的結(jié)論是，神經(jīng)網(wǎng)絡中所蘊含的知識與人類知識有著質(zhì)的區(qū)別：因為前者完全產(chǎn)生于表征（representation），即一種僅憑從其訓練的數(shù)據(jù)集中推斷出的錯綜復雜而廣闊的關聯(lián)關系而來的認知過程；而人類知識則是從具身行動中獲取。

海耶斯對于AI程序架構(gòu)的熱圖展示和得出的結(jié)論，可以充分說明AI關于語言的習得與人類對語言的認知有著很大差異。因而我們無法從人類語言認知的角度來評判機器“思考”。這就是說，以模擬邏輯來討論計算機器是行不通的。

寓無限于有限

哲學家丹尼爾·W.史密斯（Daniel W. Smith）在《創(chuàng)新的條件》（The Condition of the New）一文中，對創(chuàng)新的定義進行了辨析?！稗D(zhuǎn)化”（transformation）和“涌現(xiàn)”（emergence）都不能夠被算作遵循差異原則的創(chuàng)新性生產(chǎn)。他指出，當藝術家創(chuàng)作藝術作品時，他們已然便是以一種新的方式來組織世界上業(yè)已存在的質(zhì)料（matter）；這種創(chuàng)意僅僅是一種組合，并且創(chuàng)造僅僅是將新形式強加于已有質(zhì)料之上，這意味著，創(chuàng)意僅僅是一種形式上的突破，質(zhì)料本身淪為了求新求變的被動盛器。而“涌現(xiàn)”這一在當代科學與哲學領域被廣泛討論的詞匯，實際上只是暗示了另一種所謂求新的生產(chǎn)方式，即在一個系統(tǒng)中生成更高等級的復雜性。[3]

在數(shù)字語言藝術中，語言更多的是一種鮮活積極的建構(gòu)過程，而不是結(jié)構(gòu)主義意義上作為對象的抽象化系統(tǒng)。英國文化研究學者雷蒙·威廉姆斯（Raymond Williams）與哲學家維特根斯坦都曾經(jīng)強調(diào)了語言鮮活積極的建構(gòu)性。其中，威廉姆斯以馬克思主義哲學為語境，指出語言的社會性和生產(chǎn)性；[4]而后期的維特根斯坦則指出，語義是通過人們所使用的共同規(guī)則和語境而建立的。[5]

自1940年代末以來，美國的算法環(huán)境一直推崇一種完全計算，這一幻想認為，算法會對一切事物都按照其全貌進行翻譯。在第二次世界大戰(zhàn)期間，密碼學領域曾出現(xiàn)過數(shù)學家和科學家們的一個假設，即語言具有某些不變的屬性，這一屬性在某種程度上在所有語言中都是普遍的。在控制論的早期發(fā)展階段，科學家和數(shù)學家沃倫·韋弗（Warren Weaver）對這一假設深信不疑，他提出使用電子計算機來解決全世界范圍內(nèi)的翻譯問題，并且以語言的統(tǒng)計語義研究作為計算機翻譯的基礎。韋弗認為，“通用語言”具有所有語言的共同特征，并在所有語言之中具有其根源性——即這些共同特征可以支持不同語言的結(jié)構(gòu)。[6]此外，他還預測這一通用語言的邏輯結(jié)構(gòu)可以被機械化，以解決任何翻譯問題，并為解決通信的一般問題提供啟示。

20世紀上半葉，世界范圍內(nèi)的人民在極權主義政權下遭受著政治壓迫，繼之而來的先進形式的資本主義消費文化中的大規(guī)模生產(chǎn)，則帶來了一種對言說行為的幻想，即將言說行為用來為個體主體提供一種擴充的擬像，在這一擬像中，主體具有充分的經(jīng)驗與語言形式。在大眾生產(chǎn)中，語言經(jīng)歷著工業(yè)化與工具化，它在計算系統(tǒng)中因追求完全透明的翻譯而被簡化為一項實用任務：“語言被用來傳達沒有歧義的信息，并且不留下任何可能的解釋”。

在此背景下，激浪派藝術家艾莉森·諾爾斯（Alison Knowles）則看到了計算語言中的解放性力量。對于諾爾斯而言，計算語言是一種先進形式的語言異化，它可以介入對語言的工具化使用。諾爾斯認為，藝術品的計算構(gòu)成可以使得詩歌文本的創(chuàng)作和體驗復雜化，“混淆功能參數(shù)并使其開放于創(chuàng)造性的表演”，而不是使用技術來促進和維持可能的透明溝通。[7]

在她的作品《塵埃之屋》（A House of Dust）中，計算程序持續(xù)不斷地生成著四行詩，四行詩被實時打印在紙張上。這一裝置所采用的紙張，是美國當時政治和法律體系中常用的白底紅線、邊緣帶紙孔的工具性用紙。這一使用預示著，計算程序開始使用算法來干預對語言的控制和配置。行政紙上的計算機生成文本讀起來像是樂譜的五線譜：它將“特定權威和記錄不可撤銷的陳述性規(guī)則的工具”轉(zhuǎn)變?yōu)楫a(chǎn)生開放解釋的隨機過程領域。[8]

《塵埃之屋》中的11首由計算機生成的四行詩。Verlag Gebrüder K?nig, 科隆，紐約 (1967)。39 x 31.5 cm。

在諾爾斯的《塵埃之屋》中，隨機變得具有操作性，因為計算程序中的（不）完整性【(in)completeness】和形式概率開始被用作藝術技巧，這些技巧具有形式不確定性，它們質(zhì)疑著作品的權威和授權，并提供著替代可能性。諾爾斯受到杜尚和約翰·凱奇（John Cage）的影響，并與他們展開合作。激浪派藝術家倡導的隨機運作（chance operation）將達達主義傳統(tǒng)帶入了計算技術條件下的新社會歷史背景。更重要的是，它的媒介語言在不同的物質(zhì)層次上發(fā)揮著作用。在特里斯坦·扎拉（Tristan Tzara）著名的達達詩《制作達達詩》（How to Make a Dada Poem?）中，不確定的形式來自一種對操作型語言的運作：從報紙文章中剪切單詞、隨機選擇并組合成為詩歌文本。相比之下，在諾爾斯的計算機生成的詩歌中，不確定的形式指的是自然語言的句法不確定性，它延伸至藝術制作的不同上下文關系當中。這種句法的不確定性需要進一步澄清自然語言與詩歌生成器的程序語言之間的關系。

在《塵埃之屋》中，用于詩歌生成器的FORTRAN IV是一種高級編程語言?！癟o list”這個動詞短語首先是編程語言中的命令式。它向計算機發(fā)出命令，生成文本的選擇和組合的排列規(guī)則：它構(gòu)成了四行詩文本的基本結(jié)構(gòu)——“一個……房子/ 在一個……/ ……使用/ ……居住”，并在這個結(jié)構(gòu)中組織了四組元素（材料、位置、光源、居民）。在《塵埃之屋》的四行詩中，列表與詩節(jié)共享相同的句法規(guī)則。這使得編程語言中的列表命令易于理解。此外，詩節(jié)使印在紙上的文本易讀，四行詩讓整首詩變得可被理解。列表、詩節(jié)、四行詩、程序語言、紙上語言和詩的語言共享著相同的句法規(guī)則。然而，這種句法規(guī)則作用于不同的材料界限：列表是執(zhí)行機器代碼的命令規(guī)則，詩節(jié)使計算機行為的痕跡在紙上可識別，四行詩允許在詩歌文本和紙上的痕跡中進行可能的閱讀，產(chǎn)生理解的方式。與不同語言相關的這三種角色，以這種方式，限制了紙上空間的意義生產(chǎn)。

物質(zhì)條件中的差異與重復

GPT3中以注意力為核心的數(shù)據(jù)訓練機制，揭示了人工智能技術中的機器思考實際上是對標記符進行的基于數(shù)學關系意義上的識別。蘊含其中的模擬邏輯牽引著人工智能技術的發(fā)展以及人們對它的理解。歷史上，激浪派藝術家們所展示的操作型隨機，則使得計算機器的數(shù)學特性被置于藝術實踐中來探討。它提供了模擬邏輯之外的另一種邏輯，來理解機器與人的創(chuàng)造性的耦合關系。在這一邏輯之中，操作型語言揭示了物質(zhì)條件中借由語言元素所實現(xiàn)的差異與重復。如此的遞歸迭代也展示了計算式寫作所具有的生成的自主性。

參考文獻

[1] 張大春,2010.《小說稗類》. 桂林：廣西師范大學出版社.

[2] Hayles, N. Katherine. 2022. “Inside the Mind of an AI: Materiality and the Crisis of Representation.” New Literary History54 (1): 635–66. 

[3] Smith, Daniel W. 2007. “The Conditions of the New.” Deleuze Studies1 (1): 1–21. 

[4] Williams, Raymond. 1977. Marxism and Literature. Oxford & New York: Oxford University Press.

[5] Wittgenstein, Ludwig. 2009. Philosophical Investigations. Translated by G. E. M. Anscombe, P.M.S. Hacker, and Joachim Schulte. Chicago and London: Blackwell Publishing.

[6] Shannon, C. E., and W. Weaver. 1964. The Mathematical Theory of Communication. The University of Illinois. USA: The University of Illinois.

[7] Maud, Jacquin, and Sébastien Pluot. 2016. “Poetry in Translation.” Art by Translation, no. The House of Dust by Alison Knowles. https://www.artbytranslation.org/publications/houseofdust1.

[8] Ibid.