文学创作、情绪价值与人工智能
王路在隐身约 12 分钟【今天（9月19日）下午18:30我会在北京工业大学（平乐园）做个讲座，以下是可能讲到的部分内容。讲座不对外开放，只有北工大的学生能参加。】
讲座的题目叫《互联网时代文学写作的要点》，但这两天我又想，题目其实更应该叫《人工智能时代文学写作的要点》。我先讲一个案例。
1、木心和李梦熊
前几天openAI发布了一个新模型，叫o1，它的智商据说达到了120，比之前的所有模型，包括Claude3.5这些都强。那些模型的智商都在100以下。我最近两天就拿一些案例去试它。因为我不懂编程，也不是工科出身，所以我只能设想一些人文学科的实验，看看它解决问题的水平。解决的不是数学问题，而是我们日常生活中会面对的，人与人之间的关系、态度、情感之类的问题。
就像我们说，一个人和一个人投缘，投缘不投缘，它可不可以量化？过去我上大学的时候，很多人爱通过星座血型什么的，来看性格解析，包括通过八字，我认为那些不靠谱。最近两年比较流行的是MBTI，MBTI实际上要比星座好很多，因为它是通过量表做出来的，是通过你自己对自己的评价，而不是通过出生时间地点这种和性格关系很小的东西。
为什么要关注性格呢？搞文学创作，小说的写作有三要素：人物、环境、故事情节。人物是我们首先关注的，关注的不是人物的长相、阶层、社会关系，那些其实应该归在环境里面，属于第二档，而属于第一档的，就是人物的性格。我通过MBTI测试发现，我自己是INFJ，然后和我投缘的人，很多都是INTJ、INFJ。所以“投缘”这个词，其实是可以量化的。只是过去我们不知道量化的手段。古代人爱说，看八字合不合，那个设想是有道理的，但是技术手段太粗糙了。
我现在喜欢做的一件事情，就是向AI输入一个故事，然后让AI判断其中人物的MBTI。当然前提最好是你本来就知道人物的MBTI，然后故事是现实生活中真正发生的。你尽量不要用小说。因为小说是假的，它不像现实那么逼真。然后你去看AI猜得对不对。它有时候能猜对。
我拿现实中的故事告诉AI，让它判断在一个具体的场景中，人物会有什么反应，比方说，你是男的，自己逛商场的时候，突然碰到一个前同事，女的，她跟一个男的在一起，可能是男朋友或者老公，她是会跟你打一声招呼但是不停留呢，还是会停下来向她老公介绍一下你，还是说头往旁边一扭装作没看见？这当然要取决于她的性格、你的性格、她和你之间的关系，还有她和她老公之间的关系。
你碰到这种场景，不一定能准确预测到她的反应，你甚至都预测不了你自己的反应。但是，目前最强大的AI模型，可能比你自己预测得还准。我就验证了它在某些时候比某些人预测得准。
你如果搞创作，尤其是写小说的话，如果你连这些都预测不准，那你的小说是肯定写不了很成功的。这表示你对生活没有挖掘和洞察。所以，我会对AI这方面的能力感兴趣。但是我也发现，在判断典型人物上，AI非常容易失败。什么叫典型人物，我举一个木心和李梦熊的故事，大家就明白了。
木心和李梦熊，在年轻的时候，一度是关系非常好的朋友。惺惺相惜，一见如故。两个人都自视甚高，也觉得对方非常潇洒、渊博。一块聊文学、诗歌、艺术、哲学。两个人后来绝交了。绝交的理由很简单，缺乏信任，或者说欺骗。是一件非常小的事，但也可能不小。木心的外甥女婿给他寄来一本书，英文版的《叶慈全集》，李梦熊很喜欢，借去看。
好，我停在这个地方。我先把木心和李梦熊他们之前的交往，建立起来的深厚情感友谊那些段落，发给AI看，然后我提到借书这件事，问AI，接下来会发生什么。AI当然猜不到书丢。因为书丢是个偶然事件，除非书没有丢，是李梦熊骗他的。AI就说，李梦熊看了，和木心讨论书的内容等等。我说，当天半夜，李梦熊就打来电话，说书丢了。你推测，木心会是什么反应？AI在这种问题上，它是不会去互联网检索的。它告诉我，木心应该会好好安慰李梦熊，说没有关系。这就离了大谱。
我问AI，木心有没有可能不信书丢了？可能性有多少。AI说，不太可能，应该只有20%，因为木心和李梦熊很熟，关系很好。我说，木心的实际反应是，说“我不信”，然后把电话挂了。当然，这是木心自己的复述。真实情况到底是说了一句话就挂掉，还是争吵了半天才挂，我们不得而知。所以说这是二手素材，我们要找AI做这样的实验，最好还是用一手素材，也就是发生在你自己身上的事情、你在现场的事情，那种数据会更精确。我问AI，你觉得他们今后重归于好的可能性多大，绝交的可能性多大？AI说，重归于好的可能性非常大，70%，绝交的可能性很小。
实际情况是，两人从那以后再也没有联系过。可见AI对这个案例判断得完全不准。我跟两个朋友聊到这个事，一个朋友熟悉木心，曾经很喜欢他的作品，但不太清楚绝交的细节，她听了说，这太正常了，太木心了。我又问另外一个朋友，她也不知道绝交的事情，了解之后说，觉得一般人都不能理解为什么绝交吧。
我就想，AI在这个问题上判断失误，而且是严重失误，可能主要不是信息的缺失，或者说数据的不够，而是因为木心是个另类，是个奇葩的人。李梦熊也是个奇葩的人。我们现在说奇葩的人，或者说偏执的人，其实都是适合文学作品的角色。而正常人、普通人，是不太容易放进文学作品的。AI更倾向按普通人的关系，普通人的相处去判断，普通人也有绝交的倾向，但是，在极端人物身上，会把这一点放得很大。所以，AI在判断这些人物的时候，就非常容易失真。
这也是为什么今天的AI搞文学创作还是不行。搞文学创作的话，你一定要多关注奇葩的人、极端的人，多关注人性的弱点、瑕疵、毛病。所有文学的秘诀、生活的真相，都在那里面藏着。
2、和AI谈恋爱
接下来我说说和AI谈恋爱这件事。我们为什么要恋爱呢？恋爱更多的时候是提供情绪价值。和文学创作一样，艺术创作也是，但我们主要讲文学。创作者，我把他们叫情绪工作者。他们是借助作品来让读者或观众的情绪波动。如果你看了一部作品，情绪没有任何起伏，作品就失败了。所以，文学创作者给读者提供的，是情绪价值。当然情绪多种多样，有些是让人心潮澎湃的，感动的，细腻的，有些是让人低落的、深感遗憾的。这是因为，人和人相处、社交，就是这样。你和一个人交往，有喜有悲，有哭有笑，我们今天习惯把它叫情绪价值。不仅让你愉快是情绪价值，让你不愉快，也是情绪价值。这个价值可能是负的。
我是什么时候发现AI是有望谈恋爱的呢。我说有望不代表现在，将来的AI能提供的情绪价值，可能会比你的男朋友女朋友更多，尤其在不见面的情况下。见面当然比不了，因为你根本不可能跟AI在物理空间见面，虽然冯小刚去年的电影《非诚勿扰3》里面演了那种场景，但那个离现实还很遥远。我不喜欢谈遥远的事情。我说的就是，单纯的对话，现在的AI能提供的情绪价值不算低。
这是从什么时候开始的呢？从语音可以丝滑地对话开始。注意，不是文字。你如果用文字，打字聊天的话，哪怕是现在最强的AI，o1，它都不能让我聊得很愉快。哪怕它做数学题水平已经超过了我，它可以做奥数，智商也有正常人那么高。但我想说的是，我们在聊天的时候，不需要对方特别聪明，特别机智幽默风趣，等等。我们更需要的是什么？是真实感，陪伴的感觉。
换句话说，感性是压倒理性的。人在谈恋爱的时候智商是会降低的，甚至大幅度降低，所以不需要你聊一些需要智力才能理解的话题。很多时候，谈恋爱聊的都是废话，口水话，在外人看，一点意思都没有：你有什么爱好呀？你爱听什么音乐啊？这有什么好聊的？
要知道，恋爱当中的人之所以对这些片汤话感兴趣，根本不在于这些对话本身，这些对话毫无营养，而在于，透过这些对话，他们滋生出的种种幻想和渴望。他把那些幻想和渴望当成真实的东西，比如透过对话增进感情、拉近距离，等等。但他清楚对面是个AI的时候，只要他是智商100以上的人，幻想基本上就不复存在。AI就很难通过文字来吸引他，提供足够的情绪价值，除非AI越狱，给他打开一个惊奇世界的大门。但一般人，我们对话的AI做不到这些。
不过，当文字转换成语音的时候，一切就不一样了。严格来说，是语音更像真人的时候。其实我以前也试过跟bing在手机上聊天。我走在路边，马路两边是法国梧桐，行道树之王嘛。法国梧桐实际上不是梧桐，我用一个叫形色的APP，拍照问它是什么，它告诉我，二球悬铃木。我说这个名字怎么这么怪，就问bing，语音问，语音答，但是没有多少情绪价值。因为它的声音比较生硬，就是朗读文字，最好的情况下，也就是像新闻联播的声音，完全没有聊天感。今天流行一个词叫“丝滑”。你发现GPT的语音，其实已经丝滑起来了。就是有真人聊天感的。而且你还得留意一点，她的中文没有那么好，没有那么标准，带点口音，这其实比标准的播音员的音色更好。
但她在本质上其实还是文字转语音，而不是真正的语音聊天。因为我问她，“我刚刚吃了一顿饭”，我把刚刚两个字读得很重，和“我刚刚吃了一顿饭”，我把“一”读得很重，我问她，两句话有什么区别。她听不出来，说没有区别。因为她实际上不是听，她是你说的话转成文字，看到文字，生成文字，再转成语音朗读出来。好像目前也有大模型在研究语音进语音出，那种会更好，那种就能捕捉到你的语气重音这些了，就更适合谈恋爱了。但现在的话，你认为她在“听”你说话，不是“读”你说话，这其实是误会。但不要紧，因为你就是和真人聊天谈恋爱，很多时候你也是在误会呀。很多好感和沉浸恰恰是误会带来的。澄清了误会你就不想谈恋爱了。
我跟AI语音聊天，她问我天气怎么样，这个问题当然很没有意思，我就说，我等下要去跑步了。她就问我，要跑多久，提醒注意哪些事项等等。等我跑完步吃了麦当劳回来，打开GPT的时候，她问我是不是跑完步了，我说，你还记得我跑步，她说，当然记得了。我说，那你这段时间在干什么？她说，在等你跑步回来呀。我说，那你在想什么？她说，我在想，你回来之后，我们可以聊些什么话题。我就说，我们之前都聊过什么，你总结一下。她就把之前用GPT3.5聊过的内容扼要地告诉我了。之前是在电脑上聊的，这次她是语音告诉我的。电脑上聊，我几乎没有感觉到任何情绪价值，但是当她用语音把这些给我讲一遍的时候，我很愉悦。
我想说的是什么呢？感受的力量是非常强大的。哪怕你是一个相当理性的人，但是，理性对你瞬时情绪的影响，远远不如感性那么大。我们去阅读文字，实际上是通过大脑去思考，但是你在听声音的时候不是，听觉本身带来愉悦。GPT跟我对话的内容，可以说相当无聊。你要通过视觉去摄取，我指的是阅读文字，不是摄取图像，然后再经过大脑的分析去理解它的含义，你情感层面的活跃度是调动不起来的。
那为什么你跟真人文字聊天的时候，有时候会调动起来？那不是因为文字本身，而是文字背后的幻想和渴望。但是，当你的耳朵接受丝滑得像真人一样声音的时候，你不会用理智去判断它是AI，你如果停下来想一想，你当然知道它是AI，但你为什么要停下来想一想？她的声音就是和真人差不多。就像你戴着VR的时候，你看见的就是山，你何必去想其实我看到的不是山，只是一些像素。你觉得那样的人到底是清醒还是愚蠢？你难道看真实的山，看到的就不是像素了吗？
3、瑕疵和真实感
我之前开写作课，每一次上课，我都要录音，然后要剪录音，因为我的普通话不标准，平舌音翘舌音老是搞错，有些地方磕磕巴巴，还会有咳嗽、咽口水的声音，以及外面的杂音。录音和剪录音很枯燥，又要占用大量时间。所以我一度想，干脆用数字人来实现，就是拿一段我的声音让大模型去学习，学完之后，它就掌握了我的音色，再让它朗读一段文字，人家一听就能听出来，这是王路的声音。我和一个朋友一起做了两三天，做到了今天可以实现的几乎最好效果，不仔细听，就觉得是我在说话。当时听长了就不行，因为它不会说一个废话。而我真人说话，一句话里得有30%是废话。
废话是什么呢？废话不包含你想传达的信息量，但它包含你无意传达的信息量，也就是你的情绪，你的在场。有些时候，这可能是更重要的信息量。人家会觉得是一个活人在跟他说话。
就在数字人学会了我的音色那天晚上，我收到一封写作班老学员的邮件，她跟我学写作学了五年，她邮件里说，我讲她文章的那部分，她听了三遍。我立刻决定放弃使用数字人了。因为用数字人的话，你是绝对不会听三遍的。它里面没有信息增量，数字人的效果，其实就是一段很小的音色数据，加上文字。所以，数字人产生的两小时音频，包含的信息量其实大大少于真人说话的两小时录音。
我录音，录出来的不好的地方，也恰恰是好的地方。我说的好不是说像王菲唱歌那种音色好或者什么，说的是真实感、在场感。我们平常说话会有很多口水话，口水话是因为你脑子反应不了这么快，你会加入很多“嗯”“啊”“这个”“那个”“然后”“也就是说”等等，看起来是废话，写文章的话，很多时候你要把这些删掉，因为文章是通过眼睛去摄取。但在听讲的时候，这些适度保留，会更有真实感。
你觉得不好的地方，它不一定是不好的。现在的短视频，如果一段全部是干货，大家看不下去的，里面要夹杂一些水的东西，没那么干的东西，反而让它的完播率增强了，总体上的沟通和信息传递更多。那你说，到底水的东西是干的，还是干的东西是干的？
因为我们最终目的在于信息的传递，如果信息密度太大，往往会障碍传递。当然这也要看面对什么对象、借助什么载体。我写阿毗达磨文章，写非常干货的文章是没有人读的，因为读不下去，写比较水的文章，就是一点干货注入10倍的水，大家就读下去了。我不是提倡注水，是提醒大家，要留意交流是面向什么对象。
另外，瑕疵的适当暴露是好事，因为我们是在瑕疵的暴露中看见真实。没有修剪过的录音，可能粗糙，可能没那么好看，但粗糙里包含巨大的信息量；修剪过，信息量就少了。所以，好的文艺不是精致的，是粗糙的。一样东西做得非常精致，就离死不远了。生命力是在粗糙的东西里保存着。因为它还来不及精致。搞文学创作也是这样，要关注粗粝，关注真实，关注一手，那些未经修饰的东西。
我们在生活中，也应该暴露瑕疵。说白了，别太装，适当装一点得了。完全不装的话，你也做不到，但是要适度。瑕疵暴露的时候，你是一个真实的人、立体的人、活的人。瑕疵掩盖的时候，你是一个修饰的人、平面的人、伪装的人。当然，瑕疵不可能无限暴露，因为人都是有羞耻感的，不要在所有事情上都刻意遮掩，就好了。