最近幾年，ChatGPT、Deep Seek等聊天機器人的啟用，讓我們產生了如癡如醉、無法置信的超現實感和奇跡感。這些基于AI技術所開發的大語言模型依然處在難以預測未來的高速發展之中，它們不僅僅為我們帶來了不停刷新的驚艷體驗，并以苞括宇宙、總攬人物的巨大動能嵌入九流百工，重塑我們對社會現實與未來世界的想象。正所謂：開談不說大模型，讀盡詩書也枉然！

那么，AI（按，為行文方便，本文所提及的AI可以視為大語言模型的同義詞）對文學研究的未來究竟會帶來什么影響？讓我們先來看看AI自己怎么說。我選用的大模型是ChatGPT。以下是它的回答：

AI的發展無疑會深刻影響未來的文學研究，可能帶來以下幾種情況：

文學分析方式的變革：AI在文本分析上的能力不斷增強，可能會改變傳統的文學研究方法，主要體現在：大規模文本分析：AI能夠處理海量的文學作品，進行跨文本、跨時期、跨文化的比較研究。例如，利用AI可以分析19世紀小說中的性別表述模式，或追蹤特定主題在不同文學傳統中的演變；風格和語料分析：AI可以通過風格統計、文本指紋識別等手段，判斷一部作品是否是某位作家所寫（如破解偽托作品的問題）；情感與主題分析：自然語言處理可以幫助學者識別某個作家作品中的情感模式、隱喻使用，或探測潛在的思想傾向。

傳統詮釋學與計算文學研究的對抗與融合：傳統文學研究強調文本的細讀、歷史脈絡、文化語境，但AI可能推動遠讀的研究模式，即利用算法對大量文本進行宏觀分析。AI生成的統計數據可能會挑戰或補充傳統的文學批評，例如，它可能揭示一位作家一生作品中某些主題的潛在變化，而這些變化可能是研究者在細讀中未曾注意到的。

文學創作與文學研究的邊界模糊：AI能夠生成文學作品，未來可能會出現越來越多的AI“作家”。這可能帶來文學研究上的難題，例如：“AI生成的文本是否值得文學研究？”“AI寫的小說如何被歸入文學史？”“如果AI借鑒某位作家的風格，是否算抄襲？”AI輔助創作可能改變文學批評的對象，如對AI與人類共創文本的研究，或者探討AI如何改寫、翻譯和解釋文本。

文學研究者的角色變化：未來的文學研究者可能需要具備一定的數據素養，懂得如何使用計算工具、編寫文本分析代碼。可能會有更多的跨學科合作，人文學者與計算機科學家合作，形成新的研究范式。研究者可能會利用AI來輔助研究，例如：生成研究摘要、翻譯古籍。通過AI模擬“作者風格”來測試某種文學理論。AI參與文本標注，幫助研究者分析文獻。

文學經典的重新審視：AI可以挖掘出經典作品中被忽視的細節，例如：通過語料庫分析找出經典作家未被充分討論的主題。重新審視非主流、被忽視的文學作品，使得“文學經典的定義”更加多元化。AI還能識別和整理被歷史遺忘的文本，例如對大量未被研究的手稿、書信進行分析，從而重新塑造文學史。

過度依賴AI可能導致研究者喪失對文本的直覺理解，或者被AI提供的數據誤導。總結：未來的文學研究可能呈現雙重趨勢：數據化、自動化——文學研究將越來越多地借助AI進行大規模分析，推動計算文學研究。人文核心的回歸——盡管AI能夠分析文本，但文學研究依然需要人的情感理解、文化闡釋、歷史意識。最終，AI不會取代文學研究者，但會深刻改變研究的方式，使其更加跨學科、數據驅動、技術融合，同時也引發新的哲學與方法論問題。

乍一看這個回復，真有一種關機興嘆、金盆洗手的沖動。它不僅列舉出了我瞬間想到的某些方面，還有一些我從未考慮過的那些可能趨勢。當然，我沒有設置特別的條件，它的視角也相對單一：它基本上是結合數字人文的角度，側重指出利用語料庫進行各種建模分析所產生的可能結果。但假如我換一些條件設定來問它，它顯然會生成其他答案，這些答案未必就不具備啟發意義——須知，它才是真正的經史子集無所不窺。我不知道它是否讀遍天下所有出版物，但它擁有的知識數據肯定以天文數字的倍數超過我，它當然無疑會呈現許多常識或庸見，但是這些常識或庸見如果屬于我不熟悉的領域，那依然會讓我感到振奮和新奇。

事實上，最近幾年我自己的學術寫作經驗讓我認識到，我已經幾乎無法擺脫對AI某種程度的依賴。它不知疲倦地回應我的幾乎所有要求：它當然會幫我歸納克爾凱郭爾《勾引家日記》的主題，還能為我解釋為什么阿拉伯人也是閃米特人，但反閃米特主義（anti-Semitism）一詞的意思其實是反猶主義（而非反阿拉伯人）；它告訴我米芾癡迷石頭有哪些著名段子；它能替我將佶屈聱牙的周誥殷盤片段翻譯成暢達清通的白話文，還會幫我耐心地逐行逐句解釋維特根斯坦的哲學文本。甚至，在我才盡詞窮的時候，還可以幫我去物色動感十足、光鮮照人的詞藻。最后，它還會列出一些我可能沒想到但說不定感興趣的相關問題，殷勤地請示我，是否需要它繼續提供解答。

我讀大三的時候，在西湖邊曾經遇到過一位老者。他先跟我描繪了吸煙的美妙之處，說他才抽了一口，就覺得飄然欲仙。然后說：這東西太好了，所以我就必須要防著它，離它遠點。打那時開始，我就形成了一個質樸的看法：凡是好東西，必然容易上癮，因而也必然讓我們付出得不償失的代價，因此必須要保持警醒。這其實應該是自古而今的人生智慧。說到古人對技術的防范，我們也許都聽說過莊子“圃者拒機”的故事。其內容如下：“子貢南游于楚，反于晉，過漢陰，見一丈人方將為圃畦，鑿隧而入井，抱甕而出灌，搰搰然用力甚多而見功寡。子貢曰：‘有械于此，一日浸百畦，用力甚寡而見功多，夫子不欲乎？’為圃者卬而視之曰：‘奈何？’曰：‘鑿木為機，后重前輕，挈水若抽，數如泆湯，其名為槔。’為圃者忿然作色而笑曰：‘吾聞之吾師，有機械者必有機事，有機事者必有機心。機心存于胸中則純白不備；純白不備，則神生不定；神生不定者，道之所不載也。吾非不知，羞而不為也。’子貢瞞然慚，俯而不對。”莊子在這里對技術進行了毫不含糊的質疑和批判。他的擔憂在于我們本來想把機械裝置視為我們解決麻煩的手段，但其結果往往是我們的心已經是機心了，我們喪失了自我主體性，反而為外物所役使，這可就帶來了更大的麻煩。

無獨有偶。我們可以看一下，柏拉圖筆下的蘇格拉底對文字書寫這一當時的最新發明，是如何進行攻擊的。蘇格拉底說，特烏斯（Theuth）是埃及的智慧和技藝之神，是書寫的發明者。他向埃及國王保證，書寫將使埃及人更聰明，增強他們的記憶力。但國王認為事情正好相反，書寫充其量只具備記錄的功能，我們對這一外在工具的依賴，會導致內在記憶能力的退化。書寫給我們帶來的智慧是空洞的，因為讀寫的人只是機械操作，卻無法真正理解或運用這些知識：“因為你的發明將在那些學會它的人的靈魂中產生遺忘。由于不再鍛煉他們的記憶，他們依賴書寫，這也就是從外部被陌異符號所提醒，而不是從內部也就是自己提醒自己：你發現的不是記憶的靈藥，而是提醒的毒藥。你給你的學生們帶來的是智慧的表相，而不是智慧的實質；他們在沒有教導的情況下聽到了很多，看起來知道很多，而實際上大多一無所知，而且他們會很難相處，因為他們獲得了智慧的表相，而不是智慧本身。”（Plato. Phaedrus. Translated by C. J. Rowe. Wiltshire, England: Aris & Phillips, 1986, p. 123.）真正的智慧應該是通過對話交流才能接近真理，而文字是死寂的符號。更不用說，依賴書寫會讓靈魂變得懶惰，因為人們會滿足于表面的、易得的知識，而不容易激勵自己在真理探索的荊棘小道上艱苦跋涉。

在柏拉圖時代，建基于記憶的口傳文化占據主導地位，人們通過吟唱或摹仿史詩、神話或道德規范，通過即興演講和自由辯論來承載社會秩序并維護知識連續性，記憶女神墨涅莫緒涅（Mnemosyne）是繆斯九女神之母，記憶是真理的守護人。因而，書寫這一新興技術對記憶的挑戰，猶如今天人工智能對人類智能的挑戰。饒有興味的是，柏拉圖假托蘇格拉底之口對書寫的指控，跟我們今天對AI之局限的認識在許多方面如出一轍：柏拉圖認為冷冰冰的文字只能被閱讀，無法與讀者互動，正如AI能模擬語言，但不能參與生活形式，它的語言輸出是偽參與，是一種語言的表面化表演；文字不能判斷其讀者的理解程度，并據此加以調整表達方式，同樣，AI也不能理解語言的社會實踐維度，它雖然可以跟提問者進行互動，但此時它是把提問者視為可預測的機制，是根據算法和數據來理解提問內容所體現的思維或情感；書寫的知識是靜態的，不能產生真正的智慧，只是存儲和提醒，同樣，AI沒有內在性、時間性和意識流，不能獨立思考，無法真正理解或推理，只能根據已有數據模式提供概率最優的回答，不能生成新的思想。

這樣的比較，我們當然還可以繼續列舉。但是事情還有另一個方面。在我們前文所引用的柏拉圖《斐德羅》文本，來自英國古典學者克里斯托弗·羅的英譯。他在翻譯希臘文“pharmakon”的時候，擇取的英文詞是“elixir”。德里達肯定不會同意如此翻譯。“pharmakon”其實同時包含了靈藥與毒藥兩層含義（我的譯文即是如此處理），但選用了“elixir”（意指靈丹妙藥）一詞，就丟掉了毒藥的意思了。德里達試圖表明，書寫既危害記憶，但同時也保存記憶。而且事實很明顯，柏拉圖在運用文字來批評書寫的時候，卻暴露了書寫本身的不可替代性。換句話說，當柏拉圖不得不采用書寫形式來批判書寫的時候，這似乎意味著他盡管認同蘇格拉底的擔憂，理解書寫為人類帶來的弊端，但畢竟在相當程度上還是認可書寫本身的意義與價值。由此我們不妨有所推論：我們其實不能像圃者拒絕使用灌溉工具那樣拒絕接受人類發明的技術手段，因為技術畢竟給我們帶來了便利甚至福祉，而這實際上是文明進步的動力之源。同樣，無論AI會對人類文明帶來多大程度的毀滅性沖擊，我們也無法鴕鳥主義地拒絕AI給我們的研究帶來的福利。

如果我們不得不借重AI的巨大力量，讓它為我們的文學研究提供服務，該如何想象人工智能與人類智能合作的可能前景呢？回答這個問題在精神實質上與其說是科學的，不如說是文學的。阿爾都塞很贊同黑格爾那句名言：“密涅瓦的貓頭鷹總是在黃昏時才起飛。”他解釋說：“哲學的變革總是對偉大科學發現的反響回應。因此，從根本上說，它們總是在事件發生之后才出現。”（Althusser, Louis. Lenin and Philosophy and Other Essays. Translated by Ben Brewster. Delhi: Aakar Books, 2006, p. 4.）我們其實并不知道AI的未來會發展到什么水平，也不了解未來的社會對AI接受的限度。既然歷史尚未終結，而理論無法扮演現實指導者或未來算命師的角色，它謹守職分應該滿足于回溯式反思，那么，我們現在能做的只是進行某些未必靠譜的推測甚至猜想。

從理想的角度來說，我們最好能夠如莊子所言，做到“物物而不物于物” ，也就是能夠有效地利用好AI這一重要工具，但與此同時保持自己的主體性，不被它的邏輯所左右。要做到這一點，可能首先依賴于我們具有非凡的提問能力。眾所周知，提問能力是學術想象力的核心部分，它不僅是思維的起點，更是走向學術創新的根本途徑。“學問”的概念本身就隱含了提問的重要性。蘇格拉底的辯證法就意味著提問與回答的一連串對話過程；耶穌在12歲的時候，就能在圣殿里向拉比問出聰明的問題；屈原《天問》的激情172問，表達了他對宇宙天命和人世秩序的深刻懷疑。問題意識有可能會決定我們思考的方向、視角的選擇、方法的確定甚至寫作的風格。有洞見的問題，在AI提供的數據上，其實是找不到現成答案的。或者毋寧說，我們向AI發問往往是調取流行答案的一個過程。我們可以讓AI幫助我們對我們所提出的問題進行學術史梳理（當然目前的大模型這個任務完成得還遠談不上令人滿意，專業水平還有待提高）；可以輸入具有一定理解難度的文本，要求它為我們進行仔細地釋讀（在許多情況下，它在對某些理論文本乃至文學作品的細讀方面頗具優勢，能夠映現出學界對此類文本研究所已達到的較高水平）；甚至可以設定具體要求，指令AI為我們提供解決這一問題的可能思路（通常文從字順、邏輯清晰、中規中矩，但觀點平庸），如此等等。但所有這些，只是我們讓AI為我們在浩如煙海的文獻中打撈與我們的問題相關的資源或信息，或者，只是讓我們了解我們的探索目標已經獲得部分解決的進展度。簡而言之，所有這些工作所獲得的成效，對我們研究者而言，都意味著可以有所資取或摒棄的材料，因而等待我們對此有所超越。我們顯然必須在問題意識的引導下，組織我們的論證架構，讓AI的普泛的、碎片的、機械的和同質的知識星星變為專精的、集中的、有機的和獨特的知識星叢。

但這說來容易做來難。首先，今天像ChatGPT或者Deep Seek這樣的聊天機器人，盡管確實沒有真正的推理能力，只能基于概率和已有知識生成答案，不能創新或自主思考，但是在許多方面已經具備了大大高于普通學者的高級智能。只要某種規則體系比較明確，它就能比大部分人運用得貼切、精準。舉例來說，我們可以讓Deep Seek根據拉康理論來重新解讀《紅樓夢》，你會發現它的批評分析嚴絲合縫，頭頭是道。同樣，我們如果請ChatGPT用新批評的方法來分析李商隱的《重過圣女祠》，它的任務也會完成得相當完滿。這是容易理解的：如果文本細讀的程序是可以歸納的，如果理論的范式是清晰的，如果給定的文本是明確的，機器操作就非常的簡單。這里文學文本就好比工廠的原料，研究方法就好比機器加工的步驟，如果材料俱足，機器沒有故障沒有斷電，那么機器操作反而有勝出手工操作的高效和精準，正如英國早期工業化時期的紡織機戰勝手工織布一樣。

換個說法，這也許意味著AI的知識儲備和運用規范的能力已經超越了大多數平庸的學者。胡應麟在比較李杜時有個說法：“李杜二家，其才本無優劣，但工部體裁明密，有法可尋；青蓮興會標舉，非學可至。又唐人特長近體，青蓮缺焉，故詩流習杜者眾也。”（胡應麟《詩藪·外編卷四 唐下》，上海古籍出版社1979年版，190頁）掌握法則最好的人是杜工部，他也被譽為詩圣，因為追隨他的人最多。AI其實都是可能的偽詩圣，能把詩歌的平仄用典之類規則運用到極致，除了缺了點靈魂。把這種情況類推到文學研究上來，今天所面臨的困境是，我們絕大部分人都不是李太白那樣的天才。我們通常在做研究的時候，都是依仗得到公認的理論方法或通俗點來說學術套路來建立自己的分析視角。但當我們這樣去做的時候，很可能無法超越AI提供的論點或答案。而且，我們學習和理解新知識的速度很難跟上AI。從理論上來說，任何具有創新性的研究成果一旦進入公共領域，其數據就瞬間會被AI所捕獲并吸收，也就是說，其新意立刻就會作古：未來的韋伯、阿多諾或者德勒茲們剛剛炮制出新的理論觀點，很快就會被AI轉化成新的學術教條或運思程式，并允許用戶們生成無限多的各種理論或應用文本。不僅如此，我們還可能被AI強大的、詳盡的、豐富的各種論點或材料所吸引，一如筆者在篇首列舉的ChatGPT提供的本文的諸多答案給我帶來的體驗一樣；我們很難擺脫它給我們帶來的巨大壓力，并產生無法進行創新性思考的焦慮。這讓我們非常容易產生強大的惰性，不愿艱苦地獨立思考。

當然，我們可以暫時聊以告慰自己的是，我這里明顯夸大了AI的能耐，其實AI目前在運用中普遍存在著幻覺，也就是大模型輸出貌似合理其實虛假的內容。在認知對齊方面，也時時出現對人類意圖的誤判。在我們比較熟悉的專業領域里，我們會發現，它的反應往往十分業余。但我們對這些不足不必高興太早，因為我們必須誠實地承認它發展的未來趨勢。可以想象的是，AI一定會通過“檢索增強生成”技術線路、增加微調和對抗性訓練、引入外部工具和改進模型架構等手段來減少幻覺，強化意圖對齊策略，使得AI的效能在未來得到系統性優化，盡管它永遠無法克服這一它與生俱來的bug或弊端（語言模型本質上是“下一個詞預測器”，訓練的目標是預測哪個詞最可能出現，而不是“說出最真實的東西”）。另一方面，我們用戶自己也可以通過提升提示詞技巧以及外部查驗來核對其提供材料的真偽，從而讓機器為自己在數據之海中捕撈更可信、更有價值的文獻或思路。

但無論如何，無論語言模型的發展還是我們的運用，就這兩者的可能性而言，一座越來越明顯的分水嶺將會浮出地表，我們的文學研究的歷史有可能將會被劃分為“前AI時代”與“AI時代”。是的，進入AI時代的人們，必須具備良好的數據素養，這也可能會讓越來越多的文學研究者們改變自己的研究方法，例如轉向莫萊蒂主義或數字人文。但更重要的是，未來文學研究人員隊伍可能會萎縮，其結構可能會出現某種嚴重的失衡。我們可以想象存在著兩極研究人員，一極是資質平平的大多數，他們更容易屈從于AI邏輯，容易變成循規蹈矩、缺乏靈氣才情的我注六經式學究；另一極是能夠驅使AI為自己服務的天才式的李白一樣的人物，是六經注我式的偉大提問人，這當然也注定是罕見的極少數學術精英。就前者而言，我們不難想象中文系課堂學習或學術討論中會出現的慘淡前景：老師在講解什么是“反諷”，學生打開kimi，發現語言模型比老師講得更加詳盡；教授在學術大會上的主旨發言中比較（作為審美經驗認識機制的）因明學概念“現量”與康德“審美直觀”或梅洛-龐蒂“前概念經驗”，而學生在豆包中查到相關信息后發現，該教授毫無新意。我的意思是說，我們絕大多數人并非天賦異稟的奇才，都會在知識層面輸給AI。就后者而言，他更多依賴自己生活經驗、社會軌跡的內在感知，依賴自己的沉浸式閱讀體會與玄思妙想，依賴自己跟頂尖高手的交流互動，只有在這樣的過程中，他才會產生“寂然凝慮，思接千載；悄焉動容，視通萬里”的獨創性神思，而此時，AI只是眾多資源中的一種可以采用但也可以忽略的選擇，他只會允許讓AI成為自己的助手而不是其主宰。但這種想象中的文學研究大師在未來會強勢存在么？

當然，任何時代都會出現天才和庸才的分野，但是在AI時代，這種分野銳化了。更明確地說，大語言模型破壞了文學研究（當然廣義上來說整個人文學科也可能同樣如此）的有機生態，它成為人類所有現存知識的儲存者和代理人，切斷了普通學者、優秀學者、高端學者、卓越學者和天才學者的金字塔式共同體鏈條的連續性，并以自己的高效不停地將最近獲取的新知識無差別地轉換成數據，由此搗毀天才賴以成長的文化生態和學術根基。我喜歡舉的例子是唐詩的情況。唐詩的繁榮有賴于整個大唐帝國對詩歌的集體性迷戀，有李白、杜甫這樣的一流詩人，有王維、杜牧這樣的二流詩人，有劉長卿、韋應物這樣的三流詩人，有曹鄴、羅隱這樣的四流詩人（我承認這種區分過于主觀隨意，不大嚴肅，主要是比照文學史留給他們的篇幅大小來劃分其層次）等等，這是良性的差序格局和金字塔結構，每個詩人都會在其才性的引導下找到適合自己的位置。但到了AI時代，文學學者的文化生產空間還存在著如此錯落有致的無窮多的可能性空間么？學者們之間的交流、借鑒、批評、共鳴等等，其重要性大大降低了，我們越來越多地面向單面的網絡空間，這個空間里有無數的聲音跟我們對話，這些聲音看上去是人類發出，但實際上是機器自動發出的抽象的詞元（token）流。這樣的結果很可能是整個文學研究者的隊伍大大萎縮。而皮之不存，毛將焉附？這也注定使得卓然不群的曠世英才難以涌現。

當然，也許AI時代的真正來臨會帶來傳統天才觀的失效，未來人類說不定更加推崇在搜索知識（而非經典研讀）基礎上加工而成的思想雜燴，人們可能更喜歡文學研究帶來的快感舒適而非智慧的痛苦，可能把文學融化在電影、短劇、游戲或未來發明的任何刺激感官的文化實踐中，僅把它當做甜點加以享受，而不再需要一位文學批評大師對他們指手畫腳……這些，就不是我能預知的事了，且聽后人分解。