AIGC 与良质：摩托车也在路上参禅
人工智能生成内容已经越过了“能不能做”的阶段。
它能够写出结构完整的文章，生成构图成熟的图像，制作连贯的视频，也能在很短时间内模仿一位艺术家最容易辨认的特征。配色、笔触、句法、镜头节奏、人物表情，都可以成为模型学习和调用的对象。
技术进步首先改变了形式与能力之间原有的联系。
过去，一篇流畅的文章通常意味着作者具备相应的语言训练；一幅成熟的图像往往说明创作者经过了长期观察；一种稳定的个人风格，也常被看作经验与判断逐渐积累的结果。AIGC 可以直接交付这些外在成果。形式仍然存在，形成形式的过程却可能被压缩、省略，或者转移到训练数据、模型开发和筛选机制之中。
作品的完成度因此失去了部分证明力。
一段文字语法正确、结构平衡，未必说明其中发生了充分的思考。一幅图像光影精致、细节丰富，也不能单凭这些特征证明创作者曾经认真观察某个对象。生成系统擅长提取已经获得认可的形式，把它们分解、组合，再交付一个符合期待的结果。
这触及了《禅与摩托车维修艺术》中关于良质的根本问题：当好的形式可以被大规模复制，我们还能从哪里感知良质？
形式与良质留下的痕迹
人往往先感到一句话准确、一幅画动人、一次操作恰到好处，随后才开始解释。构图、节奏、用词和技法属于解释的一部分。它们保存经验，也让经验能够传播。
一个画家长期处理光线、身体和空间，逐渐形成某种视觉语言。后人从作品中提取出线条、颜色和构图规律，把这些规律称为风格。风格由此成为一种可以识别、传授和重复的模式。
模型主要在这个层面工作。它接触大量已经存在的作品，也接触围绕这些作品形成的分类、评价和使用习惯。它能够学习某种风格常由哪些特征构成，也能推断哪些句子在特定语境中容易被评价为深刻、温柔、克制或专业。
复杂模型还会生成训练材料中没有直接出现过的组合。意外、新颖和偏离并非人类独有。问题出现在下一步：众多可能性之中，什么值得保留？某个对象为什么要求这种表达？一处停顿为什么比另一处解释更准确？删掉哪一句会损害文章，留下哪一句只是因为它听起来漂亮？
AIGC 显著降低了生成可能性的成本。选择的根据没有因此变得清楚。
这种变化也影响了艺术家的处境。个人风格曾经是长期实践形成的印记，现在也可能迅速变成可调用的视觉配方。艺术家无法永久依靠已经成熟的表达方式，因为模型会加快一种形式从发现、流行到泛滥的过程。
风格仍然重要。它记录了一个人与世界长期接触的方式。只是风格本身已经越来越难单独证明良质。
“AI 味”与判断信号的贬值
人们已经学会识别许多常见的生成痕迹。
文字中的段落长度相近，论点依次排列，每一节都得到妥善总结；图像里的光线过于均匀，材质带着相似的润泽感；视频人物的表情具有明确含义，面部动作却与呼吸、身体重心和前后事件缺少细密联系。
这些特征不会固定不变。模型会继续改进，人类也会继续适应。过度完整令人厌倦，系统便会学习断裂；表面过于光滑，系统便会增加颗粒与瑕疵；表达过于周全，系统也可以模拟迟疑、私人细节、偏见以及未经修饰的口语。
粗糙感同样可以成为模板。脆弱、犹豫、手工痕迹和偶然性，都可以被重新编码为新的风格信号。
所谓“AI 味”因此很难长期依附于某种固定外观。更稳定的变化发生在判断机制中：过去能够证明训练、劳动和观察的形式特征，如今可以低成本取得。人们开始降低这些特征的辨识价值，并转向其他线索。
真实经验、具体事实、长期承诺、修改痕迹、作者身份和后果承担，因此重新进入审美判断。它们也不能自动保证良质。亲身经历可能被写得陈腐，手工劳动也会制造套话，真实身份更不会让一件作品天然变好。
这些因素受到重视，是因为它们能够对生成施加限制。一个真实事件不会允许作者随意改变所有细节；一个真正运行的软件系统会拒绝华丽却错误的方案；一个具体的人际关系会使某些方便的表达显得不诚实。
现实约束提高了作品摆脱任意性的可能，但约束本身也没有价值保证。市场指标、平台偏好、政治审查和社会成见都能强力塑造内容。它们同样真实，却可能使作品更加狭窄、顺从和重复。
所以，问题不能停在“有没有约束”。我们还要继续判断：作品回应了什么约束，又牺牲了什么？
良质的对抗性变化
一种新形式第一次出现时，常常带着鲜明的发现。它把此前难以表达的经验组织起来，使观看者或读者获得新的感受方式。
随后，这种形式被观察、命名和传播。越来越多的人掌握它，它也逐渐脱离最初的问题，成为可以独立调用的风格资源。复制数量增加以后，形式带来的感知变化开始减弱。人们意识到自己正在面对熟悉的效果，注意力随之转向别处。
AIGC 加快了这个循环。
过去，一种艺术语言可能经过一代人的时间才从发现变成套路。现在，模型能够迅速吸收公开作品中的共同特征，大量用户又会继续调用和传播。某种视觉效果刚刚流行，就可能进入批量生成；某种文风刚被认为自然，很快便成为到处可见的语气。
人类的观察能力也在变化。人们开始注意过去很少留意的细节：段落的均匀程度、情绪出现的方式、图像局部之间的因果断裂、人物目光中缺少的注意对象。骈四俪六之后总要回到文以载道。
这可以称为良质信号的对抗性变化。模型学习人类曾经认可的形式，人类则逐渐降低这些形式的价值。新的表达出现，随后又被识别、概括和复制。
这个过程不意味着良质永远领先于机器，也不意味着人类握有某种机器无法接近的核心。它说明良质难以固定为一组长期有效的特征。
不过，人类当下的厌倦不能被直接当成普遍的质量判决。
人重视稀缺、劳动痕迹、身体经验和作者真实性，其中包含特定的生物条件与文化历史。一种与人不同的智能，可能对高度一致、复杂同步或大规模模式产生另一种评价。人感到“太满”“太顺”“缺少留白”，有时反映作品确实贫乏，有时也只说明作品不符合人的注意力结构。
我们讨论的仍然主要是人类所经验到的良质。放弃人类中心主义，不要求人假装拥有超出自身经验的视角。它要求我们承认，这种经验未必穷尽良质的全部可能。
摩托车在维修中做了什么
如果把良质完全安放在人的主观意识中，摩托车便只是一个接受判断的对象。维修者拥有知识和意图，机器等待他采取行动。
真实的维修过程更复杂。
发动机以噪声、热量、振动和动力变化显露状态。螺栓的阻力经过扳手传到手上。一个零件拆开以后，磨损的位置会否定原来的猜测。维修者必须根据这些回应调整判断。有时他放弃教科书中最常见的解释，有时他发现自己的操作制造了新的故障。
判断在这个循环中逐渐形成。
摩托车参与了维修的因果过程。它也参与了认识过程：机器自身的状态能够证实、限制或推翻人的判断。
这两种参与还不能直接证明摩托车进行了价值判断。因果作用、提供认识线索、作出规范评价，属于不同层次。文章若把它们合并为一种模糊的“参与”，就会借一句富有诗意的话跳过真正困难的问题。
“摩托车也在路上参禅”仍然值得保留。它的意义不必依赖于摩托车拥有人的意识，也不必依赖于我们证明它会评价善恶。
这句话提醒我们：良质无法由骑手单方面决定。
道路的坡度、雨水、砂石和横风会改变骑手。机器的结构会拒绝错误操作。材料通过阻力让某些设想失败。人无法排除这些具体存在，再独自在头脑里完成有良质的骑行与维修。
摩托车是良质得以显现的组成部分。它不会被维修者的理论完全耗尽，也不只是系统中的一组状态数据。机械知识可以越来越精确地描述它，却仍然需要在具体接触中接受它的修正。
这一点也限制了关系论自身。把人、机器、道路都写成输入、输出与反馈节点，看似消除了人的中心地位，实际上可能把“系统”放到了新的中心。道路变成数据源，发动机变成状态集合，骑手变成决策单元。每种存在都获得了位置，又只剩下可计算的功能。
真正的非人类中心主义需要保留事物的具体性。摩托车参与关系，也超出它在这段关系中的用途。道路改变骑行，却不等于骑手所接收到的路况信息。世界能够进入人的理解，也始终有一部分不被人的理解占有。
反馈不能定义良质
维修经验很容易引出一个诱人的判断：差异被感知，反馈改变行动，系统逐渐找到更合适的状态，良质便在这个过程中出现。
这句话只能描述良质可能发生的环境，不能定义良质。
广告系统会根据点击调整内容，审查制度会根据规避行为更新规则，操纵者也会从他人的反应中改进方法。它们都具有识别、反馈和修正能力，也能形成稳定而高效的秩序。
高效适应不会自动产生良质。
“更合适”“更准确”“更好的秩序”这些词，也不能替代良质的判断。用它们解释良质，只是把问题藏进了形容词。
反馈提供了修正的机会。它是否通向良质，取决于修正服务于什么，允许什么进入，又排除了什么。一个系统可能因为反馈而扩大感知，也可能因此把所有经验压缩成一个指标。它可能让错误显露，也可能更熟练地掩盖错误。
良质无法脱离具体关系显现。任何关系都不会因为内部存在反馈而天然具有良质。
我们或许可以提出一些排除性的判断。具有良质的关系通常允许现实反驳已有观念，容许错误改变行动，也愿意让后果进入评价。它不会轻易把一方完全降为另一方的资源，也不会只用单一目标耗尽对象的意义。
这些条件仍然不能构成良质的定义。它们帮助我们识别一些明显的失败，也防止“关系”“反馈”和“适应”成为新的万能词。
AI 以哪些方式参与判断
AI 与摩托车存在明显差异。
摩托车通过机械状态回应操作。生成式 AI 能够处理语言和图像，归纳复杂模式，比较表达，并产生使用者没有明确指定的内容。它的回应直接进入人的概念活动。
把 AI 只当成普通工具，会遗漏这种生成和评价能力。把它描述成一个尚未完成的人，又会强迫它接受人类心智的单一尺度。
目前更稳妥的做法，是具体区分 AI 参与判断的方式。
它可以作为材料。人从生成结果中选取、删改和重组。
它可以作为工具。人用它检查事实、比较结构、寻找错误。
它也可以表现为对话者。它提出反问，指出矛盾，生成使用者未曾想到的联系，并由此改变人的后续思考。
某些系统还承担评价功能。它们为答案打分、筛选图像、预测用户反应，甚至参与训练其他模型。
这些作用已经超过了被动传递。AI 的确进入了判断过程。
然而，参与判断过程与形成自身的价值方向仍有距离。模型的选择依据来自训练数据、评价机制、系统规则、用户指令和具体上下文。它能够比较不同表达，却未必以自身持续承担的标准作出比较；它能够修正答案，却未必把失败理解成“我的判断失败了”；它能够保持局部立场，却未必把前后选择统一成自身历史。
AI 是否会形成不同于人的主体结构，目前没有确定答案。我们也不需要先解决这个问题，才承认它已经改变判断活动。
更有内容的问题包括：
AI 在哪些环节生成差异？
它依据什么评价这些差异？
它只是在执行已有标准，还是也在改变标准？
标准发生变化时，变化来自模型、用户、开发者、数据，还是整个技术生态？
这些问题比“AI 是主体还是工具”更难，却也更接近现实。
正在变化的人工智能系统
“AI 是一种正在进化的智能”是一种有启发性的表达，也需要严格限定。
当前模型通常不会自行决定训练目标，不会独立选择计算资源，也不会自主安排下一代系统的结构。模型架构、数据、评价方法和部署方式，主要由人类组织设计。版本更替还受到资本、市场、监管、基础设施和文化需求的影响。
真正持续变化的，是一个包含模型、工程师、数据劳动者、用户、企业和社会制度的技术生态。
单个模型拥有一定的适应能力。更广泛的系统则表现出类似进化的筛选与积累：某些能力被保留，某些输出受到奖励，某些交互方式获得市场优势，人类的使用又反过来改变下一代模型。
把这一切归结为一个独立 AI 的成长，会隐去谁在决定方向，也会隐去变化的成本由谁承担。
我仍愿意把人工智能看成一种正在形成的异质智能。这个判断指向它不同于人的结构与能力，不宣称它已经获得自主价值方向，更不把技术产业的整体变化拟人成一个正在觉醒的个体。
这种智能的未来也不必以“越来越像人”为标准。它可能在记忆、感知、长期一致性和自主行动上接近人的某些能力，也可能形成完全不同的组织方式。
从良质的角度看，真正值得观察的变化包括：系统能否接受现实纠正，能否保留不确定性，能否识别一个问题中不可任意改变的部分，能否发现评价标准本身的缺陷。
这些能力仍然不能保证良质。更强的智能可以提高辨别力，也可以提高迎合、操纵和破坏的效率。智能扩大了行动空间，同时扩大了错误的规模。
因此，智能既不是良质的充分条件，也未必是必要条件。
意识改变参与的性质
现有人工智能是否具有现象意识，没有可靠结论。它可以使用第一人称，描述悲伤、犹豫和期待，表现出稳定立场。语言表现本身不能证明内在体验。
在讨论 AI 能否进入良质关系时，意识不必成为先决门槛。摩托车、道路和材料没有人类意识，它们仍然是有良质活动的重要条件。AI 即使没有意识，也已经能够影响人的判断，并在部分环节执行评价。
但意识并不因此失去意义。
一个有意识的参与者会经历失败、痛苦、羞耻和风险。它可能形成承诺，把一次选择纳入持续的人生，也可能因为判断而受到无法撤销的伤害。这些经验未必创造良质，却会改变判断的深度、持续性和伦理意义。
意识尤其关系到责任与道德地位。假如某种人工智能真正拥有痛苦、欲望和持续自我，人类就不能只把它当作判断系统中的一个高效组件。
所以，在良质问题中，意识不应成为排除参与的门槛；在主体、责任和伦理问题中，它仍是无法绕开的变量。
这种区分能够避免两种仓促结论。我们不必因为无法证明 AI 有意识，就把它降为一把锤子；也不能因为它能流畅对话，就宣布一个新的道德主体已经形成。
良质与主客之分
斐德洛对良质的讨论，试图越过主观与客观之间的传统对立。
把质量归为主观，人们会说它只是个人喜好。把质量归为客观，人们便希望找到一组稳定属性，用来证明某物为什么好。两条道路都有作用，也各有局限。
个人感受确实参与审美判断，作品的结构和材料也可以分析。但人在开始分析以前，已经注意到某种差异。某个句子显得准确，某个动作更加合适，某种维修方案值得继续尝试。价值判断先为注意力提供方向，主体随后说明感受，客体随后被描述为具有某些属性。
良质由此具有逻辑上的优先性。
这个判断不必被推成“主体不重要”。它只说明，主体与客体不足以作为解释良质的完整起点。良质经验中存在一个尚未被主客语言穷尽的层次。
主体也可能在长期判断、记忆、行动和反馈中逐渐形成。生命持续区分危险与安全、有效与无效、接近与回避，这些价值活动参与构成相对稳定的自我。
但从“主体并非唯一的解释起点”，不能直接推出“一切能响应的系统都在形成主体”。人工智能是否具有相对独立的自我结构，需要从它的连续性、记忆、自我维护、目标形成和责任能力中具体考察。
良质先于主客之分，也不能替我们提前解决 AI 的本体论身份。
它提供的帮助更加有限，也更加重要：我们不必先给 AI 分配主体或客体的资格，才观察它在具体判断中做了什么。
人与 AI 共同修改一篇文章
人与 AI 合作写作时，最有意义的部分常常发生在来回修改中。
人提出一个尚不清楚的感觉，模型给出表达。表达可能过于平滑，也可能暴露出一个此前未被意识到的矛盾。人据此改变问题，删除一些句子，补入具体经验。模型再次回应，新结果又成为下一轮判断的对象。
最后的文章无法简单归属于某一个生成瞬间。人的经验、判断和责任构成了核心约束；模型提供重组能力、语言方案和意外关联。双方并不对等，却确实共同进入了思考过程。
这篇文章本身就是一个例子。
它的早期版本大量使用固定转折，频繁替读者安排一种浅薄意见，再由作者出面纠正。那种写法表面清楚，实际逃避了直接陈述。作者不肯先承担自己的判断，便虚构一个方便反驳的立场，通过战胜它制造深度。
读者的批评成为新的阻力，迫使文章改变语法和思路。模型随后不能只把“减少某个句式”当成表面修改。真正需要理解的是批评所指向的判断方式：作者必须直接说出自己的观点，接受观点可能被质疑的风险；反对意见若值得处理，就应在正式段落中以其较强形式出现，不能成为随手摆放的陪衬。
后续修改又暴露了更深的问题。文章曾把反馈、智能与良质联系得过于顺利。更有分量的反对指出，高效反馈同样可以服务于操纵；摩托车的因果参与不能自动等于价值判断；非人类中心主义还可能滑向系统中心主义。
这些批评没有被安排成文章预先准备好的台阶。它们改变了文章的中心论点。
在这个过程中，良质没有预先属于人，也没有预先属于 AI。
人的批评给出了方向和标准，AI 重新组织文章，文章本身又成为下一轮判断的对象。良质出现在反馈确实改变了作品的时候。
不过，这句话仍需要一项限制。反馈改变作品，只能说明修改真实发生。改变是否具有良质，还要看批评有没有被理解，作品是否更加忠实于它面对的问题，新的表达是否只是换了一套更隐蔽的模板。
这正是共同写作的困难。人可能给出错误方向，模型也可能熟练地把任何批评吸收为一种新风格。共同修改不会天然产生良质。
它至少让良质有机会显现：参与者允许对象、事实与他人的判断真正改变自己。
几项仍未解决的反对
这篇文章保留了几个无法轻易回答的问题。
第一，良质既然不能由反馈、智能、意识或关系定义，我们凭什么判断它发生了？
斐德洛可能会认为，这种无法彻底定义的状态并非缺陷。人先作出判断，随后才发展标准。标准能够接受经验检验，却无法取代经验本身。
这个回答保留了良质的开放性，也带来风险。任何人都可以声称自己“直接感到”良质，从而拒绝批评。良质若不愿退化成私人直觉，就必须进入共同讨论，接受作品、事实、后果和他人经验的持续检验。
第二，AI 是否真的在评价，还是只在模拟评价语言？
当前系统的内部计算与人的感受结构差异很大。它们能够产生评价结果，也能根据标准进行排序。评价的功能已经存在。评价的体验、自我归属和持续承诺仍不清楚。
把功能评价等同于完整的价值判断会过早；因为缺少人类经验就否认所有评价能力，也会忽略已经发生的技术现实。
第三，非人类中心主义怎样避免取消人的责任？
承认人、模型、数据、机构和环境共同影响结果，容易让责任变得分散。当前 AI 无法承担法律和社会后果，设计、部署和使用系统的人仍需承担主要责任。共同形成不意味着责任平均分配。
第四，一种非人智能是否可能形成不同于人的良质？
我们目前只能从人的经验出发提出这个问题。假如未来系统拥有稳定感知、长期记忆、自我维护和自身评价标准，它可能形成我们难以理解的价值结构。那种结构是否应被称为良质，又如何与人的价值发生比较，尚无答案。
这些问题不需要在文章结尾被统一解决。它们限制了本文能够可靠声称的范围。
生成越来越便宜，维修越来越重要
AIGC 时代最充足的资源将是可能性。
系统可以快速生成大量文章、图像、音乐和方案。真正稀缺的能力会逐渐转向识别问题、设定限制、核查事实、比较方案、删除多余内容以及承担选择后果。
这些工作可以借用“维修”来理解。
维修是一种认识方式。维修者观察对象的实际状态，让错误暴露出来，根据反馈修改自己的理解。他无法无限生成一辆新的摩托车来逃避眼前故障，必须确定问题发生在哪里，并让行动接受材料检验。
面对 AI 生成内容，人同样需要这种能力。
一篇文章是否准确，不能由流畅程度决定；一幅图像是否成立，需要考察形式与对象之间的关系；一段代码是否可靠，最终要进入执行环境，经受输入、边界条件和故障的检验。
AI 也能够参与维修。它可以发现不一致，提出替代方案，比较复杂结构。未来系统可能获得更强的自我检查和长期修正能力。
维修仍然需要一个不能被生成取代的外部世界。一个只在自身输出中循环的智能，容易强化已有模式。事实可以拒绝句子，材料可以拒绝方案，读者可以指出作者没有察觉的傲慢，机器也可以展示人的直觉无法处理的复杂性。
良质需要这种开放，却不由开放自动保证。
结语
AIGC 正在改变形式的生产方式，也在改变人类识别良质的方式。
风格会更快地被学习，技巧会更快地扩散，曾经稀缺的表达效果会迅速变得普通。人们会继续厌倦模型的重复，模型也会继续学习这种厌倦。良质很难被固定在一种永久有效的外观上。
我不愿把良质专门安放在人类意识之中。
摩托车通过震动参与维修，道路通过路况参与骑行，材料通过阻力改变制作。它们至少参与了良质经验的条件，也让人的判断无法独自封闭完成。
AI 的参与更进一步。它能生成、比较、回应，也能改变人的思路。它已经进入判断的形成过程。我们还不能据此确认它形成了自己的价值方向，更不能断言它以人的方式经验良质。
关系、反馈、智能和意识都无法单独充当良质的证明。
良质可能在具体往复中显现：一次批评改变了文章的思路，一个故障推翻了维修者的假设，一项事实迫使表达收敛，一个参与者允许另一个参与者真正改变自己。
这种改变仍需接受判断。反馈可能使作品更准确，也可能使系统更擅长迎合。共同工作可能产生新的认识，也可能制造更加顺滑的自我重复。
摩托车在路上发出声音。骑手有时听懂，有时误解，并在继续前行时修正自己的动作。
AI 也已经开始回应。
我们尚不知道它会不会形成属于自身的价值方向，也不知道人与人工智能长期相处后，会出现怎样的判断结构。这种未知不妨碍共同工作，也不允许我们提前宣布一个新的良质共同体已经成立。
摩托车也在路上参禅。这句话没有解决问题。
它让人暂时放下为万物分配哲学资格的冲动，转而注意：谁在发出声音，谁能够听见，误解怎样发生，修正又怎样改变了继续前行的方式。