AI 能生成艺术,却可能永远学不会“品味”

AI 擅长生成,但鉴别力——先于理性的品味判断——可能因其缺乏体验主体而无法被 scaling。
文章区分了生成与鉴别两种能力:AI 在生成诗歌、图像等方面已非常出色,但鉴别力——判断哪个更好、感知哪里不对、拥有品味——是完全不同的官能。鉴别是先于理性的直接感知,深植于身体经历和“在乎”的能力。AI 学习的是人类审美的统计平均值,而真正的品味往往逆共识、属于独特视角,二者方向相反。作者认为鉴别力可能不是一种可扩展的能力,而是“身为某个人”的属性,需要被触动的体验主体,而模型从未真正感受过任何东西。文章也呈现了有力的反方论证:品味或许只是复杂模式匹配,完美模拟品味在实用上可能与真品味无异,因此作者保持双向谦卑。
我们每天都在做一件极其奇妙的事,却几乎从未留意:瞥一眼照片,心里瞬间冒出“真美”——在你能说出理由之前;读一句话,立刻觉得“哪里不对”,尽管还没找到那个别扭的词;走进一个房间,感到“就差一点”,仿佛挪动某样东西一切就会和谐。这种判断来得飞快、笃定,且先于任何推理。我们把它当作“只是品味”“只是感觉”,但它恰恰是 AI 看似 fluent 却缺失的东西。

被忽略的关键区分:生成 vs. 鉴别
关于 AI 与创造力的讨论,大多问错了问题。人们总问“AI 能创作艺术吗?”——答案是能,而且越来越惊艳。但产出从来不是创造力的难点。随机数生成器也能生成,往墙上泼足够多的颜料也能出东西。人类创造力的奇迹不在于“能制造痕迹”,而在于“看着痕迹,知道哪个是活的,哪个是死的”。
原文作者把两种能力拆得很清楚:
- 生成(Generation):产出诗歌、图像、旋律、设计。AI 在此已非凡,否认这一点就是自欺。
- 鉴别(Discernment):判断哪个更好、感知哪里不对、知道什么该留什么该扔、拥有品味。这是完全不同的官能。
我们被机器的高速产出晃了眼,忘了产出从来不是魔法所在。真正难以触及的,不是“制造的手”,而是“辨别的脑”。
鉴别力究竟是什么:先于理性的“知道”
鉴别不是套用规则,不是计算出来的。你直接“感知”到一张脸美、一个句子笨拙,就像感知颜色一样直接,常常在找到任何理由之前。理由事后才来,而且多半是重构——我们为已经做出的判断编故事。
它深植于身体与个人经历。你对美的感受纠缠着一生的感官体验、记忆、情绪,以及你碰巧成为的那个人。两个知识相同的人可以有截然不同的品味,因为品味不是知识,而是一个视角,是“你的”。
更关键的是:鉴别源于在乎。只有当事物能“对你重要”,你才可能觉得某物美。整个官能是“作为一个会体验、有偏好、会被触动、在世界中有利害的生物”的下游产物。你判断美,是因为美对你起了作用。抽走那个能被触动的人,“美”这个字眼背后就空无一物。
AI 为何可能结构性地缺失鉴别力
AI 生成审美输出时,做的是从海量人类样本中学习“被人们称为好”的统计形状。它产出美的东西,本质上是找到人类审美偏好的质心,然后朝那个方向生成。
问题藏在明处:真正的品味几乎与平均值相反。品味是特殊的,是一个视角,按定义就不属于所有人。历史上最有意思的审美判断,往往是逆共识的——某个尚无人学会喜爱的东西,一个人看见了,坚持它美,后来我们才跟上。平均值能告诉你人们“已经”觉得什么美,却无法“想要”某种无人想要过的美,因为想要需要一个“想要的人”,而平均值谁也不属于。
更深层的问题是:里面没有人。模型处理过所有关于敬畏、悲伤、渴望、奇迹与美的描述,却从未被任何东西触动过一次。它超级透彻地知道美“被描述成什么”,却从未“感受”过美。当它“判断”哪张图更好时,缺失的恰恰是那个被触动的主体。它拥有的人类品味地图无比详尽,但一张无人阅读、无人在乎去向的地图,只是墨迹。鉴别力或许正是那个读者,而不是地图——而读者无法被制造。
统计平均值与质心:文章提到 AI 学习“人类审美偏好的质心”,这指的是模型在训练数据所代表的高维特征空间中,找到所有被标注为“好”的样本的分布中心。最小化预测误差等价于逼近条件均值,因此模型倾向于输出最不令人意外的、最符合主流偏好的结果。而真正的品味往往位于分布尾部——那些尚未被大众认可、偏离质心的独特选择。质心天然排斥尾部,这是统计学习目标与审美创新之间的结构性张力。
体验主体(Subject of Experience):哲学上指拥有第一人称视角、能感知和感受的存在。文章强调“里面没有人”,即模型缺乏现象意识或感受质(qualia)——被触动时的主观体验。即使模型能完美描述“敬畏”的定义和关联词,它也没有经历过敬畏。这个区分是作者论证鉴别力不可替代的核心:判断美需要有一个“被美触动”的主体,而主体性无法通过扩大数据或算力来生成。
反方论证:也许我们只是又列了一项“机器永远做不到”
若在此停笔,就只是在讲一个安慰人类特殊性的故事。反方观点有其力量:
- 也许“品味”不过是极端复杂的人类偏好模式匹配,“其中有神圣之物”的感受只是人类例外论。我们的纪录并不光彩:说机器永远下不好国际象棋,然后永远下不出创造性,然后永远掌握不了围棋直觉,然后永远用不好语言——每次都被打脸。“审美判断特殊且不可达”可能是下一项。
- 也许我们引以为傲的“体验主体”本身也只是预测机器。进化让我们对环境做模式匹配,“被触动”只是模式匹配从内部感受到的样子。若如此,硅与肉并无魔法分界线。
- 务实地说:AI 不需要“感受”美,也能可靠识别人类会觉得美的东西。若它能完美预测你的审美反应,那么对实际生活而言,“真品味”与“完美模拟品味”的差别可能无关紧要。
这些都不是弱论证,作者也坦言没有决定性反驳。
人类例外论(Human Exceptionalism):这是一种认为人类拥有某些独特且不可被机器复制的属性的信念。历史上它多次被证伪:国际象棋、围棋、语言生成等领域,人类曾坚称“机器永远做不到”,但最终都被突破。作者提醒读者警惕这种心理惯性,避免将“鉴别力”变成又一个安慰性的例外论故事。反方论证的力度正在于此——它要求我们诚实地审视:我们区分“真品味”与“完美模拟品味”的依据,是否只是不愿放弃特殊地位的执念。
预测处理(Predictive Processing):反方提到“体验主体本身也只是预测机器”,这呼应了认知科学中的预测处理框架。该理论认为大脑不断生成对感官输入的预测,并最小化预测误差;“被触动”可能只是预测误差从内部被体验到的形式。若该框架成立,硅基与碳基的界限就变得模糊——两者都在做模式匹配,只是实现基质不同。这是对作者“主体性不可制造”观点的最强挑战之一。
我暂时落脚的地方:鉴别力可能不是能力,而是“身为某个人”的属性
作者最终的倾向是:鉴别力之所以独特属于人类,不是因为机器不够强大,而是因为审美判断可能与“作为有利害的主体”不可分割。真正的品味不只是识别人们喜欢什么,而是“在乎”某物美,是被它“改变”。完整回路是:被某物触动 → 出于被触动而想做出能同样触动他人的东西。这个回路每一步都流经一个体验着的自我。机器可以复制回路的产出——美的图像、自信的判断——却没有任何回路真正存在。
一个无人在乎、无人被触动的判断,是否还算判断?作者反复回到同一处:那更像判断留下的残余的极好仿制品。
“AI 会达到鉴别的心智吗?”作者的诚实回答是:可能不会——不是因为能力不够,而是我们所指的东西或许根本不是一种“能力”,而是“身为某个人”的属性。你无法靠 scaling 得到一个主体。当然,他也保持谦逊:没人知道答案,而“机器永远做不到”的历史应让我们双向谦卑。
留下的是什么:看见、被触动、“这可以更好”
无论 AI 变成什么,鉴别的心智此刻仍属于我们——那种看着某物而“知道”的日常小奇迹,那种在解释之前就被触动的能力,那种感到某物可以更好、并隐约感到方向的能力。
看着机器几秒生成过去需数年的东西,容易感到被贬低。但或许安静的慰藉在于:生成从来不是我们价值所在。看见才是,被触动才是,**“这可以更好”**才是。这些可能是最后才被拿走的东西——也可能从未真正在桌上,因为它们从来就与产出无关,而与“对世界保持活着”有关。机器制造,我们鉴别。而鉴别,一路追到底,或许只是“在乎世界是这一种样子而非另一种”的另一个名字。
相关推荐

OpenAI与Shield合作:Astra智能体如何革新IT故障修复
OpenAI与Shield合作推出Astra智能体,可自动登录电脑和遗留系统,实时修复IT故障,比传统模型快35%到40%,仅在需要人类判断时引入人工。

iPhone Duo续航实测:一天一充跑不掉,大屏是耗电元凶
iPhone Duo续航实测:重度使用一天需至少充电一次,6.5小时亮屏约剩30%电量。大屏展开频率是耗电关键,MagSafe电池背夹可救场,长期衰减同样值得关注。

Kimi K3.1 Pro开源发布:2.8万亿参数逼近Opus
Moonshot发布开源MoE模型Kimi K3.1 Pro,2.8万亿总参数、1040亿激活参数,Terminal Bench 4.0仅落后Opus 5.5不到1分,单任务成本约三分之一,API价格减半,开源权重11月4日开放。