[论文解读] From Textual Experiments to Experimental Texts: Expressive Repetition in "Artificial Intelligence Literature"

Zhu Tianhua|arXiv (Cornell University)|Jan 7, 2022

Digital Humanities and Scholarship被引用 4

一句话总结

本文探讨了人工智能文学从早期的技术性‘文本实验’到当代借助表现性重复的‘实验性文本’的演变。文章认为，自然语言生成技术的进步使得人工智能能够创作出自我验证艺术价值的文学作品，标志着从证明技术可行性转向通过递归、具有风格意义的重复来探索文学表达。

ABSTRACT

Since the birth of artificial intelligence 70 years ago, attempts at literary "creation" with computers are present in the course of technological development, creating what one might call "artificial intelligence literature" (AI literature). Evolving from "textual experiments" conducted by technologists to "experimental texts" that explore the possibilities of conceptions of literature, AI literature integrates primitive problems including machine thinking, text generation, and machine creativity, which exhibits the two-way interaction between social ideas and technology. In the early stage, the mutual support between technological path and artistic ideas turned out to be a failure, while AI-driven expressive repetitions are made probable in the contemporary technological context, paving the way for the transformation of AI literature from proof for technical possibilities to self-verification of literary value.

研究动机与目标

• 追溯过去70年中人工智能生成文学从技术演示到艺术实验的历史演变。
• 分析表现性重复在当代人工智能文学中作为文学手法的功能。
• 探究人工智能生成文本实现文学价值自我验证的条件。
• 考察技术发展与人工智能写作中文学观念演变之间的互动关系。
• 将人工智能文学置于更广泛的人机创造力与人工智能的社会技术话语背景中。

提出的方法

• 分析过去70年中人工智能生成文学文本的历史与当代实例。
• 识别从‘文本实验’（以技术可行性验证为核心）到强调文学形式与表达的‘实验性文本’的关键转变。
• 研究表现性重复作为现代人工智能文学中核心的风格与结构手法。
• 运用话语分析解读塑造人工智能文学发展的社会技术动态。
• 比较早期人工智能文本生成（如ELIZA、Racter）与近期大规模语言模型在叙事与修辞复杂性方面的差异。
• 评估机器学习在实现递归、自我指涉及风格一致的重复性文本生成中的作用。

实验结果

研究问题

• RQ1 人工智能生成文学的目的如何从技术演示演变为艺术实验？
• RQ2 表现性重复在当代人工智能文学中以何种方式作为文学手法发挥作用？
• RQ3 哪些技术条件使人工智能能够生成具有自我验证文学价值的文本？
• RQ4 社会对文学的认知如何与技术能力相互作用，从而塑造人工智能文学？
• RQ5 在人工智能生成写作的语境下，‘文本实验’与‘实验性文本’有何本质区别？

主要发现

• 人工智能文学已从早期聚焦于证明机器生成文本能力的‘文本实验’，转变为探索文学形式与表达的‘实验性文本’。
• 表现性重复——即带有风格、情感或结构变化的重复——已成为人工智能生成文学表达的核心机制。
• 当代大规模语言模型能够生成具有递归性、自我指涉性以及主题一致性的重复文本，从而支持文学价值的自我验证。
• 从技术可行性验证到艺术探索的转变，得益于神经文本生成与上下文建模技术的进步。
• 文学观念与机器创造力的社会认知正与技术进步日益形成共生关系。
• 本文识别出一个关键临界点：人工智能生成的文本不再仅仅是技术输出，而是通过表现性重复被感知为具有自主文学价值。