因果與敘事：AI會講故事嗎？

AI會講故事嗎？回答這個問題，需要首先反思另一個問題：如何理解故事？或者說，生成故事的核心機制是什么？這樣的提問方式意味著，我們關心的不僅是“AI會講故事嗎？”這個面向未來的問題，更是一種以AI為方法的反思性嘗試，也即在與AI這個他者的對照中，更好地反觀人類敘事活動的本質與沿革。正是在這種對照式的自查中，我們愈發意識到因果之于人類敘事活動的重要性。

根據康德的理論，因果是人類認知結構的重要組成部分。我們以因果的方式建構經驗，經驗才有可能呈現在我們面前。[在這個意義上，因果幾乎出現在人類所有認知和實踐活動中。講故事作為人類的重要活動之一，就這樣被深深地嵌入了因果。

因果之于故事，可謂意義重大。故事可以提供因果依據。如神話為先民提供了對自然現象的最初解釋；史詩為族群提供了其起源、發展的敘事根基；歷史故事則在“資治通鑒”的傳統下，充當著治理和決策的歷史依據。因果也可以構成故事的內容。如不少宗教故事的主題都指向因果報應；偵探故事的主線情節也多依托于因果推理；而科幻故事的一個重要工作，就是將自然規律意義上的因果化入故事情節的演繹中。然而，對于本文要討論的問題，更重要的并非這種作為故事功能或內容的因果，而是作為故事生成機制的因果。

本文從福斯特對情節的基本定義說起。福斯特認為“國王死了，王后死于心碎”只不過是對一系列按時序排列的事件的敘述：

情節同樣是對樁樁事件的一種敘述，不過重點放在了因果關系上“國王死了，王后死于心碎”就是個情節了。時間的順序仍然保留，可是已經被因果關系蓋了過去。我們還可以說：“王后死了，誰都不知道是什么緣故，后來才發現她是因國王之死而死于心碎。”這不但是個情節，里面還加了謎團。這種形式就具有了高度發展的潛能。[2]

在福斯特看來，故事要想有所推進，就不能僅僅滿足于將n、 n+1…n+n 個事件簡單順次連綴。n和 n+1 之間要有因果關系，而圍繞這種因果關系的敘事操作，就構成了故事情節。由此，因果不僅讓故事超越了流水賬式的低端形態，也讓其具備了高度發展的潛能。而這里的關鍵就是對事件的發生序列進行解釋（因為n，所以n+1 ），這讓故事呈現的不僅是關于“其然”的事實，也是解釋“其所以然”的秩序。正是在這個意義上，因果不僅以顯而易見的方式充當了故事的功能和內容，也以一種不那么可見卻更根本的方式，構成了故事的骨架。換言之，所謂故事，其實就是一種以虛構的方式建立的因果事件序列。

我們把故事上升到因果和秩序的高度，這不僅是文藝學的“一廂情愿”，也成為交叉學科的共識。如在歷史學家尤瓦爾·赫拉利看來，正因為進化出能夠虛構并相信故事的腦回路，智人才可能以“想象建構的秩序”（如民族、國家、有限公司等想象的共同體）促成大規模合作，人類文明才得以駛入文化演化的快速道，而非滯留于基因演化的緩慢階段。[3這種把講故事的能力當作人類進化里程碑的思路，得到了計算機科學家朱迪亞·珀爾的認同。在珀爾建立的因果關系科學中，最高等級的因果關系體現在為反事實的情況建立的因果關系模型（假如我當時沒做會怎樣），這就需要一種能夠想象假定性因果的能力，也即一種講故事和信故事的能力。在這個意義上，人作為一種高級因果動物，也必然是一種故事動物。[4]（1-30）

既然因果對于故事的意義如此重大，那么，在不同時代的代表性人類故事生成機制中，因果是如何具體發揮作用的？當下以ChatGPT、DeepSeek為代表的大語言模型應用是否能理解因果？AI在缺乏因果推理能力的情況下依舊能產生講故事的效果，如此故事又該如何定位？講故事這個古老的活動，如何才能在人機協作中獲得更好的繼承與發展？我們將分節討論上述三個問題，以期以因果與敘事為切入點，回應“AI會講故事嗎？”這個貌似簡單卻并不容易回答的問題。

一、因果的機制：因果與不同時代的故事生成

講故事是人類最古老的活動之一。它超越時空，也因此在與不同時代、地域、民族和文化的結合中，演化出豐富多彩的形態。為展現因果在故事生成機制中發揮的作用，本研究以口傳時代、印刷時代、互聯網時代的三種代表性故事形態為例，以這三種代表性故事形態的代表性研究為基礎，考察因果在不同故事生成機制中承擔的功能，以更好地窺見因果與敘事的關聯。

1.民間故事中的因果：基于角色功能的事件因果模型

民間故事是如何生成的？普羅普的故事形態學提供了一種頗具影響力的共時性研究范式。他從俄羅斯民間故事的材料中梳理出31個功能項，認為所有神奇故事都是由這31個功能項（或其中的一部分）按既定順序排列出來的。[5]（23-59）在普羅普看來，故事形態學的關鍵是找準故事分類的科學依據。而這個依據不是主題或人物（如英雄伊萬的故事），而是角色的功能。這也意味著，“沙皇贈給好漢一只鷹，鷹將好漢送到了另一個王國”“老人贈給蘇坎科一匹馬，馬將蘇坎科馱到另一個王國”“巫師贈給伊萬一艘小船，小船將伊萬載到另一個王國”，這三個貌似不同的情節，可以被歸納為相同的功能項：“變換的是角色的名稱（以及他們的物品），不變的是他們的行動或功能故事常常將相同的行動分配給不同的人物，這就使我們有可能根據角色的功能來研究故事。”[5]（17）

也就是說，故事形態學的功能項錨定的是角色做了什么，而非誰做的或怎么做的。在這樣的提純中，故事就成為由不同行動按一定順序接續而成的復合體，也即一系列謂詞及其因果關系構成的事件序列。其中，前一個事件是后一個事件產生的原因。

需要指出的是，對于民間故事這種極具口傳文化特色的故事形態，功能項的重復率是很高的，這讓民間故事呈現出明顯的套路化傾向。事實上，幾乎所有民間故事都重復著相同的元情節，基本上可以由“挑戰一成長一勝利一收獲”來概括。[6]（17）當然，故事實際展開時，多少會在元情節基礎上，加入二級、三級情節，如“成長”可以擴展為“九九八十一難”，每一難也可能被再次嵌套進“挑戰一歷練一勝利一收獲”的完整過程。但無論如何，整個故事情節展現的是由有限功能項及其因果關系連綴而成的完整動作序列。當然，在動詞本身構成的因果關系外，民間故事的情節走向也受到一些其他規則的影響。其中一些規則來自樸素的價值觀，如“好心得好報”，這也解釋了為何絕大多數民間故事都會走向“大團圓”的結局。還有一些約束則內生于故事和角色自身的設定，如《梁山伯與祝英臺》中男主角識別不出女主角性別的故事設定，就推動著后續一系列沖突的展開。[6]（39）

綜上所述，在故事形態學的透視中，民間故事的生成機制離不開一種基于功能項的事件因果模型，其實質是由有限行動構成的事件序列。其中，因果關系起到了結構性的連接作用。它為前后出現的行動賦予了更內在的黏合，也為特定規則對故事情節發展的約束提供了基本的傳動裝置。

2.現實主義小說中的因果：基于辯證運動的歷史演繹模型

現實主義小說是印刷時代最具影響力的故事形態之一。什么是現實主義？對這個問題的回應幾乎與對什么是故事的回應一樣多。[本文從塑造此概念的元文獻本身出發，以梳理因果在現實主義小說生成機制中的作用。恩格斯在《致瑪格麗特·哈克奈斯》中寫道：

現實主義的意思是，除細節的真實外，還要真實地再現典型環境中的典型人物。您的人物，就他們本身而言，是夠典型的，但是環繞著這些人物并促使他們行動的環境，也許就不是那么典型了。在《城市姑娘》里，工人階級是以消極群眾的形象出現的…在一個有幸參加了無產階級的大部分斗爭差不多50年之久的人看來，就不可能是恰如其分的了。工人階級對壓迫他們的周圍環境所進行的叛逆的反抗，他們為恢復自己人的地位所做的令人震撼的努力，不管是半自覺的還是自覺的，都屬于歷史，因而也應當在現實主義領域內占有一席之地。[8]（570）

在恩格斯看來，《城市姑娘》中塑造的人物還算典型，但環境不夠典型。這是因為構成環境組成部分的倫敦東頭工人的形象在小說中太消極。那么恩格斯作出此判斷的依據是什么？其實，他在信件結尾處明確寫道，“我必須承認，在文明世界里，任何地方的工人群眾都不像倫敦東頭的工人群眾那樣不積極地反抗”，[8]（571）也就是說，他很清楚實際情況很可能是倫敦東頭的工人斗爭就是比較消極的。那么，在這種情況下，恩格斯為何還要堅持應該把工人階級寫得更積極呢？答案就是引文中一閃而過的那個字眼：歷史，或者更確切地說是歷史觀。

馬克思主義歷史觀的基礎是歷史唯物主義和辯證唯物主義。這其實是一個以人類歷史為尺度的巨大因果模型。按照這個模型，工人階級作為資本主義的產物，必然會在歷史的辯證揚棄中，成為資本主義的掘墓人，以主體的身份登上歷史舞臺。①在如此因果模型的映襯下，《城市姑娘》中倫敦東頭工人不積極的斗爭行為，就顯得不大合適。如果作家不把他們硬改得積極主動，也至少要把他們的消極斗爭描寫成整體火熱斗爭中的局部現象。因而，這里的現實主義并非樸素地寫我所見，而是要符合歷史規律地“寫”，也即在一個巨大的因果模型中理解、呈現和解釋所見。因此，在現實主義小說中，因果不僅內在地連接了前后接續的事件，其本身還構成了一個約束情節發展的特定模型。正是這個模型，以更不可見的方式影響了人們對現實主義的判斷。

那么，這個因果模型從何而來？簡言之，它的出現至少經歷了兩次決定性操作。在第一次操作中，黑格爾把運動引入斯賓諾莎以幾何學為范本的實體哲學中。從此，斯賓諾莎那個開啟西方現代哲學的體大無外的實體系統，就從黑格爾眼中的“死”系統，變成他自己的這個能夠通融邏輯和歷史的“活”系統。[9-10]在第二次操作中，馬克思又對黑格爾的哲學進行了顛倒，辯證運動的基礎從意識變成物質，[11這才通向了后來被總結為歷史唯物主義和辯證唯物主義的方法論。但究其根本，這個方法本身就是一個試圖在物質實踐中整合邏輯和歷史的因果模型。不夸張地說，正是這個模型以及對該模型的不同理解，而非眼前的事實，以有些微妙又十分根本的方式，影響著不同時代和文化背景中的人們對現實主義小說的創作和閱讀。

3.網絡文學中的因果：基于數碼人工環境的設定推理模型

我國的網絡文學是互聯網時代最具代表性的故事形態之一。比起繁榮于19世紀、20世紀的現實主義小說，21世紀的網絡文學誕生于宏大敘事遭到質疑的后現代。也就是說，現實主義小說背后的因果模型作為曾經的敘事依據和共識基礎，在今天受到了挑戰。這樣一來，就難免要出現更有效的故事生成機制，以代償現實主義文學留下的空白。正是在這樣的語境下，網絡文學應運而生。

網絡文學與現實主義小說最根本的區別就在于它把與宏大敘事糾纏的歷史從故事的生成機制中屏蔽了出去。如果理解了黑格爾的辯證法是把運動加到斯賓諾莎式實體系統的產物（而這個實體系統是按照幾何學的方式演繹的），就不難理解在網絡文學中，去掉了歷史縱深的故事生成機制與幾何演繹有著一樣的運行機理。在《編碼新世界：游戲化向度的網絡文學》中，王玉王是這樣描述其生成機制的：

基于（數碼）人工環境的網絡文學創作的核心特征是“模組化敘事”人物、世界、主線、副本、情感線、事件線等元件都被拆分開來，分別編碼，而每一個元件又是由（數碼）人工環境數據庫中預置的材料結合而成的。現在，所有模塊都完成了，每一個模塊都包含它的初始值和算法，所有模塊井然有序地組合在一起，我們在腦海中按下開始按鈕，所有模塊便運行起來，人物與世界碰撞，男孩與女孩相遇，世界法則乘以人物性格，就運算出了萬千悲歡傳奇。[12]（299）

在上述描述中，故事生成的底層邏輯不再是塑造典型或模仿自然，而是人物設定與世界設定在數碼人工環境中的半自動演繹。這個用于屏蔽宏大敘事的人物設定與世界設定，就代替了曾經的典型人物與典型環境，成為特定文化圈層的公共知識和共識根基。

其實，早在數碼人工環境出現的前幾千年，歐式幾何就構成了人類最早的數學人工環境。《幾何原本》給出了點、線、面等23個幾何要素的設定，又提出了“從任意一點到另外任意一點可作一直線”等5個公設和“一條有限直線可以繼續延長”等5個公理。[13套用引文的說法，或許可以這樣描述歐式幾何：“現在，一切都完成了。歐幾里得在腦海中按下開始按鈕，所有模塊便運行起來，點與線碰撞，平行與垂直相遇，公設乘以公理，就運算出了歐式幾何的大廈。”

我們用模組化敘事轉譯幾何學演繹，并不是為了把文學化簡為數學。這么做的主要目的是強調因果演繹是如何在游戲化向度的網文生成機制中發揮作用的。由此才能理解：為何網絡文學一方面似乎可以包容千奇百怪的“世設”“人設”及其離譜組合（人設化的林黛玉甚至與伏地魔都能談戀愛），給人一種胡說八道、無規可循的印象，另一方面如果故事創作沒有遵守約定的“人設”“世設”，又會招致“OOC”①之類的指責，或者引發“某某人設是什么”的爭論，似乎這些放浪不羈的情節，又確實遵循著特定生成邏輯。[12]（178-192）簡言之，“世設”“人設”以及對它們的理解雖然可以是多元的，但它們組裝起來后的具體演繹，則需要遵循設定系推理的法則。回到本文的主題，或許我們可以這樣認為：對于網絡文學，故事依托的因果模型雖然不必解釋歷史、模仿自然，但這個因果模型的運行需嚴格遵循推理演繹的法則。

我們以因果與敘事為軸，梳理了三種代表性的故事生成機制。不難看出，同樣的故事情節在不同的故事形態中，可能由完全不同的底層邏輯生成。如“他們從此過著幸福的生活”，這個結局在民間故事中被稱作“大團圓”，驅動它的是“善有善報”的民間價值，它似乎一開始就在那里，等著不同的功能項組合從各種初始狀態“走”來。[6]（54-75）而同樣的“光明未來”在現實主義小說中就很難由王子或公主享有，因為封建王朝和資本主義必然要被歷史揚棄，“光明未來”是人民群眾不斷攻堅克難奮斗而來的。對于網絡文學，由于設定十分豐富，情況可能會更復雜。如在有“平行世界”設定的網文中，“好結局”就是在與“壞結局”對照存在的。不同的結局可能同時存在，是否有“好結局”，需要讀者像玩家一樣不斷進行“存檔一選擇”的實驗。換言之，“好結局”，不是在唯一的必然性中奮斗的產物，而是在無數可能性中選擇的結果。[12]（206-217）

不難看出，無論故事經由何種機制得出“他們從此過著幸福的生活”，因果都在這個生成機制中起到了決定性作用。它可以在不同故事形態中體現為功能作用、歷史演繹、設定推理等不同形式，但不夸張地說，這唯一的因果本身，構成了串聯起所有故事形態的超越性機制。

二、因果的消失：AIGC的擬因果和擬故事

如果因果在故事的生成中發揮了重大作用，那么貌似會講故事的AI，也有因果推理的能力嗎？如果AI目前尚不具備這種能力，那么，我們又能在什么意義上理解AI講述的故事？

1.“因果不存在”：從質疑因果到放逐因果

自古以來，因果就是一個重要的哲學問題。古希臘哲學家德謨克利特曾說：寧揭一因，勝為波斯王。在某種意義上，西方哲學和科學的歷史就是一個不斷揭示因果關系的歷史。直到休謨在《人性論》中提出，因果關系作為人類知識的基礎，本身并不自明。在他看來，當人們嘗試認真思考因果關系時，就會發現：“理性永不能使我們相信，任何一個對象的存在都涵攝另一個對象的存在，因而當我們由一個對象的印象推移到另一個對象的觀念或信念上時，我們不是基于理性做決定，而是基于習慣或聯想來作決定。”[14]（111）換言之，我們在A和B之間加上所謂的因果連接，很可能不過是心理上對接近或接續關系進行了習慣性操作。[14]（85-108）這也意味著，A和B之間的聯系，可以被當作其實際關系的一種統計學抽象，因為用習慣去建立關系，靠的不是A與B的內在聯系，而是它們重復出現了足夠多的次數。在后人的解釋中，正是這種思維通向了后來AI的聯結主義。[15]

休漠的觀點被看作對人類知識的重創，它使哲學家“從教條主義的迷夢中驚醒”，與此同時也召喚著回應它的建構性體系的出現。[16然而，對因果更大的質疑及其后續影響，或許并不發生于哲學內部，而是來自統計學及其應用。在《為什么：關于因果關系的新科學》中，朱迪亞·珀爾等對統計學用相關關系取消因果關系的歷史進行了精彩梳理。簡言之，一個多世紀以來，統計學以及受其影響的科學家們相信相關關系不等于因果關系，使人們形成了閉口不談因果關系的局面，似乎因果關系僅是人類心靈的一種虛構，并不真正屬于客觀世界本身。[4]（13）

與此同時，因果關系被簡化為一種特殊的相關關系，也即一種相關系數為1或-1的相關性。因此，問X和Y為什么相關，在主流統計學內部就變成一個沒有意義的提問，因為統計學應該關注實實在在的“是什么”，而非虛頭巴腦的“為什么”。統計學由此也成長為一門擅長總結數據卻忽視解釋數據的科學。后來數據科學也開始反思這種統計學根子處的“模型盲”傾向。尤其是近年來，有不少科學家從數據科學內部出發，認為相關關系是因果關系的衍生品，它非但不能解釋因果，還必須根植于因果。①但統計學取消因果關系的傾向，卻依舊以不可見的方式，在各行各業發揮著作用，其中就涉及大語言模型這一AI應用背后的統計學機器。

2.大語言模型：以相關性為基礎的統計學機器

上文提到，用相關性化約因果性，是主流統計學的基礎操作。今天，該操作已借助大語言模型這一當下最熱的統計學機器，應用在以ChatGPT、DeepSeek為代表的生成式AI中。

了解AI發展歷程即可知AI的技術路徑基本上可以分為兩大派：符號派和聯結派。②人工智能的發展經歷了重大變化。[17]早期符號派比較繁榮，甚至一度壓著聯結派不讓其發展。今天聯結派又大火，符號派的發展又陷入了困境。具體到本文討論的因果問題，必須承認，在符號派繁榮的AI發展早期，AI研究是十分重視因果的，其主流路徑被后人總結為一種基于符號邏輯的演繹推理，而當時AI的一個重要應用方向就是自動推理機。只是后來聯結派隨著神經網絡的流行而崛起，才發展出大語言模型這種基于概率進行歸納的統計學機器。[18]在這里，所謂因果，很可能不過是接近和接續關系的高頻出現。這一“休謨式”的建構主義在21世紀以AI為代表的自動相關機中，獲得了最具影響力和廣泛性的踐行。

那么，這個統計學機器是怎么工作的？如果用一句話總結，就是根據前n個詞（token）③去生成第 ₁₊₁ 個詞。那么大模型根據什么去生成這第 個詞？簡言之，就是某詞在已有的n個詞構成的序列后出現的概率。[19那么，這個概率是怎么來的？這就涉及神經網絡的訓練方法，即用函數去擬合數據。該過程大致是：讓神經網絡根據與學習示例的差距，反復調整連接權重與激活閾值，直至能夠自動生成與學習示例相同的內容。如輸入學習語料“今天天氣不錯”，然后讓機器填空“今天天氣不”，神經網絡先輸出一個內容，同時會收到一個反饋，顯示該內容與示例有多大偏差。神經網絡再根據這一反饋，調整神經元的權重和激活閾值，再重新輸出內容，如此反復循環多次，直至能正確填出“今天天氣不錯”，神經網絡學習這段語料的函數調整過程才算結束。[19]雖然訓練還需很多其他機制配合（如GPT類模型特有的注意力機制，能夠讓第 n+1 個位置上出現的詞的概率受到前n個詞構成的文本上下文的影響），[20但簡單來說，神經網絡就是通過上述重復不停地自動填空的方式學習海量語料，最終形成一個以高維向量空間方式記錄token分布概率的統計學“巨怪”。

不難看出，大語言模型意義上的概率模型，絕非因果模型。朱迪亞·珀爾對此這樣評價：

當前的機器學習程序（包括那些應用深度神經網絡的程序），幾乎仍是在關聯模式下運行的。它們由一系列觀察結果驅動，致力于擬合出一個函數。就像統計學家試圖用點集擬合出一條直線一樣。深度神經網絡為擬合函數的復雜性增加了更多的層次，但其擬合過程仍然由原始數據驅動。被擬合的數據越來越多，擬合的精度不斷提高，但該過程始終未能從我們先前提到的那種“超進化加速”中獲益。[4]（9-10）

在珀爾的觀念中，正是認識和運用因果的能力促成了人類的加速進化。①類似的把握和編織因果的能力，構成了講故事這一人類文化活動的基石。但在關聯模式下運行的機器學習程序，作為一種圍繞詞之相關性建立起來的巨型概率機器，在其統計學的根基處，就已斬斷了與因果性的糾纏，從而注定了其很難真正具備理解和運用因果的能力。那么問題來了，如果當下建立在大語言模型上的AI應用并不能理解因果，它又是如何做到講故事這一以因果為基礎的文化活動的呢？我們又該如何定位AI講述的故事？

3.擬因果和擬故事：擬像機制下的故事生成

在當下的技術路線中，理解了大語言模型不過是一種建立在相關性上的概率機器，就不難理解，AI生成“國王死了，王后死于心碎”，僅僅是因為它從訓練語料中建構出了一個統計學模型，而這個模型告訴它，此位置上的內容大概率應該這么生成。也就是說，驅動AI生成“國王死了，王后死于心碎”的，不是前后兩個事件在因果性上的內在聯系，而是語料在相關性上的統計關聯。AI的這種生成機制能否稱得上智能，在什么意義上能夠被稱作智能，從其復雜性中又是否能涌現真正的智能，因果性又是否真的只是人類心靈的一個幻覺，而人類神經網絡的運行是否本就以概率為基礎？這一系列備受爭議的問題，我們姑且存而不論。[21-22]但可以肯定的是，當下主流技術路徑下AI生成的故事，盡管在效果上可能部分做到與人類故事難以區分，但二者確實有著完全不同的生成材料和生成機制。

正是在這個意義上，我們用擬因果定義這種以相關機制模擬的因果表象，又用擬故事定義AI敘事這種建立在擬因果上的故事生成。我們可以用擬像來定義AI的各種內容生成活動。而AI講故事，正是作為擬像生產活動中的一種應用，故稱擬故事。厘清這個問題，還需回到圖靈以模仿游戲定義機器智能的最初操作。在《計算機器與智能》中，圖靈把“計算機會思考嗎？”的問題轉換為“在‘模仿游戲’（imitationgame）中，是否存在著一臺想象中的機器，可以在游戲中精彩發揮？”。[23]從此，機器智能的判斷依據，就從“會思考嗎”這個以心靈運作為出發點的內在標準，轉換成“在效果上是否難以區分”這個行為主義取向的外部指標。唯此，機器智能才有可能繞過“何為智能”這一位于起點處的哲學難題，在工程技術上找到可落地的發展路徑。但從此，“無論機制，只看效果”的模仿邏輯，也嵌入了AI的技術基因。這一點在柏拉圖表象假說、人類行為的交互擬像[24-25]等近年來十分破圈的AI研究中表現得尤其明顯。這些研究大多處于圖靈開創的模仿路線的延長線上，同時又試圖從工程技術的視角，回應模仿這個更具普遍意義的哲學命題。

正是在這一交叉視野中，我們找到了擬像，以定位AI生成的內容。當下的AI技術，不過是以符號（或者更確切地說是token）的相關性網絡驅動內容生成，以模擬推理、編程、敘事、人際互動等各種人類心智活動。而被模擬的這些活動本身，很可能并非依靠相關性就能完全解釋明白，有些活動如推理和敘事甚至建立在完全差異的基礎上。換言之，在今天的主流技術路徑下，模仿游戲的實現方式是以概率的方式模仿的，也即以不同于模仿對象的差異機制帶來無異于模仿對象的相似效果。在后世學者對柏拉圖表象體系的研究中，這種以差異機制生成相似效果的獨特表象機制，其實早在柏拉圖時代，就以擬像（Simulacrum）①的方式出現了。

擬像的原型是智者。在《柏拉圖對話錄》中，智者常被蘇格拉底嘲諷為演員。②這是因為，在真正的“愛智者”眼中，智者雖沒有任何實質性的專業技藝，卻能通過“玩弄辭藻”，在公眾面前裝出一副比真正的哲學家、政治家或醫生更像哲學家、政治家或醫生的樣子。[2換言之，智者雖不真正理解自己說的話，卻特別擅長借語言技巧和表演手段，說出貌似有理的內容，給公眾一種“靠譜權威”的假象。正因如此，智者早在兩千年前，就已經開始了一種以不理解的實質生成理解效果的擬像生產活動了。雖然兩干年后，神經網絡“玩弄詞向量”與智者“玩弄辭藻”的機理不同，但它們本質上指向的都是同一種表象生產機制，即以差異機制產生相似效果的擬像生產。[27]

此時我們再來反觀AI敘事，就不難理解，它其實是擬像生產在講故事上的一種應用。因此，我們才沿用擬像之“擬”，將AI生成的故事定義為擬故事，而擬故事的基礎就是擬因果。那么，接下來的問題是，我們又該如何對待這種建立在擬因果上的擬故事？換言之，在人機協作的故事生產中，人應該如何面對AI這臺貌似強大的（擬）故事生成機？

三、因果的位置：故事還有未來嗎？

故事岌岌可危，此類宣稱已發生多次。在本雅明看來，印刷媒體的出現已經在昭示故事的衰落。因為當口傳故事變為書面小說，一種與人的生活世界密切相關的、可傳遞的集體經驗，也就讓位于被媒介中介的孤獨的私人經驗了，而這種轉變正與資本主義發生著暖昧共謀。[28在韓炳哲看來，故事的危機更多被呈現在數字媒介的新語境中。因為我們生活在一個由信息統治的時代，故事把“遠方”帶給我們，信息只會提供最切近的快感。信息和故事的生產與消費邏輯完全不同。[29]那么在被AI技術深度塑造的智能時代，當建立在因果性上的故事變成由概率自動生成的擬故事，講故事這個古老的事業，是不是又要面臨新的危機？我們又要怎樣面對這樣的危機？

1.擬故事的繁榮與故事的終結

其實，從來沒有什么完全“嶄新”的危機。如果我們承認，AI和智者的內容生產方式在以不理解的方式生成貌似理解的內容這一點上，都屬于擬像。那么或許擬故事的不良影響，早在古希臘時期就發生了。在智者編造的擬故事和哲人追求的真因果間，民眾選擇了前者。這一具有象征意味的事件，宣布了在大眾面前擬像之于原型、外在效果之于內在因果的全面勝利。遺憾的是，數千年后，這一宣稱的效力非但不減，反倒在文化繁榮發展的今天，變得愈發強大。那么，如果正視這一數千年來并未大變的文化處境，我們又該如何面對AI這一以擬因果生成擬故事的機器呢？

把AI工具從電腦中卸掉？雖然很難判斷此類做法是否正確，但可以肯定的是，至少對于身處時代洪流中的我們，這種選擇不可行。尤其今天，AI已成為新一輪技術“神話”的主角。“據說它無所不能”“據說它不知疲倦”“據說‘技術’給全世界‘打工人’帶來救贖福音”。面對諸如此類的營銷文案，本文只想說：抱歉，AI不神秘，也不神奇，但它確實用起來還不賴。可說到底，它用起來究竟是好是賴，還得看人在與它的合作中，是否能發揮好人的優勢，能否好好做“人”。

其實，弗盧塞爾在《書寫還有未來嗎？》中就已意識到，因果和敘事將隨著書寫時代的遠去而遠去。今天AI一天生成的文字，頂得上書寫誕生之初的幾個世紀留傳下來的文字。但越是這樣，書寫反而消亡得越快。因為在弗氏看來，書寫時代的文本生產遵從線性展開的因果演繹，數字時代的內容生成依據的是零維信息的組合可能。兩者有著完全不同的生成邏輯。這也意味著，當我們用AI生成故事時，其實也是在實現這個“黑盒子”包含的各種排列組合之可能，我們很可能從工具的主體變為裝置功能的執行者了。十分難得的是，盡管充分意識到了這一點，弗氏依舊堅持認為：在與裝置的合作中，人仍是有自由的。[30]

那么，人究竟應該以怎樣的姿態與裝置共處，在置身裝置的同時是否還能保留人的主體性？這是弗氏沒來得及回答的問題，也是今天我們需要用人機協作的創造性實踐不斷回應的問題。盡管本文花了大部分篇幅做技術祛魅的工作，但我們十分清楚，這個時代最需要的絕非機器的批判，而是裝置的詩學。接下來，在這種更具建構性的視野中，再來反觀本文的核心問題：因果究竟能以怎樣的方式出現在人機協同的敘事活動中？

2.人的可能與故事的新生

讓我們首先面對這樣一個問題：有一天，AI有可能理解因果嗎？答案是有可能。事實上，這也是AI科學家和哲學家努力的方向之一。如朱迪亞·珀爾近年來做的主要工作之一就是以數學的方式表達因果，再把這種數學化的因果嵌入機器智能的底層邏輯。[4]（193-320）而正在發展中的具身智能，則力圖讓AI在身體與物理環境的交互中理解因果作用。①哲學家趙汀陽提出，ChatGPT只是過渡性的AI，AI要想真正學會因果推理，就必須在名詞邏輯之外增加動詞邏輯。[31此外，還有研究站在因果復雜性與認知神經科學的交互處，力圖揭示因果推理的神經機制，為增強人工神經網絡因果推理的能力提供助力。[32未來有一天AI或可理解因果，但問題是，如果這個愿望短期難以實現，現有條件下又要怎么做，才能更好地借AI這個不懂因果的機器，生成故事這種立足因果的內容？

這里面臨的首要問題就是立場的選擇：人本立場或激進立場。激進立場認為，人類不該用自己擅長的因果定義故事，然后說AI不懂因果，所以AI不會講故事。應該允許AI用自己的方式定義故事，以自己的方式講述故事。本文尊重這種激進立場，但在當下的技術條件下提出賦予AI自我定義的權力，這樣的想法確實太過超前，也不具備現實基礎。那么，剩下的問題是，如果我們秉持人本立場，又該如何在人機協作中更好地講故事？回到主旨議題一一因果與敘事，該問題就可以表述為：如何在人機協作的敘事活動中，在因果性上實現優勢互補？這個問題用故事性的隱喻表述出來就是：如果女媧吹了口氣，泥人就活了，在故事生產活動中，人又該如何把因果之氣“吹”給智能機器？

顯然，這是一個需要用豐富的創作實踐而非閉門造車的理論研究進行回答的問題。這種提問方式也意味著，AI很難自己講故事，它需要人持續提供和認定因果性。在最低的參與度下，人需要為AI生成的內容之因果性進行背書，也就是說，即便AI確實在效果上生成了“國王死了，王后死于心碎”，但如果沒有人類在閱讀中把因果性投射給這條從語詞的相關性中生成的內容，這句話是很難真正成為一個故事情節的。換言之，AI生成的擬故事只有在與人的關系中，才能成為故事。在這里，人以向內容投射因果性這種方式，實現了最低參與度的協作。或者更激進地說，AI生成的內容本就處在概率/因果疊加態，是觀察者的觀察本身讓宏觀的因果性涌現。在這里，觀察和閱讀絕非可有可無的事后行為，它們作為最終的點晴之筆，在故事的生成中起到了決定性的建構作用。換言之，體現著因果的故事，很可能是觀察者效應的產物。[33]

除機器生成、人類觀察這種低人類參與度的合作模式，還可以有不同人類參與度的協作方式。人機協作有哪些方式、可能、問題和限度，將成為敘事實驗的重點。以正在開展的實驗為例，有人提出通過打磨AI扮演的人物設定，使AI生成敘事變得更生動。這其實是一種把設定系推理的因果性賦予AI的嘗試。[34有人提出，借助把故事角色接入大語言模型可以解決交互敘事的難題，人類體驗者從此可以生活在故事世界，交互敘事也將從“故事講述”跨入“故事生存”的模式。這其實是一種借擬主體間性將因果性賦予AI的嘗試。[35還有人則通過“國內大語言模型 + 提示詞工程 + 人工后期潤色”，寫出了百萬字玄幻小說。其中的“提示詞工程”無疑滲透著創作者對人類玄幻小說因果模型的理解，而“七成AI、三成人類”的合作方式，則為人類因果認知模型與機器概率生成機制的持續碰撞、優勢互補提供了保障。[36]

四、結語：從AI會講故事嗎到人機共創的故事

現在，讓我們再來嘗試回應“AI會講故事嗎？”這個問題。我們認為，人類的故事建立在因果性上。目前技術路徑下的AI是一種統計學機器，它只能把語詞的連接建立在相關性而非真正的因果性上。這也意味著，AI并沒有能力生成建立在因果性上的故事。AI在本質上并不會講故事。之所以給人一種會講故事的感覺，是因為人工智能的發展一直延續著以差異機制生成相似效果的模仿路徑，會講故事只是AI用完全不同的機制模仿出來的一種效果。這樣的故事只能被定義為一種建立在擬因果上的擬故事。這樣一來，在效果的意義上，AI又仿佛會講故事。但我們這樣祛魅AI，并不是為了反對AI，而是為了在原理上界定AI講故事的局限，以更好地在人機協作的故事生成中，做好人和機器的分工。在理論上，人類的工作至少應該圍繞因果性展開，在這個意義上，只要有人類提供因果性，AI其實也能講故事。AI并不真會講故事；AI只是貌似講故事；AI也能真講故事：這就是我們從因果與敘事的角度，對“AI會講故事嗎？”這個問題的多重回應。這樣的回應也意味著，我們不僅是以AI為方法反觀人類敘事活動的本質與沿革，更是在以AI為契機，激發人類自身的主體性和創造力。

百萬年來，技術與人協同進化。技術充當了人的外置器官，也重塑著人的肉身器官。[7技術對于人，早已不再是什么外來異物，它用百萬年來的協同進化，在不同層面深度參與了“人”最內在的定義。20世紀以來，控制論及其相關應用蓬勃發展，在信息處理的意義上，進一步打破了生物和機器的界限，[38尤其是其中的AI技術，正在逐步將包括講故事在內的眾多人類智能特權，一項又一項地轉移給機器。但越是倡導人機共創，越是通往人機融合，越是擁抱“后人類主義”的各種設定，我們越要努力認清，在碳基和硅基兩種不同基礎設施上，信息處理遵從著不同的邏輯。換言之，機器有機器的邊界，人有人的用處。唯此，我們才有可能在碳基一硅基器官深度協作的未來，將碳基的能力和硅基的潛能都發揮到極致，在機械范式、熱力范式、電器范式、信息范式之后，續寫人與技術協同進化的新篇章。這個新篇章將是怎樣的一個大故事，又將經歷怎樣的人機共創？我們拭目以待。

參考文獻：

[1]康德．純粹理性批判[M]．鄧曉芒，譯.北京：人民出版社，2004：69-78.

[2]E·M·福斯特.小說面面觀[M].馮濤，譯．上海：上海譯文出版社，2016：79-80.

[3]尤瓦爾·赫拉利.人類簡史[M].林俊宏，譯.北京：中信出版集團，2017：21-40，97-116.

[4]朱迪亞·珀爾，達納·麥肯齊.為什么：關于因果的新科學[M].江生，于華，譯.北京：中信出版集團，2019.

[5]弗拉基米爾·雅可夫列維奇·普羅普.故事形態學[M]．賈放，譯.北京：中華書局，2006.

[6]施愛東．故事法則[M].北京：生活·讀書·新知三聯書店，2021.

[7] 溫儒敏．新文學現實主義的流變[M].北京：北京大學出版社，2007：2.

[8]馬克思，恩格斯.馬克思恩格斯文集：第10卷[M].馬克思恩格斯列寧斯大林著作編譯局，譯.北京：人民出版社，2009.

[9]戴維·斯賓諾莎.倫理學[M].賀麟，譯.北京：商務印書館，1997：3-43.

[10]黑格爾.哲學史講演錄卷四[M].賀麟，王太慶，譯.北京：商務印書館，2009：116.

[11］馬克思，恩格斯.德意志意識形態（節選本）[M].馬克思恩格斯列寧斯大林著作編譯局，譯．北京：人民出版社，2018：6-82.

[12]王玉王.編碼新世界：游戲化向度的網絡文學[M].北京：中國文聯出版社，2021.

[13]歐幾里得.幾何原本[M].蘭紀正，朱恩寬，譯.西安：陜西科學技術出版社，2020：1-2.

[14]大衛·休謨．人性論[M].關文運，譯.北京：商務印書館，2009.

[15]Haugeland J.Artificial Intelligence：The Very Idea[M].Cambridge：the MIT Press，1985：41-45.

[16]張志林.休謨因果問題的重新發現及其解決[J]．哲學研究，1998（5）：42-48.

[17]尼克.人工智能簡史[M].北京：人民郵電出版社，2021：69-91，113-134.

[18]梅劍華．人工智能與因果推斷—兼論奇點問題[J]．哲學研究，2019（6）：86-95.

[19]Wolfram S.What Is Chat GPT Doing and Why Does It Work？[EB/OL].[2025-02-01].https：//writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work.

[20]Ashish Vaswani，et al.Attention Is All You Need[J/OL].arXiv，2023[2023-08-02].https：//doi.0rg/10.48550/arXiv.1706.03762.

211n li+1n Ahili+inrModels[J/0L].arXiv，2022[2022-10-26].https：//doi.org/10.48550/arXiv.2206.07682.

[22]Yann LeCun.A Path Towards Autonomous Machine Intelligence[EB/OL].[2023-05-22].https：//openreview.net/pdf？id=BZ5a1r-kVsf.

[23]Turing A.The Essential Turing[M].Oxford：Oxford UniversityPress，2004：448.

[24]Minyoung Huh，etal.The Platonic Representation Hypothesis[J/OL].arXiv，2024[2024-07-25].https：//doi.0rg/10.48550/arXiv.2405.07987.

[25]Joon Sung Park，etal.Generative Agents：InteractiveSimulacra of Human Behavior[J/OL].arXiv，2023[2023-08-06].https：//doi.org/10.48550/arXiv.2304.03442.

[26]柏拉圖.柏拉圖全集：第一卷[M].王曉朝，譯.北京：人民出版社，2017：331.

[27]秦蘭珺.論對話機器：新擬象生產及其后果[J].中國現代文學研究叢刊，2025（4）：17-33.

[28]Benjamin W.The Storyteller：Tales Out of Loneliness[M].DolbearS，LeslieE，TruskolaskiS，translated.London，NewYork：Verso，2016：IX-XV.

[29]韓炳哲.敘事的危機[M].李明瑤，譯.北京：中信出版集團，2024：9-16.

[30]威廉·弗盧塞爾.攝影哲學的思考[M].毛衛東，丁君君，譯.北京：中國民族攝影藝術出版社，2017：15-36.

[31]趙汀陽.替人工智能著想[J].哲學動態，2023（7）：41-45，127.

[32]十三維.神經系統中的心智因果模型[EB/0L].[2021-03-27].https：//swarma.org/？p=24980.

[33]Baclawski K.The Observer Effect[C]//2018 IEEE Conferenceon Cognitive and Computational Aspects of SituationManagement，2018：83-89.

[34]李皓穎.如何讓AI敘事更生動？一以MBTI人物設定打磨為例[J].當代文壇，2024（6）：89-96.

[35]周雯，曹思齊，人工智能視域下的虛擬現實藝術[J].影視制作，2023，29（10）：22-26.

[36]劉江偉.AI創作出百萬字小說，“人人皆能寫長篇”不再是夢—華東師范大學教授王峰談《天命使徒》[N].光明日報，2024-07-06（9）.

[37]Stiegler B.Technicsand Time1：The Fault of Epimetheus[M].BeardsworthR，CollinsG，translated.Stanford：StanfordUniversity Press，1998：134-142.

[38]諾伯特·維納.控制論：或動物與機器的控制和通信的科學[M].王文浩，譯.北京：商務印書館，2022：37.

Causality and Storytelling： Can AI Tell Stories？

QINLan-jun（Research InstituteofMarxismLiteraryTheory，Chinese NationalAcademyofArts，Beijing100012， China）

Abstract：Causalityconstitutes thecoreofthe mechanismofstoryteling.If storiesare being examined indifferent times，causalitycanbe manifested indiferent ways，suchasthe interplayofnarrative functionin folktale，modelof historicaldevelopmentinralisticnovel，andsetting-basedreasoninginInteretliterature，butallstoriesareinseparable fromcausalityas theconnectionofevents.TheAIunderthecurrent mainstreamtechnologypath isastatisticalmachine， which canonlybuildconnectionsoncorrelations，notcausality.This means thatAIdoes nothave theabilitytogenerate storybasedoncausality.AIcannot\"truly\"tellstory.ThereasonwhyAI givespeopleafelingofstorytellng，isthatits development has been following the imitationgame，generating similarefects with different mechanisms.Storytelling is justanefect imitated byAI withacompletelydifferent mechanism.Therefore，such stories canonlybe defined as sim-storytellngbuiltonsim-causality.Thepurposeofdefningthe limitationsofAIstorytellng inprincipleis tobeter divide the laborbetweenhumansandmachines incollaborative storytelling：theoretically，human workneeds toatleast providecausalitytothestory（e.g.setting，refining，checking，andendorsingcausality）.WeneedtotakeAIasamethod to reflect onthe nature and evolution ofhuman narative activities，and we alsoneed to take AI asan opportunity to stimulate human being's subjectivity and creativity.

Key words：artificial intelligence;storytelling; causality; correlation; human-computercollaboration

（責任編輯：李晶）