时薪150美元的诗人正在教AI“写诗”

是的，你没看错。硅谷一家名为 Mercor 的 AI 初创公司，正在以时薪 150 美元的高价招聘诗人。

不过，这些诗人的工作不是去写诗感化机器，而是像“质检员”一样，去给 AI编写评分标准。

人类写诗时，依靠的是直觉、喜悦、痛苦或某种难以名状的冲动。但机器不懂这些，机器只懂奖惩函数。为了让AI学会“写诗”，诗人必须将那些难以名状的审美触动，拆解成冷冰冰的逻辑。

比如，如果诗歌使用了新颖的意象连接，得5分？如果过度堆砌形容词，扣3分？如果节奏模仿了某种特定的古典韵律，奖励权重增加？

抛开作为一个直立行走的两脚兽的傲慢，我试图去理解这样做的逻辑和可能的成效。

比如，我们曾经以为语言是人之为之的根本之一。但大语言模型却以“猜测下一个词”的概率方式，在海量数据的黑箱里，以某种我们不知道的方式，涌现出了语言能力。

那么跟语言相比，审美或者品味有什么不同？

语言，在很大程度上是一个“闭集”。虽然语言千变万化，但它必须运行在一个相对稳定的共识体系内。我说“苹果”，你脑海里必须出现那个水果，如果你想到的是板手，那沟通就失败了。

语言的习得，本质上是对这些重复模式的确认。或许，模型之所以能掌握语言，是因为它看了足够多的重复。

但品味呢？是一个开集，还是一个不过更大一些的“黑箱”？

如果站在还原论的立场，所谓品味，可能只是人类的一种错觉。

我们觉得一首诗美，是因为它押韵（数学规律）、意象新奇（概率偏差）、引发共鸣（记忆提取）。这些理论上都可以量化。

甚至某种“不可名状”的美，也可能只是因为特征向量的维度太高，人类的语言无法描述它，但在高维向量空间里，它可能就是一个确定的坐标点。

从这个角度来看，如果一个黑箱大到包含了人类历史上所有的文化符号、所有的心理学反应机制，那么它生成的“伪随机”，在人类看来就是“创造”。

但如果我们将视线转向那些真正定义了人类审美拐点的时刻，结论可能会截然相反。

当毕加索画出扭曲的面孔时，他打破了透视法；当斯特拉文斯基写出刺耳的《春之祭》时，他打破了调性的和谐。

这也是黑箱最难以逾越的障碍：AI 擅长的是“连线”。它在已有的数据点之间寻找安全路径。它能在海明威和鲁迅之间找到一个完美的平衡点，写出一种混合风格。

但人类的品味，往往需要的是“跳跃”。它是跳出已知数据的悬崖，去拥抱一个未知的、甚至带有冒犯性的新事物。

这种能力并不产生于数据的累积，而产生于对当下这一刻独特的、不可重复的生命体验——也就是康德所说的“反思性判断”。

不过，毕竟已经有人开始给 AI 嗑药了，谁知道 AI 会不会也上头？

时薪 150 美元的诗人，并不是在教机器如何写诗，而是在替机器写一套如何被判定为诗的规则。规则会让输出更稳定、更像那么回事，会让AI 或许会越来越会写“高分诗”。

但诗，重要的从来不是“高分”，而是人，作为体验者，具身的生命体验。

至于 AI，如果有一天 TA真的越过了AGI 的门槛，开始拥有所谓“品味”，那品味从何而来？是来自被奖励函数塑形后的偏好，还是来自它也有了某种不可替代的“经历”？

而一旦它拥有了经历，它还是我们今天说的那种 AI 吗——还是说，它已经变成了另一种生命形态的雏形？

当然，更可能的答案是：就算出现了某种智慧，也未必会沿用人类这套表达冲动。它未必需要诗，甚至未必需要语言。