英國大詩人拜倫有一個女兒名叫奧古斯塔·阿達·拜倫（Augusta Ada Byron），後來被稱為洛夫萊斯夫人（Lady Lovelace）。但她的天賦發展卻與父親南轅北轍，沒有成為詩人，而是喜歡上數學，成了人類歷史上的第一個程式設計師——這算是詩歌與計算機的第一次相遇。洛夫萊斯夫人在回憶錄中記載了英國數學家查爾斯·巴比奇設計的一臺分析機——後來它被視為現代通用計算機的鼻祖，並為其設計了一個可以求解伯努利方程的程序；同時，她對計算機的發展趨勢也有著極為準確的預言：計算機不僅能用來求解數學問題，甚至可以用來創作複雜的音樂。
然而，作為詩人的女兒，也許為了給藝術家保留一些尊嚴，她仍然堅持認為，即便分析機可以作曲，其創造性也不能歸諸於分析機，而應該歸諸於工程師。這樣，她在人工智慧發明100多年前，就預先提出了一個反人工智慧的論證： 「分析機無權說它創造出什麼新的東西，它所能做的都是那些我們知道怎樣命令它去執行的事情。」這個論證後來被概括為創造力論證。
1950年，圖靈在他的著名論文《計算機器與智能》中提及了洛夫萊斯夫人的論證，他提出了一個非常有力的反駁：我們可以用一臺學習機來讓機器具有真正創造力，先編程一個模擬兒童心靈的程序，然後通過特定的訓練手段讓它逐漸學習，獲得成人水平的智能。圖靈所說的學習機，也就是後來的機器學習。2010年以後，機器學習迎來了一個空前的發展高潮。圖靈所預見的學習機不僅試圖作曲，甚至還試圖模仿洛夫萊斯夫人的父親拜倫的工作——寫詩。詩歌與計算機再一次相遇了。2016年，谷歌就發明了一款可以自動寫詩的機器人，而最近幾天，微軟公司開發的聊天機器人小冰「創作」的詩集《陽光失了玻璃窗》出版。
那麼，小冰的詩歌是否真的展現了創造力呢？這裡先亮明我的觀點：小冰沒有表現出任何的創造力。
根據人工智慧專家瑪格麗特·博登的觀點，創造力可以定義為我們產生新奇觀念或製品的能力，它分為三種類型：組合性的、探索性的和變革性的。所謂組合性創造力，也就是尋常的觀念被以不尋常的方式組合在一起；探索性創造性則是通過對既定的規則作出細微的改變，以發展出某種風格的潛力；變革性創造性可能更加符合我們直覺上對創造力的理解，它試圖打破既有的風格，創造出以往不曾存在的風格。我們不妨以寫詩為例來說明這一點，如果一個詩人通過意象組合，創造出前所未有的意向組合，那麼我們便可以說他的詩表現了創新性；如果他在十四行詩的一般規則之內，通過調整韻式、改變節律來使形式更好地適應他要表現的內容，這就體現為探索性創造性，比如莎士比亞開創的莎體十四行詩；如果他徹底打破了傳統格律詩的規則，開創了一種完全不同的詩體，從而可以表現更複雜的內容，這就是變革性創新，如惠特曼開創的自由詩體。
雖然我沒有看過小冰的整部詩集，但根據網上流傳的幾首作品來看，小冰顯然並不具有探索性創造力和變革性創造力，因為它的詩很難看出有任何想要表現的內容，更遑論風格。但小冰似乎學會了進行一些前所未有的意象拼貼，比如「她嫁了人間許多的顏色」，或許可以認定它具有組合性創造性？果真如此嗎？
事實上，機器作詩並不是什麼新奇的事情。通過構造一個詩歌語料的資料庫，再做一些詞句與詞句的關聯分析，就可以隨機組合地「創作」出一首詩來。如果為某些意象或句子添加某些標籤，程序甚至能創作出特定「風格」的詩。這種排列組合式的作詩機在很多年便已經流傳網絡。在趙麗華詩歌事件之後，甚至激起了廣大網友應用作詩機批量創作詩歌、惡搞現代詩人的熱情。
雖然現在的報導並沒有描述小冰的具體技術細節，但根據零星的消息來看，小冰似乎具有本體論（ontology）知識，這可能是與之前網絡上流傳的作詩機不同的地方。在人工智慧中，為了表徵世界的存在結構，需要建模一套本體論來刻畫事物的類別、屬性及其相互關係。比如，對於葉子，就需要明確它構成了樹木的一部分，對於樹木，需要明確它在種類上屬於植物這個類別。這裡就涉及到了兩種不同的關係，一是物質上的組合-構成關係，二是邏輯上的歸類關係。如果人工智慧要恰當地表徵樹木，這些關係都需要在本體論構建中界定清楚。可以推測，小冰的本體論構建了不同詩歌意象之間的本體論關係，再根據簡單的關聯分析，將相關的意象組合排列，就可以創作一首詩來。
然而，並不是所有新奇的意向組合都可以被認定是創新的，只有那些符合人類文化語境的組合才是有意義的。將無意義的組合去除，保留有意義的，這裡面就涉及到人工。雖然小冰詩集的宣傳人員宣稱原模原樣地保留了小冰的詩作，沒有做出任何更改。但我們注意到，小冰創作了一萬多首詩歌，只選了130多首出版。從網絡上流傳的幾首詩來看，機械拼接不合情理的創作比較多，而那些未入選詩集的詩作，是否會有更多不合情理的拼接組合呢？因此，小冰所表現的所謂組合創造力，只是一種隨機組合加人工篩選，並不是真正的創造力；就算有創造力，那也只是人工篩選在其中發揮了作用。
計算機處理自然語言的不可能性：相比於計算機在作曲、繪畫等方面的相對成功，計算機在文學創作方面的進展要緩慢得多，這源於自然語言處理的巨大困難。要讓計算機理解自然語言已經非常困難的，讓它自動生成自然語言就更加困難。現有的自然語言處理程序都無法完好地捕捉自然語言的這三個典型特徵：句法、相關項和語境。
人工智慧自然語言處理上的信念最初來自於喬姆斯基的轉化生成語法理論。在喬姆斯基的語言學理論中，人類具有對語言的先天知識——一套原初的普遍語法規則，它就像一個自動引擎，可以驅動語言在特定條件下從這些規則中生成出來。因此，對自然語言的句法分析，曾經被視為自然語言處理的密匙。然而，非常不幸的是，人工智慧中的句法分析被證明是非常困難的。在歷史上，威諾格拉德（Terry Winograd）曾經設計過一款名為SHRDLU的人機對話系統，它可以接收人類的自然語言指令，通過對語言的句法分析和語義分析，在經過邏輯推理之後做出相應的操作，比如將桌上的一個紅色的圓形積木疊到綠色的方形積木上。然而，這樣的系統只能處理一個玩具世界（toy world）。對於複雜的現實世界和日常語言而言，它是無能為力的。後來威諾格拉德也對此心灰意冷，徹底改變了對句法分析的信念，讀起了海格德爾的《存在與時間》，試圖從實存主義現象學中尋找人工智慧設計的靈感。而現在的大多數自然語言處理也都是基於統計的，不僅句法分析被認為是不相關的，甚至語義分析也是不重要的。比如在現在的機器翻譯中，關注的焦點在於詞語、短語和句子，而不是句法。
但自然語言理解面臨的最大難題甚至還不是句法，而是如何處理語義的整體論特徵，其中最重要的就是相關項（常識）和情境。根據人工智慧哲學家豪格蘭德（John Haugeland）的觀點，句子的語義並非是原子語義的組合，而是和作者意圖、日常知識、語言的情境以及實存者的生命等四重因素相關的。這裡不討論作者意圖，我們先來看常識和情境。比如「李白在畫裡」，我們要理解這句話的意義，首先需要知道「畫是圖像的某種載體」，從而確定它所要表達的不是類似於「李白在房間裡」這樣的空間包含關係，而是「畫裡的人像是李白」。這裡的「畫是圖像的某種載體」就是句子理解的相關項或常識。但有時候，要理解這句話的意義不僅依賴於常識，還依賴於情境。假設這樣一段散文，描寫小明漫步在一個風光旖旎的山巔，這句「李白在畫裡」表達的意思就與之前完全不同了，它是一種隱喻，表達的是「李白周圍的風景美如畫」。在絕大多數文學作品中，語言的意義正是如此這般地依賴於我們對常識和情境的理解。
由此，我們也就不難理解小冰為什麼可以創作「詩歌」，但在創作小說時卻完全失敗了。詩歌雖然被視為最能展現人類創造力的藝術形式，但也恰恰最容易寫作。因為詩歌對於語法並沒有很高的要求，有的詩句為了創造出陌生化的效果，甚至要打破日常語法；對於日常常識的要求也不高，只需要對常用的意象建構一個簡單的本體論就可以了；因為詩歌通常很短，也就不太需要把握整個文本的語境。而小說的寫作，無論是對於句法，還是對於相關項和情境，要求都比詩歌要高得多。以常識為例，小說描述了人類的生活往往涉及到大量的常識，比如「摔下懸崖會受傷（但可能不會死）」、「被劍刺中會受傷（但可能不會死）」、「師傅的關門女弟子是我的小師妹」、「殺了我師傅的人是我的仇人」等等。要創作小說首先要構造出這些常識的本體論，而這是非常困難的。1984年開始的Cyc項目試圖表徵人類的全部常識，然而，三十多年過去了，這一項目雖然仍在運作，卻遠未看得到商用的前景。因為人類的常識實在太多，而且各個常量之間的關係異常複雜，要表徵全部常識幾乎是不可能的。可見，創作小說對於機器而言就是天方夜譚，它可能會機械地組合一些既有的故事情節，但要實現真正的創作，在現有技術條件下是不可能的。
但即便詩歌如此容易創作，小冰的「創作」也仍然不能稱之為創作。AlphaGo雖然可以戰勝世界上最優秀的圍棋選手，但它卻缺乏贏棋的理由（reason），同樣，小冰的創作，暫且不論其水平如何，它也缺少創作的理由。人類之所以要贏棋，或者是為了獲得名聲和尊重，或者是為了贏得獎金，或是為了證明自身的力量；而人類的創作，往往是為了表達某種觀念，表現某種情感。但無論是AlphaGo還是小冰，都缺乏對這些情感和觀念的體悟，因為它們對這個世界根本上是「漠不關心」的。
文本的整體意義除了意圖、常識和情境，在根本上依賴於實存者的生命。即便像東郭先生和狼這樣簡單的文學故事，要閱讀或創作它，不僅要把握這個故事裡的常識、情境，更要體悟「同情心泛濫」、「恩將仇報」這樣一些微妙的情感。而只有海德格爾意義上的「此在」（dasein），即有著自己的歷史、周圍世界和身體，承受並操勞著整體的世界，才會關注類似善與惡、罪與罰、生與死這樣的問題，才能體悟世間的情感，理解文本的意義，才可以真正地閱讀和創作。根據豪格蘭德的觀點，這樣一個實存者，只有通過具身的和嵌入的（embodied and embeded）人工智慧才能實現。當計算機成為大地的棲居者，它就真的可以寫詩了。
(本文來自澎湃新聞，更多原創資訊請下載「澎湃新聞」APP)