谈人类写作时，人们会拿出具体的例子，调用个人化描述，例如，我们会提到“鲁迅的《狂人日记》”“杜甫晚期的创作”或“学生小明在语文考试中取得了进步”，这背后，每个人都有自己的名字、背景、性格特征和生活经历，这种叙述方式也与我们的同理心马上发生关联，我们可以想象鲁迅伏案写作的场景，或者小明为了提高成绩而努力学习的样子。一言以蔽之，更高频的使用方式中，主语是个体，人们在使用单称判断。
当讨论人工智能写作时，我们的语言突然变得抽象化和一般化。尽管不同AI软件呈现出越来越多的个性写作差异，但在学术讨论里，我们常说的还是“人工智能创作出短篇小说A”或“人工智能创作出长篇小说B”“人工智能可以模仿人类写作了”，而不是提到具体的AI系统或程序。更高频的使用方式中，主语是整体，人们在使用全称判断。
那么，AI写作是谁在写作？怎么到了学术讨论里，人工智能就成了无名氏？
当然，有一些表面的理由。比较明显的，就是这个场域存在一种代际差异，拥有更多具体AI使用经验和开发经验的大多数是年轻人。年青一代尤其是“数字原住民”，对新技术的接受度和适应能力普遍较高，对他们来说，人工智能不是一个抽象的概念，而是日常生活和工作中的具体工具、具身体验。他们可能使用过各种AI驱动的应用，如语音助手、推荐算法、自动翻译工具等，甚至可能参与过AI系统的开发、底层数据的收集。这种亲身经历使他们能够更细致区分不同AI系统的特点和应用场景。而一些资历较深的学者通常拥有更多的知识生产和传播的权能，在研究阐释中占有较大话语权，他们对AI的宏观分析和批评，基于丰富的理论知识和社会洞察，提出了很多深刻的思考，但在一些具体问题上，部分研究者可能缺乏对AI技术细节和实际应用的了解，导致论述略有欠缺。这种知识生产的不平衡传播开来，则可能进一步引发公共讨论中的偏差。
由此，“内群体效应”与“外群体效应”被不断放大。“内群体效应”是指人更容易识别和理解熟悉事物间的细小类别与差异，“外群体效应”是指人们倾向于将不熟悉的事物视为一个整体。这种效应在我们对AI和人类的认知中表现得尤为明显。当谈及人类时，我们自然而然地将其视为“内群体”。我们日常生活中与各种各样的人接触，使得我们更容易识别和理解人与人之间的个体差异。这种“内群体”认知让我们更倾向于看到人类的多样性，而不是将所有人简单地归为一类。而对于AI，大多数人将其视为一个陌生的、复杂的技术领域，因此很容易将其归类为“外群体”，忽视了不同AI系统之间可能存在的巨大差异。不过，上述表达只是问题的一个方面，很多熟悉多种AI工具的人也会倾向于谈论宏大的AI。
那么，深层的问题究竟出在什么地方？
在现代世界的社会结构中，个人作为劳动力的主体性已经被无以复加地认可和强调。在上文提及的例子里，“鲁迅”和“小明”作为主语，与“人工智能”作为主语，构成了不同的叙事方式，这种叙事方式的差异并非偶然。这是因为，在现代世界的社会结构中，每个具体的个人都是潜在的劳动力提供者，是潜在的商品消费者，这种双重身份也使得每个人都成为社会系统中不可或缺的文化个体。
在这种逻辑下，个人的独特性不仅被承认，还被刻意培养和强调。现代教育系统、职业培训、个人品牌塑造等，都是为了突出个体的独特价值，使其在劳动力市场上更具竞争力，同时也使其成为更精准的目标消费群体。生产资料所有者对个体独特性的强调，某种程度上可以被视为大众生产对人的主体性的一种塑造法则。
当我们转向讨论人工智能时，采用了一种抽象化和一般化的表达方式，这反映了技术作为生产资料在当前经济体系中的地位，它在人们的想象里是去人格化和工具化的，是一种生产资料。既然AI在当前的经济体系中主要被视为一种生产资料，一种提高生产效率的工具，于是，就对AI进行去人格化和工具化描述。当我们说“AI正在改变金融业”时，我们并不会去想象某个具体的AI系统，而是将AI视为一种普遍存在的技术力量，这种抽象化的叙述方式与我们对其他生产资料的描述方式非常相似，例如，我们会说“蒸汽机推动了工业革命”，而不会具体到某一台特定的蒸汽机。
我们对人工智能的抽象化描述则反映了一种老旧的形容机器的知识范式——蒸汽机范式。“蒸汽机范式”源于18世纪末19世纪初的工业革命。当时，蒸汽机作为革命性技术，深刻改变了生产方式和社会结构，这种范式将机器视为同质的、可控的、服务于人类目的的工具。它强调机器的功能性和工具性，而忽视了可能存在的复杂性和自主性。这种思维模式倾向于将技术简化为可预测和可操控的系统。
不过，人工智能与蒸汽机有很大差别，是技术复杂性的差别，交互方式的差别，信息处理能力与其他机器装置关系的差别。只举一个感性直观层面的例子：不同蒸汽机车功能是类似的，但不同的AI写作工具，当你深度体验后，会发现它们有极大的个性，每个AI系统都是特定算法、训练数据和设计理念的产物，这些因素共同塑造了AI的“个性”。这种个性不仅是技术差异的体现，更是不同知识体系、价值观念和权力结构在技术领域的具象化，开发者的数据库、伦理对齐方式等对其都有很大影响。
这种个性不只是冰冷代码的集合，更是一个复杂的、多层次的构建物，反映了创造它的人类社会的方方面面，并且表现出类似于人的主体性。如果不谈自动驾驶、大数据推送等问题，只谈AI写作的话，也是如此。想象一下，你正在使用两个来自不同地域的AI语言助手。当你问它们“什么是成功的人生？”时，由于底层数据库的差异，你可能会得到不同的回答。这里，我们看到了不同文化背景和社会价值观如何通过训练数据和算法设计，最终塑造了AI的“个性”。
深入观察，我们会发现AI的“个性”甚至会影响它的表达方式和语言风格。一个专门为教育目的设计的AI可能会使用更简单、更有耐心的语言，它的回答中可能充满了类比和例子，就像一位循循善诱的老师。相比之下，一个面向专业人士的AI可能会使用更多技术术语，它的回答可能简洁而直接，就像一位经验丰富的顾问。
AI的“个性”还会随着时间和使用而演变。你刚刚打开与它交互时，和它与你交互一段时间之后，它对同一问题的答案在内容和风格上都有差异。
除了话语秩序层面，我们不谈论AI的个性，也表现出一种对未知秩序的恐惧。
在我们的集体无意识中，“机器”这个概念已经成为一种强大的符号，它代表了人类对技术的理解和控制，象征着理性、效率和进步。当我们面对人工智能这种新兴技术时，我们下意识地试图将其纳入这个既有的认知中，以维持我们对世界的理解和掌控感。这种心理机制反映了我们对未知的恐惧，以及通过熟悉的概念框架来驾驭新事物的欲望。
它还反映了我们面对技术变革时的焦虑和防御机制。人工智能作为一种具有自主学习和决策能力的技术，挑战了人类在智能领域的独特地位。这种挑战触动了我们深层的焦虑，即对被机器取代或超越的恐惧。通过将人工智能归类为传统机器，我们试图否认这种威胁，将其降格为可控和可理解的对象，从这个角度来看，我们对人工智能的理解方式不仅是一个认知问题，更是一个关于主体性和存在焦虑的问题。
在很大程度上，工业革命时期形成的话语体系仍然主导着我们理解新技术的方式，这种延续反映了知识传播的惯性，也体现了既有结构对新兴技术的收编尝试。然而，不同AI写作工具之间存在的显著的个性差异暴露了传统机器概念在描述AI时的不足，同时也挑战了我们习以为常的知识范式。
我们面临的挑战则是——如何在现有的话语体系中为这种新型的“个性化”技术找到恰当的表述方式，如何给不同的人工智能起一些具体的名字，如何调整我们的认知框架来适应这种新的技术现实。
