人工智能热潮的祛魅：面向记忆研究的批判性路径

《Memory, Mind & Media》：Handling the hype: Demystifying artificial intelligence for memory studies

本文针对生成式人工智能（genAI）在记忆研究领域引发的过度炒作，提出了一个批判性分析框架。作者们从历史、技术、实践、地缘政治和环境五个维度，系统性地解构了genAI（特别是基于Transformer的指令调优文本生成器，即“聊天机器人”）对记忆研究可能产生的影响。研究强调，记忆学者应避免抽象地讨论“AI”，而需具体审视特定AI系统与不同记忆形式（认知的、集体的、连接的等）的交互，并关注记忆能动性在人与非人行动者之间的分布。该评论性文章为未来记忆研究与AI的交叉领域提供了一个重要的批判性视角和方法论启示，呼吁进行细致、跨学科的实证研究。

　　

当生成式人工智能（Generative AI, genAI）及其代表性应用——如能够进行流畅对话的“聊天机器人”（例如ChatGPT）——以前所未有的速度渗透到社会生活的各个角落时，记忆研究（Memory Studies）这一跨学科领域也未能置身事外。这股由大型科技公司推动的、将AI描绘成“不可避免的革命性力量”的热潮，正深刻地影响着我们如何记录、保存、理解和重构过去。然而，在这片喧嚣之中，一个关键问题浮出水面：记忆研究学者应如何冷静地“处理这股炒作”（handle the hype），以避免被技术决定论的叙事所裹挟，从而对人工智能的记忆（mnemonic）后果进行细致而富有批判性的审视？这正是Samuel Merrill、Mykola Makhortykh、Silvana Mandolessi、Victoria Grace Richardson-Walden、Rik Smit和王琪等学者在发表于《Memory, Mind & Media》的评论性文章《处理炒作：为记忆研究揭开人工智能的神秘面纱》中所要探讨的核心议题。

作者们指出，当前的AI炒作具有四个典型特征：AI系统的策略性拟人化导致错误认知；强调AI必然性的技术决定论专家的激增；对AI叙事影响力的不均衡分配；以及对“AI”一词的轻率滥用。尽管炒作可能正在消退，但其影响将是深远的。为了应对这一挑战，文章并未提供具体的实证案例，而是旨在构建一个概念性框架，鼓励未来的实证探索。研究者们结合数字社会学、媒体研究、文学与文化研究、认知心理学、传播学与计算机科学等多学科视角，提出了五个相互重叠的批判领域，作为分析和解构genAI与记忆之间复杂关系的透镜。

为了开展这项概念性研究，作者们主要采用了文献综述和理论构建的方法。他们系统梳理了批判性人工智能研究（Critical AI Studies）、媒体研究、科学技术研究（STS）等相关领域的现有文献，从中提炼出关键的分析维度。研究侧重于对genAI，特别是基于Transformer的指令调优文本生成器（常被称为“聊天机器人”）进行批判性审视，而非进行原始数据分析。该方法的核心在于将AI系统置于更广泛的社会、政治、文化和环境组合（socio-technical assemblages）中，分析记忆能动性（mnemonic agency）在人类与非人类行动者之间的流动分布。

历史批判

历史批判旨在复杂化AI炒作背后常见的线性进步历史叙事。文章指出，常见的AI历史往往始于对艾伦·图灵（Alan Turing）“机器能思考吗？”这一问题的去语境化引用，这塑造了当下对genAI的误解。图灵实际上关注的是模仿，而非创造具有人类思维的机器。1956年的达特茅斯会议确立了追求通用/强人工智能（general/strong AI）的目标，但早期参与者如约瑟夫·魏岑鲍姆（Joseph Weizenbaum）后来也批评这种将智能等同于数学描述的“数学形态化”叙事。研究强调，genAI应被理解为狭义/弱人工智能（narrow/weak AI），其价值在于通过拟人化伪装成强人工智能。记忆学者可以质疑所谓通用AI必然性的叙事，探究这些叙事投下了怎样的记忆阴影，并通过分析口述史、媒体考古学等方法，将genAI置于更长的技术辅助记忆历史中，审视其与旧技术的延续与断裂。

技术批判

技术批判强调“去黑箱化”（deblackboxing），即揭示genAI系统的设计和工作原理。文章将genAI系统理解为依赖于大数据集、高性能计算基础设施和机器学习算法三大支柱。以聊天机器人为例，其本质是基于训练数据集的统计概率模型，通过预测词元（tokens）来模仿语言模式，而不理解语义。这种技术基础深刻地影响了其与记忆的关系。文章提出了一系列关键问题：genAI的记忆基线（baselines）是什么？是基于官方历史还是更多元化的来源？将记忆交给统计权重而非文化权重，是否会创造霸权性的、“最佳拟合”的记忆形式，并削弱记忆异类的重要性？记忆学者需要参与genAI的设计、政策讨论，确保其计算逻辑、训练数据和防护机制（guardrails）符合记忆研究的伦理和目标。

实践批判

实践批判聚焦于人们如何使用genAI及其对人类记忆能力的影响。核心争论在于genAI是扩展还是损害了人类的记忆和认知自主性。这取决于用户的专业领域知识（domain expertise）和AI素养。专家能更好地识别genAI输出的错误，但新手则更易受其影响。文章指出，需要研究genAI与人类互动如何影响人类记忆能力，以及在何种条件下与genAI合作能在减轻记忆负担的同时保持批判性知识基础。尽管聊天机器人具有拟人化特征，似乎能替代人类能动性，但人类用户仍保留着决定何时、如何及为何使用genAI的能动性，他们提供的提示和数据本身也塑造了聊天机器人所“重组”的记忆内容。记忆学者应避免关于人类能动性丧失的总体化预言，转而细致分析人类记忆能动性与genAI能动性的交互。

地缘政治批判

地缘政治批判揭示了全球权力动态，特别是欧盟、美国和中国的竞争，如何塑造genAI的发展和不均衡分布，进而影响对历史和当代事件的叙事控制权争夺。全球南方国家在genAI地缘政治中虽扮演积极角色，但往往承受着不成比例的成本。genAI的训练数据和实践倾向于霸权视角，导致非霸权记忆，尤其是全球南方文化的记忆，因“算法性排斥”（algorithmic exclusion）和“数字文化殖民主义”（digital cultural colonialism）而缺失或被歪曲。英语在计算语言学中的主导地位加剧了这一问题，使genAI可能延续殖民知识体系。记忆学者需要关注：genAI保存、转化或抹去了谁的记忆？它能否容纳跨文化的多元记忆认识论？如何与受数字擦除影响的社区合作，抵抗genAI的技术逻辑？

环境批判

环境批判将焦点从genAI的界面交互扩展到其隐藏的物质基础和深远的环境影响。文章借用了Crawford和Joler提出的“AI解剖学”，指出每一次与AI的短暂交互背后，是交织的资源开采、人力劳动和算法处理链条。genAI依赖的庞大计算能力和数据存储对生态系统造成了巨大破坏，其发展加速了星球的消耗。记忆研究需要超越数字记忆的“表层”，采用一种基础设施的视角，审视当前AI赋能记忆实践的物质支撑，揭示我们的星球和宇宙资源是如何有问题的与社会技术记忆系统纠缠在一起的。这要求一种后人类的方法，关注人类与非人类在产生genAI和创造记忆过程中的纠缠，培养负责任的记忆形式。

综上所述，这篇评论文章的核心结论在于强调，对genAI与记忆关系的研究必须具体化。研究者应避免抽象地提问“genAI对记忆有何影响？”，而应提出更精确的问题，例如：基于Transformer的指令调优文本生成器的使用如何塑造公众对政治冲突的记忆？图像生成器如何制造历史表征？遗产机构使用机器学习和云服务的环境影响是什么？这种具体性要求严谨的方法论和细致的实证研究。

作者们呼吁记忆研究领域采纳并发展稳健的方法，以便对genAI与记忆的关系进行密切的实证研究，并且这种研究应自觉运用上述五个批判领域的视角。宏观视角可以考虑genAI系统的历史和技术的具体性，承认它们在实践中所显现的内容，同时考虑到常常不可见的、更广泛的地缘政治和环境后果，这可以作为有价值的研究出发点和背景。最终，这种跨学科的批判性研究路径，旨在解构AI炒作，促使记忆研究领域对这项新技术保持清醒的批判距离，同时深入探究其与人类最核心能力之一——记忆——交互时产生的复杂影响。文章最后也反思了学者自身在试图驱散炒作时可能存在的共谋关系，提出了关于研究伦理的深刻自省，为未来的相关研究设立了严谨的基调。