AI為何無法取代人類的創意寫作？

1948年，資訊理論之父克勞德·夏農提出用「句子中下個詞彙出現的機率」來建立語言模型。這種機率語言模型曾飽受批評，知名語言學家諾姆·喬姆斯基就直言：「『句子機率』這個概念完全沒有意義。」

74年後的2022年，ChatGPT橫空出世，引發大眾熱議，甚至有人認為這是通往超人類智慧的門戶。從夏農的理論到ChatGPT問世之所以耗時如此之久，關鍵在於所需的資料量與運算時間，在幾年前根本難以想像。

ChatGPT是透過分析海量網路文字訓練而成的大型語言模型(LLM)。它的運作原理是根據上下文（包括提示語與已生成的文字）來預測下一個詞彙的出現機率。想像從帽子裡抽籤，機率高的詞彙在帽子裡會有更多副本。這種機制讓ChatGPT產出的文字看似具有智慧。

關於這類工具究竟有助還是有礙創意寫作的學習與實踐，目前存在諸多爭議。身為撰寫過數百篇AI相關著作的電腦科學教授，我認為理解這些模型的運作原理，能幫助作家與教育工作者更清楚認識AI在所謂「創意」寫作上的限制與潛在用途。

必須區分LLM的「創造力」與人類的創造力。對電腦產出文字期望不高的人，很容易將創造力歸功於電腦；但像認知科學家道格拉斯·霍夫施塔特這類懷疑論者，則看穿其「華麗表面下令人震驚的空洞」。語言學家艾蜜莉·班德更將語言模型形容為「隨機鸚鵡」，意指它們只是隨機重複訓練資料中的內容。

LLM根據機率分佈選擇詞彙，本質上就像從相似上下文中擷取文字。這種逐字生成的過程，某種程度可視為一種抄襲。真正的創意來自人類想傳達的獨特想法。當人們使用生成式AI時，若不在乎產出內容，提示語怎麼寫都無所謂；但若在意品質，問題就來了——LLM只能產出「一般人」會寫的內容，而非創作者真正想要的獨特表達。

寫作其實很像軟體開發：開發者將想法轉化為程式碼，如同作家將構思化為文字。LLM對待程式碼與自然語言的方式如出一轍，因為它們的訓練資料同時包含兩者。從軟體開發經驗可知，LLM適合處理重複性高的小型任務，如資料庫查詢或制式書信；若要應用於大型專案，就必須準備反覆生成與修改。

近期興起的「提示工程」被鼓吹為一門藝術，主張透過特定技巧提升LLM產出品質，例如先要求大綱再據此擴充內容，或讓模型展示推理過程的「思維鏈」。但這些技巧註定只是過渡方案——任何有效的提示技巧，終將被整合進下一代模型中。

電腦科學家約瑟夫·維森鮑姆在1960年代開發ELIZA程式時就發現：「人們與程式對話時，會快速產生情感依賴並賦予它人性特質。」時至今日，工具雖已進化，人類的這種心理傾向卻從未改變。

在這個充斥錯誤資訊的時代，我們更需要具備判斷各種誇大宣傳的能力。生成式AI沒有魔法，它只是從龐大資料中預測人們可能寫下的文字。而真正的創意，絕不僅是重複他人說過的話。