语言、身体与AI：表达的真相与边界

过去几年，我录了1095条语音备忘录。不是为了记录想法——想法从来不是现成的。按下录音键时，我不知道自己要去哪，只知道有什么东西抓住了我的注意力。录音不是思想的成品，而是思考过程的痕迹：我试图把哲学概念、情感体验、身体感受、各种暗示和数据点，拧成一个有意义的整体。最迷人的地方在于，你能在录音里听到这种碰撞——犹豫、结巴、沉重的停顿、语气的变化。那是追逐意义的声音。

思考不是脑力活

很多人都以为，思考是大脑在词语仓库里挑挑拣拣，选最合适的那个。但问题来了：词语和思想是彼此独立的吗？是先有想法，再找词包装它吗？不是。当你真正思考时，各种元素——概念、感觉、记忆、情感——都在一个密集场里相互纠缠。你需要用整个身体去感受、去推拉、去塑形。

想想你思考时的样子：有人抖腿，有人咬笔，有人皱眉嘀咕，有人手舞足蹈。我讲课的时候必须不停踱步，手在空中比划，好像在雕刻看不见的东西。尼采说过，永远不要相信坐着想出来的想法。他在散步中构思了《查拉图斯特拉》。笛卡尔坐在屋里得出“我思故我在”——巧了，这正是启蒙理性想要剥离身体的根源。

思考不是纯脑力劳动，而是全身参与的事件。血液、激素、膝盖、皮肤、手指，都在帮忙。

词语是有身体的

我们总觉得词语只是意义的标签，但实际上，词语本身就是有身体的事件。每个词都有自己的“走法”：它怎么弹跳在舌头上，怎么改变呼吸，怎么唤起记忆和欲望。Lohren Green写过一本《诗性词典》，对“紫色”的解释不是干巴巴的定义，而是用紫色本身的感觉写成：“在蓝色与红色之间吸收那种充满活力的静谧，阴郁又欢快……”。

Green还做了一个App叫《环境诗》。它会读取实时本地数据——温度、湿度、交通流量等——然后即兴写诗。他不是让机器随机组合，而是给每个词标上“焦虑值”“快乐值”，再设计一套语法规则。诗是这些条件碰撞的结果，有点像我们每个人在表达时，被各种力量塑造的样子。

我们都是文化LLM的提线木偶？

日常生活中，很多话是自动发生的。同事问“咋样？”，你回“还行”。收银员问“现金还是扫码？”，你条件反射回答。这些套路来自群体经验的积累——小到朋友之间的暗语，大到整个社会的礼貌用语。就像威廉·巴勒斯说的，礼貌让陌生人不用互相侵入就能擦肩而过。

但有些规则被强制执行。我曾经给学术期刊写书评，在脚注里加了点幽默和反思，结果编辑直接删了——连问都不问。我那时就知道自己永远成不了学者，因为我受不了那种刻板的行话。

这种基于历史累积的“惯性”，其实就是今天所谓的大语言模型（LLM）的工作原理。它不过是统计了大多数人在类似场景下说的话，然后预测下一个词。它只能给出最保险、最平庸的回答，像一个拍马屁的跟屁虫。

AI的边界：它不会思考

别误会，我觉得AI很厉害：重构生产流程、辅助诊断、生成剧本……但它没有智能。图灵测试的标准太低了——能模仿日常的废话不代表有思考。真正的思考需要参与一个密集场，需要身体的感觉、情感的波动、对未知的试探。

我在教课的时候禁止学生用“also”、“in addition”、“moreover”这类词，因为它们只是列出观点，没有真正的逻辑连接。我想要学生写出有转折、有因果的论证——像“所以”、“但是”这种词才让意义生成。而AI写出来的全是列举，缺乏那种连接。

巴勒斯的“剪裁术”才是另一种方向：他把文字碎片随机拼贴，再用人的判断力筛选出有意义的部分。这需要人的审美和思考介入。相比之下，LLM只能复制已有的话术，无法发明新话语。

如果AI只能向后看、强化老套的表达，那才是它最大的危险——它会让我们的话语变得越来越无聊、越来越千篇一律。

结语

真正的表达，是一场身体与世界的共舞。它不是在词典里找词，而是在混沌中摸索、碰撞、塑形。我们可以用机器辅助，但永远别指望机器替我们思考——因为思考本身，就是做一个活人。