人工智能能够进行文学批评，这在人工智能生成内容（AIGC）技术的强劲推动下已经成为现实。大语言模型如ChatGPT、Kimi、DeepSeek等，最广泛的应用场景就是自动化的文本创作与内容生成，文学批评——对文学作品进行赏析、阐释、评价、研究的实践活动，也被智能机器深度渗透。文学研究界对此已表现出警觉，呼吁要正视其可能引发的深度伪造、知识污染、伦理失范等问题。反过来看，这恰恰说明人工智能生产的批评文本具有一定的水准，对于辨识力不高的人足以“以假乱真”，已经威胁到了批评活动中人的主体地位。其实，现阶段大语言模型生成批评文本的过程并非完全自动化的，而是以人机交互的模式展开：人类用户在人机交互界面输入提示词，大模型根据它对提示词的“理解”进行“深度思考”，继而调用推理算法一步步输出结果。用户还可以继续输入多轮次的提示词，要求大模型对前次结果进行调整，于是，在反复的协商、微调、检验后最终文本方才迭代成型。可以看出，人和AI机器是共同完成批评任务的“伙伴”，为了共同的目标，承担了不同的角色分工，在这里，文学批评不再是传统的具有鲜明个性的意见表达，某种程度上具有了协同特征。

　　大模型的文本生成能力和效率，主要取决于算法、算力和算据。其中，算法定义了大模型如何学习、处理、生成信息，模拟人类思维的过程，是驱动批评的引擎，好比大模型的神经中枢。批评的前提和基础，当然是对文学文本的阅读理解。智能机器主要依靠自然语言处理算法，通过自动分词、时态识别、语义消歧、语法分析、网络建模等逐步“理解”字、词、句以及段落和篇章，进而在语法、语义、叙事、情感等不同层面通过模式识别去挖掘主题主旨、梳理事件序列、把握人物形象，提取风格特征。从本质上说，机器阅读是以数字化的方式将抽象语言转化为可计算的结构。它接下来展开批评的方式，本质也是数学计算和模式识别。从实际表现看，大模型貌似掌握了形形色色的文学理论，海量语料库仿佛成为随时可调用的“方法工具箱”，注意力机制、自回归生成、深度学习算法也在训练中发挥关键作用，提升了批评的专业程度。尤其是当它突出的计算能力被运用于大规模文本的分析，能够以“远读”的方式发现长时段文学史变迁的规律和趋势，当它以确凿的词频统计、句长分布、标点密度等数据来提炼语言特征，当它以知识图谱、情感地形图等多模态方式呈现隐藏在文本背后的关联，这就超越了传统批评的视域——计算批评，正推动文学批评向计算范式和大数据驱动范式转型。

　　在海量数据的计算和挖掘、符号扫描的精度和准确度、规则透明化和并行处理能力方面，智能机器具有人类智能难以比拟的优势，为文学批评开辟了一条更具科学性、客观性的路径。可是，当大模型按照用户指令以传统批评视角对作品进行批评时，其思路基本上都是对理论的机械套用，将批评话语剪裁、拼接、重组后强行为批评对象贴上标签，并未产生太多新见，其生产的批评文本结构化、程式化痕迹明显，语言风格趋于单调。不同于人类的文学批评，智能机器展开批评的动机并非源于具有意向性的审美感受，也并非为了描述和阐释阅读中激起的种种情感反应，更难以表达由作品触发的批评主体指向自身的自我认识，以及指向外部世界的现实诉求。对智能机器而言，文学作品更接近科学的对象而非审美的对象，它只是封闭的可转化为数字形式进行复杂运算的符号集。大模型自身对文学作品没有态度，批评中所表现出来的态度，要么是从海量数据中计算得出的，要么是用户通过提示词从外部施加的，因而，它的价值判断标准、文学趣味和品位都是随着算法中的任务目标变化的，缺少人类批评者的热情、笃定和现实关怀。更严重的是，现阶段机器生成的批评文本还表现出文化偏见、伦理盲区、知识侵权、材料作假等问题，不仅影响到其内容的可信度，而且可能带来潜在的社会风险。

　　若要提升大模型运用于文学批评的质量和性能，同时防范可能的风险，人工干预是必不可少的。其主要的着力点在于如下两个方面。首先是在大模型的训练环节，主要包括：从知识源头上通过筛选、净化、验证、维护的全流程体系保障语料库质量，尤其是要严格防止错误信息和不良信息造成污染；不断优化批评算法，通过深度学习、奖励模型、对抗训练等算法构建专业矩阵，不断完善文学批评的“专家系统”；将算法指标与人工标注相结合，进一步在模式识别、复杂度建模、多模态展示等方面强化智能体的优势。其次是在人机交互环节，即通过提示词引导智能机器开展文学批评实践。大模型根据用户输入的指令生成内容结果，由于提示词是自然语言，大模型通过解码领会用户意图，也是其开展后续工作的线索。提示词的细微差别便会导致输出结果完全不同，甚至质量上有明显高低。选择和组织提示词的技术，被称为“提示词工程”，可以从任务、上下文、角色、示例、格式、语气等多个方面规定智能机器的内容生成规则和算法进路。具体到文学批评，给出用户对批评对象的态度、拟采用的批评方法、核心命题、可借鉴的批评范本等信息，有利于智能体作出更有针对性的响应，从而满足用户需求。

　　但我们仍需对智能体的批评保持审慎的态度，同时对参与其中的人的角色和作用给予反思。机器的智能化水平再高，但终究与人类心智有根本差异。由于缺乏情感与价值认同的维度，机器无法与作者和读者真正共鸣，也无法为世界赋义。它关于情感、价值、意义的陈述，只是通过一系列计算的模拟，无论它表现得多么有强度和深度，都只是符号层面的内部运算，缺少除提示词以外的外部参数。它的计算结果也许能够让用户满意，与用户对作品的态度高度一致，但这恰恰是因为机器将其解码为批评的目标结论，调用算法的目标也是为了趋近这个结论，它无意争辩，欠缺的恰恰是文学批评可贵的批判精神。在这样的人机互动模式中，批评的完成与流水线上的产品生产无异，智能体只是一个根据订单进行来料加工的知识车间，很难产出富有创见的批评。因而，在批评实践中如何充分发挥人与智能机器各自优势、明确彼此边界，让人类的审美感受力、创造力与智能机器的量化分析能力、建模能力互补互利，将科学精神与人文关怀有机融合，是人工智能时代摆在文学批评面前的时代课题。当人机协同的理念在社会生活的许多场域中被提出并“着陆”于实践，文学批评有无可能探索出一种平衡、稳健、和谐的人机协同模式？

　　人机协同模式下，人和智能机器共同成为文学批评的主体，两者之间的关系类似于一对“良友”，分别对文学作品发表看法，并在交流中相互启发、友好商讨，甚至可以展开论辩，直至形成统一的意见。人类批评者既要摆脱传统的工具论思维，将智能机器视作具有认知能动性的主体，也要认识到它在意向性方面的局限，以积极的姿态为批评注入情感质素与人文精神。智能机器可充分发挥在海量计算、知识聚类、特征提取、图谱生成等方面的特长，同时将意义的阐释权交给人类合作者。当然，它也可以以平等对话者的身份展开协商，提醒协作方可能存在的知识缺陷和推理疏漏，并提出观点供其参考、修正。在这个过程中，智能机器并非完全听命于人，人也切不可形成对智能体的依赖，将批评的智性工作全部移交给机器。文学批评的任务，不仅仅是对文学作品作出学理性阐释或判断其艺术价值，它还应帮助人们更好地认识文学、认识人自身、认识世界。批评要求批评者始终保持对自我的反思，在人机协同模式下，这种反思还指向了人机共同体以及人和智能机器的关系，这也是我们将要面对的智能世界的核心议题，因此对人类参与者的主体意识、审美鉴赏力、批判性思维、信息素养等，提出了更高的要求。

　　（作者系华中师范大学文学院、湖北文学理论与批评中心教授）