当AI生成一篇结构完整★★◈◈、语言流畅甚至出彩的文章只需要几分钟时★★◈◈，“写出一篇看起来有模有样的文章”本身已经越来越难成为判断写作者能力的充分依据★★◈◈。生成式AI刚刚进入写作领域时★★◈◈，人们最关心的还是人与机器之间的差异★★◈◈：AI生成的文字与人的写作究竟有什么不同？机器是否真的具有创造力？它会不会最终取代人类作者？

　　在近来《澎湃新闻》刊发的AI写作相关文章中★★◈◈，一种较为明确的声音强调真人写作与AI生成之间仍存在不可轻易抹去的差异★★◈◈。《AI为何不能代替真人写作？》把这种差异归结为概率预测与个体个性化经验★★◈◈、意义生产之间的区别★★◈◈；《AI生成和人类写作之间的区隔★★◈◈，关乎温度★★◈◈、时间和有限生命》则从柏格森★★◈◈、海德格尔★★◈◈、阿伦特等人的思想出发MG不朽情缘官网★★◈◈，把人类创作的独特性放回身体★★◈◈、时间与有限生命的经验之中★★◈◈；围绕郝景芳等作家使用AI引发的争论★★◈◈，《AI写作涌入市场★★◈◈，“人”的信任和感动何处安放？》谈到了读者知情权与作者信任的问题★★◈◈，以及一个新的现实问题——“一本书是否使用AI★★◈◈、使用了多少AI★★◈◈，是否需要向读者披露★★◈◈，一切都处于极为模糊的地带”★★◈◈。当写作的润色★★◈◈、重组乃至部分生成都可以交给AI★★◈◈，“作品中到底有多少算作者写的”已经很难再用一个简单比例来回答★★◈◈。

　　因此★★◈◈，随着AI逐渐深入嵌入从检索★★◈◈、润色★★◈◈、压缩★★◈◈、结构调整乃至论证生成的写作全过程★★◈◈，“有没有使用AI”本身已经越来越难以说明“人类写作”与“AI写作”之间的边界★★◈◈，甚至是直接挑战着这种二元对立的合理性★★◈◈，并为AI写作与“作者性”的问题提供了更多思考角度★★◈◈。

　　我们看到★★◈◈，另一条线索的讨论正在使“人写还是AI写”的二分变得不再那么稳固★★◈◈。《语言从来不只属于人类》中★★◈◈，哈佛学者Martin Puchner指出★★◈◈，人类的创造本来就依赖共享的语言传统★★◈◈、历史材料与技术工具★★◈◈，如果与人类共享着语言资源的AI出现后★★◈◈，人文学者突然重新声称“只有人类才拥有真正的创造力”★★◈◈，这本身就存在理论上的自相矛盾★★◈◈。因此★★◈◈，重要的是区分哪些思维活动仍须由人类亲自完成★★◈◈。《当AI开始“说话”★★◈◈，人类语言的深层意义会被改变吗？》对两位语言学教授的专访则指出★★◈◈，当前的AI写作检测工具并不足够可靠★★◈◈，而真正的问题也不在于是否使用了AI进行写作——对于学生写论文而言★★◈◈，最重要的是整个学习过程而非最后交上来的那篇文本★★◈◈，研究★★◈◈、思考★★◈◈、形成自己的观点才是最有价值的部分★★◈◈。

　　过去一周里发生的几件事则更直接地显示★★◈◈，AI写作的争论似乎正在进入一个新的阶段★★◈◈。8月18日★★◈◈，《金融时报》专门刊发说明指出★★◈◈，一篇此前发表的评论文章曾使用AI压缩作者的初稿★★◈◈，报社认定这一行为违反了禁止在“写作过程”中使用AI的编辑规范★★◈◈。一天之后★★◈◈，加州大学伯克利分校一位数学教授承认自己在一篇评论文章中使用了AI辅助编辑★★◈◈，但刊登文章的媒体并没有因此否定她的作者身份★★◈◈。同样是在这一周★★◈◈，Anthropic开始为Claude生成的文本加入可被机器识别的标记★★◈◈。而此前不久★★◈◈，欧盟《人工智能法案》中涉及AI生成内容透明度的相关条款也已经启用★★◈◈。

　　因此★★◈◈，当下更加棘手的问题不再只是人与AI之间的写作能力比较★★◈◈，或人/机写作行为背后的本体论差异★★◈◈，而是进一步转向“人机协作写作”中对作者身份和知识/智识责任的重新界定★★◈◈。写作内部的诸种环节正在被重新拆开审视★★◈◈：哪些工作可以交给机器？哪些判断仍需由人完成？AI的参与应当如何被说明？作者及其责任也值得被重新思考★★◈◈：该由谁对最后的文字负责？以及这种责任是否发生了什么新的变化？

　　生成式AI普及之后★★◈◈，“抓AI”几乎迅速形成了一套新的阅读习惯——看起来过于整齐的段落★★◈◈、频繁出现的连接词★★◈◈、一些四平八稳又好像有些“套路”的表达★★◈◈，都会被视为所谓的“AI味儿”★★◈◈。网络上也出现了越来越多的检测工具★★◈◈，它们试图根据语言统计特征判断一段文字有多大概率出自AI★★◈◈。问题在于★★◈◈，这种文本鉴别并不像想象中那么可靠★★◈◈。

　　《澎湃新闻》本月初的专访中介绍过一个颇具代表性的例子★★◈◈。特立尼达作家贾米尔·纳齐尔凭借短篇小说《蛇林》获得英联邦短篇小说奖区域奖后★★◈◈，检测工具Pangram将作品判断为“100%由人工智能生成”★★◈◈，社交媒体上随即出现大量质疑之声★★◈◈。但英联邦基金会最终没有再寻找另一套算法来与Pangram对质★★◈◈，而是检查作者保留的工作草稿★★◈◈、带有时间戳的文件和笔记★★◈◈，并与作者进行详细讨论★★◈◈，最后维持了奖项授予★★◈◈。这个案例之所以有意思MG不朽情缘平台★★◈◈，★★◈◈，在于基金会最终选择了另一种证明方式★★◈◈：与其继续从文本表面判断它像不像AI写的★★◈◈，不如追溯这篇作品实际上是怎样写出来的★★◈◈。这也使本周围绕Claude文本标记的讨论值得注意★★◈◈。

　　《纽约客》在8月19日刊发的《机器的印记》（The Mark of the Machine）中讨论了Anthropic的新做法——Claude生成的文本可带上机器可识别的隐形标记★★◈◈，以便日后判断文字是否经过相应的模型生成★★◈◈。它与通常意义上的AI检测有一个重要区别★★◈◈，后者是在一段文字已经出现之后★★◈◈，依据语言特征猜测其来源★★◈◈，而水印或来源标记则试图在生成环节就留下可追踪的信息★★◈◈。从“猜它像不像AI写的”转向“记录AI在哪里出现过”★★◈◈，看似只是技术手段的变化★★◈◈，背后却是完全不同的“AI写作”治理思路★★◈◈。前一种方法默认AI文本存在某种稳定的语言特征★★◈◈，只要检测能力足够强★★◈◈，总有一天能够准确鉴定★★◈◈；后一种方法则更信奉过程主义★★◈◈，它并不试图从文字风格和文本结果推断背后的写作主体★★◈◈，而是记录某一种工具参与文本生产的具体过程★★◈◈。

　　欧盟最近开始实施的AI内容透明度规则也体现了近似方向★★◈◈。《人工智能法案》第50条所涉及的规则要求特定AI生成或操纵的内容应具有相应的机器可识别标记★★◈◈，并要求深度伪造以及某些涉及公共利益的AI生成内容进行明确披露★★◈◈。这一实践规范从一开始关心的就是“标记”和“标签”★★◈◈，即让内容的机器生成来源能够被识别★★◈◈，而不只是让使用者凭直觉判断一段文字“是不是有AI味儿”★★◈◈。

　　不过★★◈◈，来源可以追踪★★◈◈，并不意味着作者身份的问题也随之解决★★◈◈，这恰恰是Claude水印引起争议的地方★★◈◈。比如★★◈◈，如果有人让AI生成了整篇文章★★◈◈，来源标记显然提供了重要的鉴别信息★★◈◈，可是★★◈◈，如果一位作者只是让Claude校对了几处语法★★◈◈，或者把已经写好的段落翻译成另一种语言★★◈◈，但文本中留下了相同的“机器参与”标记★★◈◈，这两种情况又当如何处理？于是不朽情缘官方网站-app下载★★◈◈，这里产生了一个新的问题★★◈◈：从把“像AI写的”当成“就是AI写的”★★◈◈，到把“AI参与过写作”直接等同于“作者自己没有真正写作”★★◈◈，两者其实都把一个复杂的文本生产过程压缩成了过于简单的真假判断★★◈◈。

　　加州大学伯克利分校数学教授Zvezdelina Stankova的风波正好说明了这个问题★★◈◈。据《卫报》报道★★◈◈，Stankova近日发表的一篇关于该校学生数学能力落后的评论文章被学生记者送入Pangram检测★★◈◈，结果显示文章中有33%的内容是由人工智能生成或辅助生成的★★◈◈。Stankova随后承认自己确实使用了AI协助编辑★★◈◈，也曾利用AI寻找相关材料★★◈◈，但她同时强调★★◈◈，文章中的分析来自其团队的长期研究★★◈◈。而刊载了此篇评论的《旧金山标准报》最终并没有把本次“AI参与”等同于“AI作者”★★◈◈，而是继续把研究★★◈◈、分析和最终发表责任归于Stankova及其团队★★◈◈。

　　因此★★◈◈，未来关于AI文本透明度的规范仍然需要解决“它从哪里来”的问题★★◈◈，但仅靠机器检测或水印标记显然不够★★◈◈。来源记录真正有意义的前提★★◈◈，是我们能够解释这段来源信息★★◈◈：机器究竟完成了什么工作？它是影响了语言★★◈◈，还是影响了论证？作者看过并核实了它的输出吗？在这里★★◈◈，“抓AI”的问题开始从文本鉴别转向过程追踪★★◈◈。

　　《金融时报》本周关于AI写作的声明也与上述变化有关★★◈◈。声明指出★★◈◈，该报8月14日刊发的一篇关税政策专栏文章★★◈◈，在正式投稿之前使用AI压缩了较长的初稿★★◈◈。尽管文章并非由提示词直接生成★★◈◈，其中心观点也不是由AI凭空提出★★◈◈，但《金融时报》依然认为★★◈◈，这已经触及其编辑准则中所说的“禁止在写作过程中使用AI”★★◈◈，因此构成了违规果敢网站★★◈◈。

　　使用AI进行压缩算不算“写作”？这个以前几乎没有过专门讨论的问题★★◈◈，现在突然具有了某种制度性意义★★◈◈。对于写作者而言★★◈◈，一种更常见的状态可能是★★◈◈，删去三百字其实比增加三百字更为困难★★◈◈。一些情况下★★◈◈，压缩字数并不仅是机械性地删掉语义重复的表述和减少一些修饰词★★◈◈，而是涉及哪一条证据被留下★★◈◈、哪个例子被舍弃等与论证密切相关的操作★★◈◈。从这一意义上说★★◈◈，《金融时报》把“压缩”纳入AI写作过程并非没有道理★★◈◈。不过★★◈◈，如果沿着这条思路追问★★◈◈，AI写作的边界便会显得有点难以“一刀切”★★◈◈：如果标题修改建议★★◈◈、压缩字数和翻译算作AI写作的话★★◈◈，那么使用AI进行拼写检查★★◈◈、语法修改算不算AI写作呢？

　　美联社今年7月更新的编辑部AI使用标准给出了一个完全不同的答案★★◈◈。它允许记者在早期资料研究★★◈◈、文件摘要★★◈◈、转录★★◈◈、翻译中使用AI★★◈◈，也允许AI协助提出标题和文章摘要★★◈◈，处理语法★★◈◈、拼写等问题★★◈◈；与此同时★★◈◈，采访★★◈◈、消息来源★★◈◈、事实核验和编辑判断仍须由记者完成★★◈◈，AI生成的内容在发布前必须经过人的审阅和编辑★★◈◈。如果生成式AI对最终发表内容具有实质性影响★★◈◈，还需要进行相应披露MG不朽情缘官网★★◈◈。

　　于是★★◈◈，我们看到★★◈◈，同样一句“使用了AI”果敢网站★★◈◈，在不同新闻机构那里对应着相当不同的规则果敢网站★★◈◈。《金融时报》把机器压缩初稿视为越界★★◈◈，美联社则允许一部分研究★★◈◈、整理和语言工作由AI辅助完成★★◈◈，而《旧金山标准报》采用了另一种更强调结果责任的尺度标准★★◈◈：只要原创研究和分析仍然来自作者★★◈◈，并且有人能够对最终文字负责★★◈◈，AI编辑本身并不自动取消作品的作者身份★★◈◈。这几套规范可以被理解为不同媒体对于风险的不同判断★★◈◈，但它们也同时暴露出一个更深刻的变化★★◈◈，即我们过去习惯用“写作”两个字所笼统概括的活动★★◈◈，正在被AI一点点拆开★★◈◈。

　　写一篇文章★★◈◈，可能从一个思考已久的问题开始★★◈◈，也可能先从阅读材料开始★★◈◈。写作者会搜查信息★★◈◈，做阅读笔记★★◈◈，比较彼此冲突的材料并决定什么值得相信★★◈◈，随后形成一个暂时的观点★★◈◈，然后安排文章结构★★◈◈，写下一个接一个的句子★★◈◈，然后又在修改中推翻自己前一天的一些想法★★◈◈。到最后★★◈◈，他可能还会删去重复的表述★★◈◈，核对引文★★◈◈，并根据最终的正文内容修改摘要和标题★★◈◈。过去★★◈◈，这些活动往往都发生在同一个人的电脑前★★◈◈，它们之间的边界并不重要★★◈◈。但是今天★★◈◈，大语言模型能够逐项接手其中的某些部分★★◈◈，原本没有必要被拆解得一清二楚的步骤和个中区别便好像不得不被重新说得十分清楚★★◈◈。

　　而这也让单纯计算写作的“AI比例”越来越显得可疑★★◈◈。试想★★◈◈，一篇文章如果有九成文字是一个人自己敲下的★★◈◈，但其前置流程是人将十篇自己没有读过的论文交给AI总结★★◈◈，再按照机器提出的主要观点组织文章和形成正文★★◈◈，那可能也很难说它就是一篇“90%的人类作品”★★◈◈。相反★★◈◈，一位研究者也可能自己完成调查★★◈◈、阅读全部材料★★◈◈、形成论点★★◈◈，再借助AI把已经写好的中文翻译成英文★★◈◈，并进行语言的调整润色★★◈◈。从最终文本来看★★◈◈，后者中机器处理过的比例可能很高★★◈◈，但它对知识内容所起的作用则和前者完全不同★★◈◈。

　　近日相关媒体与机构规范提供的启发也在于★★◈◈，也许问题本来就不应该被转换成一个百分比★★◈◈。比起声称“一篇文章有30%由AI完成”★★◈◈，更有信息量的说明可能是★★◈◈：作者用AI做了什么？是检索关键词★★◈◈、整理资料★★◈◈、翻译★★◈◈、压缩初稿★★◈◈，还是直接生成论证？AI返回的材料有没有逐一核实？最终的事实判断和观点由谁确认？上述问题虽然不提供一个醒目的比例数字★★◈◈，却更接近一篇文章真实的生产过程★★◈◈。

　　学术出版中的相关规范已经逐渐采用这种思路★★◈◈。国际医学期刊编辑委员会（ICMJE）的现行建议要求作者在投稿时说明是否使用了AI辅助技术★★◈◈，并具体解释使用了什么工具★★◈◈、为了什么目的★★◈◈。如果AI用于写作协助★★◈◈，则需要在相应位置披露★★◈◈；如果用于数据收集MG不朽情缘官网★★◈◈、分析或图像生成★★◈◈，则应在方法部分说明★★◈◈。这里的关注点并不是测定机器究竟贡献了百分之多少的字数★★◈◈，而是把AI在研究和写作中的实际作用说出来★★◈◈。

　　其实★★◈◈，这种“贡献说明”的思路并非AI时代才出现★★◈◈。现代科学研究本就很少能够由一个人完成全部工作★★◈◈，在共同作者中★★◈◈，有人可能设计研究和整理资料★★◈◈，有人负责实验执行★★◈◈，有人做统计分析★★◈◈，还有人主要承担写作部分★★◈◈。而作者排序并不能完整描述这些差异★★◈◈，所以越来越多的期刊要求说明作者的具体贡献★★◈◈。AI的进入只是让这个问题变得更加尖锐★★◈◈。当写作参与者中出现了一个不具有法律人格★★◈◈、也无法承担学术责任的人工智能后★★◈◈，我们更加需要区分“谁完成了什么”和“谁是最终作者/第一作者/共同一作（以及其他可能的新的作者身份）”★★◈◈。

　　当然★★◈◈，不同类型的写作必然不能使用完全相同的尺度★★◈◈。文学创作中★★◈◈，每一个字的选择就是作品本身★★◈◈；新闻报道中★★◈◈，事实核验的重要性可能远高于文字是否由记者亲手润色★★◈◈；学术论文牵涉数据★★◈◈、方法★★◈◈、引用等更复杂的问题★★◈◈；普通工作邮件则几乎没有必要为语法修改附上AI使用说明★★◈◈。所谓“过程披露”如果无限扩张★★◈◈，也有可能变成新的形式主义枷锁★★◈◈。因此★★◈◈，解决方案未必是要让每一次写作都提交一张复杂的人机协作清单★★◈◈，而是根据不同场景判断★★◈◈：哪些机器参与会实质影响读者对这篇文本的理解和信任？什么时候人们有理由知道AI做了什么？而哪些工作一旦被外包给AI★★◈◈，就已经改变了作者所声称的知识贡献？至此★★◈◈，AI写作的争论不仅是工具使用规范问题★★◈◈，也在持续触动着作者制度本身★★◈◈。

　　现代意义上的“作者”其实本就不是一个单数★★◈◈。例如★★◈◈，一篇新闻报道会经过编辑的修改★★◈◈，一部著作可能经历大量的文字编辑和事实核验★★◈◈，多作者论文中的每一位作者更不可能分别“写出”相同比例的文字★★◈◈。但我们仍然愿意把作品归于某个作者★★◈◈，说明作者身份从来不只等于敲击键盘的动作★★◈◈。AI把这层过去被默认的关系暴露得更加明显★★◈◈。

　　ICMJE目前仍然明确规定★★◈◈，ChatGPT等AI工具不能被列为论文作者★★◈◈。这个规定值得注意的地方是它对人类作者责任的强调★★◈◈：作者必须能够对工作的准确性★★◈◈、完整性和原创性承担责任★★◈◈，而AI无法承担这些责任★★◈◈。因此★★◈◈，即使论文在某些环节使用了AI★★◈◈，最终责任仍然属于提交论文的人★★◈◈。在这里★★◈◈，“作者”证明“我写过这些字”是不够的★★◈◈，他同时必须能够说清楚文章为什么这样判断★★◈◈，资料从哪里来★★◈◈，哪些信息经过核实★★◈◈；而如果文章内容出现错误★★◈◈，也不能把责任退回一句“这是模型生成的”★★◈◈。责任之所以成立★★◈◈，是因为作者对于知识生产过程仍然保留着足够的理解★★◈◈、判断和控制★★◈◈。换句话说★★◈◈，作者的署名要求这个人确实知道自己在为什么背书★★◈◈。

　　去年9月★★◈◈，华东师范大学发起了“AI一作”的社会实验★★◈◈，要求AI必须被列为征集论文的第一作者★★◈◈，人类研究者则退居共同作者或通讯作者★★◈◈。“当人类学者退居二作★★◈◈，科研范式的重塑将何去何从”——实验希望借助这种极端设置果敢网站★★◈◈，暴露出AI时代科研主体性★★◈◈、原创性★★◈◈、伦理秩序和出版规范中潜藏的问题★★◈◈。其中★★◈◈，实验参与者或恐慌或惊喜的感受比“AI第一作者”这个吸引眼球的设计更值得留意★★◈◈。

　　有人担心★★◈◈，在AI能够迅速完成过去数天工作的情况下★★◈◈，研究者会逐渐退化成机器答案的审核员★★◈◈；也有人在反复使用中发现★★◈◈，AI更适合帮助列出不同解释★★◈◈、提示思维盲区★★◈◈，而不是替研究者决定哪一种解释真正具有现实意义★★◈◈。一位投稿作者就表示★★◈◈：“人类研究者最核心的价值不是我们比AI更聪明★★◈◈，而是我们能关切★★◈◈，关切那些被数据遗忘的人★★◈◈，关切那些被效率牺牲的公平★★◈◈、关切那些被标准答案掩盖的例外★★◈◈。这种关切不是算出来的★★◈◈，是从我们的生命经验★★◈◈、价值立场★★◈◈、伦理承诺当中‘长’出来的★★◈◈。”这里也出现了AI写作之后作者制度可能需要保留或更新的“责任”问题★★◈◈：仍有一些并非“非黑即白”和“非此即彼”的判断需要由人真正作出★★◈◈，并愿意去承受这些判断的后果★★◈◈。

　　类似的问题在大学教育中表现得更加直接★★◈◈。今年7月★★◈◈，哈佛大学在一轮机构重组中宣布不再保留写作中心（Writing Center）作为独立单位★★◈◈，长期担任中心主任的Jane Rosenzweig被裁撤★★◈◈，原有的写作辅导功能被整合进其他机构★★◈◈。校方强调★★◈◈，学生仍然能够获得一对一写作辅导★★◈◈。但这一调整还是引起了大量现任和前任写作导师们的反对★★◈◈。《大西洋月刊》8月19日的刊文《为什么哈佛大学写作中心的关闭意义重大》指出★★◈◈，反对之声担心★★◈◈，在生成式AI迅速进入校园的时刻★★◈◈，哈佛大学恰恰削弱了一个长期把写作★★◈◈、交流与思考联系在一起的机构★★◈◈。

　　这件事中有一个颇有意味的细节——Rosenzweig本人并不是拒绝AI进入课堂的人★★◈◈。据《哈佛深红报》今年四月的报道★★◈◈，该校在写作课程中新增了人工智能必修模块★★◈◈。而Rosenzweig和同事Tad Davies刚刚参与设计了这一模块内容★★◈◈，其旨在向学生介绍大语言模型如何运行★★◈◈，同时也讨论教育★★◈◈、隐私★★◈◈、版权★★◈◈、环境和虚假信息等问题★★◈◈。该课程并不准备告诉学生应该支持还是反对AI★★◈◈，而是希望他们拥有足够的信息★★◈◈，从而能够自己判断怎样使用这种技术★★◈◈。这说明★★◈◈，大学写作教育需要保护的可能不是某种古老的写作形式★★◈◈，而是那些不能轻易外包给AI的思想训练动作★★◈◈：发现问题★★◈◈、辨别证据★★◈◈、组织理由★★◈◈、应对质疑和反驳★★◈◈、修改或坚持自己的判断★★◈◈，并为这些判断负责★★◈◈。

　　在过去的大学教育中★★◈◈，教师很自然地把学生交上来的论文当作学习过程留下的证明★★◈◈。论文写得好★★◈◈，通常就意味着学生至少完成了相应的阅读★★◈◈、理解★★◈◈、批判和表达★★◈◈。在大多数情况下★★◈◈，最终文本可以作为判断学生学习效果的重要证据★★◈◈。但在今天★★◈◈，这种推断变得越来越不稳定★★◈◈。一个学生可以在很短时间内获得结构完整★★◈◈、语言流畅的论文★★◈◈，却未必真正理解其中的材料★★◈◈；而另一名学生可能借助AI整理了大量资料★★◈◈，不过他逐一核查机器的回答★★◈◈，并在与模型反复争论中形成了自己的判断★★◈◈。但是如果只看最后交出的两篇文章★★◈◈，教师可能很难知道他们分别经历了什么★★◈◈。

　　也正由于AI生成文本越来越难通过成品检测出来★★◈◈，哈佛的一些教师已经尝试调整考核方式★★◈◈，部分课程开始引入口试★★◈◈、课堂视频项目等评估方式★★◈◈。其中的目的无疑包括减少AI作弊★★◈◈，但背后还有一个更值得注意的变化★★◈◈，即对学习效果的评价逐渐从“最后交付出什么”★★◈◈，重新转向“学生能不能现场解释自己做过什么★★◈◈，以及为什么这样判断”★★◈◈，这里面存在一种“作者的责任伦理”★★◈◈。这与新闻机构和学术期刊面临的问题其实颇为相似★★◈◈。

　　AI写作最初引起轰动★★◈◈，是因为机器忽然能够写出过去只有人才能写出的句子★★◈◈。但很快人们发现★★◈◈，更难处理的并不是句子本身★★◈◈。“这是不是AI写的”仍然值得追问★★◈◈，尤其是当机器的参与被有意隐瞒之时★★◈◈。但随着人机协作写作越来越普遍★★◈◈，这个问题已经不足够了★★◈◈。我们还想知道★★◈◈，一段文字是经过了怎样的“人机之旅”而出现在世界眼前★★◈◈，而站在这些文字背后的那个人★★◈◈，是否依然真实地站在那里★★◈◈，又是以怎样的姿态站在那里★★◈◈。

　　近日★★◈◈，为《卫报》撰稿近50年的专栏作家波莉·汤因比（Polly Toynbee）对《卫报》表示★★◈◈：“我知道我这个年龄段的人曾称年轻人是懒惰★★◈◈、自以为是且脆弱的‘雪花’★★◈◈，但我很清楚自己站在哪一边★★◈◈，而且那绝不是我自己的那代人★★◈◈。”波莉认为★★◈◈，西方世界年轻一代与年长一代之间的社会契约已经被打破★★◈◈。在失业率飙升★★◈◈、工资停滞不前和房价暴涨的背景下★★◈◈，Z世代和千禧一代的境况注定会比他们的父母更糟糕★★◈◈。

　　由BBC开展的最新研究表明★★◈◈，二十多岁的年轻人正面临近半个世纪以来最艰难的成年开端★★◈◈，目前25岁的人群中★★◈◈，有超过40%与父母同住★★◈◈。

　　加亚·古普塔（Gaya Gupta）在《卫报》的另一篇报道中称★★◈◈，一项又一项的调查显示★★◈◈，Z世代正经历着深刻的经济不稳定★★◈◈，同时社交联系也在削弱★★◈◈。这一切让许多年轻人产生了一种被困住的感觉★★◈◈，他们曾憧憬的成年生活和自由如今变得遥不可及★★◈◈。

　　前美国劳工部首席经济学家★★◈◈、左翼智库Groundwork Collaborative的资深研究员贾内尔·琼斯（Janelle Jones）表示★★◈◈：“他们对自己现状的预期很低★★◈◈，对未来的展望也很低★★◈◈。这部分是劳工市场的原因★★◈◈，但人们不仅是劳动者★★◈◈，他们此刻正生活在一个面临多重生存危机的时代★★◈◈。”

　　在一些人看来★★◈◈，如今二十多岁年轻人所感受到的焦虑和不稳定★★◈◈，可能很容易被轻描淡写地归结为每个人成年的必经之路★★◈◈。但数据表明★★◈◈，这一代人所面临的一系列挑战与该国以往经历的任何时期都截然不同★★◈◈。

　　纽约联邦储备银行汇总的数据显示★★◈◈，自疫情爆发以来★★◈◈，应届大学毕业生的失业率一直高于美国整体劳动力失业率★★◈◈。尽管大学毕业生的总体失业率仍低于所有劳动者的失业率★★◈◈，但与几十年前相比★★◈◈，两者之间的差距已大幅缩小★★◈◈。

　　琼斯说★★◈◈：“我们曾对一代又一代的年轻人说★★◈◈，如果你想成功★★◈◈，如果你想有保障★★◈◈、想稳定★★◈◈，如果你想过上舒适的中产阶级生活★★◈◈，你就应该去读大学★★◈◈。大学学位的优势绝没有完全消失★★◈◈，但它的含金量比以前低了一些★★◈◈，因为拥有大学学位的人太多了★★◈◈。”

　　即使大学学位的价值有所下降★★◈◈，其开销却依然居高不下★★◈◈。根据LendingTree的数据★★◈◈，2024届毕业生离校时平均背负着29560美元的贷款★★◈◈，而全美的学生贷款总额已高达1.8万亿美元以上★★◈◈，超过4400万美国人欠下联邦贷款债务★★◈◈。

　　年轻人对经济和个人财务状况的信心也在下降★★◈◈。自20世纪70年代以来★★◈◈，密歇根大学的研究发现★★◈◈，18至34岁人群的消费者信心指数大部分时间强于较年长者★★◈◈。但该指数在去年大幅下滑★★◈◈，此后一直低于55岁以上的美国人★★◈◈。

　　达特茅斯学院经济学教授大卫·G·布兰奇弗劳尔（David G Blanchflower）的研究发现MG不朽情缘官网★★◈◈，美国年轻员工的幸福感下降得最快★★◈◈，其原因远远超出了就业市场的状况★★◈◈。例如★★◈◈，拥有驾照★★◈◈、想要约会或进行性生活的美国年轻人越来越少★★◈◈。

　　杰斯·韦斯科特（Jes Vesconte）毕业于加州最顶尖的艺术学院之一★★◈◈，29岁的他如今却在为日常生计发愁★★◈◈，他说★★◈◈：“我们在电视剧中看到的像《欲望都市》里的凯莉★★◈◈，或是《老友记》主角们那种理想化的生活★★◈◈，在那些剧集存在的时代或许是可能的★★◈◈。但现在★★◈◈，资本主义已经把一切撕裂得如此严重★★◈◈，以至于在纽约拥有社交生活都需要付出巨大的努力★★◈◈。”

　　记者多拉·门居奇（Dora Mengüç）近日在《雅各布》发文深度剖析了这一问题★★◈◈。他指出★★◈◈，Z世代常被认为冷漠无情★★◈◈，但对一些顶尖学者的采访表明并非如此★★◈◈：这一代人在住房★★◈◈、就业和政治制度危机中成长起来★★◈◈，他们并非对政治失去信心★★◈◈，而是对资本主义的承诺失去了信心★★◈◈。

　　他采访多位学者后发现★★◈◈：常被贴上“冷漠”★★◈◈、“犬儒”★★◈◈、“政治立场摇摆”标签的Z世代★★◈◈，其实并未远离政治★★◈◈，而是不再相信资本主义关于教育★★◈◈、工作与稳定生活的老承诺★★◈◈。

　　这代人抵制品牌★★◈◈、刷屏话题★★◈◈、走上街头★★◈◈，却很少加入政党★★◈◈。其行动看似松散★★◈◈、易逝★★◈◈、常被市场重新吸纳★★◈◈，但门居奇认为★★◈◈，这种无序背后★★◈◈，或许正是阶级意识以更古老的方式复苏★★◈◈。Z世代并不存在于阶级关系之外★★◈◈，而是当代资本主义重塑劳动条件与阶级结构之后的一种世代性表达★★◈◈。

　　英国经济学家盖伊·斯坦丁（Guy Standing）多年来研究“不稳定无产者”（precariat）这一新兴阶级★★◈◈：其特征不是“工作差”★★◈◈，而是被不稳定本身塑造——收入不固定★★◈◈、债务缠身★★◈◈、缺乏职业身份★★◈◈，还必须不断重新培训★★◈◈、时刻待命★★◈◈，才能维持被雇佣的可能★★◈◈。

　　他形容当下是“全球化的食利资本主义”★★◈◈，财富与权力越来越集中流向有产者与拥有财产形式的精英★★◈◈，多数年轻成年人将长期面对不稳定★★◈◈、低薪且债务缠身的工作★★◈◈。斯坦丁说★★◈◈，一代比一代更深陷这一阶层★★◈◈，年轻人几乎“没有职业未来”★★◈◈。

　　求职★★◈◈、再培训★★◈◈、维持数字身份等大量劳动★★◈◈，往往无偿且不可见★★◈◈，令人无法建立稳定的职业身份★★◈◈，也无法在某条职业路径上找到归属感★★◈◈。斯坦丁强调★★◈◈，这种长期不确定性并不会停留在心理层面★★◈◈，它会转化为压力★★◈◈、疾病与恐惧★★◈◈：面对“未知的未知”★★◈◈，人既没有抵御冲击的韧性★★◈◈，也没有恢复的能力★★◈◈。他说★★◈◈，这不只是劳动市场问题★★◈◈，更是一种政治状况——当年轻人无法再通过工作想象一个稳定的未来★★◈◈，他们也开始不信任仍在描绘这种未来的制度★★◈◈。

　　经济上的不安全感并不足以解释Z世代政治的全部★★◈◈。政治学者埃姆雷·埃尔多安（Emre Erdoğan）认为★★◈◈，更深层的断裂在于人们不再相信社会存在清晰而合法的规则★★◈◈。

　　他指出★★◈◈，二战后确立的国际秩序★★◈◈、福利国家的安全网已经瓦解★★◈◈：“跌倒时接住你的★★◈◈，不再是国家★★◈◈，而是家人★★◈◈、亲戚★★◈◈、同乡★★◈◈。”人们不再相信努力就能成功★★◈◈，社会也缺乏关于何为成功的共识★★◈◈。埃尔多安称★★◈◈，这种不确定性久而久之会从个人层面的失败感★★◈◈，转变为对结构性不公的认知——而这正是愤怒的来源★★◈◈。

　　一位伊斯坦布尔大学生说★★◈◈，自己“没有意识形态★★◈◈，只有痛恨的世界秩序”★★◈◈；一位在当地交流的希腊学生则说★★◈◈，如果自己投票MG不朽情缘官网★★◈◈，多半也只是出于抗议★★◈◈，而非信任某个政治人物★★◈◈。这种不信任并非单纯的犬儒★★◈◈，而更接近涂尔干意义上的“失范”★★◈◈：社会生活的规则失去了合法性★★◈◈，人们依然投票★★◈◈、依然参与★★◈◈，但行动不再扎根于信任★★◈◈，而变成了一种拒绝的姿态MG不朽情缘官方★★◈◈，★★◈◈。

　　土耳其2013年的盖齐公园抗议★★◈◈、之后各国的学生运动★★◈◈、消费者抵制与无领袖的街头行动★★◈◈，都能看到类似情绪的延续★★◈◈。从全球气候大罢课★★◈◈、伊朗女性主导的起义★★◈◈，到孟加拉★★◈◈、尼泊尔的青年动员与印度近来的抗议浪潮★★◈◈，Z世代屡屡出现在政治剧变的中心★★◈◈，靠的并非共同的意识形态★★◈◈，而是共享的不稳定处境与制度不信任★★◈◈。

　　媒介理论学者克里斯蒂安·福克斯（Christian Fuchs）提醒★★◈◈，不该简单地把社交媒体视为Z世代政治的原因★★◈◈。Z世代许多成员中涌现出的政治思潮★★◈◈，无法被简化为TikTok★★◈◈、Instagram★★◈◈、X或其他任何平台所能涵盖★★◈◈。但脱离这些平台★★◈◈，也无法理解他们的政治理念★★◈◈。世代群体并不会抹杀阶级★★◈◈。相反★★◈◈，世代经历塑造了阶级关系的体验环境★★◈◈。数字媒体已成为Z世代愤怒情绪传播★★◈◈、抗议活动组织★★◈◈、身份认同形成★★◈◈，甚至连反对意见都能转化为内容★★◈◈、数据和利润的主要空间之一★★◈◈。

　　他指出★★◈◈，数字劳动往往高度个体化★★◈◈、彼此割裂★★◈◈：工人各自面对市场★★◈◈，集体组织的可能性被大大削弱★★◈◈，这既让他们更脆弱★★◈◈，也更容易被剥削★★◈◈。福克斯因此呼吁建立跨国的数字劳工联盟★★◈◈，与已经全球化的数字资本相抗衡——数字资本是全球的★★◈◈，而数字劳工却是本地的★★◈◈、孤立而碎片化的★★◈◈。

　　这也构成了一种内在矛盾★★◈◈：即便是拒斥系统的年轻人★★◈◈，也常常白天在街头抵制资本主义★★◈◈，晚上仍不得不在算法平台上表演★★◈◈、创作★★◈◈、竞争★★◈◈，才能维持基本收入★★◈◈。数字资本主义并不外在于年轻人的生活★★◈◈，它塑造着他们的劳动★★◈◈、沟通★★◈◈、注意力★★◈◈，乃至自我认同本身★★◈◈。

　　孟加拉经济学家阿努·穆罕默德（Anu Muhammad）则强调★★◈◈，失业与不稳定工作是资本主义市场经济内生的产物★★◈◈，但它带来的政治后果并不单一★★◈◈。他说★★◈◈，统治阶层往往把年轻人面临的不确定★★◈◈、不稳定与无望果敢网站★★◈◈，视为一种可资利用的机会★★◈◈：这些境况能把一部分年轻人变成系统的一部分资本主义★★◈◈，★★◈◈，同时也会把另一部分推向质疑与反抗★★◈◈。

　　2024年孟加拉的青年起义★★◈◈，正体现出这种不满可能爆发出的力量★★◈◈。年轻人的运动常常缺乏政党组织与统一的意识形态★★◈◈，也不总是经由党派★★◈◈、竞选等传统渠道进入政治★★◈◈，而更常是经由一场住房危机★★◈◈、一次气候灾难★★◈◈、一桩腐败丑闻★★◈◈，或一段引爆众怒的视频★★◈◈。这样的政治难以被旧有的政党框架收编★★◈◈，却也难以被简单归为“去政治”★★◈◈。

　　Z世代政治最吊诡之处★★◈◈，或许在于不信任并不等于退出★★◈◈。他们可能痛恨政治体制★★◈◈，却仍会走上街头★★◈◈、参与投票★★◈◈、抵制品牌★★◈◈、组建互助网络★★◈◈、曝光雇主★★◈◈，用讽刺作为武器★★◈◈，把消费和数字可见度都变成施压的手段★★◈◈。

　　一位年轻人这样形容旧有职业阶梯的崩塌★★◈◈：他不敢想往上爬★★◈◈，只是不想一直站在梯子底下★★◈◈。父辈二十五岁就能拥有的房子和车★★◈◈，如今连想象都成了奢侈★★◈◈。这不只是关于金钱的抱怨★★◈◈，更是对一整套道德经济秩序崩塌的表达——那种“努力终将获得回报”的旧承诺★★◈◈，如今看起来更像是一个历史遗物★★◈◈。

　　斯坦丁认为★★◈◈，这一切或许意味着“不稳定无产者”正逐渐从自在的阶级走向自为的阶级★★◈◈：身处不稳定状态★★◈◈，不再被视为个人的耻辱或失败★★◈◈，而是被越来越多人理解为当今全球资本主义运作的结果★★◈◈。一旦这种认知形成★★◈◈，它便具有相当的政治爆发力——私人的不幸一旦被重新理解为共享的公共处境★★◈◈，集体行动也就有了立足点★★◈◈。

　　文章最后提出的问题是★★◈◈：当一代人不再相信这个系统能给他们提供未来时MG不朽情缘官网★★◈◈，★★◈◈，会发生什么？答案还未揭晓★★◈◈，愤怒可能导向顺从★★◈◈、反动★★◈◈，也可能导向团结果敢网站★★◈◈。但可以确定的是★★◈◈，越来越多年轻人已经不再把不安全感当作纯粹的私人不幸★★◈◈，而是开始把它理解为一种共享的境况★★◈◈，而这正是政治的起点★★◈◈。