基于AI 辅助的文学创作中情感表达真实性探讨

传统的文学理论认定感情的真实性在于主体性的表达，感情在人的身上表现为自然而然、由内而出或具有个体独特的经验特点。AI 辅助创作技术性介入则让情感生产彻底改变：把人作为“心象投射”的主体变成以数据为基础的“模式模拟”中的客体。AI 以词频等统计的方式制造“雨夜孤灯”等套路化意象，使符合语法规则的感情呈现，却缺少了现实生活里面存在的真实，情感的真实性被怀疑。

一、AI 辅助文学创作中情感表达的技术基底与现存困境

（一）技术基底：根据规则驱动的生成方法到基于数据的生成逻辑

人工智能辅助文学创作是利用自然语言处理(NLP) 和情感计算的迭代升级，最早的人工智能写作出现在上世纪 90 年代以模板填充式为主的工具，工作方式是从已有的情感词库和语法规则出发，依靠固定的元素和套路，在限定位置填充相应的要素，进行文本信息呈现，缺乏生动的氛围烘托和抒情性文笔描写。而从 2010 年开始出现的深度学习预训练模型 (GPT 系列、BERT 变体 )，它通过海量文本对其进行训练来对情感的趋向进行隐性学习，模型通过模仿人类文学作品中“情感词 + 语境+ 修辞”的组合关联模式，输出对应于句子“在某种情绪之下对应存在的修辞搭配”的情感化的文字。如GPT-3.5 模型在表述忧伤时就可以用到雨幕、旧物、沉默这样的高频次的情感符号，再通过运用短句断续或者比喻手法模糊地体现出一种层次感。

（二）现存困境：技术赋能与情感失真的矛盾显现

面对 AI 辅助文学创作情感的真实性问题，在特定语境下反映的技术赋能与人文表达的深度悖论愈发凸显。当下AI 技术采用大数据做情感建模的方式学习到的人类语言表面情感模型，虽能在一定程度上还原某些种类型的人类情感的外在表现模式，但是并不能真正突破自身算法局限所带来的技术局限性。如“模板化陷阱”，依托于词向量聚类形成高频情感模式的 AI 系统，在写作时必然会造成以“车站”“泪水”等词为模板，使展开的文本内容极易出现程式化的倾向；再如“语境脱节症”，直接暴露了AI 的“生理性弱点”，在追求数字化建模的求同情境下，AI无法实现人类作者能够完成从外部叙述到内心独白不同层面的书写。

二、AI 辅助文学创作情感真实性的判定标准重构

（一）文学情感真实性的传统范式与当代挑战

传统文学理论中，情感真实性以“真实情感的自然流露”为核心，如亚里士多德“情感共鸣说”强调作品需唤起读者普遍共情，而现代主义则聚焦“个体经验的独特性”，主张通过个性化叙事展现深层心理真实。但在AI 辅助创作场景下，情感生成的主体从单一“人类作者”演变为“人机协同体”，迫使学界重新审视真实性内涵。技术逻辑的介入使得情感表达不再局限于作者主观体验的直接投射，而是转化为“数据驱动的情感模拟”。AI 通过分析海量文本数据中的情感模式，如悲伤场景中“雨夜”“孤灯”等意象的频繁出现，生成符合统计学规律的“类情感”文本。然而这种技术化的情感生产面临本质性质疑。当AI 生成的“离别”场景堆砌“车站”、“泪水”等程式化符号时，其情感表达虽具形式合理性，却因缺乏人类生命经验的具身性（如留守儿童对“旧布熊”的执念），而沦为情感符号的机械拼贴。因此当代文学情感真实性的判定需突破传统框架，建立以“读者检验”为核心的新标准，即 AI 生成内容能否激活隐含读者的期待视野。如伊瑟尔提出的文本召唤结构，通过情感热力图与认知图谱的交互验证，实现技术生成情感与人类接受心理的动态适配。

（二）“情感真实性三角模型”的提出

基于情感计算理论及文学接受美学对 AI 辅助文学创作中的情感异化，搭建情感真实性三角模型，并以数据层、算法层和交互层为切入点构架动态评估体系，从三个维度构建 AI 情感表达真实性的模型架构。数据层克服了以往单纯使用传统情感标签进行大数据归纳的做法，突破传统情感标签的局限，提出了“跨代际情感图谱”构建策略，整合Z 世代“电子失恋”、银发族“数字孤独”等新近涌现的情感样态，填补AI 情感表达的文化断层、身份差序，进一步破除“圈层壁垒”束缚。算法层引入了具身认知理论，通过穿戴式可穿戴设备来抓取心率变异性(HRV)、皮肤电反应(GSR) 等生理信息，并通过环境传感器获取光照度、声场等参数来进行情感强度的动态映射建模，使得生成的 AI 的“颤抖拥抱”与人的“掌心汗液导电率变化”有同样的神经生物依据的情感共振。

三、AI 辅助文学创作情感表达真实性的优化路径

（一）数据层：建立多模态情感语料库，打破单一的文本束缚

由于传统 AI 训练需要纯文本数据，很难将语气、表情或肢体动作这些具体的情感表达信息关联起来。未来可通过把文字、声音、图像、脑电（EEG）等多种不同模态的数据结合到一起，形成“情感知识图谱”，之后可再从基于短视频平台的“情感场景视频”中去寻找合适的情感素材，通过调取“哽咽声”“颤抖的手”等跨模态细节，让 AI 能够带给人更加真实的情感能量。

（二）算法层：引入具身认知模型来模拟人类产生情感的过程

结合认知科学中的“具身认知”思维来完善 AI 情感生成算法。在产生“思念”的场景下，让生成器通过体会“记忆中的气味 ( 比如母亲炒菜的香气 )、身体里的感知 ( 比如胃酸分泌到胃里造成的紧绷 )”这类带有主体色彩的具身经验，将文本从“象形文字般的堆积”转变成“真实的体验”，将“感受”投射给对应的对象。

（三）交互层：打造“人机共创”的工作流程，让作者成为工作的主人

AI 辅助创作，指的是“人主导、机辅助”而非“机生成、人校对”。可开发“情感共创界面”，显示 AI 生成内容的情感类型、强度及潜在的歧义点，作者据此修改；比如将 AI 生成的“开心”场景从“大笑”修改成“眼角带泪的笑”，这是一种更加复杂的喜悦，涉及久别重逢的欢欣和愁苦。采取上述工作流程的作家创作出作品的“情感独特性评分”，远远高于纯粹由AI 自主完成作品的得分。

四、结论

AI 辅助文学创作的情感真实性并不是“是否可以由技术代替人类情感”的非黑即白之争，而是借助于技术赋能，使得人类对自身情感的表达有能力突破自身既有“极限”，甚至突破此前存在的“临界点”。借助于大数据的数据维度全覆盖、算法建模的“动态性”，以及人机协同与人的交互层次来让“AI 辅助”能够向“AI 情感共创”的维度发展。

参考文献

[1] 蒋济永，王磊 . 数字人文与文学批评的互文性表达及 AI 生成式诗学构建 [J]. 东南学术，2025(1):94-106.

[2] 许笑语 .AI 辅助下的数字艺术创作 : 色彩运用与情感表达的智能化探索 [J]. 色彩，2024(10):59-61.

[3] 刘天奇 .AI 辅助播音主持创作的应用实践与发展展望 [J]. 新闻研究导刊，2025，16(4):22-25.