这是一个机器写作迅速发展并逐渐进入多个文本生成领域的时代，在新闻报道、行业报告等实用文体上，机器写作已经展现出巨大的潜力，而随着深度学习等人工智能算法的介入，人们也开始尝试将其用于一些文学文本的写作试验。当前的文本生成算法普遍使用了GPT（GenerativePre-Training）模型，与其他的深度学习算法相比，其优势在于不依赖于大量的人工标注信息，仅需要在无监督的模式下进行学习就可以显著提升模型的性能。简单来说，就是让机器自主阅读大量的文本，即所谓的预训练，然后再根据具体的需求，给它一些现成的文本对模型进行微调。通过这种方式训练好的模型，可以写出合乎语法规范的句子，甚至可以模仿某个特定作家的文风。但其缺陷也是显而易见的——缺乏创造性。
在小说创作中，创造性的一个重要体现是情节的构建，即通过叙事过程将一连串合乎逻辑却又出人意料的事件连缀起来。而 Make Believe 是基于常识库的故事生成系统，可以产生逻辑性较好的故事，但内容通常比较平淡，缺乏戏剧性。因此，如何在机器写作中自主建构富有创造性的情节，仍然是该领域面临的重大挑战。
具体到科幻小说的创作上，它又具有一些与传统的现实主义小说不同的特征，从而进一步加大了机器写作在这一文类创作上的难度。例如，创作时，科幻作家经常创造一些新的名词，从赫伯特乔治·威尔斯创造的“时间机器”，艾萨克·阿西莫夫的“心理史学”“时空竖井”，到刘慈欣的“宇宙社会学”“二向箔”，等等。这些词汇，有的是将两个普通词语连接在一起，有的则是完全新造的词汇。这种创造新词汇的能力，是当前所有机器写作算法都不具备的。且不说完
全新造的词汇，就是如“时间机器”这样将“时间”和“机器”进行简单连接的构造，机器写作也无能为力。换句话说，写作程序的阅读学习过程，不仅没有增加其创造性，反而是一种对创造性逐渐压制的过程。
再者，如果一个作品中引入了若干项设定，这些设定之间还应该彼此协调、相互支撑，这就是所谓的世界建构。可以说，在科幻作品中，世界建构是与情节设计同等重要，甚至更重要的一项整体性架构，是体现科幻作品惊奇感的核心依托。对于作品所涉及的新奇世界的设计，在凸显其惊奇性的同时，也要注重其科学性和逻辑性，同时还要使其与故事情节、人物等要素相贴合。因此，世界建构是大部分科幻作品中作者创造性的集中体现，而这显然也是当前所有机器写作模型包括叙事生成模型所无法完成的。
说了这么多，那是否意味着科幻创作——特别是科幻作品的世界建构，是无法由程序和算法来承担了呢？倒也不用如此悲观，只不过我们需要特别设计一套用于科幻作品世界建构的算法，再将其整合进现有的叙事生成算法和文本生成模型中。就笔者的创作经验来看，在世界建构的某些环节，机器学习的确可以发挥重要作用。例如，科幻作家在对虚构世界的自然环境进行推想时，
常常需要查阅大量的资料，以考察某一设定会对该世界的哪些部分造成显著影响。在《重力使命》里，哈尔·克莱蒙特描写了一个重力极大的星球所具有的生态，科幻电影《阿凡达》则展示了一个富含常温超导矿物的星球所呈现出的奇特景观。当然，这种算法同样需要和科幻作家合作，才可以真正完成世界建构的工作，但有了它的帮助，科幻作家们无疑会轻松不少，而且很容易在机器学习得到的关联网络中迸发出创作灵感来。
总体而言，在很长一段时间内，机器写作还无法在小说（特别是科幻小说）这类文体上替代人类创作。但正如柯洁在与AlphaGo的棋局中学到了不少新的棋路一样，科幻作者们也完全可以和机器携手写作，并且在机器算法所产生的叙事情节和世界设定中，激发出新的创意，创造出前所未有的惊奇场景和绝妙故事。
（摘编自刘洋《机器写作时代的科幻小说创作》）
淡。
C . 机器写作往往压制了科幻作家在创作过程中的创造性，就会让作家无法迸发出创作灵感来。 D . 在作者看来，大部分科幻作品中，作家创造了当前所有机器写作模型无法完成的世界建构。
的写作。
C . 相较于传统的现实主义小说，科幻小说的创作既要注重其科学性和逻辑性，也要制造惊奇感。 D . 电影《阿凡达》在进行世界建构时，对自然环境推想这一环节，机器学习可以发挥重要作用。
