Let's Make AGI Real

第五篇：故事还需要人来讲吗？——叙事研究在AI时代的困境

中文系研究生小美正在做农村女性生命史研究。她采访了二十位留守老人，每个人都讲述了自己波澜壮阔的一生：童年的饥荒、青年的动荡、中年的离别、老年的孤独。这些故事，听得小美数次落泪。

回到学校，她把录音交给AI转录并整理“核心叙事”。AI的总结很快出来了，逻辑清晰，结构工整。但小美看着这些文字，总觉得少了些什么——那种在访谈现场，老人用方言讲述时的颤抖声音；那些反复出现但每次意味不同的“唉”；那些欲言又止的沉默……这些构成故事质感的东西，AI统统“优化”掉了。

故事，真的只是情节的排列组合吗？还是说，讲故事的人、讲述的方式、沉默与停顿，本身就是故事不可分割的一部分？

从“情节”到“经验”：叙事研究的核心关怀

叙事研究（Narrative Inquiry）不同于一般的内容分析，它关注的不只是“讲了什么故事”，更在乎“如何讲故事”以及“为何如此讲”。

加拿大教育学家Jean Clandinin和Michael Connelly提出了“三维叙事空间”的框架：

• 时间维度：故事如何连接过去、现在和未来
• 社会维度：个人叙事如何嵌入社会文化
• 地点维度：故事发生的物理和心理空间

一个真实的例子：一位农村老人讲自己年轻时的爱情故事，反复说“那个时候条件不好”。第一次说时，是在解释为什么没能和爱人结婚；第二次说时，是在感慨现在年轻人的幸福；第三次说时，眼眶湿润，声音哽咽。同一句话，在不同的叙事时刻，承载着不同的情感和意义。

AI能识别这句话出现了三次，但它能理解每次出现时情感色彩的微妙差异吗？能察觉老人第三次说这话时的眼泪吗？

MIT的发现：AI擅长情节，不懂“潜台词”

2024年，麻省理工学院的研究者做了一个巧妙的实验：让专业作家和AI分别总结短篇小说，然后让读者评价哪个总结更好。

结果令人深思：AI的总结在“情节完整性”上得分更高——它确实把故事的起承转合交代清楚了。但作家们一致认为，AI的总结“错过了小说的精髓”。

什么是精髓？是那些未明说的情感暗流，是人物内心的挣扎，是作者通过细节暗示的社会批判。一位作家评论道：“AI告诉了我们故事的骨架，但完全丢掉了血肉和灵魂。”

这个发现对叙事研究至关重要。因为质性研究中的叙事，往往不是情节曲折的故事，而是充满停顿、重复、矛盾的“日常叙事”。研究者需要透过混乱的表面，理解叙述者的主体性建构、身份认同和意义追寻。

忠实性危机：AI总结的“创造性背叛”

2025年南安普顿大学与Ipsos UK的联合研究带来了更惊人的发现：他们让Claude和GPT-4分析138个青年的个人故事，然后对比AI总结与原始叙事。

结果：超过50%的AI总结存在“忠实性问题”——不是完全错误，而是一种微妙的“创造性背叛”。

比如，一个青年在讲述失业经历时反复使用“还好”这个词（“还好家里人支持我”“还好我及时调整心态”），AI的总结写成：“受访者在家人支持下积极应对失业。”听起来没错吧？但“还好”这种带着侥幸、勉强和不确定性的表达，被简化成了“积极”这种肯定性的词汇。细微的情感张力被抹平了。

古人讲“言有尽而意无穷”，好的诗歌往往“不着一字，尽得风流”。叙事研究也是如此——重要的往往在“字里行间”。而AI是字面意义的俘虏，它难以把握那些“意在言外”的深意。

宾大的惊喜：AI能写“准确”的个人叙事？

不过，同样是2025年，宾夕法尼亚大学Seligman团队的研究带来了相反的发现：他们让参与者写下50条“意识流”式的思想片段，然后让ChatGPT-4基于这些片段生成一篇完整的个人叙事。

惊人的是：25位参与者中有26位（包含一位额外参与者）评定AI生成的叙事为“完全准确”或“基本准确”。有参与者甚至说：“它比我自己写得还好，帮我把混乱的思绪理清了。”

这是否意味着AI可以替代人类进行叙事分析？且慢。这个研究的关键在于：它研究的是AI能否基于现有片段生成连贯叙事，而非AI能否理解叙事的深层意义。换句话说，AI是个出色的“编辑”，能把碎片整理成流畅的文本，但它是个合格的“诠释者”吗？

关系性与伦理性：叙事研究的核心被威胁

Clandinin和Connelly强调，叙事研究是一种关系性实践——研究者与参与者“并肩生活”，在相互信任中共同建构故事。

想象这个场景：你采访了一位经历家暴的女性，她断断续续讲了三个小时，反复强调“这不能让别人知道”。最后，她终于鼓起勇气说：“我把这些告诉你，是希望你能理解我们这些人的难处。”

现在，你把录音交给AI分析。这是否构成了对那份信任的背叛？即使你向她解释了会使用AI，她真的理解这意味着什么吗？她能想象她的故事会被算法拆解、编码、与成千上万其他故事比较吗？

更深的问题是：叙事研究的目的是什么？如果只是“提取信息”，AI确实更高效。但如果目的是见证苦难、赋予意义、实现对话性正义（dialogical justice），那么研究者的在场、倾听和共情就是不可替代的。

有些故事，不是为了被“分析”，而是为了被“听见”。

给叙事研究的建议

• 完整聆听至少一遍原始录音

即使有AI转录，你也应该从头到尾听一遍录音，感受讲述者的声音、停顿、情绪。这些“副文本”（paratext）是故事的重要组成部分。

• 保留“不流畅”和“矛盾”

AI倾向于“优化”文本，去除重复、填补停顿、理顺逻辑。但对叙事研究者来说，不流畅恰恰可能最有意义——它标示着叙述者的挣扎、回避或创伤。

• 用AI做结构分析，人类做意义诠释

AI可以帮你识别叙事的时间顺序、转折点、人物关系，但“这个故事到底意味着什么”必须由你来回答。

• 做“并肩诠释”而非“背后分析”

如果可能，把AI的初步分析拿给参与者看，问：“这是你想表达的意思吗？”这样，分析过程本身成为新的对话机会。

• 警惕“技术距离化”

使用AI可能无意中让你与参与者的故事保持距离，避免情感卷入。但叙事研究要求的恰恰是有节制的情感投入（bounded engagement）。技术工具不应成为情感保护的盾牌。

延伸思考

• 如果AI未来能准确识别声音中的情感（语气、音调、停顿），叙事分析会发生什么变化？
• 有些创伤性故事，讲述者自己都难以完整表达。AI能否帮助“完成”这些破碎的叙事？这样做是帮助还是僭越？
• 当AI能生成比人类更“感人”的故事时（已经在发生），什么是“真实”的叙事？