引子

2026年，一件生成式AI创作的绘画作品《未确认的地形》进入了某国际艺术博览会的评选范围。评委会最终决定将其列入参展名单，但单独列为“AI生成作品”类别。与此同时，同一展会的人类组别中，评语里反复出现一个词：“原创性不足。”

一位策展人在内部讨论中说：“不是人类画得不好。是太多作品看起来像是在同一个数据集里迭代出来的。”

这句话指向了一个正在多个领域同时出现的现象：人类创作者的作品正在变得更容易被识别为“同类”，而AI生成物正在进入“看起来像新东西”的区间。 这不是说AI已经拥有了原创能力，而是说人类创作者的探索范围，在某种条件下可能比AI的探索范围收窄得更快。

构造学论要追问的是：原创性到底是什么？它是人类独有的能力，还是一种可被计算、可被生成的输出格式？如果AI能够在已知规则的边界内产生前所未有的组合，这种组合算不算原创？如果它不算，那么原创性中还剩下什么是AI无法触及的？

一、原创性的构造学论定义：重新划定边界的行为

在构造学论的框架中，原创性被定义为识别系统中尚未被占据的位置，并在该位置建立起一个新的稳定节点，从而改变系统内部的结构关系。

这个定义包含三个层次。

第一层：识别未被占据的位置。 原创性的起点不是“做出一个前所未见的东西”，而是“看到系统中有一个之前没有被看到的位置”。这个位置可能是一个问题的未解状态，可能是一个方法尚未被应用的领域，也可能是一个概念尚未被连接的接口。庞加莱看到了“单连通三维流形与三维球面之间缺少一条证明通道”这个位置，然后把它表述为一个猜想。在看到这个位置之前，它一直在那里——只是没有被识别为“一个需要被填充的位置”。

第二层：建立新的稳定节点。 仅仅看到位置是不够的。原创性需要一个可被他人接入的结构——一个可以被理解、被引用、被继续推进的成果。原创性不是瞬间的闪光，而是在某个未被占据的位置上，放置一个能让其他系统访问的标记物。

第三层：改变系统内部的结构关系。 并非所有新的节点都会改变系统的结构关系。有些新结果只是填补了已有结构中一个已经被预期存在的空白，但有些新结果会改变系统内部不同区域之间的连通性，使得原本需要绕行很长的路径变得可以直接到达。后者才是构造学论意义上的原创性。

二、AI能做哪些“新”的事

AI目前已经能够在多个领域中产生“新”的输出，并且这些输出的格式与人类原创者的输出格式在表面上是可比的。

在艺术领域： 生成式AI可以根据文本提示产生从未存在过的图像。这些图像在像素层面上是新的，在组合方式上也是前所未有的。它们可以模仿特定风格，也可以混合多种风格，产生出“看起来像是某种未曾见过的风格”的作品。

在数学领域： AI能够在给定的公理系统和推理规则下，生成此前未被发现的证明路径。这些证明是新的，因为它们不存在于训练数据中，它们是由AI在搜索空间中构建出来的。

在工程领域： AI能够提出人类未想到的设计方案——新的材料组合、新的结构布局、新的优化参数。这些方案在功能上有效，在形式上也是未曾出现过的。

但这些“新”有一个共同的边界：它们是在给定的规则空间内部产生的组合。 AI可以探索规则空间中的大量区域，并以人类难以覆盖的速度覆盖这些区域。但它不能识别规则空间之外的位置，也不能判断哪些未被占据的位置值得被占据。

AI所生产的新，是在现有棋盘上找到的新走法。它无法感知棋盘之外是否存在另一个棋盘。

三、AI做不到的“新”

做不到一：识别一个缺口是否值得被填补。

AI可以在大量数据中发现规律性，然后生成一个待证明的命题。它可以产生成千上万个候选命题。但它无法判断其中哪些命题是重要的——哪些命题的填补会改变系统内部的结构关系，哪些命题即使被证明也不会产生什么影响。

一个系统需要知道“哪些方向值得探索”。这种判断不是模式匹配，它依赖于对系统整体地形图的理解：知道哪些区域已经被充分探索，知道哪些位置一旦被接通就会产生多个方向的延伸，知道哪些缺口虽然看起来不大但连接着重要的结构。

这种判断力在构造学论中属于“地形感”——一个在系统中长期浸泡、持续接收反馈后形成的整体感知。它不是从数据中学习到的，而是在持续的探索与反馈中逐渐校准的。目前还没有迹象表明AI能够通过训练获得这种判断。

做不到二：在探索过程中重新定义目标。

AI在解决一个给定的问题时，是在一个固定的目标框架内运行。它可能会在过程中发现更优的子目标或更有效的中间步骤，但它不会在运行过程中质疑“这个目标本身是否值得追求”。当目标的定义方式改变时，整个问题的结构也会改变，而AI目前不具备在运行过程中重新定义目标的能力。

做不到三：产生可被共享的“贡献感”。

AI可以生成一个正确的数学证明，也可以画出一幅技术层面精良的图像。但它生成的证明不会因为“被一个人读懂”而产生意义，它生成的图像也不会因为“被一个人共情”而增加价值。

而人类创作的特征之一，恰恰是它的价值不完全在于输出的格式本身，还在于它被接收的方式——它被阅读、被体验、被回应，从而构成一种持续更新的构造循环。AI可以完成输出，但它无法参与这种构造循环，也无法从这种循环中获得驱动下一步操作的信号。

四、AI生成与人类理解的断裂

陶哲轩用“生肉证明”来描述AI生成的数学结果：一个证明可能在逻辑上是正确的，在技术上是严密的，但它还不能被人类直接纳入知识系统。它需要被处理、被理解、被转化为可叙述的形式，才能成为系统的一部分——而这项工作是AI无法完成的。

AI生成的新，在生成的那一刻就结束了。而人类原创的新，在产生之后才真正开始——它会被讨论、被延伸、被反驳、被重新解释。人类原创之所以能够在系统中留下更持久的痕迹，不是因为它在格式上更完美，而是因为它能够被其他系统接入，并持续产生新的接口。

五、原创性的新配置：人类可以做什么

当AI能够覆盖越来越多的“规则空间内的新组合”时，人类的原创性可能需要重新定位。

配置一：在更远的位置寻找缺口。 如果AI能够在已有规则空间内快速找到走法，那么人类探索的方向可能需要向规则空间本身移动——即那些尚未被定义的位置。这意味着研究的方向可能转向那些AI还没有足够数据进行训练的区域，或者那些还没有被充分定义出规则的区域。

配置二：承担“接住”的工作。 AI生成的大量新结果，需要有人去接住、去理解、去判断哪些值得继续推进。这项工作本身并不产生新的结果，但它使AI产生的结果能够被系统吸收和利用。

配置三：维持输出之外的交流通道。 原创性的价值不仅在于产生了什么，还在于它能被谁接收到。人类的构造活动在输出的同时，还会与输出所在的环境保持连通——通过解释、回应、调整来维持这种连通性。这是AI无法替代的。

六、构造学论的立场：原创性是识别位置的能力，而不是生成新颖度的能力

AI可以在规则空间内产生大量新颖的组合。但这不等于原创性，因为在构造学论的定义中，原创性的核心是识别那些值得填补的位置，而不是在已有位置中产生多少种新的填充方式。

当一个系统能够持续识别“尚未被占据但值得被占据”的位置，并在这些位置上建立可被其他系统接入的节点时，这个系统就在进行构造学论意义上的原创活动。AI在当前条件下还不能稳定地做到这一点，而人类能够做到这一点，正是因为它需要在系统中保持长期的接入状态——接收持续的反馈、评估方向的可拓展性、调整自己的判断阈值。

AI不替代判断，但改变了判断的分布。

如果回到“AI真的没有原创性吗”这个问题，答案取决于我们如何定义“原创”。

如果原创的定义是“识别系统中值得被占据的未占据位置”，那么AI目前还不具备这种能力，因为它无法判断“值得”——它没有在系统中运行的构造史，没有积累的地形感。反过来，如果原创的定义是“在已有规则空间内产生前所未有的有效组合”，那么AI已经具有原创能力。它是一种广域的、并行的、基于搜索的原创。

但更重要的区分不在于AI是否有原创性，而在于：人类利用AI的必要性，不在于用AI替代人类，而在于通过它的探索数据，重新校准自己的判断。 就像地图曾经改变了人类对地理的感知一样，AI正在改变人类对知识地形的感知——哪些区域已经被覆盖了，哪些区域仍然开放，哪些位置值得下一次探索。

人类需要AI，不是因为它能替代人类做判断——而是因为它能产生人类仅凭自身无法到达的探索数据，从而使人类的判断获得更完整的输入。

结语：位置与走法

那位策展人在会后的访谈中说过一段话。有人问他：“AI能画出前所未有的作品，为什么你不认为那是真正的原创？”他回答：“因为它不知道它为什么画出了那个作品。它不知道那个位置为什么值得被占据。它只是走到了那里，而不知道那是哪里。”

这大概就是AI原创与人类原创之间的一个差异：AI可能走得更远更快，但它不知道自己为什么出发；人类可能走得更慢更犹豫，但他在每一次出发之前和到达之后，都会反复确认自己所在的方位，并判断接下来应该朝向哪个方向移动。

走法可以大量产生。但能够识别位置的系统，仍然稀缺。AI在规则空间内的覆盖速度在加快，但识别未被定义位置的判断系统，仍然掌握在那些能够判断“什么值得被占据”的系统手中。

支持单位：