AI故事獲英聯邦短篇小說獎，閃小說為何最難偽裝

上週，一篇名為《林中之蛇》的故事贏得了2026年英聯邦短篇小說獎加勒比地區獎。作者是特立尼達人賈米爾·納齊爾，作品發表在《格蘭塔》雜誌上。然而，作品發表後數小時內，讀者便開始指出其中的問題。

如果知道該關注什麼，這些模式顯而易見。重複的句子結構、語言模型偏好使用的“不是X，不是Y，而是Z”構造，以及“嗡嗡”和“低語”這類詞彙——它們已成為LLM的簽名。角色們悲傷地微笑，句子試圖承載情感卻毫無實質。

賓夕法尼亞大學教授、AI能力領域可信的聲音之一伊桑·莫里克在Bluesky上發帖稱，一篇“100% AI生成的故事”贏得了該獎項。檢測工具Pangram也給出了相同結果。英聯邦基金會已確認正在審查該作品。納齊爾尚未公開回應。

我不知道真相如何。在基金會之外，沒人知道。我想探討的是這一爭議引發的問題，因為我自從開始撰寫關於AI與文學形式的文章以來，就一直在思考它的一個變體。

AI能寫出好的短篇小說嗎？對我而言，更關鍵的問題是：它能寫出閃小說嗎？

讀者在《林中之蛇》中指出的特徵並非巧合，而是結構性的。“不是X，不是Y，而是Z”構造具有文學精確性的外表，但並不精確。它看起來像是精心寫作的產物，但實際上並未做出真正決定。一個真正的句子源於作者拒絕兩個錯誤選項，而AI只是模擬了拒絕過程。

同樣，“嗡嗡”一詞暗示著抒情的敏銳。空氣因可能性而嗡嗡作響，寂靜因悲傷而低語。這個動詞指向文學語域，卻不承諾任何具體內容。AI頻繁使用它，因為語料庫中充滿了想要顯得文學性卻反覆使用相同詞彙的作品。

這揭示了AI如何接近文學語域：它從表面學習並複製表面。它讀夠了洛麗·摩爾和莉迪亞·戴維斯，知道文學散文在頁面上看起來像什麼。但它無法複製背後的過程：作者基於具體知識，決定包含什麼、省略什麼。

雷蒙德·卡佛不會寫“悲傷勢不可擋”，他會寫一個男人盯著自己的雙手。選擇雙手並非為了營造氛圍，而是因為它們最能承載那特定悲傷時刻的內容。讀者在雙手上感受到悲傷，因為悲傷已凝結於雙手。

AI可以寫“悲傷勢不可擋”並用更好的句子包裝，但它寫不出那雙手。它不知道是哪雙手，也不知道在悲傷降臨前它們在做什麼。賦予卡佛作品重量的具體性，是AI在結構上無法產生的，因為具體性來自於一個特定的人在特定地方多年生活的產物。

閃小說是最難偽造的形式。我這麼說是因為我從事這一形式多年，也花了同樣多的時間閱讀定義它的作家。在一部小說中，一個弱句會被周圍的句子吸收。閃小說無法吸收任何東西。每個詞都必須承載分量。沒有填充空間，也沒有餘地容納那種看似有深度卻無實質的語言。

艾米·亨佩爾的《在阿爾·喬森安息的墓地》是一篇關於女性目睹摯友死亡的閃小說。亨佩爾沒有寫悲傷巨大，沒有告訴我們女人之間的沉默承載著未言之重。她寫了黑猩猩學習手語，寫了敘述者用來保持距離的事實。

悲傷存在於對悲傷的迴避中。這不是文學技巧，而是對人類身體中悲傷如何運作的準確描述。當無法承受的事情太近時，大腦會轉向瑣事。敘述者的聲音轉向黑猩猩，因為黑猩猩是她可以抓住的東西。

AI無法寫出這個故事，因為它無法選擇省略什麼，不知道迴避的是什麼或為什麼。它知道文學小說傾向於間接，所以它製造間接。但沒有特定中心的間接並非技巧，而是帶有更好句子節奏的模糊。

英聯邦短篇小說獎今年收到了7,806篇投稿。評審匿名進行，評委需要在緊迫的截止日期內連續閱讀數百篇故事。

使文學小說具有文學感的特徵——高雅的語域和精心修飾的表面——是可學習的模式。AI已經學會了。如果評委只閱讀文學質量的表面而非其結構完整性，AI散文就能矇混過關。在高容量、時間緊迫的背景下，顯然它確實矇混過關了。

這不是對評委的批評，而是結構性的觀察。文學獎的評審方式可能並未校準到真正識別文學寫作。我們一直在閱讀質量的“表演”，而這種表演現在已經可以複製。

目前尚不可複製的是那些贏得自身分量的具體細節。亨佩爾故事中的黑猩猩，卡佛故事中的雙手。這些細節並非風景如畫或裝飾性的，而是作者知道並決定不直接命名的情感內容最準確的容器。要正確運用它們，需要知道它們為何存在。

如果你正在寫作並提交短篇小說，此刻是澄清而非威脅。英聯邦故事（如果是AI生成）透過了，因為它從外部看起來是文學的。它複製了美學，但在具體層面失敗了——細節未能完全立足，句子表演而非陳述。

在卡佛和亨佩爾身上最明顯的最小主義傳統，在結構上抵抗AI模仿，因為它不產生文學寫作的表面，而是產生背後的東西：短句和平凡的事實，你感受到的省略卻從未被告知。首先，可模仿的美學表面就更少。

這也是為什麼最小主義小說比看起來更難寫。表面不能支撐你。每個句子必須在結構層面而非美學層面發揮作用。結構工作——句子因為知道並拒絕說出什麼而承載分量——需要一個真正知道所承載之物的作家。

這是我今年早些時候關於丹尼爾·克勞斯的單句普利策獎得主時所提出的同樣工藝論點。形式迫使作家知道具體的東西，否則就會被發現。AI不會被發現，因為它一開始就不知道任何具體的東西。它只能產生知曉的表象。

AI能產生看起來像文學小說的故事，但尚不能產生真正意義上的文學小說——其每個選擇都是特定人類智慧基於知識和經驗決定包含與省略的結果。這個鴻溝正是寫作之所在，目前也是寫作最安全的地方。

英聯邦基金會將審查其流程。其他獎項將開始使用AI檢測工具，儘管它們不完美，爭論將更加激烈。這些都無法改變實際問題，即批評性的而非技術性的：我們需要更好地閱讀具體性，更好地詢問每個細節是否贏得了其位置，更好地區分感受的情緒和表演的情緒。

這些不是新問題。卡佛的編輯在1970年代就在問，亨佩爾的讀者在1980年代就在問。它們是嚴肅對待壓縮小說始終需要的問題。這次獲獎爭議只是讓它們以一種新的方式變得緊迫。

閱讀本站的閃小說，自己判斷每個細節是否立足。這是唯一重要的測試，也是AI尚未學會透過的測試。