人工智能

本文介绍了 TDM（文本扩散模型）的概念与应用。文章从 AI 生图过程切入，类比 Stable Diffusion 将噪声逐步解析为图像，引出 TDM 将类似技术用于文本生成。TDM 不同于传统 LLM 逐字输出，而是直接生成字符范围，在约 20 步内逐步填充、修改直至文本合理，并能同时处理所有内容，避免遗忘问题。文章也指出其缺陷，如可能产生逻辑矛盾，并以“独生女文章出现哥哥”为例说明。此外，文中提到谷歌 DeepMind 开源的 DiffusionGemma 模型已可体验，但目前编程与聊天能力尚不完善。作者认为该领域研究较少但有前景，有望加速长文生成。

本文介绍了作者在深夜刷视频时，因看到刘慈欣“诗云”概念的还原而引发对人类创作诗歌意义的深刻思考。作者设想通过构建一个庞大的中文码库，将几亿进制每一位数映射到汉字，理论上可以暴力枚举出所有可能的五言绝句等诗歌组合。在与 DeepSeek 的讨论中，文章指出这种“所有可能诗歌库”存在法律和实际硬伤：版权法只保护实际固定下来的独创性表达，而非数学可能性；且机械的一一映射因缺乏个性化取舍，不构成独创性，法院不会允许任何人垄断所有排列组合。文章进一步论证，人类未来的创作意义不在于“新”，而在于“选”——即创作发生的具体背景、情感和事件，如失眠夜的心境、窗外的雨、与某人独有的记忆等。机器或诗云虽能生成完美的文本，但无法拥有“当时”和“有人”，其输出是无历史、无指向的“完美假钞”。人类创作的价值在于“文本的解释”与成为创作者的过程，如同登山者不会因缆车存在而否定爬山的意义。最终，文章强调现实生活才是对诗云式机械生成的真正打击，因为真正有意义的诗必须根植于真实的瞬间与生命体验。