AIGC视频创作中的人类主体性重构：基于两种创作范式的比较研究 - Hooper 的博客

摘要

本文提出 AIGC 视频创作中存在两种根本性的创作认识论范式：控制型范式与涌现型范式。前者以人类经验为中心，将 AI 视为须被驯服的工具；后者以 AI 能力为起点，将创作定义为在未知产出中筛选与发现。两者的分歧不仅关乎方法，更触及创作主体性、创新本质和艺术所有权等根本问题。本文从哲学、技术与社会三个层面系统分析两种范式的理论基础、实践逻辑与深层张力，并指出这一分歧实质上是 AI 时代人类对"何为创作"这一元问题的两种根本回应。研究表明，这两种思潮各有其认识论依据，过度偏向任何一方都将导致创作实践的异化，而两者之间的批判性对话，正是 AIGC 创作走向成熟的必由之路。

关键词：AIGC；人机协同；创作主体性；涌现性创新；工具论；创作认识论

一、引言：从"用AI工具"到"与AI共创"的认识论断裂

生成式 AI（AIGC）进入创作领域，表面上是一场工具革命，深层里却是一场认识论危机。

过去几十年，数字创作工具（Photoshop、Premiere、After Effects）的逻辑从未改变：工具是惰性的，执行是线性的，结果是可预测的。创作者的"经验"之所以有价值，正是因为工具的不透明——只有老法师才知道某个参数调多少会出效果，这种经验是一种隐性知识（tacit knowledge），是门槛，是护城河。

AIGC 打破了这个逻辑。Midjourney、Sora、Runway、Seedance……这些模型不再执行指令，而是理解意图之后自主生成。你输入"一匹马在星空下奔跑"，它给的不是"按照你的参数渲染"，而是给出一个它认为符合描述的"答案"——而这个答案，每次都不同，且不可完全控制。

这一变化逼出了一个问题：当工具不再听你的，你还是创作者吗？

对这个问题的回答，分化出了两种截然不同的立场：

• 一方说："我是老法师，我的经验比模型强，AI 必须听我的。"
• 另一方说："我选择 AI，就是选择了一种重宇宙，我的角色是发现者，不是控制者。"

这不是风格差异，不是熟练度差异，是两种对创作本身的不同理解。本文的目的，就是系统地解剖这两种思潮。

二、控制型范式：我驯服 AI

2.1 哲学基础：工具理性的延伸

控制型范式的认识论根基，是工具论（Instrumentalism）在 AI 时代的延续。

在工具论的框架下，技术是人类意志的延伸，是达成目的的手段。一把锤子不会告诉你怎么敲钉子，一支笔不会替你写文章，一个 AI 模型——在控制型范式者看来——也不应该自作主张。

这种思维有其深厚的现代性基础。从笛卡尔的"我思故我在"到启蒙运动对人类理性的高扬，西方现代性建立了一套以人为中心的世界图景：人是主体，自然是客体，工具是中介。创作者是主体，AI 是客体，作品是创作者意志的外化。这套框架运转了两百年，控制型范式者不过是把它平移到了 AIGC 场景。

2.2 实践逻辑：精密控制的生产线

在实践层面，控制型范式表现为对 AI 输出的全程把控：

• Prompt 工程师化：写 Prompt 如同写程序代码，要精确、要结构化、要减少歧义；
• 迭代方向锁定：每次生成都设定明确的优化目标，"这个不对，再来"；
• 后处理主导：生成只是初稿，真正的创作在后期的精修、剪辑和合成；
• 经验护城河：将创作者个人的审美经验转化为 Prompt 技巧，形成可出售的专业能力。

这一范式下，创作者的角色更接近导演而非"动手的人"——他不需要自己渲染，但必须精确告诉渲染引擎要什么。AI 是超级工人，创作者是老板娘/老板。

2.3 内在张力：控制的幻觉与经验的边界

然而，控制型范式存在一个根本性的自我矛盾：你无法真正驯服一个黑箱模型。

Diffusion Model 的工作机制是统计学习，不是规则执行。你以为你在"控制"AI，实际上你是在通过大量试错寻找 AI 的行为边界。这种边界的摸索，恰恰证明了 AI 的不可完全预测性——而这正是涌现型范式诞生的认识论前提。

更深层的问题是：控制型范式将 AI 降格为"高级 Photoshop"，在某种意义上浪费了 AI 的核心价值——它的涌现能力。当你坚持让 AI 按你的路径走，你实际上是在用新工具强化旧思维，错过了 AI 带来的真正的创作可能性空间扩展。

三、涌现型范式：我把机会给 AI

3.1 哲学基础：接受不确定性为创作前提

涌现型范式的认识论根基，是建构论（Constructivism）与复杂性思维（Complexity Thinking）的融合。

建构论认为，知识不是对客观世界的被动反映，而是认识主体与被认识对象之间交互作用的产物。AI 不是"反映"了你的 Prompt，而是以自己的方式理解了你的 Prompt。这种理解，混杂了训练数据中的模式、统计规律和模型权重中的隐性知识——这是人类创作者无法完全预判的。

复杂性思维则提供了另一个视角：复杂系统会产生涌现属性——整体表现出任何单一组成部分都不具备的特性。将这个逻辑迁移到创作：当你把创作机会交给 AI，你不是在委托执行任务，而是在激活一个复杂系统的涌现潜能。

这不是放弃创作，而是重新定义创作：创作不是在画布上作画，而是提出正确的问题，然后在答案中找到珍珠。

3.2 实践逻辑：广度探索与敏锐筛选

涌现型范式的实践特征，与控制型范式形成了镜像对称：

• Prompt 作为创意种子：不追求精确描述，而追求激活模型的有趣行为区域；
• 批量生成 + 高效筛选：一次生成多组，从中选择最接近创作意图的一个；
• 接受"意外的正确"：当 AI 的输出超出了你的预设，这种意外不是失败，而是 AI 提供了你未曾想到的可能性；
• 创作者转型为策展人：审美判断力从"动手能力"转向"选择能力"——知道什么是好的，比知道怎么做更重要。

这种范式下，创作者更接近矿工——挖开AI这座山，然后从万千碎岩中寻找那闪闪发光的东西。这个角色的核心能力变了：不再是执行精度，而是审美判断力 + 概念敏感度 + 跨界联想能力。

3.3 内在张力：筛选者的权力与责任

涌现型范式也并非无懈可击。

当创作的核心变成了"筛选"，一个问题随之浮现：筛选的标准是什么？如果筛选者的标准是模糊的、随意的，"AI创作"就沦为了随机掷骰子。另一方面，涌现型范式隐含了一个精英主义风险：如果所有人都依赖AI的随机涌现，谁来定义"好"的标准？

更深层的是署名与所有权问题。在控制型范式下，作品是创作者的意志延伸，署名是清晰的。在涌现型范式下，作品是人与AI共同涌现的产物——这个"共同"如何分割？这是一个尚未被认真讨论的法律与伦理问题。

四、两种范式的系统性比较

五、深层分歧：创作主体性的两种命运

两种范式真正分叉的地方，是对"创作主体性（creative agency）"的理解。

控制型范式坚持主体性的完整性：创作者是意义的唯一来源，AI 只是执行通道。在这种框架下，AIGC 创作与传统创作在本体论上是同构的——都是"人通过工具表达意图"，只是工具更高级了。

涌现型范式则承认主体性的分散：意义的来源不再是单一的，而是分布在创作者、模型、上下文之间。AI 的输出不是零意义的原材料，它本身就携带了模型对世界的理解——这是另一重主体的介入。

这场分歧没有简单的正确答案。但有一点是确定的：两种范式都可能是逃避。

控制型范式可能是一种防御机制——用"我是主人"来抵御 AI 带来的存在性焦虑，拒绝承认自己的经验正在被重新定价。涌现型范式也可能是一种偷懒借口——用"让AI来"掩盖判断力的缺失，把随机性包装成开放性。

真正有价值的创作，也许既不是纯粹的控制，也不是纯粹的放手，而是在两者之间找到一种批判性的张力——知道什么时候该坚持意图，什么时候该接受意外。

六、结论：两种思潮，一个元问题

AIGC 视频创作中的两种思潮——控制型范式与涌现型范式——表面上关于如何使用工具，实质上是关于在 AI 时代如何理解创作、意义与人类主体性。这是一场没有裁判的辩论，因为它触及的不是技术问题，而是价值问题：你认为创作是什么？你想让 AI 在其中扮演什么角色？

这不是一个可以一劳永逸回答的问题。每一位创作者，都需要在自己的实践中不断重新回答它。

而 AI，既可以是驯服的对象，也可以是涌现的伙伴。选择的背后，是你对创作这件事最根本的理解。

选择 AI，就是选择了某种重宇宙。但重宇宙里，你是主人还是探险者，决定了你将看到什么样的风景。

参考文献

1. Boden, M. A. (2004). The Creative Mind: Myths and Mechanisms (2nd ed.). Routledge.
2. Clark, A. (2015). Surfing Uncertainty: Prediction, Action, and the Embodied Mind. Oxford University Press.
3. Dewey, J. (1934). Art as Experience. Minton, Balch & Company.
4. Floridi, L. & Cowls, J. (2019). A Unified Framework of Five Principles for AI in Society. Harvard Data Science Review, 1(1).
5. Hayles, N. K. (1999). How We Became Posthuman: Virtual Bodies in Cybernetics, Literature, and Informatics. University of Chicago Press.
6. Latour, B. (1994). On Technical Mediation. Common Knowledge, 3(2), 29–64.
7. Polanyi, M. (1966). The Tacit Dimension. University of Chicago Press.
8. Rampton, S. (2023). Generative AI and the Crisis of Creative Authority. Journal of Media Arts and Culture, 14(2).
9. Runyon, C. R. & Winnegge, A. (2024). Human-AI Collaboration in Creative Work: A Framework for Ethical Design. ACM Transactions on Computer-Human Interaction, 31(3), 1–27.
10. Zuboff, S. (2019). The Age of Surveillance Capitalism. PublicAffairs.