近几个月来,科幻文学和流行文化界的一些重要机构开始对生成式AI采取更加坚决的抵制态度。
圣地亚哥国际动漫展和科幻奇幻作家协会(SFWA)的独立决定,充分展现了某些创意社区对AI技术的深度反对立场。值得注意的是,它们并非唯一采取此类立场的组织,音乐发行平台Bandcamp最近也宣布禁止生成式AI内容。
星云奖规则的演变过程
去年12月,SFWA宣布更新星云奖评选规则。完全由大语言模型创作的作品将不符合参赛资格,而在创作过程中"任何阶段"使用大语言模型的作者必须进行披露,让评委自行决定这种使用是否会影响他们的评判。
据杰森·桑福德在其《流派风向》通讯中报道,这一变化立即引发强烈反对,因为看似为部分使用大语言模型创作的作品开了绿灯。几天后,SFWA董事会发布道歉声明:"我们的做法和措辞是错误的,我们为造成的困扰和不信任深表歉意。"
规则再次修订,现在明确规定"完全或部分由生成式大语言模型工具创作"的作品不符合星云奖参赛资格,如果在创作过程中任何阶段使用了大语言模型,作品将被取消资格。
在后续报道中,桑福德表示很高兴看到SFWA倾听会员意见。他拒绝在自己的小说创作中使用生成式AI,"不仅因为这种技术的窃取性质,还因为这些工具实际上并不具备创造性,违背了讲故事的全部意义。"不过,他也提到需要回答一些重要问题,特别是如何更广泛地定义大语言模型的使用范围,尤其是"这些生成式AI产品正被大公司强制推广给所有人"的现状下。
桑福德指出:"如今使用任何在线搜索引擎或计算机产品,很可能都在使用由大语言模型驱动或与之相关的技术。因此,我们必须谨慎,确保使用带有大语言模型组件的文字处理和研究工具的作家不会被不公平地取消星云奖等奖项的参赛资格,或遭到读者和其他作家的攻击。"
动漫展的艺术展规则争议
本月,大型年度盛会圣地亚哥国际动漫展也面临类似争议。艺术家们发现展会艺术展的规则允许展示AI生成艺术作品(但不允许销售)。在艺术家投诉后,规则被悄然修改为:"部分或完全由人工智能创作的材料不允许在艺术展中展出。"
虽然动漫展的道歉不如SFWA那样公开,但一些艺术家分享了来自艺术展负责人格伦·伍顿的邮件回复。据报道,伍顿表示之前的规则已经实施了"几年时间",作为威慑手段一直很有效,因为没有人向展览提交过AI生成的艺术作品。
伍顿据说表示:"但这个问题正变得越来越严重,因此需要更强硬的措辞:绝对禁止!简单明了。"
可以合理预测,今年将有更多组织宣布类似的强硬立场,这些创意社区将继续就更广泛的问题展开辩论。
Q&A
Q1:星云奖对使用大语言模型创作的作品有什么新规定?
A:星云奖现在明确规定完全或部分由生成式大语言模型工具创作的作品不符合参赛资格。如果在创作过程中任何阶段使用了大语言模型,作品将被取消资格。这一规则经历了修订过程,最终形成了严格禁止的立场。
Q2:圣地亚哥国际动漫展对AI艺术作品的态度是什么?
A:圣地亚哥国际动漫展最初允许展示AI生成艺术作品但不允许销售,后来在艺术家投诉后修改规则,现在完全禁止部分或完全由人工智能创作的材料在艺术展中展出。这一变化反映了创意社区对AI技术的强烈抵制态度。
Q3:为什么科幻作家要抵制生成式AI技术?
A:科幻作家认为生成式AI存在"窃取"性质,这些工具实际上并不具备真正的创造性,违背了讲故事的本质意义。他们担心AI技术会影响原创性和创作的完整性,因此采取坚决的抵制立场来保护创作者的权益和作品的原创价值。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。