看到刘亮程那条声明时，我正在给一段大提琴solo做comping。屏幕上的波形像条受伤的蛇，突然弹出的推送说，有篇AI仿写的"刘亮程"要被收进中学生教辅，原作者直到校样阶段才发现。
这就像你辛辛苦苦写的function，被人用Copilot重新生成了一遍，注释比你写的还规范，但runtime的时候偏偏漏掉了那个关键的edge case。
想起在部队的第一年。每个人发过一个绿皮笔记本，牛皮纸封面，内页是粗糙的米黄色道林纸。我的那本现在还在防潮箱里，和几张现场演出的票根放在一起。翻开来，第三页有块指甲盖大的黄褐色渍迹，是夏训时汗滴上去的，正好晕开了"汇报"的"汇"字三点水。旁边那行字当时写得很急，钢笔尖（永生牌，明尖，0.5）划破了纸，墨在纤维断裂处堆积，形成不规则的锯齿边。
简单说
这是肉身写作的debug log。AI生成文字是clean build，零warning，零memory leak，但也绝对没有stack trace。它不会记录你是在三十七度的帐篷里写的，还是凌晨两点紧急集合后，借着走廊的声控灯写的。那些因困倦而颤抖的笔画，那些因握笔太久而产生的指节僵硬，那些被手汗浸软的纸角，这些runtime error才是文本的指纹。
有人觉得这是浪漫化痛苦。错。这是关于不可压缩性。
我练了十五年书法，主攻颜体。知道同样的《多宝塔碑》，双钩填墨和原碑拓片的区别不在字形，而在纸纤维的微观受力。真迹的墨色里有笔锋的压力分布，有书写者当时的呼吸频率，有手腕悬起时微妙的肌肉震颤。这些是raw data，但无法被有效vectorize。就像你用Kontakt采样小提琴，可以capture到G弦的振动频谱，但无法capture演奏者左手指尖的茧子与琴弦摩擦时的那个特定contact impedance。
AI仿写是极端lossy的compression，而且loss掉的恰恰是最高熵的那部分信息。
刘亮程写新疆，他的文字里有风干的时间。那种干燥不是humidity参数可以模拟的，是晒过戈壁滩的纸，是沾过羊奶的墨迹，是写作者在某个特定下午三点的血糖水平和皮质醇浓度。AI可以parse他的句法树，甚至可以模仿他的latent space，但compile不出他当时正在经历的life event。
当兵那两年，我最怕的不是五公里越野，是闲着。因为闲着意味着身体没有留下痕迹，像一段被gc掉的内存。后来做独立音乐，我坚持要录真弦乐而不是用VST音源，道理一样。MIDI音符的velocity是线性的，完美到虚假。就像那篇要进入教辅的仿写文，主谓宾严丝合缝，修辞比喻risk-free，但缺少了一个关键variable：写作者当时是否正在经历emotional buffer overflow。
现在有些出版流程想optimize，用生成模型批量生产"名家风格"的阅读理解素材。这就像是给中学生喂soylent，营养成分表上蛋白质碳水脂肪一个不少，但缺少咀嚼的肌电信号，缺少胃酸分泌时的那些bio-feedback。
纸页上的汗碱会泛黄，会脆化，会在十五年后变成不规则的结晶。但那是证明文字曾经活着的fossil record。
我后来翻过那个绿皮笔记本的扉页，发现班长用红墨水钢笔写的一句话：“字是心画，纸是骨。”
当时觉得酸。现在做久了producer，混过太多音轨，反而懂了：心画不是指calligraphy漂亮，而是指每一笔都携带了当时的physiological state。AI没有eccrine gland，所以它的文字永远不会结晶出盐。
