不可复制的时间与信任的价值……数字时代模拟文化回归
对未来的信念越动摇,怀旧越浓……复古热潮中的时代不安
几天前,我久违地和几位熟人一起回到故乡街区,眼前的景象让我大吃一惊。那里是首尔老城区,几十年来一直在同一地点经营的餐馆随处可见。这些老店用娴熟的手艺,把寻常食物做得美味可口。店内装饰朴素,墙上写满涂鸦,座位挨得密密麻麻,几乎没有地方停车。更令人意外的是,这些店早已不再是只有熟客才知道的清静小店。曾经牵着父亲的手进出的炖鸡店、和朋友彻夜相聚的血肠汤饭店、花上几张千韩元纸币就能吃得饱饱的醒酒汤店,如今全都挤满了男女老少,热闹非凡。
老店重新走红、停产商品重新上市、解散的偶像组合再度回归,这类事情屡见不鲜。越来越多人为了欣赏搁在家中角落的黑胶唱片(LP)音乐而购买唱机,也有人在跳蚤市场四处搜寻,买下多年前发行的唱片。如果说,网络世界的心思忙着追逐加速革新,那么线下世界的身体正悠然回味往昔。讽刺的是,在人工智能(AI)时代,模拟文化正蓬勃兴起。
从某种角度看,这也理所当然。数字世界不会留下记忆。它以瞬间刺激吸引注意力,随即四散消失。在人工智能记住世间万物的同时,为革新欢呼的人类内心却日渐空虚。韩炳哲在《叙事的危机》中发出警告:“信息不允许停留。(中略)快照转眼便会消失。现实被切割成一张张快照。因此,我们脱离了能够让时间稳定停泊的地方。(中略)什么也不会留下。”
知识源于将信息与生活相连的内在能力,叙事则来自连接过去与未来的想象力。只有瞬间刺激存在的数字世界,既无法创造知识,也无法构建叙事。那里没有意义,也没有价值。没有实体的刺激带来空虚,这种空虚不断膨胀,直到耗尽我们为止。即使不停地滑动屏幕,反复观看短视频,除了感到时间“唰”地一下就过去了,真实生活中却什么也没有留下。
在这样的世界里,价值的规则正在改变。那些轻易生成、迅速传播又转眼消失的东西,逐渐失去值得关注的价值。人们大致看一眼,随手划过,任由时间茫然流逝。与之相反,需要时间积累才能成就的事物,价值日益提高。凯文·凯利在《必然》中写道:“信任无法大规模复制。信任不能批发买卖。信任无法下载并存入数据库。要赢得某人的信任,需要投入时间。(中略)在一个充斥着复制品的世界里,信任是能够提升价值的无形之物。”
数字革新越受瞩目,模拟世界中历经岁月的当下也越有价值。古典文学登上畅销书榜单,书展人潮涌动,几乎无处落脚。在一个随时都能免费听音乐、获取知识的世界里,人们却涌向演出场馆和讲座会场。街区老店和老品牌重焕生机,原因或许也在于此:它们经受住时间考验、层层积淀的种种力量,正由此散发出真诚的光环。
然而,根据斯维特兰娜·博伊姆的观点,这种通常被称为“复古”的文化现象,或许并不只是对过去的怀念。在《怀旧的未来》中,她深入探讨了这一历史与社会层面的悖论式文化现象:技术飞速发展的同时,人们对过去的联结也怀有深切渴望。博伊姆指出:“20世纪以乌托邦开篇,以怀旧收场。”这意味着,复古必然会在20世纪文明的失败中出现。
现代性的底色是进步与发展,也就是对新事物的热衷与执着。历史不断向前,社会日益改善。传统世界的人们将温故知新视为最高准则。美好生活,就是在当下重现过去。现代性否定过去,肯定未来。新事物取代旧事物,今天的事让昨天的事退场。我们把过去视为与当下断裂的地方,视为消逝之物堆积的场所。
抛弃过去的人如同失去根系、随风飘荡的草,因此现代人始终被故乡失落之感所困。社会越富裕,内心反而越贫乏;奔向未来的脚步越快,对过去的怀念也越强烈。因此,怀旧文化是极具现代性的现象。
对过去的眷恋、对传统的热衷,尤其会在对未来的期待破灭时变得强烈。未来充满不确定性,当下又令人不满,而进步的承诺无法令人信服时,过去便获得了革新意义。人们相信,被抛弃的过去完整保存着当下已不存在、未来也难以期待的理想价值,并开始以此为基石装点当下。简而言之,复古怀旧文化是对未来的乐观信念破灭这一精神症候,也是“不能再这样生活下去了”的渴望喷涌而出的社会时刻。
博伊姆将怀旧定义为“对一个已不复存在,甚至从未存在过的故乡的思念”。这揭示了怀旧文化的两种特征。怀旧本质上是“失去与离别之感”,是对逝去过去的执着。复原式怀旧将过去视为理想的真相、必须守护的传统、正当的历史,试图让当下回到过去。怀念军人独裁时期,或高喊“让美国再次伟大”(MAGA),都是典型例子。这是一种反动。
与此同时,怀旧也是“与自我幻想的浪漫关系”。怀念过去时,我们会悄悄把当下的不安和对未来的希望投射到过去,重新编织过去。这样的过去其实从未存在过,却又仿佛必须存在。因此,怀旧文化看似回望过去,实则蕴含着批判性反思当下、展望未来的力量。博伊姆称之为“反思式怀旧”。它通过想象反时代的乌托邦,促使当下“探索进步直路之外的阴影小径与后街”。它阻止时间之流一路奔向未来,促使人们寻找截然不同的方向。
Jang Eunsu,出版文化评论家
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。