本期编辑：李闻境、赵煜爔、丹增班玛措

唯理通讯推荐精选自互联网的深度文本。我们希望这些内容传播富有思考的声音，并促进订阅者对社会议题的关注。我们相信，在互联网的信息洪流中仍有独立思考的可能。

唯理通讯工作组将在2024年继续更新专题通讯栏目。最近三期通讯，我们将关注AI与艺术，其中本期（上）将聚焦于艺术的概念与艺术史，之后还将关注艺术批评、研发的视角和在各艺术领域中的具体应用。
本期通讯的主编（李闻境、丹增班玛措、赵煜爔）在此郑重感谢欧颖欣、卞乐茜等所有参与到本期完善通讯内容中的组委们。非常感谢大家对于我们文字的详细建议让文章不断被完善润色。同时，特别感谢李嘉琪对于本期通讯整体结构的建议和赵煜爔对于本期内容的排版。
如果你希望看到更多这样的内容，请邀请更多的朋友订阅我们

|   专题通讯——AI与艺术 | 

“The poet's eye, in fine frenzy rolling,
Doth glance from heaven to earth, from earth to heaven;
And as imagination bodies forth
The forms of things unknown, the poet's pen
Turns them to shapes and gives to airy nothing
A local habitation and a name.”

Theseus, Midsummer Night’s Dream

 
“The judgment of taste is therefore not a cognitive judgment, hence not a logical one, but is rather aesthetic, by which is understood one whose determining ground cannot be other than subjective.”

Kant, Critique of the Power of Judgment

 
“境非独谓景物也。喜怒哀乐，亦人心中之一境界。故能写真景物，真感情者，谓之有境界。否则谓之无境界。”

王国维《人间词话》

一、艺术概念及艺术史溯源

（一）从艺术的本质说起
Frieder Nake, Untitled (1967)

艺术是什么？这是一个很久之前人们就开始思考的问题。在这一章中，我们会聚焦于人工智能艺术到底是不是艺术，即我们到底该如何看待人工智能作品和传统人类艺术家作品之间的关系，人工智能诞生之前创作的艺术到底是什么。回答这个问题不仅是在帮我们更好的理解和评价人工智能所创作的作品（我们该不该花3000万买一幅人工智能创作的画），也是在帮我们更好的认识我们人类文明中很重要的一部分，进而更好地认识自己。

在艺术史中，至少存在着两个相互竞争但又互相关联的传统。一个是浪漫主义为代表的传统，强调艺术创作中的艺术家的个性和情感表达。一个是更加“现实”的传统，强调艺术创作中的模仿和艺术创作所遵循的一些固定模式。接下来，我们会具体呈现二者在人工智能艺术这一问题上的张力和冲突。
Rembrandt, Self-Portrait (1659)

欧洲十八世纪兴起的浪漫主义非常强调艺术家在艺术创作中的个人表达，强调情感对于艺术和生活的重要性。所以，浪漫主义式的对艺术的定义是基于在创作行为中是否有主观情绪的表达，是否有艺术家这个创作主体来的。浪漫主义者反对单一、整齐划一的艺术创作，反对将政治说教等等纳入艺术创作。耿弘明在《AI时代艺术概念的产生方式及其反思》 一文中很好的概括了了浪漫主义对艺术创作的看法：

“持人文主义灵性创作论的人认为，作家能够沟通天人，感应万物，灵感附体之后，四气鼓荡之时，即可下笔成章，倚马千言。”

这样对于艺术的思考强调作家个人灵感，重视创造力和情感表达在艺术创作中的价值和地位。浪漫主义给我们提供了一种非常鲜明的对于艺术的定义。根据这样的定义，浪漫主义倾向认为所谓的人工智能艺术是通过大量人类数据、模型和算法“习得”的重复过程，并没有艺术家这个主体和他们的主观情绪。人工智能艺术本身是没有“灵魂”的。值得注意的是，浪漫主义观点并不否认人工智能艺术所能带来的审美价值和物质价值，就好像浪漫主义并不否认机械模仿和政治宣传的价值一样。浪漫主义只是指出人工智能艺术中的艺术家创造力和主体情感表达的份量是很少的，而这恰恰是浪漫主义最看重的。

 
DALLE-2 Starry night

中国指挥与控制学会的编辑在《从生成美学说起，细数人工智能艺术的前世今生》 一文中对人工智能艺术是单纯的模仿和缺乏真正的创造性这一点有更详细的说明。
这位编辑写道：

“在本文讨论的有限范围内，人工智能艺术有一个问题：它基本上都是模仿的。毕竟，神经网络对世界的所有认知都来自它处理的数据。这里的‘模仿’并不意味着与（非抽象）摄影一样，人工智能艺术能以一比一的方式制造出与现实世界的人工制品相仿的作品。但是，它的输出仅限于其操作数据集的范围，只有在这个范围内作品才有新颖性。举一个具体的例子：一个接受过梵高绘画训练的网络肯定会产生类似梵高的图像，但是它不会凭空产生一个图像，所以说，它反映梵高美学（印象主义）的艺术历史背景。一个神经网络永远不能与数据保持距离，因为这些数据是它的整个世界，但这些数据仅仅是世界上许多子集中的一个，就像人类观察者所看到的那样。”

正如这位编辑所说的，人工智能艺术从其来源上并不能够算是真正的创造，只是通过对于训练数据的学习从而进行的模仿。其本身并没有主观的创造意识，或是在其创作中夹杂任何情绪和思想的表达。实际上，至少现在的人工智能并不被认为具有对于人类创作至关重要的现象意识（phenomenal consciousness）或情感。而正是这样的功能让我们人类艺术家可以感知不同的艺术材料从而进行创作或是感知他人的作品。

 
艺术家Sougwen Chung(2018)创作过程

《祛魅与存真——人工智能时代的艺术存在方式探析》 一文中高迎刚、李成蹊也在探索类似的观点。他们列举了古今中外很多艺术理论家的思考，最后也来到了艺术创作中的精神属性对于艺术的重要性，即（根据笔者的理解）艺术家的情感表达和个人创造性。高迎刚和李成蹊从艺术作品中的艺术性和技术性（即艺术家对于各种物质技术，比如颜料、雕刻工具等等）的关系入手，指出技术发展对于艺术创作带来的影响。他们指出：

“【艺术的存在形式】都伴随着19世纪以来各种现代科技，尤其是20世纪中后期数字技术的迅猛发展，从而显得越来越难以理解：数字技术和网络技术的快速发展使得人工智能的出现和迭代成为可能，然而人工智能时代的艺术，还需要借助技术存在吗？答案似乎是肯定的，因为数字技术和网络技术也都是技术；但似乎也是否定的：人工智能时代的艺术，已经不再需要根据杜夫海纳的理论区分出的物质性或者艺术性的技术，一切都可以由电脑软件搞定了。”

那么，在技术飞速发展、已经从某种意义上彻底主导了艺术创作的情况下（人工智能可以直接复制模仿不同的艺术形式和作品），艺术作品的艺术性（即它们区别于批量生产的易拉罐、塑料袋）还能通过什么体现呢？作者们的答案之前提到的精神属性。作者们写道：“透过现代科技对传统艺术的物质属性之存在价值的极限挤压，艺术理论家们以不同方式捍卫的这种亘古永存的精神属性，无论这种属性被称为“理式影子的模仿”，还是被称为“抒情的直觉”，抑或是被称为“真理的发生”，又或者是被称作“有意味的形式”“审美趣味”，如此等等，都如黑格尔所说，“艺术作品通体要有生气灌注”。缺了这种生气，艺术又何以成其为艺术呢？”这样的“生气”其实就是艺术家们在创作过程中的“灵感附体，倚马千言”。
 
Generative Adversarial Network, Portrait of Edmond Belamy (2018)

一个更具体的例子是艺术评论家Jonathan Jones在2018年的复活伦勃朗项目中对计算机生成的艺术表达了强烈的不满（详见《A portrait created by AI just sold for $432,000. But is it really art?》 ）：

“Only by living Rembrandt’s life could anyone or anything hope to create Rembrandt’s art. How can a computer replicate the humanity of Rembrandt’s portrait of his lover Hendrickje Stoffels? It would have to go to bed with her first. It would also have to experience plague, poverty, old age and all the other human experiences that make Rembrandt who he was, and his art what it is. ”

Jones在以上的片段中指出，这个人工智能从来没有过伦勃朗的经历，没有与这个世界有过任何真实的互动，没有经历过生老病死，怎么可能创作出与伦勃朗自己的作品可比的作品？的确，直觉上说，即使人工智能的作品与伦勃朗的画作色彩风格很像，笔触很像，但是我们并不会认为这幅作品里有和伦勃朗自己作品一样的深度（不管是思想上还是情感上），因为人工智能不会也不可能有这样的思想和情感。

上文提到梵高的作品。这也是一个很好的例子。梵高的很多画作并不是简单的在描绘他所看到的人和物，而是将他心中的痛苦和其他各种情感投射在他的画中。现在一个人工智能可能可以习得他的色彩风格（比如鲜艳、饱和度高、有很多对比等等），并以此创作了一副“梵高式”的画作。我们直觉上并不会觉得这幅画作拥有和梵高真迹一样的价值，因为我们知道这幅画作背后并没有艺术家个人的情感和创造性在，只是机械模仿的结果。事实上，即使是一个画家模仿梵高的作品没有达到与梵高相似的情感深度，我们也会认为是没有很高价值的模仿而已。
电影《挚爱梵高：星空之谜》(2017)
 
上文探讨的浪漫主义观点在人类艺术的发展史上很有影响力，其关于创作的观点也符合直觉。但是浪漫主义绝非人类文明中唯一的关于艺术创作的理论。事实上，人类思想史上一直存在一个和浪漫主义非常不同的关于艺术创作的传统。笔者不确定这个传统是否有一个名字，为了方便之后的写作，笔者暂且把它称为固定模式说。固定模式说我们不应该过于强调所谓精神属性和艺术家个人创造性在艺术中的价值，我们应该认识到艺术创作中有很多模仿和固定的模式。这些模仿可能包括对于前人的模仿，对于同时期其他人事物的模仿；固定的创作模式可能包括了固定的情节/人物形象，固定的形式，固定的手法等等。
汪加诚，《长河落完的日圆》(2022)
 
固定模式说可以追溯到古希腊哲学家柏拉图的“模仿说”。柏拉图认为，艺术创作本质上是在模仿抽象的“理型”。因此，艺术本质上并不是一种“创造”，而是一种模仿，只不过不是对于日常生活中事物的模仿而已。那么既然是模仿，就是有迹可循，有章法可依的。这样看待艺术创作的观念在中国古代也有体现。在绘画和作诗中，中国古代似乎都很强调模仿这一过程。比如，古代诗人都有漫长的模仿过程：“熟读唐诗三百首，不会作诗也会吟”，通过模仿用词、风格、格律等为创作打基础。在绘画和书法中也有临摹这样的传统，即艺术家们在开始自己的“创作”之前要先花很多精力去模仿过去大书法家和画家们的创作，去临摹王羲之的字，临摹柳宗元的字。在这之后，他们再把从模仿中习得一些技能融入到自己的创作中。

艺术理论家关于“人物原型”（archetype）的研究似乎也指向这个方向。我们可以发现在人类漫长的历史上，艺术创作中总是存在一些相似的东西。这些东西包括创作的主题，爱情，友情，亲情，战争等等。这些还包括所谓的“人物原型”。这些原型是在不同时期不同文化艺术作品中都一直出现的。坎贝尔指出，在不同的文化中，似乎都存在“英雄”这样的人物形象：他们历尽千辛万苦，要去达到某一个崇高的目的。这些原型的存在似乎说明，固定模式是艺术创作的共性。
 
海杰，《沙漠里的剪刀》 (2023)
 
这些历史上艺术理论家的思考似乎都在指向一个方向，即我们不应该神秘化艺术创作，仿佛它是很有灵性非常个性化的过程，相反艺术创作中实际上有很多固定的创作模式，这样的模式是可以通过模仿来习得的。再进一步，或许一个作品是否应该被视作艺术也与所谓的灵性无关，而是这个作品是否包含了这样一些之前有的创作模式，是否有模仿和对于被模仿作品的重新组合。因此，从固定模式说的视角看，人工智能艺术确实是艺术。人工智能通过学习之前的作品从而有新的创作，甚至在此基础上可以有所改变，重新组合。这些完全符合艺术的标准。

20世纪为现代计算机做出奠基性贡献的数学家图灵便是持这样观点。中国指挥与控制学会的编辑在其文章中详细陈述了图灵的观点和我们对它观点在艺术问题上的延展：

“图灵认为，机器是否具有创造性问题的缘起是人们有一些刻板印象：即创造力与成果产出无关。 基于图灵的观点和对阿多诺的解释，我们可以说艺术家是遵循直觉逻辑的，这是一个直观的过程，但他们仍然与理性过程一样受到规则约束。 因此，机器具有创造性并不是例外，但是其中的规则约束和“机器能否创新”的问题源于有缺陷的创造性观念。”
所以，固定模式说倾向于认为，人工智能艺术只不过是以更简单更快速的方式在模仿和复制者悉创作模式（“规则“），没有什么可以批评的。

the Next Rembrandt (2018)
 
黎学军在《艺术就是复制：关于人工智能艺术的思考》中更详细的解释和论证了一个类似的观点。他拒斥柏拉图式的“理型”模仿说，从马克思唯物主义的角度出发，也认为艺术创作的本质是复制，而这种复制的能力和过程人工智能也是完全可以实现的。他写道：

“艺术就是复制，最开始的时候先民们以自己的手、脚、嘴等感官为工具来复制大自然的场景、造型、声音，尔后社会分工分化出来的专门艺术工作者利用每个时代的最新工具系统来复制大自然或前人的作品，每个时代都必然会伴随着生产力的发展而出现新的艺术复制工具，整部艺术史就是一部复制史。”

而根据这样的观点，他进一步论证到：

“当下的AI艺术也是按照图灵最初的设想来进行的，即模拟艺术家的大脑运算过程。如果我们以计算机“输入—运算—输出—结果”的生产方式来类比艺术的创作方法，则传统艺术的创作逻辑特征可表述为：视觉输入（复制大自然或前人作品）—人脑运算（演绎或归纳等逻辑运算）—工具输出—必然性结果。AI艺术借助数据的输入可以产生更多具有刺激性和感染力的创造性结果，其逻辑特征可表述为：数据输入（人工输入数据库和算法）—程序运算—电子设备输出—随机性结果。因此，AI艺术主要就是以对数据库的调用与计算来塑造自身和世界。对AI来说，数据库的形式就是知识表示的形式。常用的知识表示方法有特征向量、谓词演算、产生式规则、过程、LISP函数、数字多项式、语义网络和框架。它像一个包含无限虚拟有机体的艺术基因库，机器操控它们来创造实物或“生命形态”。可以说，支撑AI艺术的是一种数据操控的美学。”

因此，AI能够创造出真正的艺术无可厚非，甚至是非常合理的结果。他认为我们不应该被浪漫主义式的观点影响，而是关注艺术在人类历史中技术性的一面和模仿的一面。
Mat Collishaw, Pouyannian mimicry (2023)
之前提到的艺术批评家Jones在他新的《Incoherent, creepy and gorgeous: we asked six leading artists to make work using AI – and here are the results》 一文中也表达了对他之前观点的重新思考：
“Evangelists for so-called 'strong AI' – full artificial intelligence that will replicate and exceed the human mind – are fond of making analogies with biological evolution. Over millions of years, mindless cells evolved the human brain; machines are now evolving much faster so why shouldn’t they become sentient soon? The evolution of AI art seems to vindicate that. In 2018, the sale of an AI generated-painting called Portrait of Edmond de Belamy at Christie’s for $432,500 (£360,000) was the latest thing in the field – yet this portrait was crude in the extreme, a pixellated blur easy to dismiss as a pathetic computerised pastiche of Frans Hals. Four years on, the detail and nuance of images produced by the latest AI art generators have grown more impressive exponentially.”

他觉得比起最早的人工智能艺术尝试，现在的人工智能艺术已经有了很大的进步（从细节上和复杂程度上）。因此，他对于人工智能艺术的价值有了新的思考和定位。的确，现在人工智能艺术品的质量有所提升，在很多时候可以“骗过”欣赏者，让他们以为是真人所创作。我们在艺术创作中有时关注的也确实是这样一些模式的组合方式。所以，黎学军的观点是有相当力度的。
但笔者认为，这样过于强调复制在艺术创作的地位和固定创作“逻辑”/模式的观点是有问题的。至少，它们没有办法抓住艺术史上很多伟大作品的直觉上的“伟大之处”。首先，固定模式说很难抓住艺术家们在艺术作品中的情感表达的价值。把艺术创作还原为各种模仿和其他创作模式的叠加在很大程度上剥夺了艺术家做为创作主体的存在。一个著名的例子是假如无限只猴子无线长时间胡乱敲打键盘，可能会偶然打出十四行情诗（虽然这样的概率很低很低）。这首情诗的确从模式上讲是符合情诗创作传统的，但是我们直觉上会觉得这并不是真正的艺术，因为创作者对此完全没有意识，更没有情感和技巧可言。因此，我们可能希望对艺术的定义能够抓住这些方面。在《天才与算法：人脑与AI的数学思维》一书中，作者引用科尔顿(Simon Colton)的观点质疑自上而下、目的论的算法能否称为艺术创作：

The painting fool, Dancing Salesman Problem (2012)
影片，⏩20倍
“我们会遇见一个‘试金石’问题：‘当‘绘画傻瓜’【“绘画傻瓜”的自我介绍：“我是“绘画傻瓜”，一个电脑程序，一位有抱负的画家。这个项目的目的是让我有一天可以被大众认可和接受，从而真正成为一位有创造力的艺术家。如果一个程序要真的被视为具有创造性，那么它需要表现出真正有技巧、有欣赏能力和富有想象力的行为。我生而为此。”】开始创作受人们喜爱的、有意义的、发人深省的艺术作品时，我们（作为软件的作者）却不甚欢喜。因为在这种情况下，很难说作品到底是算法的产出，还是只是我们自己的一个扩展。’科尔顿认为，计算机科学和创造性艺术融合在一起存在这样一个问题：计算机科学的蓬勃发展建立在解决问题的目的性之上。比如，编写一个打败世界围棋冠军的算法……但是，艺术创作不是解决问题的活动。”

其次，固定模式说很难给出一套评价不同艺术创作的标准。如果艺术创作只是各种模仿的结合体，那么我们很难很自然的由此推出一套评价这些艺术创作的标准，因为所有的艺术都只是各种模仿/创作模式的叠加。这些创作模式本身似乎很难分出高下。当然，我们可以尝试去对这些创作模式进行区分和评价，甚至使用人工智能（如下图）。但是我们很容易发现这其中的种种问题。比如，我们不能以一个作品所使用模式的复杂程度来评判，因为直觉上一首很简单但是充满深情的诗要比一首非常华丽但是情思单薄的诗要好。比如，我们也不能以一个作品的模仿精确度来评价，因为很明显一幅高仿的梵高作品并没有真迹那么有价值。所以，固定模式说需要给我们一个评价艺术作品的标准。
 
在《人与AI，如何在艺术中共生？》一文中，中国美术学院创新设计学院武子杨认为：

“当我们担忧人的主体性被AI挑战时，常质疑AI的创造力及其意义。我们认为AI缺乏创造力，因其训练数据基于现有内容，似乎只能重复或产生垃圾。然而，人类创意通常也是通过差异与重复实现的,使用拼贴、蒙太奇等策略，AI则加速了这一过程。同时，数据、美学、平台的垄断导致AI创作的相似与平庸。尽管如此，AI的创造性无论如何都将深入我们生活的各个方面，可能改变我们对创造性的定义。”

武子杨与马克拉莫斯（Mark Ramos），未来_预报(2022)
或许最后，我们应该追求一种能够整合两种关于艺术创作的传统的理论。这样的理论既能抓住艺术家个性和情感的表达对于艺术的重要性，也同时能承认艺术创作中一些普遍模式的存在。至于这样的一个完善理论仍然值得我们继续求索。同时，我们也希望寻找一个能够把人工智能创作和艺术家创作有机结合的方式。这样即使我们最后认为人工智能艺术并不是真正的艺术，我们仍然可以很好的利用人工智能来帮助艺术家们的艺术创作，并且为此提供一个有效的理论支撑。耿弘明在其文章中提到的“分布式人机共生创造力”或许是一个很好的回应此问题的概念。共生创造力大概指的是艺术和技术（包括了传统技术）的有机结合，互相帮助。而“分布式人机共生创造力”（Distributed Human-Computer Co-Creativity）则是专门专门强调现代人工智能对艺术创作的帮助和影响。耿弘明引用乔蒂的原话来说明这个概念：
 
“人工智能影响创造性思维和实践的方式是多种多样的，且与人工智能的潜力相关，它不仅有助于完成创造性任务，而且通过提供新的作曲方面的启迪，对我们的音乐创作进行观念重构。”进而认为人工智能应该被视为“分布式人机共生创造力”（Distributed Human-Computer Co-Creativity）的一种媒介，而不是人类创造力的替代品。”

因此，人机共生这个概念似乎给我们提供了一种既不用完全否认艺术家和人工智能艺术之间的区别，也能够最大程度上利用人工智能和相关技术的理论。至于之后人工智能会如何塑造我们的艺术创作，我们在第五节会有一些介绍和讨论，但是正如耿弘明说的，“当下在AI艺术领域没能出现像现实主义、浪漫主义那样被广泛认可，并在创作领域持久发挥影响的理论体系”，AI艺术在理论上还有很多值得探索和思考的东西。笔者关于艺术本质和人工智能艺术这个问题的探索就告一段落。
（二）艺术史——从人工智能的角度看

上一节中，我们探索了不同艺术理论/学派如何看待人工智能艺术的兴起以及人工智能所创作的作品到底能否被称为艺术这些问题。这一节中，我们想回溯艺术的发展史，从人类与技术互动的角度出发，探索人工智能艺术在艺术史上的地位是什么样的、在人类文明的发展史上，是否还出现过与人工智能艺术类似的情况，这些发展能够如何帮助我们更好地认识人工智能艺术。这一节的历史讨论当然不是完整的，也不是专业的。我们结合了我们所阅读的相关文章，选取了几个有趣的片段，试图给读者一些启发。
过去：“艺术就是复制”？
William Klein, Gun 1 (1954)

虽然很多人觉得人工智能艺术这样的艺术创作形式是前所未有的、是革命性的，人类对艺术的价值并非第一次受到挑战。陈天禅在《从算法到艺术：人工智能的进步能使人人成为艺术家吗？》指出1839年照相技术对绘画的挑战在很多方面与现在人工智能对艺术的挑战有很多相似之处。比如，二者都对视觉艺术的本质进行了挑战，促使人们重新思考。摄影挑战了传统绘画关于模仿世界的观念，既然摄影可以更高效精准地模仿这个世界，“留影存形”的价值何在？艺术家长期训练、投入大量时间精力创作是否值得？人工智能则是一样，如上一段中讨论的，既然人工智能可以更好更系统的复制不同风格的艺术品，传统艺术的价值何在？二者也都对于艺术家该如何利用技术这一问题提出了新的角度：摄影技术给艺术家们带了一种全新的创作方式，人工智能也是。而且更为有趣的是，二者的“革命性”或者说挑战传统的地方也都和复制/模仿相关。

这很自然的把我们带到了艺术批评家本雅明的经典文章《机械复刻时代的艺术品》。本雅明在这篇文章中写道：

“完全的原真性是技术——当然不仅仅是技术——复制所达不到的。原作在碰到通常被视为赝品的手工复制品时，就获得了它全部的权威性，而碰到技术复制品时就不是这样了。其原因有二。一是技术复制比手工复制更独立于原作。比如，在照相摄影中，技术复制可以突出那些由肉服不能看见但镜头可以捕捉的原作部分，而且镜头可以挑选其拍摄角度；此外，照相摄影还可以通过放大或慢摄等方法摄下那些肉眼未能看见的形象。这是其一。其二，技术复制能把原作的摹本带到原作本身无法达到的境界。首先，不管它是以照片的形式出现，还是以留声机唱片的形式出现，它都使原作能随时为人所欣赏。大教堂挪了位置是为了在艺术爱好者的工作间里能被人观赏；在音乐厅或露天里演奏的合唱作品，在卧室里也能听见。”

本雅明最初的讨论是摄影技术，但我们可以轻易的把他的讨论迁移到人工智能艺术上。人工智能艺术从某种意义上和照相技术一样，是“技术复制品”，可以“突出那些由肉服不能看见但镜头可以捕捉的原作部分”，“能把原作的摹本带到原作本身无法达到的境界”。这是因为人工智能艺术能够非常有效地学习和模仿过去的艺术作品（归功于神经网络），它也可以做到用更多样化的更细致的色彩（因为显示技术）——可以画出过去艺术家很难画出的图形或是颜色，它使得艺术创作的媒介更为简单——有网络即可（不需要画室等等）。所以在这个意义上，人工智能艺术与摄影技术是有很多可比性的。

这样的联系也告诉我们可以通过思考摄影技术发展之后艺术的变化来给我们一些关于未来艺术发展的线索。摄影技术并没有被取代或是边缘化绘画，反而拓宽了艺术表现的视角与语境，让艺术家们反思自己的艺术创作，也让艺术有了新的发展。现在摄影也成为了一种新的艺术形式，很多摄影作品也是艺术作品。所以，我们可以猜测，传统人类的艺术并不会被取代或是边缘化，人工智能也会成为人类艺术家创作的新工具。这样的合作既是合理的（见上一节）也正在被尝试。
 
现在：从“黑箱”到艺术家自己的模型
《金刚经》（唐代，868）
木刻版画

陈天禅在他的文章《隐入黑箱：人工智能时代的水印木刻艺术（上）/（下）》 中探索了水印木刻这一传统艺术形式与人工智能的互动。根据文中的介绍，水印木刻是基于印刷术，起源于中国古代。其创作对创作者的技术要求很高。陈天禅介绍了他的第一幅水印木刻作品《先知》。这幅作品的创作过程中“需要借助八个精细的印版进行精确的套色工作”，在底色处理上“每个部分需要重复印制四次，共计十六次，以确保黑色均匀覆盖整个作品”。在其间，陈天禅遇到了很多挑战，“比如在涂色时过分追求效率想一次涂完而导致颜料因过早干涸而失去均匀性；在印刷时，既要保持细致入微的专注，又不能踌躇不决而让纸张的水分蒸发导致画面变形；在创作接近尾声时，遇到纸张破裂、滴墨、错版等失误后，是否还能保持冷静，耐住性子坚持将作品完成？”
《先知》(2021)创作过程
 
这些挑战都是传统水印木刻创作中会遇到的。陈天禅接下来讨论了他在了解到人工智能艺术后如何探索把水印木刻和人工智能相结合。他谈及自己如何利用人工智能创作《未来前史：物质与意识》。在这个过程中，人工智能扮演了生成画作图像轮廓的角色（线版的创作/制作），而陈天禅则是承担了大部分传统水印木刻画的工作（包括底版颜色的选择，色版的创作。他提到自己如何选择“淡淡的褐灰色作为底版颜色【，因为】这不仅保留了水印木刻的传统韵味，同时也为作品奠定了一种沉稳的基调”；如何根据不同的篇目（微尘篇、造物篇等等）选择不同的颜色作为色版的一部分，如何把他偶然发现的“一批年代久远的木活字”运用在木刻画中。因此，这样新型的艺术创作模式并不是一个机械的艺术家给人工智能指令，人工智能产出作品的过程，而是一个有机的互动过程，其中本质上仍是由艺术家扮演根本角色。在这个过程中，他提到了最关键的部分：

“‘黑箱’（Black Box）的概念源于工程和科学领域，用来描述一个系统或对象的内部工作机制未知或不被外界所了解、只能通过观察其输入和输出来推断其功能或行为。因此，在闭源大模型环境中，艺术家因为既无法解释模型生成内容的“原理”，又不能仅对使用的提示词宣示创作主权，所以同样的提示可以被不同的人‘巧妙地’使用来创造出几乎一模一样的作品，这包括画面风格、构图乃至色彩搭配。这个现象促使我思考，艺术家如何在融入人工智能技术的同时，形成一套属于自己的独特创作方法论，确保自己的艺术创作保持原创性和独特性？”
 
陈天禅,《未来前史：物质与意识 微尘篇》 (2023）
水印木刻 55cm×55cm

陈天禅在集合水印木刻和人工智能的过程中的这个观察很有价值，即如何更好的控制人工智能的创作结果和如何确保自己创作的独特性。关于第一个问题，现在大语言模型黑箱内部运行机制和原理我们并不是很清楚，对于其他艺术创作AI也是类似。在《人与AI，如何在艺术中共生？》一文中，海杰认为:

“当人在人机创作中想获得主体性时，自然想不断地训练模型,通过指令和参数的校正来实现自己在人机创作中的主动权。当然，AI生成器往往会给人先投喂迷魂药,完美的图像，让你顷刻间毫无防备，措手不及，如果你顺应它，并接受了这些完美的图像，那么你就只能跟着它走了，是它训练了你。所以,克服这种完美的诱惑,是获得主体性的前提。”

关于第二个问题，由于在前一节讨论到的模仿/训练问题，人工智能的创作确实容易趋同，甚至趋于平庸。善用火药的艺术家蔡国强选择了创造自己的cAI™（详见下期通讯）。陈天禅最后的解决办法是“将自己和AI模型锁定在一个私密的聊天室里，从而解决了我的创作咒语被借鉴的问题。”当然这一点是未来艺术家们/计算机科学家们可以继续进步的。陈天禅最后这样总结人工智能艺术对艺术创作的影响：

“人工智能的介入，将使艺术家能够接触和分析超出人类经验范畴的海量数据集，从而在创作过程中引入前所未有的视角和深度。艺术家们需要提高自己对于人工智能原理性的认知层次和知识水平，方能在人工智能时代将个人的艺术创造力隐入黑箱。”
 
蔡国强作画过程（下）与cAI™ 观摩学习的实时反馈（上）截屏动图(2023)

这些正与上一节最后讨论到的“人机共生”息息相关，也算是对于上一节讨论到的理论的佐证。
未来：AI与未来艺术
安德鲁·多伊奇教授
在讲述了AI与艺术发展史上的这些篇章后，AI对未来艺术的启示到底是什么？
 
有些人非常有热情，认为人工智能可以为未来艺术带来很多新的可能。陈天禅在他的文章中说到：“然而，我的导师安德鲁·多伊奇教授的一句话却让我猛然间领悟到一个新的观点：“天禅，与其你将这些作品视为人工智能艺术正确的2.0 版本，不如试着将它们视为人工智能艺术的错误的1.0 版本。”这话犹如棒喝，挑战了我因本科数学背景而形成的线性创作思维。换句话说，我一直认为未来的作品必将建立在之前作品的理论基础之上，思想深度和方法论也是如此。”

他的文字很有力的指出，人工智能艺术或许能够帮助我们重新思考我们对于艺术创作可能性的思考。过去，我们可能对于艺术发展的思考是线性的，是在遵循因果关系，新的艺术创作一定是从某种意义上来源于过去的艺术作品（比如文艺复兴—浪漫主义—新古典主义—现代主义这样的艺术史叙事）。但人工智能艺术可能会挑战我们这样线性的叙事，帮助我们突破我们想象力的局限。

江玉琴在《与AI共舞：未来艺术的时间想象》一文中则提出了一个更加细致均衡的看法。江玉琴在文章中探索的主要是我们应该如何在想象和表现未来，但是其中包含了一些关于未来艺术的很有趣的想法。一方面江玉琴认为人工智能艺术让我们更好的认识我们人类的创造力的本质：

“人类意识的蔓延犹如一个根茎，糅合了传统与现代、先辈与现在、自然与文化，以其自身的融贯性走向未来。科学与艺术的共通引导未来艺术的时间想象贯穿在科学思维与科学构想之中。AI与人的共生及其艺术创作进一步指向人类作为根茎的生成状态。”
的确，通过探索人工智能艺术创作的过程，我们或许能够更好的认识我们人类自己艺术创作的过程。现在一些很前沿的研究就是集中在通过研究大语言模型来更好的研究人类。比如有些学者通过研究大语言模型的自然语言处理/生成来探索人类语言处理和生成的能力；有些学者试图用主导大语言模型的模型来为描述人的意识和思维的研究提供一些线索。因此通过研究人工智能如何实现艺术创作或许能为理解人类的创造力提供一些帮助。
 

同时，江玉琴也认为建立科学（人工智能技术等）与艺术之间的沟通对于未来的艺术非常重要，也是未来艺术的发展方向。她认为“未来艺术【会】以【与科学技术】关联、比较、对话建构起艺术的未来想象通道”。这一点她在讨论超现实主义等创作风格时有更详细的说明：

“【这些传统】突破人们惯有的认识世界方式，以艺术与科学的融合模式展示出奇异的未来世界。这些艺术创作打破感官知觉边界以及由此建构的传统观念和认识论，以跨学科、多模块的方式重构、重组世界认知，由此创造出新的未来图景。”
未来人工智能艺术也正是会发扬这些精神。实际上，突破惯有认知方式和打破感知边界正是现在很多艺术家在探索的。比如上文提到的陈天禅的水印木刻创作，其中就有探索宇宙，气，生命等等互相交错的概念。在本文第五章笔者也会介绍更多这样的尝试。"

同时江玉琴的一些想法也让笔者想到人工智能或许对未来的艺术所产生的负面影响：

“任何建立在数字编码上的创造思维模式都受到一种线性的、过分理性的基础的不良影响。典型的例子是计算机模拟思维，思维被模拟成一种逐步解决一棵决策树上各个分支问题的东西，当然这棵决策树是置身于一种具有多种可能性的空间里，但这些可能性不可能是无穷无尽的，必须加以限制。原因很简单：得写得出软件来，而且所写的软件应能在现有的硬件上运行。”
 
江玉琴的话让我们有一些很重要的反思，即我们要避免人工智能艺术创作也落入窠臼（变成线性的计算机模拟思维），遵循某种特定的模式（如上文）。因此，本质上我们并不能放弃自己的创造力，而是利用人工智能等科技来更好的探索自己的创造力。这些都是人工智能艺术给未来艺术的一些启示。

AI与艺术通讯（上）在此也暂告段落，感谢阅读！之后的（中）（下）两期我们将会分别从艺术的创作和接受、艺评人以及研发方和具体应用展开，欢迎提出反馈和期待！

对于这次通讯的想法/建议请发送至newsletter@veritaschina.org，谢谢！
更新订阅信息  取消订阅