数字滤镜：视觉风格的算法化及其后果

秦兰珺

自Instagram（简称Ins）将滤镜与移动图像社交结合并大获成功以来，滤镜几乎成为摄影摄像类app的标配。比起光学滤镜，数字滤镜以更多的风格形态、更低的使用门槛、更显著的社交意义，更深地融入人们的日常影像乃至生活，以至于今天“XX滤镜”（比如“偶像滤镜”“情人滤镜”）几乎已经替代了“情人眼里出西施”“有色眼镜”之类的老说法，成为当下以某种风格化的方式观看和展现世界的隐喻。“滤镜”作为在前数字时代诞生的一类摄影专业器材的统称，终于在数字时代进入了人们的日常生活和语言。

技术词汇进入日常语言，只是技术深刻影响日常生活的一个征候。比起语言，我们更关注的是，深入大众日常生活的数字滤镜对于我们的文化究竟意味着什么？为此，本文将数字滤镜放到视觉风格的问题域中进行考察，去探究“何为风格，风格缘何”这一问题。风格问题是中西艺术理论、尤其是视觉艺术理论的元问题。我们将看到，数字滤镜虽是新事物，但它以视觉风格的算法化为基础，以算法化的风格与视觉素材的合成为应用，以多元风格的低门槛套用为优势，事实上建立在视觉风格问题于数字时代的新发展之上。因而，“视觉风格的算法化”可以成为我们从视觉传统的角度理解数字滤镜及其文化意义的切入点。首先，本文将对滤镜从光学到数字时代的发展做一个简短梳理，考察媒介变革给滤镜带来了哪些核心变化；接着，本文将分别讨论艺术滤镜和美颜滤镜这两类当下最流行的数字滤镜，重点分析它们已经和可能对我们的视觉文化、尤其是风格产生哪些影响；最后，本文希望把讨论延伸到一个更大的问题：算法合成时代的审美范式。在未来，算法或许将借助数字滤镜、可穿戴设备、智能器官等内嵌在我们生活和身体中的工具，成为塑造我们感知范式的重要力量，而我们对数字滤镜的先期考察，或许能够揭开那个时代的冰山一角。

一、从光学滤镜到数字滤镜：生成滤镜的“元滤镜”及其日常应用

一般认为，摄影的首要功能是忠实记录，但出于表达的需要，我们有时希望照片在忠实记录之外，也能够更加具有艺术效果。光学滤镜可以在一定范围内改变影像的几何或光学属性，为原本平淡无奇的影像增加特殊的视觉风格。各色滤镜①及其组合，可以将镜头前单一的景象呈现为风格多样的影像，从而为摄影提供更丰富的艺术表达手段。滤镜为何能改变影像的风格？我们知道，绝大部分滤镜的工作原理是改变光波成分的比例②，这种通过“滤波”改变媒介对象的做法，大大增加了对象的可变性，更在一定时期里成为人类改变媒介对象的核心手段。对此，新媒体艺术理论家列夫·马诺维奇在《新媒体的语言》一书中以电波为例写道：

所有19、20世纪的电子媒介技术都须借助各种滤波装置调节信号……现在看来，电器技术实现的从物质对象到电子信号这一变化，已在观念上为后来的数字媒介做好了铺垫。因为与物质媒介的恒定性比起来，我们可以用各种滤波装置即时改变信号状态。同时，比起手动改变一个实体物质，信号调节几乎可以一下就完成……与物质对象相比，模拟信号的性质本身决定了该媒介更加可变，而这种可变性（mutability）离新媒介的“多变性”（variability）仅一步之遥……当我们从模拟媒介发展到数字媒介，可变的范围大大增加了。这首先因为数字媒介将硬件和软件分开，其次因为对象被数字表征，成为了可被软件修改的数据。一句话，媒介在“软”这个隐喻的各种意义上变得更“软”了。③

如何理解马诺维奇的这个判断？我们还是要回到光波的滤波问题。光学滤镜虽能为影像带来多种风格，但可供它作用的光学性质毕竟有限，对光学性质的改变范围也有限。数字滤镜则能借助各种图形学算法，大大拓展视觉风格的可能。绝大多数的数字图像的本质是像素数据。让图像呈现各种状态，就是对像素数据进行各种运算。理论上，运算方式无穷，图像的可变状态也无穷。因此，数字滤镜在风格上呈现出远超光学滤镜的可能。对此，我们不妨以Photoshop为例进行说明。通过调节图像亮度、对比度、饱和度、色相等数值，Photoshop几乎可以模拟所有光学滤镜效果，但这仅是其基础功能。如果我们打开软件的内嵌滤镜，不仅能看到水彩、木刻、油画等艺术风格滤镜（它们模拟的是各种绘画媒介风格），也能看到风、波浪、水纹等自然风格滤镜（它们模拟的是各种自然视觉风格）。除了模拟已存在的风格，数字滤镜还能生成仅在数字媒介中可能存在的风格。比如，当“波浪”滤镜算法的正弦函数生成器参数被设定在某个特定范围时，合成图像较能模拟自然界中的波浪风格，但当该参数被调高到一定程度时，图像就不再是对自然的模拟，而呈现出一种由算法构造的数字美学风格④。可见，数字滤镜不仅能模拟已存在的视觉风格，也能生产尚未存在的视觉风格。换言之，数字滤镜本质上并非某种特定的滤镜，而是一种能够生成滤镜的元-滤镜，即一种风格生成器。这一结论无疑呼应着计算机科学家艾伦·凯（Alan Kay）对作为媒介的计算机的最初定义：

它（计算机——引者注）是一种媒介，可以动态模拟其他任何媒介的细节，包括那些不可能在物理意义上存在的媒介……它是一种元媒介，因此拥有表征和表达的自由，这种自由前无古人，有待探索。⑤

也就是说，新媒介首先是一种可以模拟任何媒介的元媒介，因此，建立在元媒介之上的数字滤镜在原理上是可以模拟任何视觉风格的元滤镜。这里的视觉风格不仅包括光学规律作用下的摄影风格，还包括自然视觉风格、造型艺术风格以及只有借助数学构造才能生成的视觉风格。这既意味着视觉风格的范围显著拓展，也意味着更换风格的成本大大降低。在绘画中，换风格几乎意味着换作品；在摄影中，换风格可以靠换滤镜；而在数字图像中，换风格不过意味着调用另一种图形算法，需要的只是发明符合各种需要的风格算法并供使用者调用。

正因如此，才有了各式专注于滤镜开发的摄影摄像类app。我们以滤镜视觉风格的拓展为线索梳理其发展历程。2007年，第一代苹果手机发布，摄影开始进一步融入日常生活。2009年，第一代数字滤镜应用Hypstamatic（简称Hyp）上线，作为复古类数字滤镜的代表，它使人们可以在拍照前选择和组合各种镜头、胶卷和闪光灯算法，为数字摄影赋予各种胶片相机的影像风格。不难看出，尽管依托数字技术，但Hyp在各个方面——无论是其先选择器材、后拍照的操作逻辑，镜头、胶卷、闪光灯共同作用下的风格生成逻辑，还是复古视觉风格本身——都在模拟胶片摄影。第二代数字滤镜的代表性应用是2012年发布的Ins，最初上线时它只是个图像分享平台，后来受Hyp启发加入滤镜，滤镜也自此进入了社交网络时代。在图像社交语境下，人们更希望照片获得好评和关注，这提升了滤镜的使用需求；而滤镜与社交的结合，也推动了照片风格的流行化与时尚化。

相比于Hyp，Ins滤镜已完全摆脱胶片时代的窠臼。在生成机制上，在Hyp中模拟复杂“器材”组合所产生的视觉效果，在Ins中由唯一的滤镜完成，大大简化了操作流程；Ins先拍照、后加滤镜的影像生成方式也更符合数字时代的内容生产逻辑。更重要的是，Ins滤镜的风格涵盖范围已超出单纯的摄影器材和技术风格，拓展到摄影师的个人风格。比如，早期最受欢迎的Amaro、Hudson、Sutro、Spectra滤镜，模拟的就是摄影家科尔·莱斯（Cole Rise）的后期摄影风格，Hudson滤镜的独特纹理甚至就来自莱斯家厨房的黑板。但当这些极具个体性的视觉风格被算法编码，就成了可被“一键调用”的公共视觉风格，莱斯家的黑板纹理也就这样出现在所有使用Hudson滤镜的照片中，在全世界流传⑥。

第三代数字滤镜是艺术滤镜，其代表是2016年6月上线的Prisma。所谓“艺术滤镜”，是指算法可模拟的视觉风格已不限于摄影艺术，而是扩展到以绘画为代表的视觉艺术，并且这里的“绘画风格”不是指水彩、油画之类的宽泛范畴，而是指印象主义等具体流派、甚至莫奈等具体画家的风格。艺术滤镜试图把艺术史上的各种风格遗产迁移到普通照片上，让照片在一定程度上呈现出绘画风格的特征。因而，艺术滤镜也常被认为是数字时代的“造画”滤镜，它提供了远超摄影风格的可能性。

不难看出，数字滤镜的发展是一个跳出光学框架、逐渐发挥新媒介特性的过程，其表现为：风格不断拓展，从模拟胶片风格到迁移绘画风格，扩大了算法化的风格边界；操作渐趋简化，从多重叠加到“一键生成”，降低了风格的套用门槛；应用场景更加丰富，从单纯的摄影工具到内嵌于社交应用的功能，发掘了滤镜的社交内涵。就这样，数字滤镜成为深入我们日常生活的媒介软件，那么，这对于我们的文化意味着什么呢？它让多样的人类视觉风格遗产走入大众文化的同时，是否悄然改变了这些遗产的内核？它如何在潜移默化中影响我们观看和呈现的方式，告诉我们什么样的呈现更受欢迎？最终，它又如何借助视觉风格与生物模式的结合，让某些流行的视觉风格成为塑造人乃至实在世界的力量？

二、视觉风格的数字模拟及其后果：以艺术滤镜为例

什么是风格？风格从何而来？这是激发并贯穿贡布里希《艺术与错觉》的核心问题。有意味的是，在对该问题的回答中，贡布里希最欣赏的洞见竟来自一位业余爱好者——温斯顿·丘吉尔：

对这个问题的本质，专业评论家谁也不如一个以绘画遣兴的著名业余艺术家看得更清楚。但是，那绝不是一个普通的业余爱好者，而是温斯顿·丘吉尔爵士：“如果某个真正的权威认真探究记忆在绘画中所起的作用，那会是非常有趣的。我们首先专心致志地注视着所画的对象，转而注视着调色板，然后再注视着画布。画布所接受到的信息往往是几秒钟以前从自然对象发出的。但是它在途中（en route）经过了一个邮局，它是用代码（code）传递的。它已从光线转化为颜色。它传给画布的是一种密码（cryptogram），直到它跟画布上其他各种东西的关系完全得当时，这种密码才能被译解，意义才能彰明，也才能反过来再从单纯的颜料翻译成光线。不过这时候的光线已不再是自然之光，而是艺术之光了。”⑦

贡布里希认为，只有对丘吉尔所说的那种“代码传递”（transmission in code）所知更多之后，才能处理艺术风格问题。丘吉尔将绘画风格理解为一种画家加诸自然景象的“代码”，正是这种关于风格的“跨界”隐喻，给了贡布里希很大启发。他后来甚至以抽绣为例，用网状组织的“满”“空”诠释代码化的视觉风格，而其他美术风格似乎只不过比空/满这种直接映射计算机底层逻辑（开/关，0/1）的代码更复杂而已⑧。

有趣的是，在丘吉尔以“加密自然”的方式理解艺术风格的同一时代，图灵在密码学的理论和实践中提出了开启人类计算机科学的图灵机。在作为该科学分支的计算机图形学中，为图像增加风格已不仅是在隐喻义上、更是在字面义上对像素矩阵进行特定运算。必须强调的是，这一“代码”从隐喻义到字面义的转变背后，风格，以及关乎风格的一系列问题，已发生根本重构。如何理解这一判断？不难看出，丘吉尔的风格“代码”尽管使用了技术隐喻，但说的其实是艺术家的内在艺术变换，它往往与画家的个体性情、创作状态、生活世界和文化习性密不可分。有趣的是，丘吉尔把这种变换机制称为“记忆”，强调的无疑是一种风格的内在形成机制，与画家的“内在时间”密不可分；而当我们在字面义上使用风格“代码”，风格就成为一种对像素矩阵进行计算变换而产生的视觉效果。也就是说，当“代码”从丘吉尔的隐喻义摇身一变，成为计算机图形学的字面义时，视觉风格的问题域也发生了重构——如果前者讨论的是带着人类意向和习性的风格的内在生成机制，那么，后者依靠的则是基于数理分析和建模的外在模仿机制；前者的风格是从生命的内在时间中“生长”出来的，后者则是依靠超脱于时间的数理逻辑模拟出来的，即使两者在未来能产生令人难以分辨的效果，它们在原理上也有着完全不同的生成材料和生成机制。

让我们再次回到视觉风格的算法化问题。在很长一段时间内，这个字面义上的视觉风格代码必须由人类亲自书写，这意味着首先要对目标图像的风格进行人工分析，再为其建立数学或统计模型。每个程序只能解决一种风格的生成问题，不仅耗时耗力，应用场景也不多，因此一直以来影响不大。随着深度学习技术走向成熟，风格分析的工作逐渐交给计算机。尤其是，自2015年开始，《艺术风格的神经算法》等一系列论文发表，将在人脸、物品、笔迹识别等领域已十分成熟的模式学习方法迁移到图像领域，解决了艺术风格的深度学习和快速迁移问题，从此，为风格建模的工作就可以交给机器学习了⑨。随之而来的是风格迁移范围的快速拓展和效率的大幅提高，这无疑为艺术滤镜的出现打下了理论基础。2016年，第一个艺术风格迁移的大众级应用Prisma上线，实现了大师名作风格向普通摄影作品的迁移，在未经宣传的情况下迅速成为“爆款”，并入选了谷歌和苹果的“2016年度应用”。

不难理解，“让你的照片成为艺术品”这种诉求是Prisma之类的艺术滤镜走红背后的原因。本雅明曾围绕“摄影作为艺术”和“艺术作为摄影”来讨论摄影和艺术的关系⑩，他恐怕未曾想到，在近百年后，摄影和艺术竟以“摄影内容+艺术风格”这样的合成关系出现。在机械复制时代，摄影仅解决了图像内容的快速生成和大众化问题；在数字合成时代，算法进一步解决了图像风格的快速迁移和大众化问题。在艺术的“光晕”更加稀释的同时，科技却带给我们更多的震惊。曾经，我们学习一种风格，需要对其进行日复一日的观察、摹写，了解它所属或与之对话的艺术传统，以及它所处或回应的时代氛围，了解创造它的画家的个体意图。然而，对于算法实现的风格迁移来说这些都不重要，唯一需要的就是输入提供风格的图像数据，等待机器在没有人类监督的情况下自主学习。中西古今的视觉艺术风格就这样以抽离其文化语境、剥离其生长土壤的方式，进入了数字合成时代的风格库，也正因为它们失去了时空纵深感和生命血肉感，才有可能构成供人随时随地调用的风格素材。艺术滤镜不仅让艺术作品、也让隐藏着其造型密码的艺术风格，第一次以如此“亲民”的方式走入大众日常生活，让各种此前较少进入大众视野的艺术风格以数字时代的方式与人们的日常生活相遇。同时，大众那往往平庸的照片，也貌似通过人类艺术遗产的“加持”，绽放出多元的“艺术之光”。

但是，一切真如表面呈现的这样五光十色吗？细究之下会发现并非如此。为了说明其中的问题，我们不妨回到风格迁移的实现思路。《艺术风格的神经算法》一文的作者认为：

该系统借助神经表征，可以对任意图像的内容与风格进行分离与合成，为艺术性图像的创作提供了一种神经网络算法。⑪

也就是说，为了实现风格迁移，风格必须与其原始内容分离，又需要与充当其目标内容的任意作品合成，但问题恰恰出在这里。不难理解，作品的风格和内容很难分开，风格如果被加在不适合的内容上，其本身也会变味。比如以“隔江山色”著称的倪瓒山水画，构图在充当风格支撑点的同时，也充当着内容的组织原则，这样的风格其实很难与内容分离，更难成为可以被加诸任何内容的普世“滤镜”。不难想象，如果一幅摄影作品的构图本身并非隔江山色，那么，仅对其颜色、笔触、造型细节进行“倪式调整”，是很难实现倪瓒山水风格的真正迁移的。归根结底，一种视觉风格往往有最适宜承载它的内容，而并非如艺术滤镜展现的那样，可以按照超脱于时空的数据库逻辑，无差别地调用和生成。

比起迁移效果不好，更重要的是，在这个过程中所有视觉传统都将被一种传统中介，所有视觉风格同时也将被该传统所青睐的风格改写。这是因为绝大部分艺术滤镜都被应用于摄影作品，而摄影建立在透视法之上，透视法则建立在西方科学尤其是以几何学为代表的思辨理性和以物理学（在这里是光学）为代表的实验理性之上⑫。虽然透视法在文艺复兴以来的一段时期里一度统治西方的视觉艺术实践，但无论在西方艺术内部（比如中世纪圣像画、20世纪立体主义等），还是在其他艺术传统中（比如古埃及壁画、中国山水画），始终存在各种异于或反对透视法的传统。它们无法被透视法涵盖，也无法被它解释。如此才构成了人类视觉文化遗产的多样性，构成了在结构上存在根本差异的视觉风格传统。当这些艺术传统一概被“艺术滤镜”中介，并最终以风格算法的形式迁移至建立在透视法之上的摄影图像上时，多样的视觉艺术传统就会成为这唯一的透视法传统的修饰、变体和补充。

或许一些对艺术史缺少了解的人们相信，他们已借数字时代的“黑科技”进行了涵盖中西古今各种风格的“造画”实践，但必须看到，在这个过程中，那些真正构成风格多样性的核心信息很可能已悄然遗失，取而代之的是以透视法为唯一视觉生成机制的风格母本及其各种变体。与此同时，不同视觉风格所蕴含的不同文明的观看之道，在风格迁移的过程中都难免成为“小孔成像”这一西方文明主导观看方式的附庸。我们知道，内容/风格的二分法延续自西方质料/形式二分的传统，而透视法建立在西方科学理性之上，它们都是理性作用下的思维方法、观看之道与表达方式。因而，被今天的艺术滤镜中介的风格虽是多元的，但这个中介本身意味着西方观念传统在人类视觉文化遗产中的扩张，它带来的是风格在其深层视觉机制上的单一化，尽管这很容易被其表面上的“百花齐放”粉饰。

视觉风格完成算法化的表征只是第一步，下一步则是借算法化生成的便捷和优势，构建我们这个时代传播视觉时尚、形塑观看范式的重要技术、传播和美学手段，下面将对此展开讨论。

三、视觉风格的时尚传播及其后果：以美颜滤镜为例

某一视觉风格依靠同时代的视觉技术获得较低门槛的传播和生产，类似的现象并非到了算法合成时代才出现。比如，英国在18世纪十分流行以克劳德·洛兰的风景画为范例的“如画”（picturesque）观念⑬，一种镶嵌在黑色金属薄片上的凸透镜由此被发明出来，呈现在镜中的景象往往很像克劳德的风景画风格，因而这种器具又被称作“克劳德镜”。“克劳德镜”被用来辅助画家或旅行中的绅士淑女在实在的自然风景中发现克劳德式的“如画”，因此常被视为滤镜的前身。在促进“如画”传播的同时，“克劳德镜”也促使人们以“如画”为范式，重新发现、理解甚至塑造英格兰真实的田园景观⑭。一种视觉风格就这样在其时代的影像技术的助推下，在图像世界和实在世界中同时开疆拓土。

在以机械复制著称的图像工业时代，某种理想视觉风格的传播，借助以广告和电视为代表的大众传媒变得更加迅速和广泛。与此同时，专业视觉工作者制造的“高级”图像，一度让手拿傻瓜相机的爱好者难以望其项背，这种“求而不得”的状态，直到以媒介民主化为特征的互联网时代才有所改变。今天，各色滤镜将复杂的影像技术封装在程序模块的“一键生成”中，大众唯一需要了解的只是不同滤镜适用的拍摄对象（如食物、风景等）和风格效果（如清新、怀旧等）。只要掌握其中门道，业余爱好者也能拍出看起来颇为专业的作品。我们或许还记得柯达胶卷的广告语“你负责按快门，我们负责其他”，半个多世纪后，这个“其他”已远不能满足用户。今天，我们会借用摄影术语，将未经处理的照片称为“生图”，好像必须通过包括滤镜在内的技术手段加工一下，才能成为“成熟”的图像。

是什么催生了当下大众对照片视觉美感的执念？一个重要原因是视觉文化与社交文化的结合。不难理解，在以Ins为代表的各种图像社交平台上，图像的形式感、“高级感”往往象征着博主的品味、身份乃至文化资本，它们对于社交活动的价值不言而喻。数字滤镜仿佛在承诺：你负责选我，我负责“高级”。这种“高级感”和“低门槛”的结合，恰好击中了大众图像社交的“痛点”。此时再来看艺术滤镜，就不难理解Prisma为何必须配上Ins才能实现艺术滤镜的“破圈”——“艺术范”如果不被晒出来，其意义就会大打折扣。因此，这种工具势必会成为备受追捧的图像社交“神器”。风格迁移这一最初缺少应用场景而鲜为人知的“黑科技”，终于在图像社交时代找到了广阔的应用空间。

行文至此，我们似乎不过叙述了另一个“技术让文化更民主”的故事，但联系上文提到的视觉深层机制单一的问题，就不难意识到，这种“民主化”的另一面很可能存在着难以觉察的隐忧。为了说明这个问题，我们不妨以生物视觉风格的算法化及其应用美颜滤镜为例。因为，当人造的视觉风格开始塑造相对“自然”的生物风格，我们就会更直观地感受到其内在的单一视觉机制对视觉多样性的冲击。在相机美颜技术及其应用方面，中国堪称走在世界前列⑮。比起Ins对图像“高级感”的鼓励，抖音、快手、小红书等中国的图像和影像社交平台在滤镜策略方面更“接地气”，在这些平台上更为常见的是美颜滤镜。摄影滤镜改变的是图像的整体风格，美颜滤镜的开发者则更加明确地意识到，大部分用户对于整体风格其实并不敏感，他们更关心其中一小部分视觉元素，即人脸风格。因而，美颜滤镜的功能不像摄影滤镜那样，让图像看起来更加“高级”，而是按照某种审美标准，让人脸看起来更赏心悦目。在“颜值即正义”的时代，“颜值”通过经营可以转化为流量，进而“变现”为收入。正是这种掺杂着社交和经济诉求的对美的强烈渴望，打开了美颜滤镜的广阔市场空间。

简言之，美颜滤镜的工作思路就是把一张被认为“美丽”的脸蛋的局部或整体风格在某种程度上合成到输入的人脸影像上。此处我们需要对“人脸风格”做一些说明，它并非圆脸、国字脸等面相学意义上的风格，而是一种生物身份认证意义上的人脸模式（pattern）。如何理解这一说法？不妨以书写风格来类比说明：我们可以通过笔迹看出“这是谁的字”，这是因为书写风格既是一种视觉风格，同时也意味着一种可以传达身份信息的视觉模式。同样，通过人脸来识别人的身份，识别的其实也是人脸的模式/风格。为什么此处强调的是风格而非通常认为的内容？因为比起内容，风格更具有不随时空环境变化的恒定性，比如一个人会长大、会衰老，但我们依然可以认出这个人，帮助我们进行识别的就是人脸风格。

无论是手动美颜还是AI美颜，美颜滤镜首先要把人脸及其关键点（比如勾勒眼型、唇形的关键点）从图像中检测、分割出来，再依据一定的算法对其进行不同程度的改变⑯。如果说这种做法还只是通过脸型、皮肤等局部调整的叠加产生人脸风格的美化效果，那么，2019年的一篇论文《人脸美化：超越美妆变化》则提出了一种整体性的人脸风格迁移系统。受到近年来风格迁移理论的启发，这篇论文提出可以把参照脸（ref⁃erence）的风格作为一个整体，迁移到目标脸上。这样一来，正如在艺术滤镜中可以出现诸如《星月夜》《呐喊》等具体作品的风格滤镜，在美颜滤镜领域，同样可以拥有诸如“刘亦菲”“赫本”等具体人脸的风格滤镜⑰。

然而，这种貌似有助于提升全民自信的工具究竟会带来什么影响？最明显的后果是，人脸影像在变美的同时，也变得愈发趋同和僵硬。正如上文所言，风格是一种内在时间产生的视觉沉淀，而内在时间最直接的代表就是生命本身。因此，当美颜滤镜这种建立在单一的外在风格合成机制上的视觉变换工具，修改了本应千人千面的生物风格时，我们的人脸影像势必会在一定程度上损失生物风格的独特信息。当“活”的风格被“死”的算法宰制，人脸影像又如何不会或多或少地损失活泼的生命体征？我们可以将自拍与自画像做一比较。在人类视觉文化的历史上，自画像的发生和发展与画家的自我意识和自我认知的表达密不可分，无论是画家的自画像，还是更宽泛意义上的自我形象呈现，比如摄影术发明后艺术家形形色色的肖像摄影，往往都以个体风格的多元和个性表达的鲜明著称⑱。在新媒介时代，我们本来期待由新媒介推动的媒介民主化能通向更多元和丰富的表达，但事实上，人类关于自我形象的视觉再现在美颜算法的协助下，正走向史无前例的套路化和同质化。

更重要的是，在这个过程中，一种关于“何为美丽、如何美丽”的理念，也被悄无声息地写入我们的观念。对于一般滤镜，这是隐藏在磨皮、瘦脸、大眼等功能下的审美导向；对于AI滤镜，这是内嵌于代码中的关于“美丽”的数学建模；对于风格迁移，这是作为参照风格的数量有限的明星脸的整体模式，这三者之间互动交融，共同塑造着时代的主流审美。可以说，美颜滤镜在我们的日常生活中一次次发挥作用的过程，也正是这些关于美丽的标准不断重复塑造日常经验和大众观念的过程。最终，滤镜在提升人脸影像颜值的同时，也增加了人们对真实颜值的焦虑。人脸风格的算法化本来只是一种以数理化的方式对人脸生物风格进行的“衍生性表征”（re⁃presentation），人脸的生物模式才是原初的、基于内在时间沉淀的呈现（presentation），但今天，衍生性的表征已开始塑造原初呈现本身。本末倒置之下，被美颜算法处理过的人脸开始凝视真实的人脸，这种凝视足以构成一种目光机制，规训后者应是的样子。其实，美颜滤镜的诸多设计本就基于整容行业多年的探索和积累，而一些整形机构预演整容方案的计算机图形系统就是专业版的美颜滤镜。就这样，美颜滤镜无形中承担了医美整容行业的“用户教育”功能。事实证明，今天人们的美颜欲望已经“破壁”发展成真实的整容需要，美颜算法实际上变相推动了美容行业的繁荣发展⑲。

或许有人会说，某种视觉风格借助技术在影像和实在世界实现同步拓展，这并非什么新鲜事，类似的故事难道不是早已在人类视觉文化史上一次次发生，并进一步在广告助推下的“景观社会”中走上了历史的前台？然而，尽管人类视觉文化史上贯穿着人类借技术和人力对理想审美的追求，但今天因为数字滤镜这一日常化算法的介入，这一现象不仅波及范围更广、作用方式更隐秘，而且更加贴近我们的感觉、身体和生命本身。与此同时，它还与当下的视觉、时尚、美容行业及其背后的资本有着更微妙的合作，这让我们不得不提出算法合成时代的观看范式问题。

结语：算法合成时代的观看范式

造型艺术借助视觉风格的发明，不断挑战旧有的观看方式，并创造种种新的观看方式，探索着人类视觉经验的可能性与多样性。这个探索发现的传统到了算法合成时代就终结了吗？必须承认，在实验与先锋艺术领域，各种各样的数字艺术从未停止过在这个方向上的探索，它们在开创数字美学风格的同时，也以算法的方式更新着人类对“何为创造”的理解。但更重要的是，在其影响更为深远、广泛的大众应用领域，算法及其依托的认知前提、视觉机制、审美导向，也正借助“数字滤镜”这个深入我们日常生活的大众软件，将其默认或鼓励的观看方式悄然写入我们的日常审美文化。表面上，这种由算法实现的视觉文化呈现出一派繁花似锦的景象，但必须看到，这背后隐藏着观看方式在机制上的单一，以及文化多样性在结构上的匮乏。

比起文化多样性的丧失，我们更关心的问题是，算法有可能构成未来人类知觉机制的一部分，从而成为塑造我们感知方式的一种手段吗？至少在视觉文化领域的数字滤镜中，我们已经看到了这样的趋势。尽管它貌似提供给我们众多选择，但在社交文化、审美文化和大众需求的通力作用下，最终流行的只是被封装在“一键生成”模块或AI算法中的少数选项。它将一种文化的编码默默嵌入风格算法，又将算法嵌入我们的日常感觉机制；它鼓励大众按照它所呈现的样子去认识各种视觉风格；它暗示我们应该和期待看到什么。更重要的是，风格即人，风格不仅意味着一种感知方式，也意味着一种生物模式。因此，算法在塑造我们呈现对象之风格的同时，也在塑造我们以何种视觉方式呈现、期待和塑造自己。就这样，现代治理术终于借助隐秘的感觉算法机制，在这个貌似鼓励多元和个性的时代，实现了字面和隐喻双重意义上的“千人一面”。

根据马诺维奇在《AI美学》中的判断，今天，智能算法的应用领域已超出通常由自然语言理解和棋类运动所标记的“智能”领域，算法与我们的感觉、审美、情感和生活走得越来越近，融合得越来越深⑳。在不久的将来，随着各种可穿戴设备和智能器官的发展，算法或许将以更隐秘和多变的方式嵌入我们的身体和感知（比如AI滤镜也许会被嵌入智能眼镜甚至人造虹膜）。以这种方式，算法或许将成为未来人类“眼耳鼻舌身意”的组成部分，进入“色声香味触法”的生成机制。它推荐我们感知的内容，也塑造我们感知的方式，最终，它或许会在这个过程中，将深藏在代码中的算法逻辑写入我们的经验生成机制的底层逻辑，以一种数理化的计算机制悄然改写甚至置换基于生命自身的知觉机制。

无论以“后人类”还是“超人类”的方式，我们都应在这个过程发生的每一步，打开技术的“黑箱”，对算法背后的认知前提、理论预设、文化传统，以及它们与现代资本和治理术的合谋进行全面的反思和阐明。毕竟，每个时代的生活都需要反省和检验，这不仅是人文科学的职责所在，也是数字时代媒介素养的基本要求。

① 比如黑白摄影中常用的黄、红、橙、蓝、绿、黄绿镜，彩色摄影中常用的色彩渐变镜、特定色彩效果镜、色温调节镜，黑白和彩色摄影通用的灰镜、漫射镜、天光镜、去雾镜、偏振镜等等。

② 滤镜的工作原理主要有：改变光波中光谱成分的比例；改变自然光和偏振光比例（如偏振镜）；对光线产生漫射、折射等作用（星光镜、雾镜等）。其中第一种在滤镜家族中占比巨大，“滤镜”也由此得名。参见屠明非：《摄影滤镜》（修订版），浙江摄影出版社2007年版，第7页。

③ Lev Manovich,The Language of New Media,Cambridge, Massachusetts and London: The MIT Press, 2001, pp.132-133.

④ Lev Manovich,Software Takes Command,New York, London, New Delhi and Sydney: Bloomsbury Academic,2013,pp.136-137.

⑤ Alan Kay,“Computer Software”,Scientific American,Vol.251,No.3 (September,1984):53-59.

⑥ Sarah Frier,No Filter: The Inside Story of Instagram,New York, London, Toronto, Sydney and New Delhi: Simon&Schuster,2020,pp.36-37.

⑦ E.H.贡布里希：《艺术与错觉——图画再现的心理学研究》，杨成凯、李本正、范景中译，广西美术出版社2012年版，第33—34页。译文略有改动。

⑧ E.H.贡布里希：《艺术与错觉——图画再现的心理学研究》，第34—35页。

⑨ 论文摘要版见Leon A. Gatys et al.,“A Neural Algorithm of Artistic Style”,Journal of Vision,Vol. 16, Issue 12(2016): 326，全文版见Leon A. Gatys et al.,“A Neural Algorithm of Artistic Style”, arXiv:1508.06576v2, 2015。关于神经风格迁移的发展历程，参见Yongcheng Jing et al.,“Neural Style Transfer: A Review”,IEEE Transac⁃tions on Visualization and Computer Graphics,Vol.26,Issue 11(2020):3365-3385。

⑩ 参见瓦尔特·本雅明：《摄影小史、机械复制时代的艺术作品》，王才勇译，江苏人民出版社2006年版，第32—37页。

⑪ Leon A.Gatys et al.,“A Neural Algorithm of Artistic Style”, Journal of Vision,Vol.16,Issue 12 (2016):326.

⑫ 参见王哲然：《透视法的起源》，商务印书馆2019年版，第273—276页。

⑬ “如画”作为一种审美观，萌芽于17世纪的意大利和荷兰风景画创作，在克劳德·洛兰的风景画中成为典范。18世纪，“如画”被英国艺术家移植到本国风景的描绘中，并最终在英国风景美学理论家的阐发下演化为一种观看和描绘自然风景的标准方式，在英国风景艺术创作中居于主导地位。参见萧莎：《西方文论关键词 如画》，《外国文学》2019年第5期。

⑭ 参见马尔科姆·安德鲁斯：《寻找如画美：英国的风景美学与旅游，1760—1800》，张箭飞、韦照周译，译林出版社2014年版，第94—100页。

⑮ 参见董牧孜：《拍摄中国人：自拍时代的回望》，《新京报·书评周刊》2019年5月11日。

⑯ 胡耀武、谭娟、李云夕：《图像视频滤镜与人像美颜美妆算法详解》，电子工业出版社2020年版，第412页。

⑰ Xudong Liu et al.,“Face Beautification:Beyond Makeup Transfer”,arXiv:1912.03630v2,2019.

⑱ 参见金阳平：《自画像的秘密——自我图像的谱系与阐释》，博士学位论文，中国美术学院美术学专业，2017年，第79—80页。

⑲ Susruthi Rajanala et al.,“Selfies—Living in the Era of Filtered Photographs”,JAMA Facial Plastic Surgery,Vol.20,Issue 6 (November,2018):443-444.

⑳ Lev Manovich,AI Aesthetics,Moscow:Strelka Press,2018,p.3.