人工智能干预下的汉字重构研究

刘晓茜 王方

摘要：文章着重研究字体设计与科技相结合的意义及影响。探寻Al智能干预造字的方法、优势及延伸价值，并在传统字体设计的语境下探索全球化的现代字体设计多样化发展的新趋势。以往传统的设计以及计算机为辅助完成设计转变为人与计算机的携手并进。设计是感性中掺杂着理性，跨学科的设计团队趋势加强了现代制造需求的现实性。

关键词：人工智能干预汉字设计重构趋势数物虚实转化

中图分类号：J

文献标识码：A

文章编号：1003-0069（ 2021） 07-0043-03

Abstract： This paper focuses on the significance and influence of the combinationof font design and technology.To explore the methods， advantages and extendedvalue of Ajinteliigent intervention in character making， and explore the new trend0f diversified development of modern font design in the context of traditiional fontdesign. in the past， the traditional design and computeraided design have beentransformed into the hand-ln-hand development of human and computer.designis a mixture of sensibility and rationality. The trend of interdisciplinary design teamstrengthens the reality of modern manufacturing demand

Keywords： ArtifIcial intelligence intervention Chinese character designReconstrucfion Ttrend Number object transformation

引言

中华汉字历经五千余年，其结构从象形符号表意到抽象符号意蕴，这种解构演变不仅提高了汉字信息交流、思想意识传达的功能，也成为一种重要的传达审美理想的符号。伴随人工智能等高科技的不断涌入，汉字的发展与创新方式被进一步推动，迎合人们日益增长的审美需求和传播效率。当今信息化社会，运用文字符号的传播方式更加多样化，广泛地传达出各种不同的社会意识。人工智能干预下的汉字设计，不仅使我们能够更加高效地完成汉字设计任务，扩大了应用范围，使得汉字在市场经济下充分发挥独特的艺术魅力和社会商业效益，同时也被认为是汉字艺术文化的传承和创新设计的一个必然选择。

首先，本文深入探讨在新媒介、新科技领域下的汉字设计的新趋势，以及如何在人工智能的干预下对汉字设计进行重构。其次，汉字设计是一个新的符号生成过程，其中包含哪些内部要素，尤其是人工智能不可替代要素，即是本研究的关键点。再次，探寻人工智能干预下的汉字重构过程中的优势以及面临的问题，是本文重点探讨的议题，以期对研究人工智能造字产生一定的借鉴意义。

一、从解构到重构一一汉字设计与人工智能干预

文字是人类文明历程的再现，是人类智慧的结晶。据文献记载，汉代许慎在《说文解字叙》中，“古者庖栖氏之王天下也，仰则观象于天，俯则观法于地，观乌兽之文与地之宜，近取诸身，远取诸物，于是始作易象八卦，以垂宪象。既神农结绳为治，而统其事，庶业其繁，饰伪萌生。黄帝之史仓颉，见乌兽之踬远之迹，知分理之可相别异也，初造书契[1]。”不难看出，中华汉字是随着社会生产、文化和经济发展而诞生的，从偶然的记录行为发起，并经过一定的历史演变而日臻成熟。中华汉字是随着社会生产、文化和经济发展而诞生的，从偶然的记录行为发起，并经过一定的历史演变而日臻成熟。

一方面，从古至今人们意识表达、心灵沟通、思想传播，文化交流多以文字进行。文字已融入到人们生活的各个环节，构成人类文化符号的重要部分。文字设计成为了人类社会经济生产和实践中必然要求，随着现代社会文明的进步而发展。从最早的雕刻而成的楔形文字、甲骨文到运用毛笔、钢笔书写的草书、楷书等，再到计算机键盘敲打出的各种字体，直到今天，现代科技智能干预下重构的新字体，无不表明书写工具的进步是字体日新月异的前提，也是汉字设计发展的必然趋势。另一方面，每一个新技术，新思想的转换时期，必然会产生各种主张。在当代科技人工智能语境下，人工智能与传统文字设计之间的思辨成为讨论的焦点。

关于人工智能，有学者解读为“人工智能机器人创作作品”、“人工智能生成内容”或“人工智能创作物”等，但值得注意的是，人工智能与人工智能干预的概念有所不同，前者完全排除了以计算机来创造内容的复杂过程，全程由一台计算机进行创作和完成，而后者则主要是指以计算机将人类自己作为其创造的主体，人工智能将其作为一种辅助手段和工具，其算法以卷积式神经网络（ Convolutional NeuralNetwork，简称CNN）为基础的深度机器学习算法和技术，对汉字图像、时间序列数据进行处理，内容的自动生成基于计算机生成一种与对抗网络方法的模仿与学习（ Imitation Learning based ongenerative adversarial nets，即简称之为计算机自动运行（GANs- IL）来进行处理完成的，最终结果与设计程序员有较大的关联，生成艺术内容的程序即是设计师在实践中进行艺术创造性表演的过程。简言之，人工智能干预是设计师创作的现代化工具，设计师在文字设计前期，基于传统历史语境和解構主义理论对新的字体进行重构。最早期的汉字产生于图画，在似与不似之间描绘，意与象构成字体内部结构。例如，“羊”字利用羊头的特征来表现羊字，是“意”的表现方式。再如“象”字的甲骨文则是大象的造型，是“象”的表现方式[2]。在中国现代文化设计中，汉字解构设计则主要是通过将汉字解意、分割、合文等进行解构的方法，运用奇特的艺术创意和独特的视觉联想，赋予中国汉字一种新的艺术生命。具体有四种构建方法：其一，意象同构。即将汉字意象化组合设计。例如：将钉子的造形放入“干”字的笔画中，意与象的完美结合，传递了一种求真务实的“钉子精神”;其二，拆散式重构。即拆解汉字笔画结构，生成新的意义。例如：小林漫画的“双喜字”设计，由上下左右四个“苦”字构成，赋予“双喜字”诙谐幽默且富有人生哲理之意;其三，字意重构。即根据汉字的结构和含义，在可识别的前提下，对汉字构成进行取舍、嫁接，形成新的寓意。例如，在一则关于汶川地震的海报设计中，设计师巧妙地将“汶”和“川”两个字进行了上下结构“嫁接”，重新组合成一个“济”字，起到了一个呼吁全社会救灾宣传引领作用;其四，合文结构。即用多种文字按照结构美学原理构成一个或多个图形。该方法在中国民俗传统的吉祥字设计中经常运用，如“金玉满堂”、“招财进宝”、“日进斗金”等。

由此可见，现代设计师的文字设计方法依然存有早期文字生成的过程的影子，文字设计与其他设计一样，都是建立在历史的基础上，层层递进，从解构到重构不断优化。雅克德里达（Jacquederrida）是一种被广泛应用于研究和批判现代语言学领域中的人工结构主义而最终提出的人工结构主义理论，其通过对分解人工结构再次进行创新和重组的核心思想与如今的人工智能相结合，集中隐形于“干扰”之中，通过对人的解构思维再次进行编码，重构并创造出新的显形汉字符号，成为了传递文明和信息的传达信息的一种新载体。

二、从智能到干预——人工智能干预设计的基本编码方法

人工智能对汉字图像的处理主要是在卷积神经网络CNN的基础上运行一定的网络结构来完成的。这里的人工智能干预设计的编码算法用到的是：深度表征学习（Deep Representation Learning）。

在机器学习（Machine Iearning ）中，表征学习（Representation Iearning）指的是机器学习一个基于特征识别技术的集合，主要是将原始汉字的图像和数据直接转换成一种能通过机器学习的方式进行深度学习开发的形式，其中所谓的深度表征学习从本质上说就属于同一种任务：该机器通过自动学习抽取汉字图像中的各种抽象性信息，这些抽象性信息可以在后续分类、对比等处理中使用，并且能够直接表征出其相应汉字图像中的原始性。机器通过学习抽取汉字图像中的抽象特征，这些特征信息能在后续的分类、对比等处理中可用来表征其相应汉字图像的原始特征。

传统的表征学习方法为：首先人工将汉字图像标注为各种属性，然后将这些属性模拟构建相应的Loss函数。其缺点是标注工作量大，且特征信息不完备，模拟得到的Loss函数的相关系数大小直接影响了后续模型学习得到的特征质量。现代深度学习技术，如生成对抗式网络（Generative Adversarial Nets，简称GANs），将汉字图像的精准表征学习推上了一个新的高度，GANs可以采用汉字图像提取特征、特征生成汉字图像的循环方式，采用无手工、无标注的方式模拟训练，因其抽取的特征几乎能还原为原始汉字图像，做到精准学习。这就大大增强特征的精准，并省略了数据标注成本。

人工智能干预技术打破传统的编码方式，仅需要设计师为原始样本设计120个字符号为原始样本，再通过原始样本产生两个互相对抗的网络[3]：原始样本生成的模型（以下简称样本生成器）和判别模型（以下简称判别器）。其中，生成的模型[4]是指产生能够满足所期望的样本输出模型。GANs已在与计算机和视觉等技术应用领域中已经创造性地开拓了一系列与之密切相关的技术，如图像合成[5]、图像超分辨率[6]等。具体方法是，设计师预先设计120个字为样本，通过计算机基于生成對抗网络的模仿学习方法（GANs-IL）来研究字体和编码。基本步骤：（1）起笔收笔的特征;（2）学习行笔特征;（3）学习中宫，重心，留白布局。具体方法是，设计师预先设计120个字为样本，通过计算机基于生成对抗网络的模仿学习方法（GANs-IL）来研究字体和编码。基本步骤：（1）起笔收笔的特征;（2）学习行笔特征;（3）学习中宫、重心、留白布局。

通过以上三种Al智能干预即可轻松计算编程出9585个独立字库。在字样风格设计中，将起笔、收笔的方式转换为字体的两端进行创意重构，转换方式多种多样。在通常情况下，笔画的两端可以采用规则形状进行变化，如斜角、圆角、弧线、倒角或重组变化。或者通过不规则形状的变化进行，即在笔画两端延伸，增加字体的风格特点，如此，端点设计不仅使设计师易于把握字形特点，也可快速体现字体特征，既是一种通过细节突显现创意风格、传递字体内涵，也是一个完善设计品质，提高设计效率的好方法。某些笔画变化呈现出锋利、阳刚、简洁、硬朗、时尚、速度等直觉，有些则呈现出可爱、流畅、纤细、柔美等感觉结构，有些则能体现字体传统、雅致、古典、文艺等意境[7]。

三、从优势到问题——人工智能干预字体设计的前景分析

随着5G时代的来临，人们的生活将从物质社会向非物质性转变，在实体空间与虚拟空间中生活即将成为常态，艺术形式和表现方法也理应随之改变。一方面在互联网虚拟世界里，虽然沟通方式包括表情、音频、动作等符号，但文字信息仍占主导地位;一方面追求个性化审美是当今时代特征，因此如何满足互联网和个性审美需求成为汉字设计研究的主要议题，人工智能干预汉字设计的预想正是在此语境下孕育而生。在这一领域，汉仪字库（创始人谢立群）已成为先行者，其创立的字体UGC （UserGenerated Content，用户原创内容）产业，顺应了网路社交领域，倡导张扬个性的历史潮流[8]。相比而言，传统造字行业的发展相对滞后，超过80%的字体存在侵权使用的现象，意味着传统造字行业的开发率还不到20%，另外，目前中文字库还存在数量少、费用高以及造字慢、纠纷多、费用高等问题。因此，传统造字行业也亟需智能化升级，解放劳动力，满足庞大的互联网市场需求以及政策要求。

人工智能干预字体设计的优势主要体现为：其一，统一性。即具有风格高度统一优势。人工智能是一种模仿的产物，不论是长短期记忆网络、递归神经网络还是生成对抗网络，在使用数据分析计算生成字样后，仅需设计师预先编码出120个字体模型，计算机就会根据字体模型和计算程序生成新的同类型数据字体，快速形成风格一致的字库。最后输出结果会包含原始设计的字体模型风格，同时这些内容会趋向于设计师所期望得到的设计效果[9]。其二，易读性。即人工智能干预字体设计要以汉字基元库[IO]和汉字结构知识库作为依托，输出的字体不会出现错别字，具有易读易认的特性。其三，高效且经济的应用性。人工智能干预造字只需要设计师设计120个字体样章，再通过机算计学习，仅需几天即可快速生成9585个字的国标完整字库，大大降低人工和时间成本。与传统设计字样相比，人工智能干预造字时间更短，具有产出更多，性价比更高的优势。另外，基于人工智能适配技术，还可在用户端的场景中及时适配文字。

人工智能干预字体设计有待解决的问题主要有两个：一是输入个性化风格的判别模型和生成模型问题。人工智能干预字体设计包含设计师的创作意图，为了生成具有个性化的字体，首先要抽象出设计元素，其关键在于字体模型的建构。如今，大部分设计师在使用人工智能干预时，都是在网上收集素材然后再进一步设计开发。虽然网络能提供大量的数据，但在很大程度上也限制了生成字体的创造性。使用网络上提取的数据合成的字体往往模仿意味太浓，在界定生成字体的版权上会带来较大的问题。因此，设计师须加强手绘技能训练，在判别模型和生成模型中加入自己独创的设计元素，在人工智能干预生成内容中才会有新意。人工智能干预进程，其实是一个按照一定程序，对设计师提供的数据进行分析计算的过程，人工智能干预仅仅是模仿设计师劳动生成设计的工具，如果设计师水平有限或原创性不够，那么人工智能干预设计就毫无意义。二是人工智能干预合成字体具有一定的不确定性问题。在运用人工智能干预创作字体的过程中，常会出现预想效果与输出结果不符的现象，即输入判别模型和生成模型有时难以达成一致。这种不确定性现象对于艺术设计即有利又有避，一方面会干扰设计师的设计思路，另一方面这种不确定性也常伴随某种特殊效果出现，由此激发设计师的创作灵感，问题在于设计师在面对这种变量时如何将偶然转化为必然，这就需要设计师作为创作主体，根据具体情况进行人工界定，随时调整设计思路，充分把握人工智能特性，将不确定因素转化为机遇，重构出既统一又有个性的新字体。

四、从点到面——分析人工智能与未来设计的交织

（一）艺术设计方式多元化

随着电脑更新换代迅猛，人工智能融入艺术创作必将是大势所趋，设计师和工程师也不断探索新的设计模式。例如，人工智能造字，它主要是通过逐步外延传统的字体设计和创作理念而衍生出来的，获取到更加丰富多样化的艺术创造形式，且已经实现从固定的设计模式向多元化造字模式的转变。人工智能的出现和推广不但为艺术设计注入了活力与鲜血，而且让设计者们有了一种新的认识和一种新的设计理念，美学艺术的建筑在新科学技术的驱动下下绽放了一个新生命。

（二）艺术设计工具智能化

随着我国经济社会的发展与进步，生产企业规模的扩大壮大和各个行业之间分工越来越细致，艺术品所需要的设计手段也变得更加专业化、规格化和相应的配套[Il]。设计工具正逐步地实现由一个真正的实物模型发展到数字化、由有形模型向无形模型的转变，这一改革将深刻地影响到设计师们在进行艺术创造时的生活工作过程、所需要的设计内容及其思维模式和方法[12]。

（三）艺术设计中虚（数字）实（实体）交互

在未来设计和智能已密不可分一未来的设计与智能足以理解、诠释人类思想的交互方式，协助人类构想更高级的用户场景和更精细的数字视觉化能力。有效设计一个物理世界和数字世界之间的融入方式必然会决定该新兴科学技术在未来的发展。运用这些科学技术能够取得的成果来拓展人类的世界，并且提升我们对生活的行动力和感知能力，而不是仅仅局限在想象之中。

1.物的数据化：智能设计的一方面是要进行“物的数化”，亦即有形物（实）的数字（虚）化、具体象物的抽象化[13]。其本质是将非结构性的信息转化为能表征代替结构化的数据，故而可被机器识别运算，又称通感设计。通感是指在用户与机器之间建立低耗能、高协同的情感联结。虽然人工智能在设计领域的应用还比较朴素，但在提升传感器、脑电波对人的感知力这一技术方面，人工智能突破了以往想象的壁垒。

2.数的物质化：智能设计的另一方面是“数的物化”，即将无形数据（虚）有形化（实），或者是抽象概念的具体化[14]。其本质为借助人工智能将结构化的数据转变成非结构化的图形，易于被人类所接受。据此，设计师采用逆向思維的模式，以问题为导向，加以技术辅助手段，实现完成完美的设计创作。

（四）以问题为导向、兼顾感性与理性的设计

一旦设计与科学技术完美结合，计算机与设计师的关系将发生根本性转变：由原来的计算机辅助设计转变为人与计算机齐头并进设计。这个过程中，设计师为计算机提供经验与指导;计算机通过对大数据统计与人工智能分析后，提供一个最科学、最合适、最个性化的解决方案。过去学院的设计思维与创新能力能够领先该产业，而如今学院技术思维或许有所滞后，出现新科技反过来倒逼教育的现象。这或许是人工智能时代给设计师价值重新定位所致。

（五）以人为本一千人千面的设计民主

人工智能作为辅助设计手段确实可以完成许多软件中一般功能无法达到的效果。民主化工具大大降低了设计这一领域的技能门槛值[15]，更倚重人在交流和创造上的价值。具有互动交流和自主创造能力的设计师已经越来越多，通过智能化设计技术，他们都很有可能发展成为一名设计师，产生更多的人机共同合作的艺术和创意成果，未来前景可期。

人工智能干预字体设计是科技进步的必然结果，凸显艺术与科学融合的力量。首先，“干预”是汉字重构的主体因素。无论人工智能如何先进，但还是缺乏人的灵动性和创新思维，只有设计师将自己作为设计主体，充分发挥干预的主动性，才能将人工智能的潜质发挥及至;其次，“干预”也包含汉字重构的客体因素。人工智能不仅作为先进的工具可给设计表现带来诸多可能性，而且在智能开发方面也是无限的，尤其在表现形式的干预方面，发展空间广阔且有待开掘，因此需要设计师与科技人员深度交流与合作，研发出更加符合汉字设计要求的人工智能系统。综上所述表明，艺术与科技是一种相辅相成的关系。我们正处在急剧变革年代，人类的知识结构不断扩充，创新科技在本学科或其他学科也将会大融合。那么，艺术与设计的将融为一体。设计是感性中掺杂着理性，跨学科的设计团队趋势加强了现代制造需求的现实性，“数”、“物”虚实交织交融，在未来智能设计中缺一不可。

基金项目：广东省教育教学规划课题一高职设计类专业校企协同育人模式研究与实践（课题批准号：2017GGX JK067）、2018年河源职业技术学院教育教学成果奖培育项目。

参考文献

[1]许慎说文解字（现代版）[M]北京：社会科学文献出版社，2005： 841

[2]吕笔锐“六书”在现代汉字标志构形中的应用研究[D]长沙：湖南师范人学，2010： 65

[3]林嘉豪，章宗长，姜冲，郝建业基于生成对抗网络的模仿学习综述[J].计算机学报，2019：1-35

[4] GeoffreyE Hinton， Simon Osindero. Yee Whye Teh Afastlearnig aigorithmfor deepbellefne[J]NeumlComputation. 2006. 18 （7） 1527-1554

[5] Andrew Brock， Jeff Donahue. Karen Simonyan. Large scale GAN training for high fidelity natural limagesynthesis. arXiv preprint arXiv： 1809.11096， 2018

[6] Christian Ledig， Lucas Theis. Ferene Huszar. et al_Photo-reallstlc single lmage supe-resolution using atenerative adversarial network//Proceedings of the 28thIEEEConfence onComputer vislonand Pattern Recognition（CVPR） Honolulu. USA. 2017： 105-114

[7]殷庆飞汉字字体部件设计方法研究[J]美术大观，2019 （04）：118.儿9

[8]楊虹，段凯人工智能时代的中文字库设计[J].设计，2019，32 （14）：134-136

[9]李林人工智能生成内容的艺术性研究[J]火众文艺，2020 （01）：98-99

[IO]鄢琦，骆仁波，皮佑国无字库智能造字中汉字基元的统计分析与预洲[J].计算机技术与发展，2012，22（04） 33-36

[Il]徐艺乙传统工具：艺术设计研究的一个重要方面[J]装饰，1995，（06）：15-17

[12]银宇堑，陈洪，赵海英人工智能在艺术设计中的应用[J]包装工程，2020，4l （06）：252-261

[13]杨绍禹，卓凡数物共生：人工智能在艺术设计中的研究[J]设计，2020，33 （19） 98-100

[14]杨绍禹，卓凡数物共生：人工智能在艺术设计中的研究[J]设计，2020，33 （19） 98-100

[15]范凌《2017设计与机器智能报告》综述[J]时代建筑，2018（01） 72-73