唤醒人工智能艺术中的机器思维

魏东

人工智能艺术会不会成为艺术发展历程中的另一个转折？关键看它摧毁了什么，以及人的创造力在面对机器威胁时如何应变，如何重新迸发出新的活力。

自计算机诞生之初，科学家们就一直致力于创造能够在思考、推理和学习能力上与人类相媲美的机器，也就是人工智能。尽管这一目标在今天仍未完全实现，但是人工智能在某些方面已经超越人类自身，正在人们的现实生活中产生影响。我们已经进入人工智能时代。艺术是人类创造力的集中体现，人工智能艺术在充分发挥机器思维创造力的同时，如何最大限度释放艺术家的创造力，以及对艺术带来影响，成为在讨论AIGC的实用性话题之外，必须面对思考的话题。

艺术与科技

人的创造力随着使用工具的进化而不断获得提升，在艺术创作过程中，使用科学的辅助工具获得对自然世界的真实描绘，是西方艺术家常常用到的方法。如文艺复兴时期德国艺术家丢勒的版画作品《描画鲁特琴》，画中有一个纱屏“透视器”，艺术家正在获得画面上的鲁特琴科学透视关系。自文艺复兴以来，大量的艺术家使用光学仪器进行绘画，如汉斯·荷尔拜因的油画《大使们》，前面拉长的人头骨形象只有从侧面特定角度才能看到头骨的正常形象，这种效果正是借助了光学仪器才能完成。而摄影的诞生更是颠覆了油画写实艺术的进程，艺术家不再完全遵照写实还原的创作方法，艺术的真实性被摄影剥夺，迫使艺术家重新自我反思，在新的艺术风格和艺术主张中重新寻找自我，摄影的出现直接推动现代艺术进程，而摄影也无可争议地成为一种新的艺术形式。今天人工智能艺术的崛起，特别是生成式人工智能（AIGC）的民主化应用以及在众多实用场景广泛应用，代表了以机器智能为特征的科学在艺术设计发展进化的新阶段，人工智能艺术在算法加持下，计算机成为具有超越艺术家指令的创造者，将其视为艺术发展史中科学与艺术相结合的又一次突破。而这一次机器的自主性能否超越人类也成为一个具有争议性的话题。

数字生成艺术与人工智能艺术

计算机诞生之初与艺术并无关联，而是与第二次世界大战密切相关，为了提高战争中的大量军用数据计算难题，1946年世界上第一台通用计算机出现。1963年，美国计算机科学家伊凡·苏泽兰发明了sketchpad，拓展了计算机图形学领域，sketchpad可以使用光笔在显示器设备上绘制简单图形，并通过旋钮调整图形，sketchpad开启了计算机辅助设计先河。20世纪80年代，计算机辅助设计软件如photoshop、illustrator等，帮助设计师清晰准确地实现了设计意图，数字化设计成为主流。但是，从手绘到纸笔、尺子，再到计算机辅助设计软件工具，其设计过程都是以模拟为主，所见即所得，而计算机代码在艺术设计领域中的深度介入，让数字生成艺术成为艺术家和设计师与计算机深度融合交流的最佳方式。艺术家通过计算机代码制定规则和算法，交给计算机完美执行，将概念艺术家索尔·莱维特的艺术创作方法变成一种通用法则。数字生成艺术的生成结果具有偶然性和随机性，但是在一定系统框架内可以预知结果。人工智能艺术作为数字生成艺术的子集，从使用代码和参数指定转变为数据集训练，改变了艺术家和设计师的工作方式，AI模型的复杂性让人工智能艺术创作过程成为黑盒子。与生成艺术相比，模型不会完美地解释艺术家输入的数据和规则，从而削弱了艺术家的控制力，选择、解释和处理成为艺术家的又一个重要任务。此外，大模型和大数据训练让生成式人工智能艺术创作具有同质化倾向。如何打破这种同质化，回归艺术与设计的独创性本质，是人工智能艺术家必须面对的。

人工智能的艺术性

机器审美中有一个概念叫做“恐怖谷（uncanny valley）”，按照维基百科的解释，恐怖谷是一个物体与人类的相似程度与对该物体的情绪反应之间的假设关系。恐怖谷的概念表明，看起来几乎但不完全像真正的人类的人形物体会引起观察者的怪诞或奇怪的熟悉感。人工智能艺术的独创价值并不是机器带来的具有“恐怖谷（uncanny valley）”审美特征的图像，而是在了解机器创造力的情况下发挥人的主导作用，在机器生成的结果中发现对于人的情感、艺术价值等因素。人工智能艺术作品呈现出机器的独特性，是一种非人类表达方式，体现出机器在艺术创作中的积极作用。对人工智能艺术作品的创造价值评估判断，成为人工智能艺术家痴迷艺术创作的动力和源泉。为什么机器在人工智能艺术创作中处于辅助地位呢？其中一个重要原因就是作为一个成熟的艺术家，其艺术创作思想以及不同时期的作品具有延续性，并形成独特的艺术风格和艺术主张。

目前，机器学习可以实现对某种艺术风格的模拟，但是，机器思维的自我进化远没有实现，这一切都需要艺术家进行操控。那么，人工智能艺术家如何通过机器智能实现独特的艺术风格，我想主要包括两点。一是需要艺术家自己训练数据集，用于训练的数据集可以是自己的绘画、摄影或草图，其本身具有独创性。如果使用相同或类似的数据集，将会导致生成结果雷同，审美趋于一致。另外，数据集不在于多少，关键在于原创性。二是对于不同类型的AI模型选择成为决定人工智能艺术的重要因素。目前艺术家广泛使用的主要模型包括GANs（生成对抗网络）和CNN（卷积神经网络）。对艺术家来说，大模型、小模型各有优势，同时也都存在不足。大模型会存在数据版权以及生成作品同质化倾向等问题，其生成结果更趋近于对真实世界的模拟，在实际应用方面极具潜能。而小模型因为算力有限以及有限数据集等限制，生成结果不完美，但常常会令人对机器的原创力感到惊讶，这种艺术形式极有可能会走向抽象；另外，小模型的黑盒子会因为艺术家使用计算机代码深入介入而成为透明盒子，从而揭开人工智能的神秘面纱。在AIGC大模型使用中，图生图和文生图都可以成为有效的生成方式，但是对于艺术家个体来说，图生图的创作过程远比文生图更加容易控制，也更容易了解机器模型的规律，熟悉机器思维方式。

2023年以来，AIGC因为其实用性成为热点话题，热点背后，需要批判性看待人工智能为艺术以及人类的创作力带来怎样的改变。未经训练的机器模型就像一张白纸，艺术家通过训练数据集实现自己的创作意图，从供给图像（经由艺术家思维）到模型（机器思维）再到输出结果（反馈）反复训练过程成为人工智能艺术的创作流程。今天，人工智能艺术对我们重新思考艺术是什么以及艺术如何创作提出挑战，对于艺术家来说重点是理解机器思维，并将人的思维与机器思维相结合，从而增强人的创造力。人工智能艺术会不会成为艺术发展历程中的另一个转折？我想关键看它摧毁了什么，以及人的创造力在面对机器威胁时如何应变，如何重新迸发出新的活力。毫无疑问，这一切正在发生。

（作者系中国传媒大学广告学院副教授）