人工智能干預下的漢字重構研究

劉曉茜 王方

摘要：文章著重研究字體設計與科技相結合的意義及影響。探尋Al智能干預造字的方法、優勢及延伸價值，并在傳統字體設計的語境下探索全球化的現代字體設計多樣化發展的新趨勢。以往傳統的設計以及計算機為輔助完成設計轉變為人與計算機的攜手并進。設計是感性中摻雜著理性，跨學科的設計團隊趨勢加強了現代制造需求的現實性。

關鍵詞：人工智能干預漢字設計重構趨勢數物虛實轉化

中圖分類號：J

文獻標識碼：A

文章編號：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

中華漢字歷經五千余年，其結構從象形符號表意到抽象符號意蘊，這種解構演變不僅提高了漢字信息交流、思想意識傳達的功能，也成為一種重要的傳達審美理想的符號。伴隨人工智能等高科技的不斷涌入，漢字的發展與創新方式被進一步推動，迎合人們日益增長的審美需求和傳播效率。當今信息化社會，運用文字符號的傳播方式更加多樣化，廣泛地傳達出各種不同的社會意識。人工智能干預下的漢字設計，不僅使我們能夠更加高效地完成漢字設計任務，擴大了應用范圍，使得漢字在市場經濟下充分發揮獨特的藝術魅力和社會商業效益，同時也被認為是漢字藝術文化的傳承和創新設計的一個必然選擇。

首先，本文深入探討在新媒介、新科技領域下的漢字設計的新趨勢，以及如何在人工智能的干預下對漢字設計進行重構。其次，漢字設計是一個新的符號生成過程，其中包含哪些內部要素，尤其是人工智能不可替代要素，即是本研究的關鍵點。再次，探尋人工智能干預下的漢字重構過程中的優勢以及面臨的問題，是本文重點探討的議題，以期對研究人工智能造字產生一定的借鑒意義。

一、從解構到重構一一漢字設計與人工智能干預

文字是人類文明歷程的再現，是人類智慧的結晶。據文獻記載，漢代許慎在《說文解字敘》中，“古者庖棲氏之王天下也，仰則觀象于天，俯則觀法于地，觀烏獸之文與地之宜，近取諸身，遠取諸物，于是始作易象八卦，以垂憲象。既神農結繩為治，而統其事，庶業其繁，飾偽萌生。黃帝之史倉頡，見烏獸之躓遠之跡，知分理之可相別異也，初造書契[1]。”不難看出，中華漢字是隨著社會生產、文化和經濟發展而誕生的，從偶然的記錄行為發起，并經過一定的歷史演變而日臻成熟。中華漢字是隨著社會生產、文化和經濟發展而誕生的，從偶然的記錄行為發起，并經過一定的歷史演變而日臻成熟。

一方面，從古至今人們意識表達、心靈溝通、思想傳播，文化交流多以文字進行。文字已融入到人們生活的各個環節，構成人類文化符號的重要部分。文字設計成為了人類社會經濟生產和實踐中必然要求，隨著現代社會文明的進步而發展。從最早的雕刻而成的楔形文字、甲骨文到運用毛筆、鋼筆書寫的草書、楷書等，再到計算機鍵盤敲打出的各種字體，直到今天，現代科技智能干預下重構的新字體，無不表明書寫工具的進步是字體日新月異的前提，也是漢字設計發展的必然趨勢。另一方面，每一個新技術，新思想的轉換時期，必然會產生各種主張。在當代科技人工智能語境下，人工智能與傳統文字設計之間的思辨成為討論的焦點。

關于人工智能，有學者解讀為“人工智能機器人創作作品”、“人工智能生成內容”或“人工智能創作物”等，但值得注意的是，人工智能與人工智能干預的概念有所不同，前者完全排除了以計算機來創造內容的復雜過程，全程由一臺計算機進行創作和完成，而后者則主要是指以計算機將人類自己作為其創造的主體，人工智能將其作為一種輔助手段和工具，其算法以卷積式神經網絡（ Convolutional NeuralNetwork，簡稱CNN）為基礎的深度機器學習算法和技術，對漢字圖像、時間序列數據進行處理，內容的自動生成基于計算機生成一種與對抗網絡方法的模仿與學習（ Imitation Learning based ongenerative adversarial nets，即簡稱之為計算機自動運行（GANs- IL）來進行處理完成的，最終結果與設計程序員有較大的關聯，生成藝術內容的程序即是設計師在實踐中進行藝術創造性表演的過程。簡言之，人工智能干預是設計師創作的現代化工具，設計師在文字設計前期，基于傳統歷史語境和解構主義理論對新的字體進行重構。最早期的漢字產生于圖畫，在似與不似之間描繪，意與象構成字體內部結構。例如，“羊”字利用羊頭的特征來表現羊字，是“意”的表現方式。再如“象”字的甲骨文則是大象的造型，是“象”的表現方式[2]。在中國現代文化設計中，漢字解構設計則主要是通過將漢字解意、分割、合文等進行解構的方法，運用奇特的藝術創意和獨特的視覺聯想，賦予中國漢字一種新的藝術生命。具體有四種構建方法：其一，意象同構。即將漢字意象化組合設計。例如：將釘子的造形放入“干”字的筆畫中，意與象的完美結合，傳遞了一種求真務實的“釘子精神”;其二，拆散式重構。即拆解漢字筆畫結構，生成新的意義。例如：小林漫畫的“雙喜字”設計，由上下左右四個“苦”字構成，賦予“雙喜字”詼諧幽默且富有人生哲理之意;其三，字意重構。即根據漢字的結構和含義，在可識別的前提下，對漢字構成進行取舍、嫁接，形成新的寓意。例如，在一則關于汶川地震的海報設計中，設計師巧妙地將“汶”和“川”兩個字進行了上下結構“嫁接”，重新組合成一個“濟”字，起到了一個呼吁全社會救災宣傳引領作用;其四，合文結構。即用多種文字按照結構美學原理構成一個或多個圖形。該方法在中國民俗傳統的吉祥字設計中經常運用，如“金玉滿堂”、“招財進寶”、“日進斗金”等。

由此可見，現代設計師的文字設計方法依然存有早期文字生成的過程的影子，文字設計與其他設計一樣，都是建立在歷史的基礎上，層層遞進，從解構到重構不斷優化。雅克德里達（Jacquederrida）是一種被廣泛應用于研究和批判現代語言學領域中的人工結構主義而最終提出的人工結構主義理論，其通過對分解人工結構再次進行創新和重組的核心思想與如今的人工智能相結合，集中隱形于“干擾”之中，通過對人的解構思維再次進行編碼，重構并創造出新的顯形漢字符號，成為了傳遞文明和信息的傳達信息的一種新載體。

二、從智能到干預——人工智能干預設計的基本編碼方法

人工智能對漢字圖像的處理主要是在卷積神經網絡CNN的基礎上運行一定的網絡結構來完成的。這里的人工智能干預設計的編碼算法用到的是：深度表征學習（Deep Representation Learning）。

在機器學習（Machine Iearning ）中，表征學習（Representation Iearning）指的是機器學習一個基于特征識別技術的集合，主要是將原始漢字的圖像和數據直接轉換成一種能通過機器學習的方式進行深度學習開發的形式，其中所謂的深度表征學習從本質上說就屬于同一種任務：該機器通過自動學習抽取漢字圖像中的各種抽象性信息，這些抽象性信息可以在后續分類、對比等處理中使用，并且能夠直接表征出其相應漢字圖像中的原始性。機器通過學習抽取漢字圖像中的抽象特征，這些特征信息能在后續的分類、對比等處理中可用來表征其相應漢字圖像的原始特征。

傳統的表征學習方法為：首先人工將漢字圖像標注為各種屬性，然后將這些屬性模擬構建相應的Loss函數。其缺點是標注工作量大，且特征信息不完備，模擬得到的Loss函數的相關系數大小直接影響了后續模型學習得到的特征質量。現代深度學習技術，如生成對抗式網絡（Generative Adversarial Nets，簡稱GANs），將漢字圖像的精準表征學習推上了一個新的高度，GANs可以采用漢字圖像提取特征、特征生成漢字圖像的循環方式，采用無手工、無標注的方式模擬訓練，因其抽取的特征幾乎能還原為原始漢字圖像，做到精準學習。這就大大增強特征的精準，并省略了數據標注成本。

人工智能干預技術打破傳統的編碼方式，僅需要設計師為原始樣本設計120個字符號為原始樣本，再通過原始樣本產生兩個互相對抗的網絡[3]：原始樣本生成的模型（以下簡稱樣本生成器）和判別模型（以下簡稱判別器）。其中，生成的模型[4]是指產生能夠滿足所期望的樣本輸出模型。GANs已在與計算機和視覺等技術應用領域中已經創造性地開拓了一系列與之密切相關的技術，如圖像合成[5]、圖像超分辨率[6]等。具體方法是，設計師預先設計120個字為樣本，通過計算機基于生成對抗網絡的模仿學習方法（GANs-IL）來研究字體和編碼。基本步驟：（1）起筆收筆的特征;（2）學習行筆特征;（3）學習中宮，重心，留白布局。具體方法是，設計師預先設計120個字為樣本，通過計算機基于生成對抗網絡的模仿學習方法（GANs-IL）來研究字體和編碼。基本步驟：（1）起筆收筆的特征;（2）學習行筆特征;（3）學習中宮、重心、留白布局。

通過以上三種Al智能干預即可輕松計算編程出9585個獨立字庫。在字樣風格設計中，將起筆、收筆的方式轉換為字體的兩端進行創意重構，轉換方式多種多樣。在通常情況下，筆畫的兩端可以采用規則形狀進行變化，如斜角、圓角、弧線、倒角或重組變化。或者通過不規則形狀的變化進行，即在筆畫兩端延伸，增加字體的風格特點，如此，端點設計不僅使設計師易于把握字形特點，也可快速體現字體特征，既是一種通過細節突顯現創意風格、傳遞字體內涵，也是一個完善設計品質，提高設計效率的好方法。某些筆畫變化呈現出鋒利、陽剛、簡潔、硬朗、時尚、速度等直覺，有些則呈現出可愛、流暢、纖細、柔美等感覺結構，有些則能體現字體傳統、雅致、古典、文藝等意境[7]。

三、從優勢到問題——人工智能干預字體設計的前景分析

隨著5G時代的來臨，人們的生活將從物質社會向非物質性轉變，在實體空間與虛擬空間中生活即將成為常態，藝術形式和表現方法也理應隨之改變。一方面在互聯網虛擬世界里，雖然溝通方式包括表情、音頻、動作等符號，但文字信息仍占主導地位;一方面追求個性化審美是當今時代特征，因此如何滿足互聯網和個性審美需求成為漢字設計研究的主要議題，人工智能干預漢字設計的預想正是在此語境下孕育而生。在這一領域，漢儀字庫（創始人謝立群）已成為先行者，其創立的字體UGC （UserGenerated Content，用戶原創內容）產業，順應了網路社交領域，倡導張揚個性的歷史潮流[8]。相比而言，傳統造字行業的發展相對滯后，超過80%的字體存在侵權使用的現象，意味著傳統造字行業的開發率還不到20%，另外，目前中文字庫還存在數量少、費用高以及造字慢、糾紛多、費用高等問題。因此，傳統造字行業也亟需智能化升級，解放勞動力，滿足龐大的互聯網市場需求以及政策要求。

人工智能干預字體設計的優勢主要體現為：其一，統一性。即具有風格高度統一優勢。人工智能是一種模仿的產物，不論是長短期記憶網絡、遞歸神經網絡還是生成對抗網絡，在使用數據分析計算生成字樣后，僅需設計師預先編碼出120個字體模型，計算機就會根據字體模型和計算程序生成新的同類型數據字體，快速形成風格一致的字庫。最后輸出結果會包含原始設計的字體模型風格，同時這些內容會趨向于設計師所期望得到的設計效果[9]。其二，易讀性。即人工智能干預字體設計要以漢字基元庫[IO]和漢字結構知識庫作為依托，輸出的字體不會出現錯別字，具有易讀易認的特性。其三，高效且經濟的應用性。人工智能干預造字只需要設計師設計120個字體樣章，再通過機算計學習，僅需幾天即可快速生成9585個字的國標完整字庫，大大降低人工和時間成本。與傳統設計字樣相比，人工智能干預造字時間更短，具有產出更多，性價比更高的優勢。另外，基于人工智能適配技術，還可在用戶端的場景中及時適配文字。

人工智能干預字體設計有待解決的問題主要有兩個：一是輸入個性化風格的判別模型和生成模型問題。人工智能干預字體設計包含設計師的創作意圖，為了生成具有個性化的字體，首先要抽象出設計元素，其關鍵在于字體模型的建構。如今，大部分設計師在使用人工智能干預時，都是在網上收集素材然后再進一步設計開發。雖然網絡能提供大量的數據，但在很大程度上也限制了生成字體的創造性。使用網絡上提取的數據合成的字體往往模仿意味太濃，在界定生成字體的版權上會帶來較大的問題。因此，設計師須加強手繪技能訓練，在判別模型和生成模型中加入自己獨創的設計元素，在人工智能干預生成內容中才會有新意。人工智能干預進程，其實是一個按照一定程序，對設計師提供的數據進行分析計算的過程，人工智能干預僅僅是模仿設計師勞動生成設計的工具，如果設計師水平有限或原創性不夠，那么人工智能干預設計就毫無意義。二是人工智能干預合成字體具有一定的不確定性問題。在運用人工智能干預創作字體的過程中，常會出現預想效果與輸出結果不符的現象，即輸入判別模型和生成模型有時難以達成一致。這種不確定性現象對于藝術設計即有利又有避，一方面會干擾設計師的設計思路，另一方面這種不確定性也常伴隨某種特殊效果出現，由此激發設計師的創作靈感，問題在于設計師在面對這種變量時如何將偶然轉化為必然，這就需要設計師作為創作主體，根據具體情況進行人工界定，隨時調整設計思路，充分把握人工智能特性，將不確定因素轉化為機遇，重構出既統一又有個性的新字體。

四、從點到面——分析人工智能與未來設計的交織

（一）藝術設計方式多元化

隨著電腦更新換代迅猛，人工智能融入藝術創作必將是大勢所趨，設計師和工程師也不斷探索新的設計模式。例如，人工智能造字，它主要是通過逐步外延傳統的字體設計和創作理念而衍生出來的，獲取到更加豐富多樣化的藝術創造形式，且已經實現從固定的設計模式向多元化造字模式的轉變。人工智能的出現和推廣不但為藝術設計注入了活力與鮮血，而且讓設計者們有了一種新的認識和一種新的設計理念，美學藝術的建筑在新科學技術的驅動下下綻放了一個新生命。

（二）藝術設計工具智能化

隨著我國經濟社會的發展與進步，生產企業規模的擴大壯大和各個行業之間分工越來越細致，藝術品所需要的設計手段也變得更加專業化、規格化和相應的配套[Il]。設計工具正逐步地實現由一個真正的實物模型發展到數字化、由有形模型向無形模型的轉變，這一改革將深刻地影響到設計師們在進行藝術創造時的生活工作過程、所需要的設計內容及其思維模式和方法[12]。

（三）藝術設計中虛（數字）實（實體）交互

在未來設計和智能已密不可分一未來的設計與智能足以理解、詮釋人類思想的交互方式，協助人類構想更高級的用戶場景和更精細的數字視覺化能力。有效設計一個物理世界和數字世界之間的融入方式必然會決定該新興科學技術在未來的發展。運用這些科學技術能夠取得的成果來拓展人類的世界，并且提升我們對生活的行動力和感知能力，而不是僅僅局限在想象之中。

1.物的數據化：智能設計的一方面是要進行“物的數化”，亦即有形物（實）的數字（虛）化、具體象物的抽象化[13]。其本質是將非結構性的信息轉化為能表征代替結構化的數據，故而可被機器識別運算，又稱通感設計。通感是指在用戶與機器之間建立低耗能、高協同的情感聯結。雖然人工智能在設計領域的應用還比較樸素，但在提升傳感器、腦電波對人的感知力這一技術方面，人工智能突破了以往想象的壁壘。

2.數的物質化：智能設計的另一方面是“數的物化”，即將無形數據（虛）有形化（實），或者是抽象概念的具體化[14]。其本質為借助人工智能將結構化的數據轉變成非結構化的圖形，易于被人類所接受。據此，設計師采用逆向思維的模式，以問題為導向，加以技術輔助手段，實現完成完美的設計創作。

（四）以問題為導向、兼顧感性與理性的設計

一旦設計與科學技術完美結合，計算機與設計師的關系將發生根本性轉變：由原來的計算機輔助設計轉變為人與計算機齊頭并進設計。這個過程中，設計師為計算機提供經驗與指導;計算機通過對大數據統計與人工智能分析后，提供一個最科學、最合適、最個性化的解決方案。過去學院的設計思維與創新能力能夠領先該產業，而如今學院技術思維或許有所滯后，出現新科技反過來倒逼教育的現象。這或許是人工智能時代給設計師價值重新定位所致。

（五）以人為本一千人千面的設計民主

人工智能作為輔助設計手段確實可以完成許多軟件中一般功能無法達到的效果。民主化工具大大降低了設計這一領域的技能門檻值[15]，更倚重人在交流和創造上的價值。具有互動交流和自主創造能力的設計師已經越來越多，通過智能化設計技術，他們都很有可能發展成為一名設計師，產生更多的人機共同合作的藝術和創意成果，未來前景可期。

人工智能干預字體設計是科技進步的必然結果，凸顯藝術與科學融合的力量。首先，“干預”是漢字重構的主體因素。無論人工智能如何先進，但還是缺乏人的靈動性和創新思維，只有設計師將自己作為設計主體，充分發揮干預的主動性，才能將人工智能的潛質發揮及至;其次，“干預”也包含漢字重構的客體因素。人工智能不僅作為先進的工具可給設計表現帶來諸多可能性，而且在智能開發方面也是無限的，尤其在表現形式的干預方面，發展空間廣闊且有待開掘，因此需要設計師與科技人員深度交流與合作，研發出更加符合漢字設計要求的人工智能系統。綜上所述表明，藝術與科技是一種相輔相成的關系。我們正處在急劇變革年代，人類的知識結構不斷擴充，創新科技在本學科或其他學科也將會大融合。那么，藝術與設計的將融為一體。設計是感性中摻雜著理性，跨學科的設計團隊趨勢加強了現代制造需求的現實性，“數”、“物”虛實交織交融，在未來智能設計中缺一不可。

基金項目：廣東省教育教學規劃課題一高職設計類專業校企協同育人模式研究與實踐（課題批準號：2017GGX JK067）、2018年河源職業技術學院教育教學成果獎培育項目。

參考文獻

[1]許慎說文解字（現代版）[M]北京：社會科學文獻出版社，2005： 841

[2]呂筆銳“六書”在現代漢字標志構形中的應用研究[D]長沙：湖南師范人學，2010： 65

[3]林嘉豪，章宗長，姜沖，郝建業基于生成對抗網絡的模仿學習綜述[J].計算機學報，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]殷慶飛漢字字體部件設計方法研究[J]美術大觀，2019 （04）：118.兒9

[8]楊虹，段凱人工智能時代的中文字庫設計[J].設計，2019，32 （14）：134-136

[9]李林人工智能生成內容的藝術性研究[J]火眾文藝，2020 （01）：98-99

[IO]鄢琦，駱仁波，皮佑國無字庫智能造字中漢字基元的統計分析與預洲[J].計算機技術與發展，2012，22（04） 33-36

[Il]徐藝乙傳統工具：藝術設計研究的一個重要方面[J]裝飾，1995，（06）：15-17

[12]銀宇塹，陳洪，趙海英人工智能在藝術設計中的應用[J]包裝工程，2020，4l （06）：252-261

[13]楊紹禹，卓凡數物共生：人工智能在藝術設計中的研究[J]設計，2020，33 （19） 98-100

[14]楊紹禹，卓凡數物共生：人工智能在藝術設計中的研究[J]設計，2020，33 （19） 98-100

[15]范凌《2017設計與機器智能報告》綜述[J]時代建筑，2018（01） 72-73