遮蔽與顯現

從19世紀初期到現在，攝影逐漸從記錄性的工具演變成為一種文化，而作為一種文化，探索和實驗是其發展的重要手段。從探索與實驗的角度出發，我們一直都在堅持與年輕攝影師群體的合作——“銳像”便是一個專門介紹中、外年輕攝影師的欄目。《數碼攝影》雜志通過對他們的深入采訪，將他們和他們最具實驗性、探索性的作品介紹給廣大的讀者群體。面對這些年輕人的“新銳”作品，也許很多人沒有辦法能夠立刻接受，但是我們要以一種發展的“眼光”來看待事物的發展，好與壞、對與錯并不是由簡單地肯定或否定來蓋棺定論，因為這是一個過程，一個事物發展的過程。本期的“銳像”欄目，向大家介紹年輕攝影藝術家朱浚僑，他在實驗電影、攝影、多媒體裝置和人工智能生成等不同領域中不斷探索，其形成的藝術風格深受宗教、東西方當代文化和哲學的影響，并努力在其中建立起與現代社會共振的美學價值觀。

QA對話朱浚僑?當AI 成為線索

在AI 影像的時代， 影像的生產開始摒棄傳統影像中構成其基礎的“光繪”，我們正在經歷一場由引導詞主宰的視覺顛覆。展覽“世界的倒懸：AI之顏”將生成的面容作為情感切入點，審視數字生成藝術及其關聯的主客體、媒介、身份等問題。當AI生成的影像投射在當下的環境中，人們的感知如同柏拉圖所描述的洞穴，即囚徒將地穴里“影之相”視為世界。而《AI的偏見》《101場冰冷的夜》《地穴》等系列作品則回應了“忒修斯之船”中關于技術與人的關系的根本討論——當作為媒介的AI技術充斥乃至操控了我們的生活，那么，人類將在多大程度上擁有主導權？

——肖瑞昀

朱浚僑

1996年生于上海，視覺藝術家、攝影師和影像導演。2015-2019 年，他于加拿大溫哥華艾米麗卡爾藝術與設計大學學習電影、綜合媒體與視頻藝術專業，現工作生活于上海和溫哥華。他在實驗電影、攝影、多媒體裝置和人工智能生成等不同領域中不斷探索，其形成了的藝術風格深受宗教、東西方當代文化和哲學的影響，并努力在其中建立起與現代社會共振的美學價值觀。

FOTO：是什么契機讓你開始嘗試用AIGC媒介來進行創作的，能否分享幾個重要的系列？

朱浚僑：我個人對于數字與算法本身的那種隨機控制性非常著迷，于是就基于算法藝術（Algorithmic Ar t）進行了一些研究，而其中涉及到的Stylegan（對抗模型），成為了我選擇實踐算法藝術領域的第一步。

《本歌取引》《人工智能與我的雙眼》《百相行者》《景觀：電子計算》等系列作品是偏向于早期我接觸AI生成時的浪漫主義創作。當時的自己會將更多自我的思考與感受通過意向性的象征，將文字或圖像交付于AI進行處理（訓練數據集/生成），最終轉化成創作；而后，在我更為深入地理解了AI生成的底層邏輯以及其背后所帶來的一些潛在可能性后，我開始進行更多偏向于批判性的AIGC作品創作。

《FMAO：A I的偏見》作品探討了大眾審美與偏見在A I生成中的影響，《一百零一場冰冷的夜》作品探討了短視頻與大數據推送時代下的信息繭房與趨于高欲望低需求的一種觀看趨勢，《地穴》作品則探討了基于柏拉圖地穴理論在現實世界中的一種超現實狀態，同時，也是對于基于AIGC大潮下未來MR混合增強現實的一種預言。通過這些作品，我希望社會能夠以一種更客觀且理性的方式重新思考科技更迭時所帶來的影響，向技術寡頭發起社會性的監督，而非一味的吹捧或抵制。

FOTO： 人工智能算法實際上是一種“黑箱模式”，其決策機制宛如人類心理機制一般具有不可解釋性，與此同時，這種模糊和偏差也會給創作帶來更多的空間。那如何看待這種不確定呢？此外，你又做了哪些嘗試？

朱浚僑：AIGC所生成的模糊與偏差，大多來自于不了解其生成指令的語法以及隨機種子這兩大變量。我認為這種不確定性所帶來的浪漫化創作狀態，在自己相對了解每個模型背后的底層邏輯后，就已經不再具有其原有的那種未知性所帶來的興奮感受。反之，我會試圖將AIGC的可拓展性作為自己創作的一個核心延伸點——我會試圖將人工智能創作中的變量，以人類社會中的一些元素來代替。

同時，在《地穴》作品的創作中，其使用的A I生成圖像序列所組成的視頻，顯現出的無限延伸的狀態，也是將這種不確定變量不斷堆疊后的一種演繹狀態。隨機種子與前后序列生成的關系變量的控制，就像是在每一場選擇中進入新的平行宇宙一樣，最終仍然走向那被指定的“未來”（被文本或參數所控制的那一關鍵幀）。這種狀態就類似于柏拉圖所提出的地穴理論，囚徒將“影相”視為世界的全部，其火光的不確定性變化可以被不斷地解讀，但所投射至墻面的影子自身卻是其背后的投影者所精心規劃的產物。

FOTO：在《人工智能與我的雙眼：交織態疆域》作品中，AI對游戲中的定格畫面進行了再處理，這似乎是一種已知的既有規則與未知的算法演繹的交融，你如何看待最后的結果？

朱浚僑：這套作品的初衷是將游戲中攜帶著物理世界審美習慣的圖像作為數據集，并觀測算法生成模型最終所產生的結果，就像是另一時空中的旅人瞥見了異度空間的自己。我將游戲攝影圖像與AI生成圖像進行了互相篩選，最終在10000張生成圖像與2000張游戲攝影圖像之間尋找到了彼此呼應的10組圖像，通過拼接與排比的方式達成了交織態疆域這一概念的圖示化。

FOTO：《FMAO：AI的偏見》作品反映了當下社會的一個熱門議題：人們基于肥胖、殘疾、性少數等人群外貌的刻板印象。你是出于怎樣的個人經歷來想到要做這樣的作品呢？AI又是如何呈現這些刻板印象的？

朱浚僑：當我目睹了AIGC井噴式的發展過程后，不少反對AI的言論以及其背后擁躉所提出的觀點，讓自己不禁思考——這種對于一項新科技的信息誤解究竟從何而來。于是，我使用了人像這一最能讓廣大觀眾群體理解并共情的創作方式來進行了關于AI對于人的丑美在語義與生成圖像結果之間的一次實驗性創作。其中，我們能明顯地觀察到相較于西方常見的高加索人與尼格利陀人等，黃種人的普遍生成效果質量要顯得“較差”。通常，我們會看見的亞洲人的瞇瞇眼，以及各個族裔臉譜畫的生成效果，包括女性角色的“前凸后翹”等偏見，都是基于“訓練者”自身的偏見認知和其數據集所導致的。

而所謂的“優”“劣”之別，則來自于數據集本身被訓練時所提供的樣本數量，以及其多元的程度，再加上進行標注時，訓練工程師的人為修正。而其中，從獲取數據集到數據清理，以及數據標注本身都是人為偏見可以對結果進行干擾的“重災區”。基于這種情況，所生成的結果其實在極大程度上取決于我們喂養給AI的“養料”以及其供給者——“算法工程師”。

FOTO：《101場冰冷的夜》作品里面的短視頻給人一種以假亂真的錯覺，能談談你對當今娛樂媒介和推薦算法的看法嗎？

朱浚僑： 當我們已經將刷短視頻這一行為以“電子榨菜”這種方式進行對待的當下，觀眾對于內容本身的需求已經極度扭曲。他們并不期待在這一類型的平臺上觀看過于精細制作的視頻，而是希望在基于“短、平、快”的基礎上，能夠提供單一信息的、不需要經過大量思考的、但仍然能夠提供一點功能價值的視頻，而在推薦算法所構建的信息繭房中，觀眾將長期深陷于自己的舒適區之內。同時，其也從側面反映出，在現今的生活環境下，我們更愿意去接收這種被拆解為碎片的信息獲取方式。

在此前提下，我使用ChatGPT，基于人們對于短視頻的需求，進行了101條短篇故事的生成創作，然后使用自動通過文字進行聲畫配圖的流水線操作，產生了101條符合短視頻觀眾需求的短篇速讀故事視頻。令人感到震驚的是，其背面的、可謂粗制濫造的技術堆疊所帶來的直觀感受卻與我們在短視頻平臺上所刷到的平均水準的視頻相差無幾。

FOTO：從邏輯上講，《人工智能與我的雙眼：交織態疆域》《FMAO：AI的偏見》《本歌取引》等作品是一種“后攝影”模式，那么，你覺得它們與自己之前的直接攝影的異同是什么？

朱浚僑：這三個系列與其說是“后攝影”，我更覺得這種基于混合媒介的圖像處理方式，讓畫面與材料的關系更為模糊，反而讓視覺與圖像的關系更為純粹。

過去，作為攝影師，我將鏡頭作為畫布的延展，以圖像處理軟件作為畫筆進行編輯創作。而在算法這一媒介加入后，我認為它從根本上解放了自己作為一名攝影師曾經固有的一種媒介依賴性與創作安全感，進而給予了我嘗試更多媒介進行創作的可能性。

FOTO： 你認為AI是否有主體性呢？人工智能是否會有一天變成與人類同等的存在，還是它只是輔助人類的一個工具？

朱浚僑：我認為主體性這個問題在此刻我們很難界定。即便AI在未來具有主體性，我仍然認為它的地位可能會近似于目前我們對于貓狗類寵物這樣的、擁有“類人權”的一種權利狀態。而其本質究竟能否成為一種被“奴役的新物種”，還是成為“擁有自主權利的智能輔助工具”，其生殺大權終究取決于我們——傲慢的人類。

FOTO： 當下，AI對攝影產生了重要的影響——具體實踐與文化的討論等領域，那么，你對AI未來的預想是怎么樣的？

朱浚僑：我認為AI的未來會像過去的互聯網一樣，它所帶來的社會結構上的變革是毋庸置疑的。然而，我們人類從未停止過的對于地外生命的探索、對于造物主的猜想、對于模擬自然的假設，將會導致未來或許會出現一系列對人工智能產生人類共情，甚至將其視作新物種的一系列社會議題。不過，我相信傲慢的人類一定會以一種“神授王權”的姿態，在未來對更為完備形態下的AI制定各類服務于人類自身的法律與權益。

FOTO：在《FMAO：AI的偏見》作品中，你討論了人類偏見對于AI的影響，那么，你覺得這種偏見的來源是什么？在未來，AI是否會對這種偏見產生影響？

朱浚僑：在目前的生成類圖像模型中，偏見的來源主體是數據集以及對其進行訓練時的標注。并且，在較為早期的圖像生成模型中，因為其生成圖像的擬真質量問題，導致偏見的可觀測性較低。而在這一大前提下，不斷滿足訓練者自身的產出需要的模型，在訓練者的單一視角下不斷反復進行訓練。最終，再以優先滿足少數關注此領域的使用者的情況下，其生成結果充滿了偏見。同樣的，在大語言模型中，數據污染也會帶來一種類似于偏見的概念導向。不乏有著“垃圾場里建泳池”之類的說法以諷刺AI爬蟲式訓練背后所可能造成的“烏合之眾型”的訓練效益。我認為AI自身的訓練與生成結果其實是充滿著多元性的，而偏見的產生僅僅是因為我們對于AI作為輔助人類的工具，所提出具體性的要求而產生。更深一層則是，生成式AI在未來蝴蝶效應式的滲透，以及其作為工具性束縛下，AI終究將屈服于人類所提出的主觀偏見之下。