文本生成式繪畫的創作主體性及創造力研究

基金項目：本論文為2023年度四川大學大學生創新創業訓練計劃項目“美術理論視域下的人工智能繪畫研究——以midjourney程序為例”成果，項目編號：C2023126226

摘要：目的：人工智能相關技術的突飛猛進，大大推動了科技與藝術的交融。在繪畫領域引入人工智能圖像生成技術，是技術在藝術創作中的探索，是繪畫界對人工智能的嘗試，為繪畫藝術帶來了創新性和無限可能性。文本生成式高清圖像與超乎想象的繪畫作品給人們帶來了極大的視覺沖擊，引發了人們對人工智能繪畫在創作表現上的多維思考。如何理解文本生成式繪畫的創作主體性及創造力，成為一個重要議題。方法：為深入探討文本生成式繪畫的創作主體性及創造力，文章通過梳理文本生成式人工智能繪畫的創作過程，分別從人類與技術的角色、關系和作用入手，分析文本生成式繪畫中的創作主體性及創造力問題，闡明文本生成式人工智能繪畫創作主體性的動態變化關系，總結人類與人工智能模型在該創作中發揮創造力的衡量方式及具體途徑，并引入人機協同藝術概念及特點，展望其未來。結果：通過分析，可以得知人類與技術在人工智能繪畫創作中并無絕對主體性，二者的創作關系是動態變化的，創作地位視具體參與方式及程度而定，只能針對具體案例進行分析。結論：在藝術創作領域，人機協同是藝術創作未來發展的方向之一，人機協同藝術將有望引領人類邁入“全民藝術家”時代，實現藝術“民主化”。

關鍵詞：文本生成式繪畫；人工智能；創作主體性；創造力；人機協同藝術

中圖分類號：J20-05；TP18 文獻標識碼：A 文章編號：1004-9436（2024）02-00-04

0 引言

藝術長期以來被視為僅有人類才能企及的高臺，是人類的專有領域。而將人類藝術的繪畫概念引入人工智能圖像生成技術，是技術在藝術創作中的嘗試，是科學與藝術融合的探索。所謂人工智能繪畫，主要指在人工智能的幫助下創作出藝術性的數字圖像。事實上，人工智能圖像生成早已存在，但過去的技術僅能生成簡單的低質量圖像，且只有少數專業領域人員才能接觸使用，大多數企業和公眾并未意識到其潛力價值，也未引起社會廣泛關注。然而，文本生成圖像式擴散模型的誕生改變了一切。高清圖像與超乎想象的畫面帶來了一次又一次的視覺沖擊，引發了對人工智能繪畫在創作表現上的多維思考。人工智能模型是否具有創作主體性及創造力，成為當前面臨的重要議題。

1 創作主體性的變化

藝術家是藝術品的生產者和創作者，是藝術創作活動的主體。在傳統繪畫創作中，藝術家在創作主體性上占據絕對權威。其在全部的藝術思維過程中具有獨立的、不受外界干擾的選擇和判斷能力，能夠順應自己對藝術的獨到理解，充分把控具體創作過程，盡情發揮藝術意志，最終創作出完美的藝術作品。然而，在文本生成式繪畫中，操作者僅需輸入文本提示，人工智能模型就能依據提示生成畫作。整個創作過程中，人類對畫面的掌控僅來自文本提示，且這種掌控是間接性的，是經由人工智能“理解”后實現的作品。人工智能對藝術創作的介入，人類在藝術創作中的權利讓渡，引發了關于人工智能繪畫創作主體性的爭議。一些學者認為，藝術創作主體性是指藝術家在創作過程中表達個性、情感、思想和價值觀的特性，而人工智能只是一種技術工具，不能代替人類的審美和創造力。另一些學者則認為，人工智能可以模仿人類的藝術樣式和法則生成具有美感的作品，從而展現出一定的藝術創作主體性。

通常，創作主體性以創作中是否具有掌控力、作品是否為純粹意志體現等為判斷依據。在文本生成式人工智能繪畫中，創作內容由文本提示主導，創作形式由算法實現。因此，文本提示效用在衡量創作主體上起到了關鍵作用。當人類提供高質量文本提示促使人工智能生成符合其意志的作品，使其成為創作想法的執行者時，人類在創作中處于主要地位。當文本提示僅為開啟程序自動化的指令或保留較大的創作空白時，人工智能將代替人類作出選擇，成為創作主體。不可否認的是，在藝術作品所承載的情感體驗方面，人工智能是缺失的。算法設置是客觀的，選擇傾向由概率決定，不涉及主觀情感。但如果把目光轉移到具有人類主觀意志的文本提示上時，也并不能將其與最終作品完全掛鉤。作品呈現受到了人工智能介入，人類無法直接將心靈體驗進行視覺呈現。

總體而言，人類與技術在人工智能繪畫創作中并無絕對主體性，二者的創作關系是動態變化的，創作地位視具體參與方式及程度而定，只能針對具體案例進行分析。不過，參與方式的間接性并不影響人類發揮主觀能動性調節創作主體的關系。最新的midjourney V4版本在文本生成圖像的基礎上推出了墊圖功能（image prompting）。人類可以在輸入文本提示的同時提供基礎圖像，模型將結合該圖像及提示內容生成作品。這種方式給予了作品一定的視覺約束，能夠在很大程度上提升人類在人工智能繪畫創作中的主體性及掌控力，是對作品總體方向的把控。在未來人工智能繪畫的嚴肅應用場景下，以發揮人類與人工智能各自優勢為目的的創作主體調節將成為二者在具體創作方式上創新發展的重要依據。

2 人工智能繪畫創造力判斷

文本生成式人工智能繪畫創作主體性的動態變化關系使其生成作品的創造力判斷受到極大的挑戰。傳統藝術創作中，藝術家為作品所賦予的創造力似乎成了偽命題，程式化的算法運行與人類主控的讓渡使人工智能繪畫是否具有創造力飽受爭議。普遍觀點以人類藝術家創作為標準，從經歷、情感、理念等方面衡量人工智能繪畫創作，并判斷其缺乏創造意識而屬于“復制”“模仿”一類。Adobe集團產品營銷經理塔蒂亞娜·梅希亞（Tatiana Mejia）提出：“創造力在很大程度上是人性的，人工智能無法取代創意火花?！北本┐髮W藝術學院丁寧教授指出，藝術家最敏感于自身所處的時代，現實與命運永遠是其體驗和思究的對象，而從人工智能繪畫產品中僅能分析出程序算法的理性，也由此失去了藝術特有的感性基礎［1］。相反，利用人工智能創作《埃德蒙·德·貝拉米肖像》的藝術團體在新聞采訪中則聲稱，“人工智能成功地創造了藝術”“創造力不僅屬于人類”。清華大學美術學院的吳瓊教授也認為人工智能可以通過算法生成新的形式，并以一定程度的“獨立性”完成創作［2］。由于文本生成式人工智能繪畫的創造力判斷受到人類和模型的共同影響，因此其創造力討論可以從“人類創造力”和“人工智能模型創造力”這兩個視角展開。

2.1 人類創造力

人工智能繪畫的創作并不是僅由人工智能模型及算法技術來實現的，其是人和模型共同作用的結果，最終作品的呈現由人和機器交互控制實現。因此，對于人工智能繪畫創造力的分析，首先不能忽略人類創造力在作品生成中的影響。一般而言，人類創造力以三種方式發揮作用：一是模型的設計開發，如選擇架構、數據、優化方法等；二是與模型交互，如提供文本提示、反饋生成作品等；三是受模型輸出圖像啟發、反思等。三種方式對應開發人員、操作者、觀眾三方參與者，多數情況下，操作者與觀眾是同一主體。

其中，操作者直接對生成作品結果產生影響。模型輸入端的文本提示由操作者提供，文本描述的內容源自操作者的主觀選擇，但對于其是否發揮創造作用，需要針對具體過程展開分析。喬納斯·奧本蘭德（Jonas Oppenlaender）對此提出了兩種輸入場景，一種為操作者隨機獲取文本片段用于圖像生成，另一種為輸入他者創作的文本。兩種場景的區別在于第一種完全不包含任何主觀構思，第二種則為可能受操作者誤讀的文本復制。喬納斯認為，在以上兩種場景中，人類不一定需要發揮想象力，與模型的互動除基礎的語言辨識外，既沒有技能又沒有創造性，最終生成的圖像只是“一個不完美的人的創造力代表”［3］。

那么操作者發揮創造力的途徑有哪些呢？具體方式共有三種。第一種為優化文本提示內容，通過發揮人類主觀意志撰寫描述性和富有想象力的文本提示，使用不同的詞、句式和修飾，指導模型生成新穎多樣的圖像。對理想作品進行風格、比例定義，以及參數調整，也是產生高保真圖像的關鍵。第二種為迭代文本提示組合，即探索不同的文本樣式、組合及其他可以修改或優化生成圖像的提示。喬納斯在對midjourney社區的研究中發現，一些新手常常用較長而具體的提示試圖生成驚艷的畫作，但結果不盡如人意。相反，另一些人僅用簡約的提示就能毫不費力地生成美麗的圖像，這實際上涉及文本提示的有效性問題。輸入有效提示是一種體現對訓練集和神經網絡潛在空間認識程度的技能。來自美國哥倫比亞大學的劉薇安（Vivian Liu）和莉迪亞·奇爾頓（Lydia B. Chilton ）

通過實驗研究，提出了一套文本提示設計指南，從不同維度考察了理想圖像生成的成功模式和失敗模式，并在midjourney和DALL·E 2這兩個文本生成圖像式模型上進行了實踐［4］。例如，提示應相對簡短，控制在60個單詞或400個字符以內；盡量使用英文字符，因為大多數模型是用英語訓練的，英文字符能夠提高圖像與提示的一致性；遵循一定的輸入模板：描述—風格—尺寸；使用正確的語法和清晰的語義，避免模糊和歧義等。第三種為篩選策劃反饋圖像。從多個輸出中篩選符合預期或目的的最佳圖像，或對生成圖像進行編輯、修改、再生成等來表達自己的想法。在midjourney中，系統會根據首次輸入的文本提示生成4個低分辨率圖像。操作者可以使用每個圖像網格下的按鈕對圖像進行放大、變體或重啟。

從作品接受角度來看，當人工智能繪畫作品能夠引起觀眾的情感反應，深化人類對人工智能的認知理解，以及拓寬科學與藝術的可能性、促進相關行業產業發展、調動全民藝術參與積極性時，可以視其為對社會產生了創造力。例如，贏得科羅拉多州博覽會（Colorado State Fair）數字藝術比賽大獎的人工智能繪畫作品《太空歌劇院》（Théatre D’opéra Spatial）就引起了全社會對人工智能繪畫合法性及版權歸屬的爭議探討，并在此基礎上產生了多項研究。

2.2 人工智能模型創造力

關于人工智能模型是否具有創造力是目前最具爭議性的話題，也是一些狹隘觀點下評判人工智能繪畫是否具有創造力的直接依據。拋開其中的人類作用，算法模型本身是否具有創造力？如何理解和定義這種有別于人類主觀意識的創造？這些問題都有待思考。

文本生成圖像模型（Text to image model）是機器學習中一種重要的模型，以自然語言輸入，并生成與文本提示相匹配的圖像。不同于以往的圖像生成方法GANs和VAEs，這些模型使用一種新興的生成神經網絡——去噪擴散模型來生成圖像。該模型通過逐步添加高斯噪聲破壞訓練數據，擦除數據中的細節，直到它變成純噪聲，然后通過訓練神經網絡來反向扭轉這種破壞過程——逐漸去噪以合成純噪聲的數據，直到重新產生干凈的樣本。哈佛大學卡洛斯·龐塞實驗室的一項研究認為，擴散模型逐漸向初始輪廓添加細節來創建圖像的工作模式，實際上和畫家從草圖不斷完善至最終成稿的作畫方式十分類似［5］。同時，在反向擴散階段，模型通過深度神經網絡學習和預測如何從損壞圖像中去噪恢復先前圖像的特征，并在生成階段將訓練所學規律應用到新的圖像生成中，這一過程與人類視覺學習有一定的相似性。因此，去噪擴散模型所生成的圖像并不是所謂的“復制”，也并不是簡單地由其數據庫已有圖像復制拼貼重組而成，而是學習數據庫圖像的結構和分布特征，并根據給定條件來創作新的圖像。

來自牛津大學的數學家馬庫斯·杜·索托伊（Marcus du Sautoy）在其著作《創造力代碼：人工智能繪畫的藝術與創新》一書中引用了蘇塞克斯大學認知科學教授瑪格麗特·博登（Margaret Boden）關于創造力的三種類型的論述。他指出，創造力可以分為探索創造力（Exploratory creativity）、組合創造力（Creativity involves combination）、變革創造力（Transformational creativity）。探索創造力指在已有基礎上不斷探索擴展其邊界或極限，但仍然受一定的規則束縛；組合創造力指尋求多個不同事物相結合的能力；而變革創造力相較于前兩種創造力而言更加神秘莫測，是能夠使事物發生根本性改變的罕見本領。如同水達到沸點時突然蒸發為水蒸氣一樣，進入了一種全新的狀態。事實證明，在人工智能繪畫領域，探索創造力和組合創造力已經實現。例如，機器學習算法可以從大量數據中提取模式并進行分類、聚類等操作，建立對特定事物的“概念”，從而使文本提示與生成圖像相匹配，符合探索創造力的定義。同樣，人工智能可以通過對不同繪畫風格、類型、題材的融合生成創造性結果，發揮組合創造力。

然而，人們依舊對人工智能繪畫的創造力存疑，根本原因在于一般認為人工智能繪畫并非全新創造，而是算法程式的運行結果，即人工智能繪畫不具備變革創造力。對此，中國科學院院士張鈸在清華大學美術學院“社會智慧 場景創新”論壇中提出，以人工智能繪畫為代表的生成藝術，其完全創新性體現于算法隨機性與概率，生成的作品是獨一無二的，從部件到結構都是全新的。谷歌機器智能首席科學家布萊斯·阿圭拉（Blaise Agüeray Arcas）則用大腦的神經路徑來解釋人工智能變革創造力。他認為人類大腦的基本思維過程是從感知開始的，可以被基本定義為人們將周圍事物轉變為頭腦中的概念，而創造力是這個過程的另一面，它將概念變為現實。在圖像和概念之間，人們的視覺皮層像一系列計算元素一樣傳遞信息。通過程序和代碼，人工智能也可以進行類似工作。不過，要想能夠在藝術方面進行創作和交流，還需要進一步的能力——想象力。當人工神經網絡被逆轉時，計算機可以基于對語言和視覺元素概念化和抽象化的理解來創造新的圖像，類似于人類從生活經驗中汲取靈感［6］24-25。從創作形式中重要的算法環節來闡釋人工智能繪畫的變革創造力有一定的合理性，但僅以技術為據實際上遠離了藝術的專有屬性。以人工智能工作聞名的概念藝術家安娜·里德勒

（Anna Ridler）反對利用這種公式化的方法來定義創造力，“它把它扁平化，認為藝術是有趣的壁紙，而不是試圖表達想法和尋找真相的東西。人工智能無法處理概念：時間、記憶、思想、情感中的崩潰時刻——所有這些都是真正的人類技能，它使一件藝術品成為一件藝術品，而不是視覺上看起來漂亮的東西”。博登也認為，作為創造性作品的支柱之一，作品應是有價值的。畫作生成對人工智能來說是一個簡單的過程，但如何進行具有藝術價值的輸出是真正的挑戰。人工智能是否能夠認識人類品位及美學內涵，在藝術價值層面，新的、獨一無二的生成作品是否具有創造力，都是需要探討的問題［6］41-49。

綜上所述，人工智能繪畫創作過程的多方參與及創作主體性的動態變化造就了其創造力來源是一個集合體，由人類和模型共同承擔。在關鍵性的變革創造力判斷上，須依據二者的具體參與方式及發揮的作用來衡量，須針對不同的創作環節展開特定分析，而非一概而論。

3 人機協同藝術的新生

以文本生成圖像式人工智能繪畫為代表，藝術呈現出一種全新的面貌——人機協同藝術。人機協同藝術體現了人類與人工智能通過互動、溝通、協作，共同創作藝術品的過程。與人類藝術創作或機械自動化圖像生成完全不同的是，在這種形式中人和機器缺一不可，人腦和機器同時發揮了各自的優勢作用。人類并非機器實現其自動化的幫助者，機器也并非人類使用的工具。人類和機器在創作過程中有著不同分工，如人類以邏輯、構思、審美發揮優勢，機器則承擔以組合、概率、作品高效率實現為主的作用。人機協作使藝術創作的效率大幅提升，人工智能可以處理大量的數據、素材、任務，節省人類的時間和精力，使人能夠將注意力放在更加本質的意識探索及審美修正等方面。更重要的是，人工智能可以潛入人類難以到達的空間，發現人類難以察覺的內容。以微軟的“下一個倫勃朗”項目為例，通過提取倫勃朗作品的畫面特征、主題偏好、色彩組合等數據展開深入分析，算法生成了一幅全新的倫勃朗風格肖像畫?；蛟S人們會質疑再造一個“倫勃朗”的必要性，但項目的意義就在于，人工智能可以揭示人們現在認為理所當然的藝術品中那些可能錯過的新結構，將人類真正推向新事物。

在創造力領域，人機協作為人類智慧與機器智慧充分施展提供了空間。正如馬庫斯所言，“人工智能在創造力方面可以發揮的作用可能是增強人類的創造力，這將是一種向前發展的合作伙伴關系，我們可以一起讓事情變得比我們單獨工作更有趣”。人工智能創造力的增強并不意味著人類自身創造力的停滯甚至退化，正如汽車比人類的速度更快，但人們并沒有因此停止步行。技術應被視為想象力的引擎，它促使人類不得不從根本上重新思考和構建人工智能時代的藝術創作。

隨著藝術創作主體的變化轉換、藝術創造力的重新定義，人機協同藝術必然需要構建其專有理論，解決其與傳統藝術理論的關系問題，并對其衍生問題作出回答，還需要得到社會與大眾的接納認可。面對目前人工智能藝術引發的恐慌與排斥，Midjourney創始人大衛·霍爾茲（David Holz）作出了恰到好處的比喻，“人們完全誤解了人工智能是什么。他們認為它是一只會吃人的老虎，是一個危險的對手。水中也有危險，你可能會淹死，但流動河水的危險與老虎的危險截然不同。水是危險的，但你也可以在里面游泳、造船、筑壩發電。水是危險的，但它也是文明的驅動力。知道如何與水共處和工作的人類會過得更好。水沒有意志，沒有惡意，雖然有淹死于其中的可能，但這并不意味著我們應該禁止水。當你發現新的水源時，這真是一件好事”。自工業時代以來，每一項新技術的出現都引發了恐懼與接受的循環，而此刻的人工智能繪畫也面臨同樣的處境。人工智能的巨大優勢并不可怕，人類必須思考如何與人工智能協作甚至共生。

4 結語

縱觀歷史長河，技術的變革對藝術生產和接受都產生了巨大的影響。從傳統藝術到當代藝術的演進，實則就是藝術民主化路徑的生動體現。機械復制技術的來臨使藝術的形式、內容、功能從單一走向多元，藝術創作、藝術接受和藝術評論從少（下轉第頁）（上接第頁）數精英特權壟斷轉向成為民主化、大眾化的實踐，藝術創作成果由全民共享?？萍嫉目焖侔l展也為藝術實踐孕育了更多新興場域，使審美取向表達更加多元化和個性化。19世紀，攝影技術的興起使攝影師能夠被視為藝術家。而今天，人工智能的進步有望引領人類邁入“全民藝術家”時代，引領藝術“民主化”進程。藝術將不再是人類的專有領域，而是能夠實現人與機器協作共享，創造力也將朝著全新的方向發展。人機協同將成為未來藝術發展的一大重要趨勢，人工智能對藝術領域的涉足或許會與攝影一樣，成為眾多藝術形式中一個全新的分支。

參考文獻：

［1］ 丁寧.凝視過去、現在與未來［J］.美術，2019（9）：44-45.

［2］ 李杰，李葉.吳瓊：人機智能深度協同是人工智能時代設計

的重要特征［EB/OL］.清華大學美術學院，（2021-11-15）

［2023-10-27］. https：//www.ad.tsinghua.edu.cn/info/1205/

28095.htm.

［3］ 喬納斯·奧本蘭德.文本到圖像生成的創造力［J］.康奈爾大學組建論文檢索數據庫，2022（10）：6-7.

［4］ 劉薇薇，莉迪亞.提示工程文本到圖像生成模型的設計指南［J］.康奈爾大學組建論文檢索數據庫，2021（9）：2-3.

［5］ 王斌旭，約翰·瓦斯托拉.擴散模型像畫家一樣生成圖像：先輪廓后細節的分析理論［J］.康奈爾大學組建論文檢索數據庫，2023（3）：1-2.

［6］ 庫爾特.人工智能中的藝術創造力［D］.荷蘭：拉德堡德大學，2018：24-25，41-49.

作者簡介：張笑娟（2002—），女，云南昆明人，本科在讀，研究方向：美術理論。