喚醒人工智能藝術中的機器思維

魏東

人工智能藝術會不會成為藝術發展歷程中的另一個轉折？關鍵看它摧毀了什么，以及人的創造力在面對機器威脅時如何應變，如何重新迸發出新的活力。

自計算機誕生之初，科學家們就一直致力于創造能夠在思考、推理和學習能力上與人類相媲美的機器，也就是人工智能。盡管這一目標在今天仍未完全實現，但是人工智能在某些方面已經超越人類自身，正在人們的現實生活中產生影響。我們已經進入人工智能時代。藝術是人類創造力的集中體現，人工智能藝術在充分發揮機器思維創造力的同時，如何最大限度釋放藝術家的創造力，以及對藝術帶來影響，成為在討論AIGC的實用性話題之外，必須面對思考的話題。

藝術與科技

人的創造力隨著使用工具的進化而不斷獲得提升，在藝術創作過程中，使用科學的輔助工具獲得對自然世界的真實描繪，是西方藝術家常常用到的方法。如文藝復興時期德國藝術家丟勒的版畫作品《描畫魯特琴》，畫中有一個紗屏“透視器”，藝術家正在獲得畫面上的魯特琴科學透視關系。自文藝復興以來，大量的藝術家使用光學儀器進行繪畫，如漢斯·荷爾拜因的油畫《大使們》，前面拉長的人頭骨形象只有從側面特定角度才能看到頭骨的正常形象，這種效果正是借助了光學儀器才能完成。而攝影的誕生更是顛覆了油畫寫實藝術的進程，藝術家不再完全遵照寫實還原的創作方法，藝術的真實性被攝影剝奪，迫使藝術家重新自我反思，在新的藝術風格和藝術主張中重新尋找自我，攝影的出現直接推動現代藝術進程，而攝影也無可爭議地成為一種新的藝術形式。今天人工智能藝術的崛起，特別是生成式人工智能（AIGC）的民主化應用以及在眾多實用場景廣泛應用，代表了以機器智能為特征的科學在藝術設計發展進化的新階段，人工智能藝術在算法加持下，計算機成為具有超越藝術家指令的創造者，將其視為藝術發展史中科學與藝術相結合的又一次突破。而這一次機器的自主性能否超越人類也成為一個具有爭議性的話題。

數字生成藝術與人工智能藝術

計算機誕生之初與藝術并無關聯，而是與第二次世界大戰密切相關，為了提高戰爭中的大量軍用數據計算難題，1946年世界上第一臺通用計算機出現。1963年，美國計算機科學家伊凡·蘇澤蘭發明了sketchpad，拓展了計算機圖形學領域，sketchpad可以使用光筆在顯示器設備上繪制簡單圖形，并通過旋鈕調整圖形，sketchpad開啟了計算機輔助設計先河。20世紀80年代，計算機輔助設計軟件如photoshop、illustrator等，幫助設計師清晰準確地實現了設計意圖，數字化設計成為主流。但是，從手繪到紙筆、尺子，再到計算機輔助設計軟件工具，其設計過程都是以模擬為主，所見即所得，而計算機代碼在藝術設計領域中的深度介入，讓數字生成藝術成為藝術家和設計師與計算機深度融合交流的最佳方式。藝術家通過計算機代碼制定規則和算法，交給計算機完美執行，將概念藝術家索爾·萊維特的藝術創作方法變成一種通用法則。數字生成藝術的生成結果具有偶然性和隨機性，但是在一定系統框架內可以預知結果。人工智能藝術作為數字生成藝術的子集，從使用代碼和參數指定轉變為數據集訓練，改變了藝術家和設計師的工作方式，AI模型的復雜性讓人工智能藝術創作過程成為黑盒子。與生成藝術相比，模型不會完美地解釋藝術家輸入的數據和規則，從而削弱了藝術家的控制力，選擇、解釋和處理成為藝術家的又一個重要任務。此外，大模型和大數據訓練讓生成式人工智能藝術創作具有同質化傾向。如何打破這種同質化，回歸藝術與設計的獨創性本質，是人工智能藝術家必須面對的。

人工智能的藝術性

機器審美中有一個概念叫做“恐怖谷（uncanny?valley）”，按照維基百科的解釋，恐怖谷是一個物體與人類的相似程度與對該物體的情緒反應之間的假設關系。恐怖谷的概念表明，看起來幾乎但不完全像真正的人類的人形物體會引起觀察者的怪誕或奇怪的熟悉感。人工智能藝術的獨創價值并不是機器帶來的具有“恐怖谷（uncanny?valley）”審美特征的圖像，而是在了解機器創造力的情況下發揮人的主導作用，在機器生成的結果中發現對于人的情感、藝術價值等因素。人工智能藝術作品呈現出機器的獨特性，是一種非人類表達方式，體現出機器在藝術創作中的積極作用。對人工智能藝術作品的創造價值評估判斷，成為人工智能藝術家癡迷藝術創作的動力和源泉。為什么機器在人工智能藝術創作中處于輔助地位呢？其中一個重要原因就是作為一個成熟的藝術家，其藝術創作思想以及不同時期的作品具有延續性，并形成獨特的藝術風格和藝術主張。

目前，機器學習可以實現對某種藝術風格的模擬，但是，機器思維的自我進化遠沒有實現，這一切都需要藝術家進行操控。那么，人工智能藝術家如何通過機器智能實現獨特的藝術風格，我想主要包括兩點。一是需要藝術家自己訓練數據集，用于訓練的數據集可以是自己的繪畫、攝影或草圖，其本身具有獨創性。如果使用相同或類似的數據集，將會導致生成結果雷同，審美趨于一致。另外，數據集不在于多少，關鍵在于原創性。二是對于不同類型的AI模型選擇成為決定人工智能藝術的重要因素。目前藝術家廣泛使用的主要模型包括GANs（生成對抗網絡）和CNN（卷積神經網絡）。對藝術家來說，大模型、小模型各有優勢，同時也都存在不足。大模型會存在數據版權以及生成作品同質化傾向等問題，其生成結果更趨近于對真實世界的模擬，在實際應用方面極具潛能。而小模型因為算力有限以及有限數據集等限制，生成結果不完美，但常常會令人對機器的原創力感到驚訝，這種藝術形式極有可能會走向抽象；另外，小模型的黑盒子會因為藝術家使用計算機代碼深入介入而成為透明盒子，從而揭開人工智能的神秘面紗。在AIGC大模型使用中，圖生圖和文生圖都可以成為有效的生成方式，但是對于藝術家個體來說，圖生圖的創作過程遠比文生圖更加容易控制，也更容易了解機器模型的規律，熟悉機器思維方式。

2023年以來，AIGC因為其實用性成為熱點話題，熱點背后，需要批判性看待人工智能為藝術以及人類的創作力帶來怎樣的改變。未經訓練的機器模型就像一張白紙，藝術家通過訓練數據集實現自己的創作意圖，從供給圖像（經由藝術家思維）到模型（機器思維）再到輸出結果（反饋）反復訓練過程成為人工智能藝術的創作流程。今天，人工智能藝術對我們重新思考藝術是什么以及藝術如何創作提出挑戰，對于藝術家來說重點是理解機器思維，并將人的思維與機器思維相結合，從而增強人的創造力。人工智能藝術會不會成為藝術發展歷程中的另一個轉折？我想關鍵看它摧毀了什么，以及人的創造力在面對機器威脅時如何應變，如何重新迸發出新的活力。毫無疑問，這一切正在發生。

（作者系中國傳媒大學廣告學院副教授）