肯定式生成與否定式觀看：人工智能技術下影像創作與接受的一個悖論

摘 要：人工智能技術的不斷迭代，促使影像作品的創作和接受兩端都發生較為顛覆性的變化，相對而言，形成從傳統的否定式生成、肯定式觀看到肯定式生成、否定式觀看的轉變苗頭乃至趨勢。在影像創作層面，依托肯定式技術基底，高幀率、高清晰度的“平滑”影像形成對異質性弱影像的消除，構成視覺霸權；基于肯定式發問機制，瞬時的影像直給取代自我否定的長線打磨，引發“心理時間”的流失；受制于肯定式數據邏輯，平均狀態的“常人”創作大行其道，“偽個性”的迷霧逐步擴散。在影像接受層面，事實否定下的深度偽造與庸常欺騙，情感否定下的面容失靈與刺點消弭，消費否定下的象征貧困與數字地租，以及觀念否定下的觀念重構與技術霸權，都可能對未來影像觀看的接受心理形成挑戰。在人工智能語境下重思技術影像，需要著重留意思辨力培養、數據庫建設和音視頻鑒偽等關鍵議題。

關鍵詞：人工智能；技術影像；深度偽造；主體性；影像創作；影像接受

中圖分類號：J91文獻標識碼：A文章編號：2096-8418（2025）01-0037-09

一、引言：“肯定”與“否定”的迭變

近年來，隨著人工智能技術的快速迭代，以Sora為代表的海外視頻大模型，和以海螺、即夢、可靈為代表的本土視頻大模型，均在文生視頻、圖生視頻領域取得較大突破。在開放式大模型的全面突進下，由AI 生成的全流程微短劇不斷涌現，AIGC工具成為當下影像創作者的趁手利器甚至必要武器。面對來勢洶洶的人工智能技術，影像作品的創作和接受兩端都出現了相當的變局苗頭和趨勢，似乎正在逐漸形成從傳統的否定式生成、肯定式觀看到肯定式生成、否定式觀看的轉變。

傳統的影像作品，在其“創作”一端，往往彰顯出否定式生成的特點。從創意開發到劇本寫作，從現場實拍到后期剪輯，影視創作的每一個環節都并生著機遇與挑戰。主創團隊在進行影像創作時，通常難以一蹴而就，而是在反復的自我懷疑中探尋特定條件下的影像最優解。在這個過程中，創作者可能受到投資方的否定，因而重新開發創意，甚至推翻原有的故事劇本；可能受到自然力量的否定，在實拍時遭遇惡劣的天氣乃至災害；更有可能經受來自主創團隊內部的“自我否定”，以致創作中斷和停擺。而當文生視頻等大模型工具介入后，人工智能技術下的影像創作則在相當的程度上，正在由否定式生成轉變為肯定式生成，似乎創作者無須再經受重重否定式的內心掙扎，只需不斷肯定機器、期待機器盡快給出一個肯定式答案，從大模型生成的影像中采擷所需?？隙ㄊ郊夹g基底、肯定式發問機制和肯定式數據邏輯，造就了人工智能技術加持下平滑的影像炮制、瞬時的影像直給和共性的影像摹寫。

而在“接受”一端，情況也正在發生變化。從心理學上講，觀眾在觀看傳統“實拍”的影像作品時，往往內心底層會假定其情境是真實的（即便內容是虛構的），這成為觀眾能夠沉浸其中觀看的重要因素，甚至因為情節的吸引力而進行高度投入的肯定式觀看。而在人工智能技術的加持下，創作者因虛擬制片、虛擬拍攝乃至文生視頻之便利，往往不再需要現場實拍，影像因此失卻了其“索引性”。觀眾在觀看數字影像、生成影像時，起初可能因其高度逼真的視覺效果而嘖嘖稱奇，甚至難以分辨合成影像和實拍影像的界限，誤將人工智能生成影像當作真實影像，進而順延傳統的沉浸式觀看心理。然而，當觀眾讀解過大量的生成影像，即受到足夠的“誘騙”時，便會自發地對當下的影像觀看產生質疑，或者因為心理上找不到真實情境的痕跡而啟動類似于觀看動畫片時的心理機制。由此，傳統的不加懷疑的肯定式觀看，變異為先行辨別真假的否定式觀看。

從“否定性生成—肯定式觀看”模式，到“肯定式生成—否定式觀看”模式的相對轉變，彰示出人工智能技術下影像創作與接受的“對位”扭轉，其中因應著影像產業和美學變革，更暗示著創作者、觀眾與機器之間的某些復雜糾葛。

二、肯定式生成：人工智能技術下的影像創作

（一）“肯定”式技術基底：絕對平滑的影像炮制

人工智能技術下的影像生成有著高幀率、高清晰度等技術特點，這因應著屏幕時代人們不斷變化的觀看需求和審美偏好。

對影像創作者來說，24幀的銀幕影像、25幀的熒屏影像和30幀、60幀乃至120幀的數字高幀率影像，共同構成了其攝錄譜系。如果說，24幀是電影工業考量下的拍攝慣習，那么對高幀率的汲汲追求則是影像創作者對人眼視感、沉浸效果的癡迷與探索。與高幀率綁定的是高清晰度，從1080P、2K、4K到8K、12K，不斷迭代的攝錄技術反復定義著“高清”，縱使年久的膠片也要經過4K修復，才能在重返銀幕時獲取更多觀眾的青睞。

這樣對幀率和清晰度的追求，自然順延到人工智能技術當中，使得人工智能生成的影像無不呈現出清晰銳利、運動流暢的視覺特性。即使創作者在輸入指令時有意突出低清晰度、低幀率、顆粒質感等詞匯，目前人工智能技術也只能進行風格上的模仿，而無法改變其“肯定”、完滿的技術特性。甚至在很多情況下，人工智能生成的數字影像，必須經過刻意降級，才能達到符合創作要求的影像效果。

韓炳哲（Byung-Chul Han）曾在其著作中，將“平滑”視為當今社會的標簽。從某種程度上講，人工智能技術下的影像創作同樣是平滑的。一方面，高幀率和高分辨率消除了運動模糊和噪點，使得生成影像具有極度光潔的特性。這樣的影像乍一看無可指摘，它“通過消除否定性和所有形式的震撼與傷害”［1］，營造出一個絕對積極、沒有傷痛的虛擬世界。例如，當創作者借助人工智能技術，試圖生成有關決斗、反抗乃至暴力的影像內容時，機器往往會弱化其中的否定性元素，令決斗形同比賽角力，從而盡可能規避那些有礙平滑的異質性呈現。

另一方面，這種技術上的平滑又賦予人工智能生成影像以一種平滑美學。“韓炳哲十分恐懼消費邏輯對審美的侵凌，他認為消費的內在性會吞噬美的多維性，擔憂數字資本社會中給我們帶來愉悅和暢快的積極性的‘美’驅逐另一些具有超越性的美，即那些充滿著否定性，聯系著善與真，給人以反思和陣痛的美。”［2］但在人工智能技術的加持下，純粹為贏得點贊、刺激感官的影像奇觀得到批量化生產。湯姆·岡寧將早期電影定義為“吸引力電影”，指出其是一種非敘事化的，直接訴諸觀眾知覺、造成震驚體驗的影像。［3］在此意義上，現階段的人工智能生成影像同樣依靠視覺奇觀而非敘事俘獲著觀眾的注意力，以逼真擬像與奇幻想象釋放出源源不斷的“數字吸引力”，從而形成某種平滑美學。

肯定式技術固然保證了人工智能生成影像的質量標準，但同時也以既定的影像強度，形成了一種視覺霸權。在平滑、豐富的智能影像面前，史德耶爾（Hito Steyerl）意義上的“弱影像”將更難存留于人們的視野?！翱隙ㄉ鐣苊庖磺行问降姆穸ㄐ?，因為否定性會造成交際停滯?！保?］弱影像恰是一種否定性的存在，它反映和切中的并非當代人精心營造的完美人設，而是屏幕背后的否定性情感，即“精神衰弱、偏執、恐懼，以及對強度、樂趣和分散注意力的渴求”［5］。以目前的情況看，人工智能技術對弱影像的排異，看似令生成影像的質感得到提升，實際上卻可能是對媒介和視聽多樣性的消除，以均一化的平滑視覺取代了布滿顆粒與褶皺的否定性畫面，這一現象值得關注和警惕。

（二）“肯定”式發問機制：絕對瞬時的影像直給

在傳統的影像創作中，創作者通常需要經歷漫長的自我否定，才能將作品打磨至臻。尤其在膠片電影時期，創作者在拍攝影片時，甚至無法通過監視器預覽實際效果，因而必須憑借實拍經驗，根據片場條件靈活調整拍攝方案。在這個充滿未知的創作過程中，主創團隊往往需要經歷長時間的打磨和延宕，甚至計劃之外的險象。但也正是這些偶然因素，使得電影制作難以淪為簡單的復制生產，時刻顯現著藝術的靈光。

如第二代導演孫瑜在拍攝《小玩意》時，就曾因缺少一片“美云”而難以開機：“美云——是比較嬌艷如花的姑娘遠要美麗的云彩，因為《小玩意》需要一塊美麗的云彩收入鏡頭做背景，但近日無錫之云不甚美，所以大多數工作人員都歸來，只孫瑜和影師周克尚在錫像大旱望雨般的等候美云的到來?！保?］電影大師安德烈·塔可夫斯基（Andrey Tarkovsky）也曾在回憶影片《鏡子》的剪輯工作時，談及近乎絕望，又柳暗花明的創作經歷，指出“尋找鏡頭結合的原則是一個痛苦的過程，隱藏在材料中的實質在尋找中漸次顯現”［7］。

而在人工智能技術的介入下，創作者逐漸傾向于快速地肯定機器，通過向機器不斷發問的方式，引導目標影像的生成，甚至逐漸被“培養”得習慣于越來越期待機器盡快給出一個肯定式答案。在人工智能技術的加持下，影像創作的時間被大幅度壓縮。以往花費數月乃至數年策劃、拍攝和后期制作的影片，如今經大模型計算和渲染，可能只需要幾天時間。

以劇本寫作為例，從前需要殫精竭慮、反復推翻的影視劇本，如今可以憑借人工智能技術瞬間生成。借助AIGC工具，如今的影視編劇得以與大語言模型相配合寫作故事大綱，改編熱門IP，甚至可以憑一句梗概生成整部劇本內容。在這樣近乎“無中生有”的創作條件下，創作者看似省卻了等待的過程，卻極容易形成技術依賴與創作桎梏。一方面，人工智能生成影像在很大程度上提升了影像制作的效率，能夠在一定程度上降本增效；另一方面，創作者在這樣肯定式發問機制的淫浸下，其主體性和創造力隨時面臨著被剝奪的可能，促成唯技術論的創作慣性。

更進一步，如果說，從顯性層面上看，人工智能技術下的影像創作極大程度壓縮了“空間時間”，即工業革命后用鐘表度量的時間。那么，從隱性層面來說，人工智能介入下影像創作“心理時間”的流失，則更為深切地影響著生成影像的本體和美學，彰顯出一種從記憶縈回到猝然想象的創作思維變化。

傳統影像創作“十年磨一劍”，創作者在寫作劇本時，需要在熟諳劇作法則的基礎上，最大程度上調動與影像世界有關的記憶，從而編織錯綜復雜的情節線索與人物網絡。柏格森（Henri Bergson）形象地將回憶的過程比作相機對焦，回憶的過程就是讓那些身處迷霧、面目模糊的記憶從深埋的境況中顯豁。［8］當然，柏格森在這里所說的對焦并非機器自動對焦，而是憑眼力凝神靜觀，通過手動調整對焦環，使得取景器中的影像逐漸明晰。由此，如同手動對焦，回憶的過程必定充斥著反復確認和自我否定，也正是在這樣的確認和否定中，生命得到“綿延”，將自身的異質性延伸傾注到創作當中。

而在人工智能技術的加持下，創作中的記憶被想象取代，創作者只需給定一個設想，便可以“坐享其成”，得到機器理解和加工的現成影像。其間，創作者無須重返記憶世界，影像創作成為技術合理性下的標準化生產，機器通過分析指令，就可以為創作者給出確定的影像生成時間。由此，場景和鏡頭或許不再是創作者生命經驗的縮影，本雅明（Walter Benjamin）筆下“講故事的人”將沉淪在時間的寂滅里。一定程度上說，從前，創作者需要捫心自問，在捶胸頓足的掙扎和痛覺中創作；而今，創作者只需接連發問，在對機器生成的迅速肯定中收獲近在眼前的果實。

（三）“肯定”式數據邏輯：絕對共性的影像摹寫

在傳統的影視創作中，采風調研通常是劇本寫作和影像實拍的前提。編劇在創作劇本之先，大多需要在與故事相關的人文或自然環境中深度體驗，從而積累豐富的現實經驗與情感體驗，反哺創作。進入選景階段，導演會聯合攝影、錄音、美工、照明等部門的人員，一起對外景進行實地考察，通過思考和判斷不同部門給出的專業建議，確定最終的拍攝場地。

而人工智能技術下的影像創作，則以數據庫建設取代了主創團隊的采風。創作者只需輸入指令，大模型便可以自行從數據庫中檢索相應的影像元素，進行拼接與合成，可供創作者取用的素材很大程度上依靠大模型開發者的喂養和訓練。因此，在人工智能技術的加持下，創作者可以不再需要回溯經驗進行創作，只需服膺于大數據的計算和推演。

在這樣的數據庫邏輯主導下，人工智能影像創作往往會陷于對“最大公約數”的追求，反而忽視對創作個性的張揚。在目前的技術條件下，創作者在用人工智能技術生成影像時，最關心的不是其風格特點，而是畫面是否符合常識，仿佛一個閃爍著共性光輝的智能影像作品，便值得觀眾拍手喝彩。這種對共性的肯定和對個性的漠視，造就了人工智能技術下影像創作的“常人之思”。

海德格爾（Martin Heidegger）在《存在與時間》中如是描述“把公眾世界保持在平均狀態”的常人：“常人怎樣享樂，我們就怎樣享樂；常人對什么東西憤怒，我們就對什么東西憤怒；常人對文學藝術怎樣閱讀怎樣判斷，我們就怎樣閱讀怎樣判斷；竟至常人怎樣從‘大眾’抽身，我們也就怎樣抽身，常人對什么東西憤怒，我們就對什么東西‘憤怒’?！保?］如果說從前的影像創作者，即便不是天賦異稟的藝術家，也是帶有強烈表達欲的藝術匠人，那么如今的人工智能技術正在加速將作者變異為“常人”。乍看起來，投身數據庫的創作者仿佛擁有了更大的知識廣度與選擇權，實則在機器的鉗制下，他們早已主動交出反抗和突圍的權利，自認在數據庫的有限空間內騰挪?！凹词刮磥鞟I在事實性知識的提供方面有所改進（例如像后來結合搜索引擎提供事實性知識），但按照目前的邏輯，它仍不會超出人類已有的知識及語言的規則。”［10］

與此同時，人工智能影像還可以通過風格遷移的方式，釋放出“偽個性”的迷霧，以掩蓋本身無個性的狀態。創作者只需將所需風格以詳盡指令描述出來，如“強對比，膠片攝影，毛刺質感，復古濾鏡，過度曝光，古早，70年代攝影，復古老照片，閃光燈拍攝，閃光燈效果，極簡，高飽和復古色，灰調，暗部提亮”，或直接將事先拍攝好的風格化影像投放給大模型，人工智能技術便可以生成高度相似的影像作品。在相當大的程度上，大模型的風格創造與人的風格創造恰恰相反：在傳統的影像創作中，導演風格往往生發于“限制”和“節制”，是因地制宜的最優化方案，有時甚至是“沒有辦法的辦法”。如法國新浪潮導演戈達爾（Jean-Luc Godard）在拍攝《筋疲力盡》時，因為預算和時間緊張，選擇采用手持鏡頭進行拍攝，甚至以輪椅代替滑軌和升降機，這樣對“快速性”的追求倒是意外形成了其革命性的美學風格。［11］即使在條件相對理想的情況下，所謂風格也不過是主創團隊在有限的選擇里深思熟慮、精挑細選的結果。

與此恰恰相反的是，從目前的常態來看，人工智能生成影像并不懂得“節制”，而是在基數龐大的數據庫中抓取和組合。這樣的生成方式無疑不再受到時代環境與現實條件的影響，創作者也無須再經歷“急中生智”，仿佛有了無限的選擇權和創作廣度。可是，如果仔細加以關照，不難發現至少目前的人工智能技術生成影像終究是影像的摹寫，是風格元素的堆砌而非性靈的張弛。布羅茨基（Joseph Brodsky）在論述“風格即自我”時，曾這樣描述詩人阿赫瑪托娃的語言風格：“她一出現就裝備齊全，從來不與任何人有相似之處。也許更意味深長的是，她的無數模仿者沒有一個可以寫出哪怕一首令人信服的阿赫瑪托娃（Anna Akhmatova）式仿作；他們最終更多是彼此相似，而不是與她相似。”［12］可以說，基于大數據計算的人工智能生成影像，目前看還是在做“生產仿作”，做彼此相似的某種肯定性重復。

三、否定式觀看：人工智能技術下的影像接受

（一） 事實“否定”：深度偽造與庸常欺騙

如前文所述，在傳統的“實拍”影像觀看中，觀眾與影像中的人、事、物感同身受、獲得能喚起真實感的沉浸式觀賞體驗，其重要原因，從心理學上講，是觀眾在內心底層假定“實拍”視頻具有相當的情境真實感。而人工智能的自動生成視頻，卻使得觀眾的觀看心理層面正在產生變化。

事實上，活動影像自誕生之時起，便有著鮮明的紀實性特色。電影理論家安德烈·巴贊（André Bazin）提出“電影是現實的漸近線”［13］，便旨在突出影像的再現功能和索引性。然而，隨著物質性的膠片不再擔當影像載體，和數字技術的全面介入，手動修改畫面，甚至大幅度合成影像，成為當下電影工業中的重要制作環節。然而吊詭的是，盡管數字影像乃至人工智能生成影像，不再執著于膠片時代的索引性，但同時它又“繼承并強化了傳統影像的逼真感”［14］，為觀眾提供一種無可索引的高度逼真，即超真實的美學體驗。這種超真實是波德里亞（Jean Baudrillard）意義上的擬像幻境，是“一種為真實而真實，一種失物的拜物教”［15］，甚至比現實的真實還要真實。如今的觀眾在觀看人工智能生成的影像時，往往會不自覺地將其視作真實影像，直至發現事實紕漏，才產生懷疑和否定的態度。這樣“視覺欺騙”式的觀賞體驗，正在以真實的名義，逐步蠶食著觀眾對真實世界的認知。

在諸多人工智能技術當中，深度偽造對影像真實性的影響最為深刻。深度偽造是一種基于深度學習的影像合成技術，目前已愈加廣泛地應用于影視傳媒行業。如《流浪地球2》運用深度偽造技術，以年老演員年輕時的影像素材，對AI大模型進行有針對性的訓練，從而順利實現了演員面容年輕化的生成。而在AIGC領域，文生圖片、文生視頻等工具則可以讓原本靜態的人物圖片開口說話，大模型如豆包還可以憑借一句錄音深度偽造人物的聲音?？梢灶A見，生命個體在未來生成“數字分身”將變得更加容易，在類似元宇宙的虛擬世界中，數字分身或許還將代替人自身的在場。

但值得廓清的是，目前的深度偽造技術尚且不能完全實現文生視頻式的偽造，即不能夠“無中生有”。人工智能技術在對某一人物進行虛擬影像生成時，不僅需要深度學習有關此人的音視頻資料，還要對與此人樣貌、體態相近的人進行動作捕捉，由此才能計算出看似“活生生”的數字分身。雖則深度偽造技術為人們的“云社交”甚至“記憶還原”“數字永生”提供了多種可能性，可同時值得警惕的是，深度偽造技術的不斷迭代，已經逐漸對傳統的影像觀以及新聞倫理造成挑戰。在人工智能技術的加持下，大量有關政治領袖、公眾人物的虛假影像充斥網絡平臺，深度偽造影像左右民意、干預政治選舉的情況已非個例。

如果說，由智能生成技術深度偽造的數字影像，存在意圖鮮明的欺騙的可能，那么當AIGC技術廣泛應用后，其大量生成的真假難辨的圖文信息，則是在潛移默化之中行使著“無目的欺騙”。誠然，人工智能并非像一些科幻小說和陰謀論者所描述的那樣，是一種徒有惡意的欺騙性技術。但不可否認的是，人工智能發展與人類感知確乎存在著實在的牽絆，尤其在當人工智能技術與人類日常生活、思維以及實踐日漸咬合的情況下，比之惡意欺詐，其更多顯現出一種“庸常欺騙”的日常性特質。

意大利媒介理論家西蒙尼·納塔萊（Simone Natale）在其著作《媒介的欺騙性：后圖靈時代的人工智能和社會生活》中，創造性地提出了“庸常欺騙”概念，其首要特征便是日常性和普通性，即人工智能深入滲透在人們的日常體驗當中，能夠影響人們的身份認同和自我建構。［16］在人工智能影像深度嵌入當代人日常生活的情況下，觀眾在觀看影像時，難免受到影像內容是否真實的困擾。在重復的懷疑與否定過程中，觀眾的觀看心理逐漸會從“假定影像真實”轉變為“假定影像不實”。這樣的心態轉變，不僅會造成影像接受的心理鏈條中斷，更會深刻影響觀眾對影像本體的深層認識，進而動搖觀眾通過觀看影像指認現實和自身的鏡像結構。

（二）情感“否定”：面容失靈與刺點消弭

電影理論家巴拉茲·貝拉（Béla Balázs）曾在其論著中提出“微相學”，用以說明特寫鏡頭對電影人物面部表情的揭示作用。他從歌德的《拉伐戴的面相學片斷》出發，發現了電影中的面孔不僅僅是外表的呈現，更承載著靈魂和命運，同時指出“面部表情所具有的抒情詩般的、豐富多彩的、變化莫測的表現手法是任何文學樣式都不可比擬的”［17］。在巴拉茲看來，一方面，電影中對人物表情的特寫式展現是與戲劇情境高度綁定的，特寫中的每一處肌肉顫動都激蕩著情緒，暗示著特寫以外的時空推移。在電影《圣女貞德蒙難記》的審判場景中，攝影機目光所及，唯有人物的面孔，其中的特寫鏡頭充分展現了不同人物在特定情境下的內心世界和心理變化。另一方面，電影中的特寫又是復雜流動的，且往往能帶給觀眾全新的情感體驗與心理沖擊?！霸谝曈X獨特的連續性潮流中，前一個瞬間表情和接著它的下一個表情是混在一起展現的?！保?7］（42）觀眾無法預測人物在面對某一事件時，究竟是恐懼混雜著意外，還是意外混雜著驚喜，情感的雜合使得面容始終帶給觀眾期許。巴拉茲在回憶一名印度女演員悲痛欲絕地微笑著哀悼死去孩子的表情時，就曾驚嘆于“從來未見過的、新的面部表情具有所向披靡的影響力”［17］（37）。

而在人工智能技術下的影像觀看中，特寫雖則還是特寫，但其所展現的人物面容和其中潛藏著的情感內蘊，卻發生了顛覆式的變化。人工智能影像的微表情生成基于面部編碼技術，大模型只有準確捕捉和識別現實中人物表情所流露的情感，才能在生成時完成具有情感合理性的調配和組合。賈樟柯在其新作《風流一代》中對人工智能面部情感識別進行了具象化展現，片中機器人在面對主人公巧巧難以描述的表情時，顯然捉襟見肘，難以體味她復雜的心境。在實際應用中，人工智能輔助情感識別，本質上是在將情感生活客觀化，因為只有肯定“基本情感”的存在，才能對人類情緒和面部表情進行分類。［18］

因此，建立在面部編碼基礎上的人工智能面容，從底層邏輯上來說也是情感計算的結果。就目前和未來一段時間的技術發展來看，觀眾在觀看這類面容時，會發現人物的表情雖然還可以用特寫景別加以表現，卻宛如失靈，不易表現出特定情境下富有高度張力的情感；同時，由于算法模型的限制，人工智能影像的表情的內核只是固有情感元素的拼貼，難以真正讓觀眾在觀看時獲得新奇的情感體驗，削弱了面容的流動感和沖擊力。當然，人工智能影像也在通過一些方式規避這樣的面容生成弊端。如由Sora生成的短片《氣球人》，便將氣球設定為主人公的頭部，剔除了面容在影片中的情感性功能。

在觀看人工智能影像時，觀眾不僅經歷著面容魔力的失效，還會感受到刺點痛覺的消弭。在羅蘭·巴特（Roland Barthes）看來，展面與刺點相伴而生，前者是一定社會歷史條件下，欣賞影像所能帶給人的普遍性愉悅，而后者則是“從照片上像箭一樣射出來的，射中觀者，也傷害觀者，令人記憶深刻”［19］的偶然性元素?；谒惴ㄉ傻娜斯ぶ悄苡跋袼鶐Ыo觀眾的情感體驗，顯然是展面式的，還不能促發由偶然與意外所引爆的震驚體驗。從觀賞角度來講，刺點確乎是埋藏著的細節，但這并不意味著任何特異的細節都可以構成刺點。在羅蘭·巴特看來，由攝影師刻意為之的細節，無論多么令人驚奇，都無法真正構成刺點。因為刺點誕生與否并不取決于攝影師的想法和技藝，而在于“他正好身臨其境”［20］。反觀人工智能技術下的影像觀看，其實恰恰失卻了這種在場感。無論畫面如何逼真，觀眾不容易認為畫面中的細節是偶得而非裝配的，特別是當觀眾有意識地認為自己是在看人工智能生成的影像之時。因此，刺點式的陣痛，也即由現實細節所觸發的創傷性情感體驗，是觀眾在觀看人工智能影像時難以領略的。

由此，面容否定性、刺點否定性及它們背后作為底層邏輯的情感否定性，成為人工智能影像否定式觀看的顯著特質。

（三）消費“否定”：象征貧困與數字地租

近年來，大數據和算法賦能視聽作品以精準推送的方式逐漸達成了“千人千面”的傳播效果。每當用戶打開自己的視頻平臺首頁，便會察覺平臺推薦的每一條視頻都是經過過濾和篩選的，緊密貼合著自己的興趣和情感需要。而在人工智能技術的加持下，這樣“千人千面”式的生成和推送更是可能被放大到極致。

隨著人工智能在深度學習、圖像識別等能力上的不斷提升，為觀眾“投喂”視頻不再是單純的類型匹配，而是在構建用戶畫像的基礎上，為觀眾“定制”觀看序列，實現對觀看偏好無死角式的覆蓋。如有的觀眾偏愛歐洲小國的文藝片，人工智能技術便會深度搜索與該類型、風格相關的電影作品，同時打包花絮、訪談等電影周邊物料，最大程度豐富觀眾的影像接受體驗。

而在未來，當文生視頻、圖生視頻技術足夠成熟時，特別是人工智能視頻生成的成本不斷降低，人工智能技術甚至還可以憑借過硬的數據庫建設，為目標觀眾生成獨一無二的、完全符合其心理期待的影像作品?？梢灶A見，未來的觀眾在打開視頻平臺時，觀看的將不僅僅是算法推薦的由人創作和實拍的視頻，更會看到大量由ChatGPT撰寫劇本、文生視頻技術生成的數字影像。屆時，機器生成視頻在數量上，甚至在某些方面的質量上，都可能會遠超人的創作，形成生成影像與實拍影像分庭抗禮的觀看局面。

人工智能技術介入影像市場，為觀眾提供不可勝數的文化產品和消費選擇，正因應著斯蒂格勒（Bernard Stiegler）所說的“超工業時代”，也即一個數字技術全面進入人們日常生活的時代?！拔覀內缃衩媾R的是完全不同的境況，當下的社會已經從德勒茲的控制社會轉向了斯蒂格勒的‘自動社會’，我們的時代從消費主義時代轉向了超工業時代?！保?1］在此情況下，人工智能影像的市場營銷更加精準地切中觀眾的消費需求，進行有針對性的批量制造和再生產。這樣的定向營銷方式造就了一批正在潰散的消費者，他們“時而饑不擇食，時而倒胃厭食”［22］，他們在近乎強迫的重復消費下，很有可能“越來越少地體會到消費的快樂”［22］（15）。

由此，一種“象征的貧困”充斥在人工智能技術下影像生產和消費的環境中。這種貧困不僅僅是經濟上的掠奪，而是“個體化的喪失”，源自“象征物生產中參與的喪失”［22］（17）。人工智能技術下的影像定制，看似最大限度上滿足了消費者的需求，但實際上在精準投喂的同時，也封住了消費者的嘴，讓他們無法在吞咽時言說和分享?！霸谫Y本邏輯的操縱下，資本邏輯剝奪了人的象征參與，它只需要消極的麻木的個體卷入制造中，它剝奪了個體制造象征物的過程，它只需要個體作為消費者而不是創造者?！保?3］

誠然，AIGC技術的不斷迭代，也將使得一些觀眾由消費者走向創作者，通過使用文生視頻、圖生視頻工具實現人機交互和影像創作。當前，Sora、海螺、即夢等人工智能大模型，均為用戶開放了AI文生視頻的使用權限。用戶只需向大模型輸入指令，便可將原本抽象的想象轉變為具象的畫面，由此消費者與創作者的身份得以無縫切換。但值得注意的是，消費者在試圖使用AIGC工具進行影像創作時，往往需要繳納一定的會員費用，或是通過每日登錄打卡的方式領取影像生成的限定額度。因此，消費者從事創作的行為，在某種程度上講，也是一種消費行為?？梢哉f，是技術將消費者從被動的消費行為中解放出來，但也正是技術將消費者卷入新的牢籠——“少數科技巨頭或平臺企業像封建領主一樣掌握了大量數據和權力，而普通用戶則像農奴一樣被束縛在這些平臺上，失去了對自身數據和勞動成果的控制權”［24］。用戶在使用人工智能工具時向平臺繳納的會員費，不啻封建時代的地租，用戶在技術面前從來沒有完全占有權，只有“租用權”。在這樣的“再封建化”境況下，消費者進入AIGC 工具的使用語境，便很容易受到“建立在普通用戶對數字平臺或者說無形資產的高度依賴性的基礎上”［25］的“數字掠奪”。

由此一來，在人工智能影像接受的消費環節，否定性同樣存在：否定個性、否定能動、均質化投喂、繭房化誘導、資本化綁定。而當個體意義逐漸蒸發，一切向資本看齊時，數字時代的消費者唯有通過提升技術素養、媒介素養、視聽素養、消費素養、認知素養，逃離數字控制，才能避免將自己的選擇權交給機器。因此，人工智能時代之下對“人的主體性”的呼喚，并非空談和口號，而是實實在在的人的安身立命之本。

（四）觀念“否定”：觀念重構與技術霸權

在傳統的影像創作中，影像作品的觀念表達受制于導演、編劇等主創的創作思維以及具體的時代環境。一部電影無論如何賣座，也不可能“取悅”所有觀眾，即讓每一個觀看者都認同影像所傳達的思想觀念。在人工智能技術的加持下，極度“千人千面”地為每一名受眾定向傳遞觀念成為可能。影像的個性化定制不僅僅投合著觀眾的消費偏好，更在一定意義上嵌入著特定的價值觀念。

觀念的滲透往往從觀點的輸出開始，尤其在“流量為王”的自媒體時代，一條視頻想要迅速出圈，獲得關注度和點擊量，最要緊的不是打磨長篇文案或拍攝水準，而是憑借吸睛的標題設定、高潮前置的敘事技巧，將觀眾迅速吸引，而后以高濃度的視聽和“炸裂”的熱點話題緊緊抓取觀眾的注意力，從而保證完播度。在人工智能技術的加持下，這樣以流量為導向的視頻生產將變得越發容易，模板式話術的文案和虛擬主播將成為網絡世界中的新型“傳聲筒”。

從觀點到觀念，則需要一個由量變到質變的過程。通常來說，觀點關注的是具體的事，是人在特定立場上對某件事的看法，而觀念則是眾多觀點的集合與發酵，是人在某個領域或抽象問題上的總體價值反映?！叭耸怯^念的動物”，我們生活中充斥著職業觀念、婚姻觀念、地域觀念等大大小小的觀念，這些觀念在印刷時代憑借文字閱讀形成，在圖像時代憑借影像閱讀形成，而在人工智能時代則憑借觀看機器生成的影像來加以建構。由此便牽涉一個問題，即人工智能生成的影像及觀念是否可信。

我們今天打開短視頻平臺，常常會看到一些由外國人用中文輸出觀點的短視頻，乍一看來面容逼真，語言流利，但仔細考究，其微表情和體態卻與真人存在差距。在這樣的觀看過程中，觀眾極有可能經歷從好奇到認同再到懷疑的心理變遷，且很容易迷失在AI大模型的諸多障眼法當中。而一旦“不真實的觀念泛濫成災，整個觀念體系、意識形態一片虛偽，認真的人就會警惕觀念、反對觀念”［26］。在價值觀念此消彼長的今天，用影像傳遞觀念的關鍵或許仍然在于真誠而非偽飾。

如果說，傳統的影像作品傳遞的是主創團隊不斷碰撞和打磨的觀念，那么人工智能生成的影像則可能傳遞的是完全由算法計算的觀念。李普曼（Walter Lippmann）在《輿論》中引用柏拉圖的洞穴寓言，將影像等大眾媒介信息比作墻壁上的影子，指出大眾只能根據影子的形態起舞，卻看不到洞穴外的真實世界。人工智能技術將“擬態環境”加以改造，觀眾如今戴上VR 眼鏡，進入洞穴，所能看到的甚至不是真實的影子，而是真實光源遭到遮蔽后，算法在墻壁上計算生成的虛影。當人工智能技術足夠成熟時，傳者只需給出傳播預期及幾個關鍵詞，AI大模型便可以迅速生成相應的視頻文案和口播視頻，用以投喂受眾。在這樣的傳受過程中，機器不再是一個單純的中介，而變為具有決定性作用的內容生產者。

在內容生成中起主導作用的算法，則將在重塑觀眾認知甚至認同的過程中形成某種程度的霸權。在葛蘭西（Antonio Gramsci）時代，文化霸權的形成“需要以被統治者自愿地接受和贊同作為前提，依賴于權力場中的各種力量達成某種一致的輿論、世界觀和社會準則”［27］；在數智時代，文化霸權則演化為算法霸權，其認同機制也從對統治者、“有機知識分子”的認同轉變為對算法和技術的認同。觀眾在觀看人工智能生成的影像時，需要事先跨越算法創作的心理障礙，才能順暢地接受技術表層之下的影像內容和價值觀念。

由此，人工智能影像的接受者觀看否定性，從表層的內容、信息、敘事、個性化、情感化、消費化的否定性，正在走向更為深刻的觀念、價值、精神的否定性，這應該引發我們一種普遍性的未雨綢繆式的警惕。

四、余論：技術影像的未來

人工智能技術生成影像的不斷聚集，正在打破傳統影像所構筑的創作與接受體系。弗盧塞爾（Vilém Flusser）意義上的“技術圖像”，在人工智能技術的加持下，越發顯現出“為荒誕賦予意義”［28］的影像使命。然而，與攝影、電影等相對成熟的技術影像不同，人工智能生成影像作為技術影像的最前端，最大程度彰示著技術而非人的主體性作用，其間伴隨著諸多技術困境、倫理問題與表意危機。當我們使用人工智能技術，“向世界投射意義”時，如何才能不被投射之物驚嚇和反噬？以下因應對技術影像未來發展的思考，提出三點建議。

第一，張揚人的主體性，培養思辨和發問能力。人工智能技術下的影像生成的內容深度和質量效果，在很大程度上取決于大模型使用者的發問水平和思辨能力。

第二，健全數據庫建設，協同多領域專家共同開發。目前影像生成大模型的喂養和訓練，很大程度上依托于專業技術人員，缺少影像內容工作者、專家學者的深度參與。

第三，重視音視頻鑒偽，規范影像生成倫理。在深度偽造技術不斷“亂人耳目”的情況下，音視頻鑒偽技術的精進顯得尤為重要，是避免惡意誹謗、惡意定向引導的必要手段。

就本文的論題，最后需要說明兩點：其一，本文所謂的“肯定式”與“否定性”是相對的，甚至帶有哲學意義上的解釋意味，不能做絕對化認識。因為影像創作、技術和藝術的關系、技術和媒介的關系等是一個復雜的問題，反例、例外一定是存在的，甚至在某些觀點的范疇下，反例、例外或許有著一定的體量。

其二，本文對人工智能與影像創作和接受的關系闡釋，不少觀點旨在喚起人們對人工智能技術發展的未雨綢繆式的警惕，但并不持否定人工智能發展的立場。反之，筆者認為人類技術的快速發展，以及其影響下的媒介發展、藝術發展，是一股推動人類進步的力量，我們不應該站在這股洪流面前“螳臂當車”。而是應該持有建構主義的態度，充分發揮技術的優勢，同時全力規避潛在風險，實現趨利避害的最大化，實現人類社會更大程度上的平衡。

參考文獻：

［1］［德］韓炳哲.美的救贖［M］.關玉紅，譯.北京：中信出版社，2019：9.

［2］羅梟.美的阻滯與哀悼：韓炳哲的平滑美學及其限度［J］.文藝評論，2024（3）：18-26.

［3］［美］湯姆·岡寧，吸引力電影：早期電影及其觀眾與先鋒派［J］.范倍，譯.電影藝術，2009（2）：61-65.

［4］［德］韓炳哲.透明社會［M］.吳瓊，譯.北京：中信出版社，2019：14.

［5］［德］黑特·史德耶爾.屏幕上的受苦者［M］.烏蘭托雅，譯.上海：上海人民出版社，2024：37.

［6］孫瑜無錫候美云［N］.時事新報（上海）·本埠附刊，1933-5-24（2）.

［7］［蘇］塔可夫斯基.雕刻時光［M］.張曉東，譯.?？冢耗虾３霭婀?，2016：127.

［8］周冬瑩.影像與時間：德勒茲的影像理論與柏格森、尼采的時間哲學［M］.北京：中國電影出版社，2012：106.

［9］［德］海德格爾.存在與時間（中文修訂第二版）［M］.陳嘉映，王慶節，譯.北京：商務印書館，2018：180.

［10］劉海龍，連曉東.新常人統治的來臨：ChatGPT與傳播研究［J］.新聞記者，2023（6）：11-20.

［11］［法］米歇爾·瑪麗.理解戈達爾［M］.胡敵，龔金丹，譯.桂林：廣西師范大學出版社，2017：93.

［12］［美］約瑟夫·布羅茨基.小于一［M］.黃燦然，譯.杭州：浙江文藝出版社，2014：27.

［13］［法］巴贊.電影是什么？［M］.崔君衍，譯.北京：文化藝術出版社，2008：307.

［14］戴錦華，王炎.返歸未來：銀幕上的歷史與社會［M］.北京：生活·讀書·新知三聯書店，2019：129-130.

［15］［法］波德里亞.象征交換與死亡［M］.車槿山，譯.南京：譯林出版社，2006：105.

［16］［意］西蒙尼·納塔萊.媒介的欺騙性：后圖靈時代的人工智能和社會生活［M］.汪讓，譯.上海：復旦大學出版社：2023；7-9.

［17］［匈］巴拉茲.可見的人：電影文化、電影精神［M］.安利，譯.北京：中國電影出版社，2000：41.

［18］［英］安德魯·麥克斯泰.情感人工智能［M］.呂欣，譯.北京：中國傳媒大學出版社，2023：26.

［19］施超.觸及生命與愛的個人情感——論羅蘭·巴特之《明室》［J］.外國文學，2019（1）：140-153.

［20］［法］巴爾特.明室：攝影札記［M］.趙克非，譯.北京：中國人民大學出版社，2011：65.

［21］韓曉強.在技術奇點時代“包扎”：貝爾納·斯蒂格勒的電影哲學診療［J］.電影藝術，2023（6）：3-11.

［22］［法］貝爾納·斯蒂格勒.象征的貧困［M］.張新木，龐茂森，譯.南京：南京大學出版社，2021：16.

［23］吳琳，陳姿和.超工業時代中的人［J］.長春理工大學學報（社會科學版），2024（4）：61-65.

［24］張源.技術封建主義：數智時代的資本主義批判［N］.光明日報，2024-10-11（11）.

［25］［法］塞德里克·迪朗.技術封建主義［M］.陳榮鋼，譯.北京：中國人民大學出版社，2024：序言18.

［26］陳嘉映.說理［M］.北京：華夏出版社，2011：186.

［27］胡翼青.西方傳播學術史手冊［M］.北京：北京大學出版社，2015：31.

［28］［巴西］威廉·弗盧塞爾.技術圖像的宇宙［M］.李一君，譯.上海：復旦大學出版社，2021：31.