陶 锋丨人工智能视觉艺术研究
计算机艺术是人工智能艺术的基础和先声,从20世纪90年代以来,随着人工智能一些关键技术的突破,使得人工智能艺术逐渐脱离了传统的计算机艺术,有成为一门新的艺术形式的可能,人工智能艺术更加重视计算机的智能性或者说自主性,其根本目的是让计算机走上自动化的道路,通过程序化、网络大数据、深度学习等方式,创造出人类可以欣赏理解的艺术作品。人工智能艺术的研究有助于完善计算机之前所不具备的创造性、想象力和情感感知能力,同时,也是对人类智能的相关部分之原理的探询。下面我们先来回顾一下人工智能艺术发展的历史。
1.人工智能艺术的基础:计算机艺术
计算机艺术指的是人们以计算机为工具,创作艺术作品,“是一种计算机的实验性应用,用来作为视觉艺术、音乐或者诗歌这些传统的艺术实践”。
最早的计算机艺术是一种利用计算机算法生成的简单图像,可以称之为“算法艺术”,如1949年亚当斯(C.Adams)利用一台叫作“旋风”(Whirlwind)的计算机生成了简单图像——《弹球》(BouncingBall,见图1)。随后,计算机科学家们在不断地探索如何用计算机生成艺术作品。
1952年,拉珀斯基(B.Laposky)用示波器创作了名为《电子抽象》(ElectronicAbstractions,见图2)的画作,他解释道:“‘电子抽象’是抽象的艺术形式,通过复杂的电波显出痕迹,显示在示波器的负极射线屏幕上。”他希望借此来使得“科学和艺术”的结合成为可能,后来他又创作出了有彩色效果的图画。德国人阿尔斯勒本(K.Alsleben)和帕索(C.Passow)在1960年第一次使用计算机绘图,1965年多位艺术家实现了用数字计算机作画,并举办了一些画展,如纽约举办的“白南准:电子艺术”“电脑绘图世界展”等。后来的工程师和艺术家继续研发出了二维和三维图像。
图1:亚当斯,《弹球》,1949年
这种借助计算机来创作的方式,和“抽象艺术”“光普艺术”等现代艺术形式类似,艺术家们仍然是在实验如何以一种逻辑的方式去安排形式和色彩。如瑞士构成主义艺术家比尔(M.Bill)就指出了“算法艺术”的理论来源于康定斯基的构成主义。一些艺术家如诺尔(M.Noll)通过分析蒙德里安的作品的结构、内克(F.Nake)将保罗克利的作品分析成数据,然后用计算机生成图像,形成了计算机艺术中的“生成美学”(GenerativeAesthetics)流派(见图3)。由于早期的计算机水平的限制,因此只能描绘接近于抽象艺术的基本形状和线条。随着1957年计算机扫描仪的发明,使得计算机视觉艺术进入到了“图像处理”阶段,这一阶段的计算机艺术的目的是尽量提高图像显现的还原度和真实性,使之尽可能地还原真实的图像。
图2:拉珀斯基,《电子抽象》,1952年
到了20世纪70年代,随着计算机制图、色彩还原、计算机显像等技术的发展,计算机越来越多地被用于设计、建筑等领域中。而人机交互设置如绘图板(sketchpad)、鼠标的发明,使得人们用手绘的方式来“绘画”成为了可能,从此,计算机视觉艺术进入了“绘画程序”时期。计算机艺术吸引了更多的艺术家参与其中,如哈林(K.Haring)、安迪·沃霍尔等,哈林认为,计算机艺术所呈现出来的独特的形式美感——如笔触等吸引了他,他认为,处于计算机时代的艺术家需要使用一些与传统不一样的绘画手段。沃霍尔也在20世纪80年代中期开始用计算机创作艺术。随着触屏技术的发明以及屏幕色彩分辨率和还原度的进一步提高,计算机艺术逐渐从复杂的程序设计中解脱出来,人们可以直接在屏幕上作画,计算机屏幕成了比画布要更加方便的绘画媒介。当代英国著名艺术家霍克尼就尝试用IPAD等智能工具进行绘画创作,他认为,这些智能工具不但改变了人们的绘画方式——比如需要用手指触屏绘画,还改变了绘画原作和副本的关系,因为分享出去的每一幅作品都是原作了。
图3:内克,《克利》,1968
著名计算机艺术家莫尔纳(V.Molnar)认为计算机艺术可以实现以下四个目标:首先,在技术上可以拓宽绘画的形式色彩的可能性,促进视觉空间的发展。其次,计算机可以满足艺术家的革新需求,减轻传统文化形式的负担。第三,计算机能够鼓励人们以一种新的方式去思维。最后,她认为计算机能通过测量观众的心理反应去帮助艺术家。计算机艺术的产生被认为是计算机应用的巨大突破,“因为计算机第一次涉足被视为人类独有的领域:创造行为”。但是实际上我们可以看到,在传统的计算机艺术中,艺术家仍然是艺术的主体,计算机不过是一种辅助工具,帮助艺术家去表现,其艺术创作的主体仍然是艺术家。
2.人工智能艺术
人工智能艺术与传统计算机艺术的不同在于,人们试图使得计算机拥有如人类那样的视觉感知、情感体验以及想象力、创造力等能力。艺术家们已经不是简单地将计算机视为画笔一样的工具,而是试图创作程序,让计算机能够一定程度上独立作画了。
图4:哈林,《无题》,1983
早在20世纪70年代,人们就试图让计算机艺术脱离数学和技术,而进入到传统视觉艺术的背景中去。伦敦大学的斯雷德艺术学院(theSladeSchoolofArt)建立了“实验与计算机系”,是最早在教学中将计算机与艺术相结合的地方。毕业于该系的布朗(P.Brown)发展出了一种形象生成系统,该系统写出的程序可以创造出简单的图像。而荷兰的“人工艺术学院”(InstituteofArtificialArt)则致力于将机器、计算机、算法与人组织一起,共同实现“艺术产品的完全自动化”。学院学者认为,机器比人而言要更加纯粹、客观和冷静,可以完全不受任何非艺术性目的如名誉、欲望、金钱等影响,因此能够创造出完全自动的机器艺术。
美国艺术家科恩(H.Cohen)一直在发展计算机算法以便将创意过程和绘画程序形式化,他将这种程序称作AARON。他在1978年设计了一种由计算机控制的机器人,能根据程序结合随机因素去简单地画画(见图5)。科恩强调的是计算机的“原生的自己做决定的能力”,这已经超出了普通计算机艺术而进入到人工智能艺术的范畴了,AARON智能机器人所创作的绘画被诸如旧金山现代艺术博物馆等所收藏。但是科恩仍然认识到了人工智能艺术与真正的人类艺术相比还存在众多不足,最复杂的计算机程序也无法实现艺术家的真正感觉。
图6:土佐尚子,《神经宝贝》,1993
图5:科恩,《纸上颜料》,2004年
随后,计算机在图像识别技术上实现了突破性的发展,如姿势识别、动态追踪以及面部识别等,以及人工智能神经网络技术的发展,使得人工智能创作艺术有了技术上的支持。如日本艺术家土佐尚子(NaokoTosa)的装置艺术《神经宝贝》(NeuroBaby),就是将观众的声音输入与电脑生成的婴儿表情来实现互动,探索智能计算机的语言和情感识别功能的可能方向(见图6)。其他的人工智能艺术品还有巴金斯基(N.Baginsky)利用神经网络创作的《三个塞壬》(TheThreeSirens)、萨拉·罗伯特(S.Robert)的互动装置艺术《早期程序》(EarlyProgramming)、威尔森(S.Wilson)的《情感多维空间中的漫游》(ExcursionsinEmotionalHyperspace)等,这些智能艺术的共同特点就是人与机器的互动性。威尔森认为,“人工智能的发展可能允许艺术家创作出拥有类人感性的艺术品,这些艺术品与观众互动,它们可以被视作在某些方面是智能的,并且能从经验中学习”。
21世纪伊始,人工智能在神经网络和深度学习(DeepLearning)技术的发展,使得人工智能艺术在模仿人类创造性和想象力上有了突破性的进展。首先是图宾根大学学者利用神经网络算法,将现实图片与艺术家风格结合在一起,生成具有艺术风格的图像。在2016年GoogleDeepDream(以下简称为GDD)利用神经网络技术,训练机器学习识别图像,并进一步生成艺术化图像。紧接着,科学家们创造了GAN程序(生成对抗网络,GenerativeAdversarialNetworks),通过让计算机学习、模仿艺术史中的经典作品,来模拟生成类似的作品。但是,这仍然无法让计算机摆脱复制作品的嫌疑。2017年,科学家们又进一步地创造了CAN程序(创意对抗网络,CreativeAdversarialNetworks),这种计算机程序,在原先GAN的基础上,通过修改网络的目标,使其尽可能地偏离已经确立的风格,同时又尽量保持在艺术品范围之内,从而创造有创意的图像。这种程序,使得计算机不再是简单地复制模仿对象,而是通过模仿人类的创造性活动,一定程度上能够独立地创造出有风格的艺术品了。而根据对艺术爱好者、专家们进行的双盲测试,结果显示CAN程序所创作的绘画能够成功地骗过人们,也就是说它们顺利地通过了图灵测试,计算机似乎真的在视觉艺术上实现了智能化(见图7)。
图7:CAN系统生成的高评分作品
让我们简要地总结一下当前人工智能视觉艺术的工作原理和机制。首先,计算机的算法和程序是基础,任何人工智能艺术中所需要的绘图和设计、视觉识别、生成程序、鉴别标准等都要能够形式化,也就是用算法表示出来。其次,专家库和网络大数据能够提供足够的信息基础,如大量的经过标注的艺术作品,使得程序能够去分类、鉴别甚至“学习”。第三,无论是GDD、GAN还是CAN程序,都是建立在人工神经网络(ArtificialNeuralNetworks)基础上的。所谓人工神经网络,“是一种基于人类大脑的推理模型”,它通过模仿人类神经元的工作机制,而实现了机器的自我改进和机器学习。而最重要的一点,就是最近十几年发展起来的深度学习(DeepLearning)方法,深度学习指的是让计算机从经验中学习并根据分层的概念来理解世界。深度学习取得突破性进展之一就是强化学习,即在无人监督的情况下通过试错来学习执行任务。正是这些关键性技术的革新,使得AI视觉艺术获得了突破性的进展。
从计算机艺术发展到人工智能艺术的历程我们可以看到,艺术与科技紧密结合并相互促进。人工智能艺术是计算机发展到高度自动化的产物,它有其独特的地方,即希望能够实现机器的智能化、艺术创作的主动性,而两者的结合,才是人工智能的最高水平,也就是我们说的强人工智能(StrongAI),因为艺术创作中包含了人类智能中最复杂的几个部分,如创造性、艺术标准、意向性、审美情感、审美心胸、身心问题等,而当前的人工智能体不像人类那样是由有机体组成的。所以计算机专家们也避免从主观方面来探讨,他们主要是从可以量化和形式化的客观数据、经验、效果、观众的反应等方面来设计程序。既然如此,本文就结合人工智能技术来分析,看目前的人工智能是否实现了艺术的创造性以及艺术的评判标准。
二、人工智能艺术中的创造性和艺术评价1.创造性
有学者们认为,创造性对于人类进步是必要的,“创造性是驱动文明前进的关键因素”。艺术是人类创造思维的体现,而创造思维又是人类智能最为复杂、最难以被计算机所形式化的能力。那么艺术中的创造性到底是一种什么样的能力呢?它可不可以被形式化呢?人工智能可否拥有一定程度上的创造力呢?
钱学森认为人类思维包括“抽象(逻辑)思维、形象(直感思维)和灵感(顿悟)思维”,其中的灵感思维就与创造性密不可分。哲学家康德在《判断力批判》中提出了“天才”的概念——“主体在自由地运用其认识能力时,所具有典范意义上的原创性之天赋”,天才是不可被模仿的,天才的作品应该唤起其他人的原创性情感。从康德的分析中我们看到,艺术最重要的能力就是这种典范意义上的原创性,其实也就是我们所说的创造性内容之一。但是康德将这种能力给神秘化了,认为“天才”是天生的艺术才能,而不是通过后天能够获得的。脑科学家、心理学家则有不同的解释,脑科学家利用fMRI(功能核磁共振现象)技术探测创造性活动应该与脑部某些部位的活动激烈程度有关。而心理学家则认为,创造性活动与情感、认知、训练以及环境密不可分。有些心理学家将创造性区分为“突出型”(eminent)创造性和“普通型”(everyday)创造性。突出型创造性指的是对人产生较大冲击的创造性,而普通型则是解决日常问题以及适应改变的能力。
计算机专家们则认为可以通过设计程序、深度学习来使得智能计算机获得一定程度的创造性。图灵早在1950年就对所谓的计算机只能服从规则、不能创造进行了反驳,他说,那些所谓的原创,不也是植根于人们所受的“教育”吗?或者是一些著名的普遍规则的影响的结果?
著名人工智能哲学家博登(M.Boden)认为创造性是可以被界定和形式化的,可以用算法来表示创造性。她将创造性分为“非可能性(Improbabilist)”的创造性与“非现实性”(Impossibilist)的创造性两种。前者是各种观念的重新组合,而后者则是创造出之前未曾出现过的新观念。博登认为“非可能性”之创造性包括联想、类比和归纳三种。随着人工智能联结主义的发展,人工智能对于联想、类比和归纳的模式化已经基本实现。“非现实性”之创造性与“概念空间”(conceptualspaces)的描绘、探索和转变有关,而概念空间是科学和艺术中的思考方式。人们在突破传统限制、考虑到传统的对立面以及变换变量时,可能会实现概念空间的转变。例如,毕加索的立体主义就是在对传统焦点透视的否定中创立的。而随着机器学习技术的发展,一些智能模型已经能够转变其自身的概念模型,如莱纳特(D.Lenat)自动数学机等。博登认为,科恩设计的AARON程序,能够实现一些仿生的单臂操作,其生成程序中加入了如审美平衡之类的评价标准,它可以通过思考它所做的行为来决定其下一步要做什么,这已经具有某种程度上的创造性了,不过AARON仍然不能反思其作品,以及调整并提高其作品。
综合以上说法,我们可以将创造性区分为两种,一种是“新奇性”(novelty),一种是“原创性”(originality)。新奇性就是“从有生有”,如前述的“普通型”创造性以及博登所说的“非可能性”创造性,而原创性则是康德所说的天才、“突出型”创造性、“非现实性创造性”,是“从无生有”,而这才是艺术家追求的具有典范意义的原创性。
我们再来看看CAN即“创意对抗网络”中所涉及的创造性部分。首先,我们要知道,CAN和GAN的发展都是人工神经网络和深度学习技术发展的结果。两者都是对大量艺术史作品进行学习之后才具有生成艺术图像的能力。CAN与GAN最大的不同在于,GAN只能模仿某类风格,而CAN“通过偏离学习的风格来提升生成艺术的唤醒潜能(arousalpotential)而成为创造性的”。GAN系统有两种对抗性程序:生成器和鉴别器。计算机通过生成器来学习生成新的图像,鉴别器则负责判断哪些是与计算机所设置的艺术训练组中相符合的艺术图像,哪些不是。这种情况下,是不可能产生新的、有创意的图像的。而CAN的创新性在于,它在鉴别器中设置了两种标准,一个是“是不是艺术”,另一个是“所生成的艺术属于什么风格类型”,这两种标准被设置成对抗性的,即既要生成属于艺术范畴的图像,又要设置不同于既定风格的即艺术风格模糊的图像。(见图8)
图8:CAN程序示意图
图10:康定斯基作品
图9:CAN高分作品,在观众喜好上排名第一,近似人类作品和意图性上排名第二
图11:LuisRoldan,《无题》2016,MiamiBeach
我们可以看到,CAN程序在创新性上面,使用了学习偏差(即最大限度地偏离既定风格)以及鉴别艺术标准(最小限度地偏离艺术范围)。也就是说,创新是在既定范围内对原有规则的突破和偏离。CAN程序设计者们认为,之所以艺术需要创新,是因为艺术本身具有“外界刺激模式的属性”,而人们对于外界刺激会产生习惯性,“中等的唤醒潜能刺激”有助于唤醒人们的审美意识,太少的刺激会让人无聊,太多则会使人厌恶。因此,设计者的任务是“试图增加风格的模糊性以及偏离风格标准,同时,又避免太过以至于不能作为艺术被接受”。15CAN程序设计者做了5次双盲实验,分别邀请艺术爱好者和艺术史学生,来比较抽象表现主义绘画、巴塞尔艺术展作品、CAN绘画、GAN绘画作品。结果表明,大部分的人认为CAN绘画是艺术品,而且有着一定的意图性、视觉结构、可交流性等艺术特性。
下面,我们来简单比较一下CAN生产的高分艺术品与表现主义、巴塞尔艺术展艺术作品,
在笔者看来,CAN的作品相比起其他两幅艺术家作品而言,颜色上似乎不太和谐,可能是由于过多依赖于计算,使得色彩比较浑浊平庸。而构图和形状上也比较失衡,不像康定斯基作品考虑到了形状和声音以及色彩的关系,而洛尔丹的作品则相对地稳定。笔者认为,虽然CAN的作品看起来似乎更加新奇,但是绝非上乘之作,无论是色彩、形状、构图还是笔触,都没有实现审美上的和谐和平衡,因此也就没有艺术逻辑可言。
之所以会出现这种评判上的偏差,笔者认为,这是因为首先,创造性不只是一种“新奇”或者说差异,创造性更重要的在于其“典范”意义,艺术家追求的是“原创性”,也就是说它涉及的是艺术中更为本质的问题和思维范式的革新,而且革新的手段也是具有启示性的。例如印象主义要解决的色彩的直观性问题,现代派绘画考虑的是绘画的平面真实性问题。智能体很难从已知的艺术史作品中预测出艺术本质问题的走向,因此也就谈不到解决问题的革新手段了。计算机对数据的分析和归纳并不能上升为问题意识和思想,这是人工智能创新性的根本难题。目前的人工智能是程序化地重组、拼凑原有图像,即使能产生新奇的作品,也不能算是成功的,更谈不上原创性。另外,无论是CAN、GAN,还是别的艺术程序设计,都要设置一个评判标准,如CAN程序中设置的艺术鉴别、风格鉴别,以及测试中以艺术爱好者的打分为标准,这些标准是如何确定的,果真能够去判断人工智能作品是不是真的艺术品以及其创造性吗?这就涉及了艺术评价问题。艺术是否有标准?艺术标准是不是固定不变的?人工智能是否可以做出艺术评价,设置艺术标准?下面我们就来简单地探讨一下艺术评价问题。
2.艺术评价
确定性是计算机和人工智能程序的根基,从最早的图灵计算机到现在的深度学习程序,都是建立在真假二值逻辑基础上的。有专家认为审美和艺术活动可以被形式化,其前提应该是艺术品成为“审美评价的首要对象”。但是与此同时,人工智能专家也承认,艺术评价是非常主观的,所以计算机可能无法用人类的术语去“评价其自己的创造性工作”。
人工智能想要创造艺术品,首先必须有一个确定的评价体系和标准,这包括以下几个方面:首先,在为程序选择学习的艺术样本时需要有评价标准。例如CAN学习的是表现主义,那么就要选择并标注那些表现主义中的经典作品,而这种选择和标注,只能是人来完成的。其次,在程序通过学习提取特征并初步生成作品之后,系统还需要鉴别器来鉴别是不是艺术品。但是,如何判断一件新的作品是不是艺术品,却面临着创新和标准之间的矛盾。CAN系统认为如果过度地唤醒观众的审美意识,会造成观众的厌恶,例如GDD程序的作品,就是过度唤醒了,所以造成了评论界的否定评价。我们将GDD作品与许多现代派作品来比,前者似乎要温和许多,也就是说,当初野兽派、表现主义、立体主义等流派的作品按照CAN的评价标准来说,是过度唤醒了,应该被排除在艺术品体系之外了。最后,程序最终生成的作品,还需要观众来评价。笔者曾经参与过清华未来实验室高峰博士的“道子”人工智能国画程序的评价阶段工作,深知人类评价对于人工智能艺术的重要性。
艺术评价涉及标准,美丑曾经是艺术的基本标准。康德在《判断力批判》中提出了对艺术可以进行“鉴赏判断”(审美判断),判断的标志是审美快感或者不快感,判断的结果是美或者丑。这种艺术上的二元判断发展到现代艺术却失效了,现代派艺术的不和谐给人带了丑的震惊体验,却更加深刻地揭示了艺术和世界的本质。艺术中的明确规则和外在标准都在不断地被打破,所以哲学家阿多诺说,“与艺术有关的事情都并非自明的了,既非艺术本身,也非艺术与总体的关系,甚至连艺术存在的权利也非自明的了。”
艺术作为一个不断发展的生命体,其标准也是在不断变化的。阿多诺提出了判定真艺术和文化商品的一个标准是“真实内涵”[德]WahrheitGestalt),这种真实内涵不同于计算机的真假二值逻辑,而是既有真假又有具体内涵的艺术标准。艺术的语言是真实的,意味着它真实地模拟了事物的语言,真实地形式化了自身的语言逻辑,而艺术的语言逻辑是内在的、历史的。按照阿多诺的说法,艺术标准就是一种建立在人类摹仿理性和本真语言上的动态标准,它既有社会维度又有历史维度,是时代精神的体现。因此,现代艺术很难用简单的二元判断来评价。
但是,我们也不是说艺术全无标准,例如阿恩海姆认为视觉艺术应该符合格式塔心理学,这是一种“普遍的真理内涵”,使得艺术在任何时间和地点与任何人都有关联。完形心理学中提到的平衡、简化、完形等视觉心理形式,确实能够成为评判视觉艺术作品内部结构的标准。CAN系统也将评价标准分为“相似性”“新奇性”“模糊性”“复杂性”等,通过评价者分数的加权来判断作品的好坏。
无论是CAN还是GDD程序,其基本原理是寻找和计算对象(现实事物、艺术经典作品)形象上的一般规律,然后根据这种规律加以再现、重组和变形,再根据已有的艺术风格加以调整和评价。虽然CAN使用了风格模糊(偏差)的方法,但是其所谓的艺术评价标准还是来自之前的艺术风格,并没有能力去根据艺术整体的发展规律去突破标准、重新调整标准,而这种主动性却是艺术家所追求的。这需要一种艺术的总体思维和问题意识,人工智能至少在目前是不可能从经验上升到这种整体的思维和意识的。另外,艺术最重要的是蕴含着生命和情感,正如康德所说的,审美判断是与一种“生命感”有着直接的联系的具有主观性的判断,这恐怕是人工智能永远无法实现的。
综上,我们可以看到,或许人工智能程序已经能够创作出以假乱真的艺术作品,甚至通过“图灵测试”,但这并不意味着人工智能已经拥有了如人一样的创造性以及艺术判断能力和标准。目前看来,还不能说是人工智能自己创造了艺术品。
三、人工智能视觉艺术的问题和展望
人工智能视觉艺术还涉及很多问题。首先是意向性问题,如果说智能体没有意识到自己正在创作艺术,那么它的作品真的能称作艺术吗?它的作品与一只经过训练的猩猩的涂鸦甚至与一朵开放的鲜花又有什么区别呢?按照黑格尔的区分,人工智能作品应该归于自然美,而非属于艺术美范畴。其次是审美情感问题。当前关于人工智能的情感多是采用情感计算方式(aestheticcomputing),即通过分析艺术品和观众的反应数据来设置情感程序,智能体并非真的拥有情感。再次就是审美心胸问题,其实也就是人类的精神超越问题。由于人工智能的机器属性,它毕竟没有身体和心灵,所以无法触碰到艺术最核心的部分,艺术作为人类精神产品,其最终目的是实现人的身心和谐、心灵超越以及人与人、人与自然的和谐相处。人类通过艺术,是为了实现审美心胸的拓展和最终自由,如果一切都由计算机代劳了,那么人类如何实现精神自由呢?如果这些问题无法解决,那就不能说人工智能真的创造了艺术,实现了最高级智能。
而未来,人工智能艺术将向两方面发展,一方面是继续摹仿人类艺术的风格和内容,也就是从视觉感知、创造性、艺术评价和标准等方面进行研究,创造出近似人类艺术的作品。这种技术发展具有很强的实用前景,它可以直接应用到机器的视觉和语音识别、情感服务与交流上面。也可以代替人类进行一些艺术的初级活动,创造一些风格多样但是却缺乏足够创造性的艺术商品,以满足人民的日常审美需求。另一方面,人工智能艺术更重要的应该是摹仿人类艺术的形式和精神,即人工智能真正像人类那样具有创造性和审美判断能力,能自己制定艺术标准,最终能够意识到自己在创作自由的艺术,从而创造出属于自己的艺术。而如果能实现这一点,那么人类也就同时会揭开人类创造性、审美能力和意向性之谜了。
不过,需要指出的是,人类创造人工智能的最终目的,不是要让人工智能取代人类,而是为了更好地研究人类自身的秘密,为了让人工智能帮助人类实现自由。返回搜狐，查看更多
人工智能（AI）艺术正在挑战策展的边界
与任何新颖的工具一样，生成模型引入了艺术制作过程中的重大变化。特别是，人工智能艺术扩大了策展的多面性概念，继续模糊策展和创作之间的界限。
用人工智能制作艺术，至少有三种方式可以涉及策展行为。第一点，也是最不具有原创性的一点，与输出的管理有关。任何生成算法都可以生成无限数量的图像，但并不是所有的图像都会被赋予艺术地位。策展作品的过程对摄影师来说是非常熟悉的，有些摄影师通常会捕捉数百或数千张照片，其中的一些（如果有的话）可能会被精心挑选出来展示。与画家和雕塑家不同，摄影师和人工智能艺术家必须处理大量的（数字）对象，它们的策展是艺术过程的一部分。在整个人工智能研究中，“挑选”特别好的结果的行为被视为糟糕的科学实践，这是一种误导性地夸大模型感知性能的方式。然而，当涉及到AI艺术时，“精挑细选”可能是游戏的名称。艺术家的意图和艺术情感，可以通过将特定的作品提升为艺术品的行为来表达。
第二，策展也可能发生在任何图像生成之前。事实上，“策展”应用于艺术通常指的是，选择现有作品进行展示的过程，而在人工智能研究中，策展通俗地说指的是制作一个数据集，并在其上训练人工神经网络的工作。这项工作是至关重要的，因为如果数据集设计得不好，网络往往无法学习如何表示所需的特征并充分执行。此外，如果一个数据集有偏差，网络将倾向于复制，甚至放大这种偏差。包括，例如，有害的刻板印象。俗话说:“垃圾进，垃圾出。”这句格言同样适用于AI艺术，除了“垃圾”具有审美（和主观）维度。
上图：《路人的回忆I》
人工智能艺术的先驱之一、德国艺术家马里奥·金尔曼（MarioKinglemann）在其作品《路人的回忆I》（2018）中，精心策划了17至19世纪数千幅肖像的数据集。然后，他利用这个数据集训练生成算法，这些算法可以生成无限多的共享相似审美特征的新颖肖像，并在两个屏幕上实时显示（一个女性肖像，一个男性肖像）。这是一个不涉及输出管理的AI艺术品的例子。然而，训练数据的精心管理在其概念中发挥了根本作用。在这里，“偏见”是一种祝福：根据艺术家个人的审美偏好和品味，数据集存在严重的偏见，这种审美偏见反映在最终的艺术作品中，尽管是通过电脑驱动的生成过程的扭曲镜头。
生成算法最近的进步所带来的另一个新奇之处是，通过用自然语言描述所需结果来生成图像的能力。这就是所谓的“提示”，或者用文本提示来引导算法，而不是对随机输出进行抽样。
在某种程度上，能够用文字来提示生成算法，可以让创作过程更容易、更集中。它可以减少对输出的管理的需要，因为人们可以直接描述自己的愿景。然而，提示并不是使艺术创作变得平凡的灵丹妙药。它更像是一种新的创造性技能。人工智能研究人员甚至用“模板工程”来描述制作好的提示以获得预期结果的过程。
“模板工程”更多的是一门艺术，而不是一门科学，尤其是在创造性地使用人工智能方面。它甚至被比作炼金术或咒语。除了对最终产品有一个独特的愿景外，人们还必须对能够使用任何给定算法解锁特定风格或主题的魔法词的正确组合有一种感觉。这就是人工智能艺术引入的第三种，也许是最新颖的策展形式：精心设计和收集个人提示或提示片段，从算法中得出预期的结果。
随着像Dall·E2这样预先训练的算法的使用开始消除对数据集管理的需求，即时策展提供了另一种发展个人艺术风格的方式。有趣的是，它还将图像与文本对话，就像传统的博物馆策展一样，尽管形式不那么学术化，往往更具诗意。就像艺术评论一样，提示语可以是非常字面的（“一个人站在玉米地里，低角度，35毫米人像摄影”），也可以非常抽象（“生命的无法承受的轻盈”）。无论哪种方式，提示都会给艺术品带来一层新奇的解读。一些艺术家喜欢分享他们的提示，甚至可能把它们用作他们作品的标题；另一些人则更喜欢把它们藏起来，把产生的图像留给人们去解读。
上图：毕加索的版画系列《公牛》（1945）
提示的管理和输出的管理经常会交织在一个创造性的反馈循环中。人们可以尝试给定的提示，了解它可能产生的图像，然后使用新知识迭代的改进提示，在过程中挑选出有趣的输出。这个循环可以一遍又一遍地重复，直至无限。这让人想起传统艺术家在一个共同主题上探索变化，比如毕加索的版画系列《公牛》（1945），他在其中描绘了一只处于不同抽象阶段的公牛。一个值得注意的区别是，提示程序总是包含生成随机性所保证的惊喜元素：没有任何提示会两次产生完全相同的结果，提示中的微小变化，可能会对输出产生意想不到的巨大影响。
艺术家和策展人之间界限的模糊并不新鲜。虽然，策展最初被视为仅仅是一种管理工作，其任务是保存和展示博物馆中的艺术品目录，但自20世纪60年代以来，策展本身已被认为是一种创造性的姿态。策划一场展览，通常涉及刻意采用一种特定的概念或视角，为一组艺术品带来新的光芒。像CarolynChristov-Bakargiev和HansUlrichObrist这样的明星策展人以艺术家的方式对待他们的作品，并在塑造当代艺术和策展的话语中发挥了重要作用。相反，马塞尔·杜尚（MarcelDuchamp）等艺术家自己策划了标志性的活动，并在展览媒介的现代化中发挥了关键作用。策展本身作为一种创作过程，它可以成为艺术品味的一种深刻的个人表达。生成性算法的进步通过引入新的策展手势，在创作过程的几个阶段引导艺术家的审美感觉，为艺术和策展之间的交叉授粉创造了更多的机会。
人工智能艺术的这些策展方面，最终可能会渗透到博物馆或数字展览的策展实践中。例如，展示人工智能艺术的机构将需要决定提供多少有关数据集的信息，用于生成特定艺术品的算法是根据这些数据集训练的。苏富比在《路人记忆I》的目录说明中提到，训练数据集包含17至19世纪的肖像画，这为理解艺术品及其艺术历史谱系提供了相关背景。如果一个提示被用于创作一件作品，并由艺术家沟通，策展人可能会决定在他们的展示中包含和反思它。与策展人是(AI)艺术家的想法一致，人们也可以设想一个展览，在这个展览中，根据算法分配给它们的标题的相似性来选择传统艺术品（参见Google艺术与文化以了解类似的实验在数字策展中）。有一件事是肯定的：人工智能研究的技术创新，将继续以令人兴奋和不可预测的方式影响艺术创作和策展，为新形式的创造力提供肥沃的土壤。
如果朋友们喜欢，敬请关注“知新了了”！返回搜狐，查看更多
人工智能与艺术的未来（一）
谷歌的人工智能项目——DeepDream，以人工神经网络为基础进行图片识别和处理，它可以将世界上最著名的画作变换成奇怪美丽的抽象化作品。
赵兴：前面您谈到了您在美国见到的模仿风格制作作品的现象，这种情况是否和跟着导师学画，最后和导师风格很像有类似的地方？您认为现在的人工智能取代了脑力劳动的一部分，使这个过程简化或者缩短，2010年您的博客也曾经上传了一系列通过电脑设计的作品，是否您将人工智能归属于辅助性工具一类？
翟振明：对。跟着导师学习，其中有一个“人”的关系在里面，人与人之间有自由意志的互动，而人工智能把那块去掉了，也就没有人的自由意志。就好像我在山下捡了一块石头剖成两半，不同的矿山一定有不同的风格，这里的山石剖出来的是这里的纹理，就成了风格，但是其中没有人的意志。所以这不是艺术，石头上纹路再怎么好看也不能叫艺术。
以前我写过文章，审美要和自由意志联系起来才叫艺术，分离的话就不是艺术作品。艺术和审美这两个是分离的概念，很多艺术评论家、理论家把它搞混了，以为是同一个概念。艺术一定要有人的自由意志的参与痕迹。我看到了一幅画，把它的作者、时代——这是达·芬奇的、文艺复兴的——把文化、历史的东西找出来，觉得这幅画意义重大，算不算审美？在我看来不算，这与读小说要读出来一个故事差不多。古董就是这样，并不是看着特别好看，但里面要有故事，但故事并不是艺术审美的必要部分。
赵兴：您觉得这种DeepDream的作品能称为艺术作品吗？
翟振明：相当一部分不是。
赵兴：2016年，腾讯与您做过一次访谈，访谈里您提出人工智能是解放脑力劳动，而且解放脑力劳动是要让我们人类进行很多创造性的活动，包括艺术活动，是否意味着人工智能无法进行创造性的艺术活动？
翟振明：你看这个两个词语，一个是劳动，一个是活动，二者的区别非常重要。劳动是工具性的，活动包括目的本身，人的很多目的就是活动，就是要创造，创造属于活动，但不是劳动。这里区分开了，创造性的艺术活动不是艺术劳动。这个对比非常关键，艺术中需要劳动的部分就被替代掉了，但创造中的自由意志是非常重要的，也是不能被替代的。
赵兴：您认为人工智能不能完成创造性的艺术活动，必须要有人的参与吗？
翟振明：对，但是我们艺术创造里面有多少劳动的成分，人工智能就可以代替多少，并且现在已经实现了。
赵兴：2006年您写过一篇《论艺术的价值结构》发表在《哲学研究》，能否请您就人工智能介入艺术创作，谈一谈当下艺术的边界问题？
翟振明：我在理论上是有一贯性的，艺术的价值结构，我的分类跟别人不一样，先要讲纯艺术和不纯的艺术。艺术不是为了改造社会，它可以有这个效果，但是艺术作为艺术本身目的的话就是审美，审美和改造社会没有必然关联，它有偶然关联，所以就要按照审美的不同分类看它纯或不纯，视觉只诉诸于视觉，叫纯艺术。如果要和概念、听觉搞起来也行，就不能叫纯艺术。纯艺术和好艺术是两个概念，纯和有价值是两回事，价值有各种价值，包括人文价值、市场价值等等。但是纯或不纯就是以视觉审美纯不纯为标准，视觉只能靠看，听觉只能靠听，语言艺术只能欣赏语言。如果把人的感官大致归为“五官”的话，我们就大致有五种“纯艺术”。
赵兴：您一贯坚持下来的还是这个意思，人工智能属于工具，如果没有融合我们的自由意志，就不可能产生有创造力的艺术。
翟振明：是的，但是可以有审美效果。
赵兴：您对艺术边界定义得很清晰，必须要有人的自由意志参与其中，才能够算是艺术。
翟振明：是的。买家得到艺术品不是为了其他，只是为了审美的直感效应，就是将其当艺术品。但如果是为了投资，期待升值或是为了行贿，在他那里就与艺术品的本来价值分离了，这个非常清晰。
赵兴：当人工智能介入艺术领域时，艺术家应该有什么作为？您在《论艺术的价值结构》中提到了传播对于艺术的影响，有大量艺术之外的附加值，也提到了艺术欣赏参与艺术作品实现价值的必然性，是不能或缺的。那么，在人工智能高速扩张的现实中，艺术家有没有主动迎接这种变化的举措？
翟振明：有，因为现在大家对人工智能的理解不准确，依然没有把它的工具性和自由意志区别分开，觉得人工智能就是人类，其实不是。我专门论证过，到处讲科学、人工智能的限度，也在进行算法、神经网络的建构，我也和量子力学家一起做过研究。我们现在的图灵机或者叫冯诺依曼机器是绝对不可能有自由意志的，不是技术的问题，只有按照量子力学原理搞出来的东西，未来才有可能变成自由意志。如果没有自由意志就是工具，它不可能有权利。没有创造力，没有自由意志，就不是艺术。
艺术创作过程中的劳动部分被人工智能替代了，但是成为艺术的那部分内容，人工智能不可能替代。所以自由意志很重要，它涉入越多，艺术家就越与劳动分离，就越有机会发挥自由创造力。劳动部分就不要和人工智能挑战了，技能训练、重复模仿都不如人工智能做得好。那么，自由意志在哪里？第一，创作作品的过程中，有人工智能辅助，不一定只出来一个结果，可以有很多的可能性呈现出来。让艺术家在里面挑一个，觉得可以了，那就是他的，基本上是属于艺术家的作品，艺术家是唯一挑过的，要做决策的。第二，更主动地，让艺术家直接介入到人工智能的神经网络的塑造过程中。例如，艺术家看了通过人工智能辅助制作的作品，觉得挺好的，可还是有点不太对的地方，把这些地方分析出来。将来试一试把人工智能的激活函数、权重调整，重调一遍试试看。很多数据要给机器学习，学习前要分类标识，不同的标识，机器学习到的结果就不一样，那时候艺术家就可以介入，留下自由意志干预的痕迹了。
赵兴：我有一个很有意思的问题，如果这个工具的程序特别强大，产出很多视觉效果让艺术家瞠目结舌，我觉得特别好，这就是我喜欢的东西了，我不想再改动它，这也算是我的艺术作品吗？
翟振明：这是轻度的，在观念上已经是你的，当然在那时候，比如说你感觉两种效果的中间状态可能会更好一点，你再把这两个设计进去，那这就是你的了。
赵兴：您这个观点有意思，既使我不改动作品，只要我的意志选择了它，它就是我的作品，只是没有那么深的介入而已；如果我能够对它进行进一步的改动，作品就打下我更深的烙印。我又想起关于您对于价值判断的另外一个问题。比如手绘的作品和喷绘的作品，我们觉得手绘的价值高，我们习惯性地讲手工性的东西相对珍贵，按照您的说法，手绘的东西因为融入了更多的艺术家自由意志的判断，所以它的价值超过喷绘？
翟振明：对，而且手绘的作品，任何一次都不可能重复，它具有独特性，手绘创作的情况下，每一瞬间自由意志的活动都会留下痕迹。而喷绘，就只是框架性的介入，喷绘复制的话，那就更弱了。
赵兴：我对您的《论艺术的价值结构》里面有一个词语很感兴趣，您把“创造者对精神性的内在价值直接肯定或否定”界定为“直感”，用“直感”这个词语取代“审美”。您把它转换了，审美不是美，有可能是丑的。您有一个结构，直感外化到直感印证，这实际上是艺术作品到艺术欣赏的过程。我就想到康德的《判断力批判》里面一个类似的结构，康德把美和崇高并列，我们通过反思性的判断力或者说共通感，达到我们共同认为的美。从康德的结构到您的这个结构，您觉得有什么联系？您这个体系和康德的体系是对应的？
翟振明：可以对应，可以从那里面直接导出来，没有概念上的冲突，而且是刚刚好的。在康德那里，愉悦感之外，他主要关注到崇高，我这里面可以包括很多东西，有丑、无聊、无意义感、颓废什么都可以，只要是直感回应，而不是只看到GDP、生产效率高不高那些因素。
赵兴：我觉得您这个“直感”的提法比较容易让我们理解当代艺术的问题，当代艺术里面“美”不再是核心内容。
翟振明：其实以前美学里面都不是这样，“Aesthetic”中文翻译成“审美”，很多人就基本上只往“美”方面靠，但是这个词语的概念中并没有这样的限制，包括对作品判断美或不美，你说它美，就有不美的，这都属于审美。美和丑，这两个范畴是对立出现的，不然美怎么判断呢，所以它本来就包括了，并不是只有美一方面叫“审美”。
赵兴：您觉得人工智能的发展对艺术世界会产生怎样根本性的影响？人工智能会辅助艺术世界发展，还是会根本性地改变艺术世界的走向？
翟振明：辅助还是根本性的改变，可以有不同的区分方法，根本改变可以是质也可以是量，如果更多的作品可以创造出来，甚至数量级的不同，算不算根本改变？但是从另外一个角度理解，它在自由意志方面始终替代不了人类，只在劳动方面大量的取代，这算是根本吗？这两个“根本”意思是不一样的，分别有不一样的标准。但是我看第二个标准比较有实质性，量可以有很多。实际上，艺术家以艺术家身份在“艺术活动”方面并未被取代，但是艺术家平时没有区分出来，劳动部分和艺术活动部分没有这么区分，因为这两部分概念分开比较容易，而实际的过程却是相互纠缠在一起的。比如作为艺术家，你问我今年从事艺术活动和艺术劳动各占多少时间，一定是不可回答的。从多少时间份额看，不好区分。但从多少心力看，大致还是可以区分的。作为比喻，我当然也可以说，我最精彩的艺术创作活动一年有5天就很满足了，得意之作20天有一幅我就非常满足了，而不满足那部分也许是艺术家的创造性灵感没发挥好，可以全部用机器代替。所以，真正有才能的艺术家和一般的劳动者就非常不一样了，艺术家可以一直创作下去，没问题。但在艺术行业劳动的人，确实要被淘汰的。
赵兴：能否将艺术劳动和艺术创造看成工匠和艺术家的区别呢？
翟振明：可以啊，但是艺术家中的工匠部分是自己完成的，大部分艺术家并没有完全分开。
赵兴：最后，请您总结一下艺术与新技术之间的关系。
翟振明：人工智能、新技术、VR这些东西介入到艺术中，那么现在要认定艺术家最重要的是两个方面：第一是意念，就是自由意志，不管创作过程中自由意志在作品上留下痕迹的多少，但是开始的自由意志一定要有，而且很重要；第二最终得到的作品是审美的，人家能看到有审美价值，或者是艺术作品，能即刻唤起人们的直感效应才行，与它能否有其他社会、经济或政治效应无关。人工智能这块，除非超越了现在这种图灵机，技术本身是不能产生自由意志的，它可以产生有审美效应的产品。审美这块是超出艺术创作者的意图的，一旦成为作品，就与艺术家自己的直感分离了。
真正和艺术家有关系的是，他的艺术活动不一定要产生艺术作品，不一定导致最后的艺术欣赏，他可以把自己的内在感受、各种价值、复杂情感、道德判断，以直感的方式外化出一个东西，最终有没有人知道不重要，这就是艺术家最重要的本质。完成了这个直感外化的过程，拍了多少钱、被谁收藏了，这些都和艺术家没有艺术本质上的关系了。但是艺术作品要从头到尾完成才叫艺术作品，艺术创造这部分只属于艺术家。这样的话，人工智能就没有办法和人相比，艺术家只要找到渗透的机会，“你”就存在了，就参与了创造活动。艺术的功劳全属于人的部分，就完全由人的自由意志的参与度决定的。那些艺术的劳动就完全可以和人没关系，是本来就应该分开的东西。人工智能来了，本该分走的东西分走了，这不就是艺术家的最后回归吗？真正的艺术家，应该感到高兴的。
我想，我实验室中的“虚拟与现实之间无缝穿越体验系统”，完全符合艺术作品的定义，高科技又与人工智能无关，可以作为装置艺术作品参展。其实，简化版的，多年前就在深圳美术馆展出过。
赵兴：人工智能不管怎么发展也不可能取代艺术家的地位，而艺术作品的价值取决于艺术家创造性的艺术活动。那么，人工智能不管怎么说都是一个辅助性工具，这个工具可以放心的使用，它功能越强大就越能解放艺术劳动，而促使艺术创作活动的提升。
翟振明：是啊，被淘汰的本来就是艺术行业中的劳动者，而不是真正的艺术家。
人工智能，让艺术变得廉价？
陈炯
社会上对人工智能技术与艺术的关系已经有所关注，但在当下，人们的关注点还只限于艺术会不会被人工智能技术所取代。其实，这个答案是否定的，人工智能作为一项技术，与艺术的关系不是取代与被取代的关系。刚好相反，二者是相辅相成、互为促进的关系。因此我认为，人工智能与艺术更应该被讨论的是在社会现实层面的“影响”。比如，艺术创作如何利用好人工智能这项技术？人工智能的普及让艺术品的复制更简单、更快捷，也意味着更廉价，而廉价的背后会不会对已经形成的艺术市场带来冲击，抑或是机遇？
人工智能“入侵”艺术领域
被称为史上第一本人工智能创作的诗集最近面市了，这部名为《阳光失了玻璃窗》诗集的作者是微软机器人小冰，小冰花费了100个小时，“学习”了自20世纪20年代以来的519位中国现代诗人的所有作品，并进行了多达1万次迭代，开始自己写作诗歌。这其实不算是新鲜事了。早在2011年，加州大学的音乐学教授柯普就写了一些计算机程序，能够谱出各种协奏曲、交响乐和歌剧。他写的这个名为安妮的人工智能程序专门模仿巴赫的作曲风格，短短一天就谱出五千多首巴赫风格的赞美诗。
也许有人会说，人工智能只是单纯的模仿，“只有画面没灵魂，只有乐曲没有精神”，说的就是它了。人类独占而人工智能难以突破的那些领域，比如情感和创意，是不可逾越的。不过，现在科学的发展可能已不是这样了。微软去年进行了“下一个伦勃朗（TheNextRembrandt）”项目，挑战“如果伦勃朗死而复生了，他最有可能画什么”的问题，探索人工智能的创意潜力，教授电脑像绘画大师伦勃朗一样去思考、创意和绘画。研究团队通过分析伦勃朗的现存作品，让机器自主学习艺术家的绘画风格和主题，“机器人伦勃朗”最后打造了一张3D打印作品，画了一幅三四十岁、头戴帽子、有胡子、面向右方的男子肖像画。参观者感觉该作品与挂在美术馆的伦勃朗真迹一点也不突兀。技术、科技的发展大跨步地向前迈进，艺术也没有停滞。我认为，科技与艺术并不是谁取代谁或谁入侵谁的关系，实际上，艺术也一直在为科技提供着重要服务。二者的关系可以说是相辅相成、互相促进的。只不过在当前，在科技突飞猛进的背景下，值得探讨的问题是：人工智能会不会让艺术变得廉价？一位艺术家几个月完成的作品，通过人工智能几秒钟就能够完成；3D打印的产品甚至比经过大师精心雕琢的工艺品还要精美，且没有材料限制，并可任意复制等等。
由“机器人伦勃朗”通过数据分析生成的男子肖像作品
“艺术家”的概念将被淡化
艺术家博伊斯说：“人人都是艺术家。”换个角度理解也意味着，没有艺术家只有艺术。也许有人并不认同他的观点，不过在几十年后的当下，博伊斯言论很可能变成普遍现实。去年二三月份，谷歌在旧金山举行了一场拍卖会。这些画作一部分是谷歌内部员工创作，另一部分是由其他人员利用DeepDream在业余时间创作完成。Google把自家生成图片的技术Inceptionism开源化，称之为DeepDream，一个原本用来将图片分类的AI，让我们看到了不一样的世界。输入一张图片之后，选择某一层神经网络进行重复处理的次数和变形的程度，就能获得一张非常后现代的“画作”。
不难看出，人工智能、工程师都已经成为艺术创作的主体，“艺术家”这个名词或许在将来会被淡化，只要拥有了科学技术，艺术创作将不再专属于专业人士。人工智能让艺术创作变得越来越普及，也越来越容易，创作者不需要拥有美术、音乐或写作的专业背景，甚至也不需要掌握人工智能的知识，只要学会操作一个软件，输入你想要的艺术作品的要素，比如颜色、线条，甚至是你喜欢的艺术家作品的风格线索，那么，你需要的就是动一动手指，喜欢的作品很快就会呈现在你的面前。
可以说，艺术创作不再是专业人士的专属，不再只是艺术家才能完成的工作，普通人进行艺术创作的几率被大大提高，只要你愿意，借助人工智能技术、设备、软件，一样也可以把艺术创作当做职业。尽管今天艺术家还是一个让人羡慕的职业，艺术家代表了专业、教育背景、文化知识，甚至是生活态度和财富。不过，这些标签在未来或许不再只是贴在专业人士身上的标签。人人都能够运用科技进行艺术创作，人人都能称之为“艺术家”，艺术家与普通人的界限越来越模糊。从某种程度上而言，“艺术家”也就变得“平价”“廉价”起来，不再是众人眼里的阳春白雪。
“机器人伦勃朗”对作品中的一些特殊部分进行几何分析。图片来源：theNextRembrandt
艺术品价值受到冲击
对于通过人工智能创造出的“作品”，目前大多数人认为，其仍属于商品属性而非艺术品属性。不可否认，艺术创作与人的情感、阅历、经验、思维等密切相关，现阶段的人工智能显然还不具备这些人格特征，其作品还限于模仿或更简单的阶段。但是，人工智能对于艺术品市场特别是工艺品市场的冲击开始显露，通过人工智能，一件作品的获得将更快更廉价的时候，艺术品的价格被人工智能作品拉低并不是没有可能。
举个简单的例子。在北京某大型设计展上，一个企业展示了他们运用3D打印技术制作的工艺品，这些作品材料各异，有金属、树脂等材质，尺寸上大小不一，而且还提供定制服务，能够为需要的消费者制作想要的产品。最让人叹为观止的是，其雕琢的细致和精美程度几乎是人们手工操作难以达到的程度，对于大部分外行人来说，看不出与那些有几十年功底的技艺大师的作品有什么区别。尽管定制一件3D打印工艺品价格不菲，由几千元到几万元不等，但相较于大师级的作品来说，不知道便宜了多少倍。另据该企业相关负责人表示，一套专业的3D打印设备目前价格不低，不过伴随技术普及，产品设备价格也必定随之下降。可以预见的是，设备价格下降以及打印产品的不断增加，作品数量的提高将大大摊薄制作成本，3D打印工艺品的价格还将继续降低。
雕塑家李苑琛根据自己的体型设计完成的作品《英雄在内》，通过3D扫描、打印技术，抛弃传统学院派“雕”与“塑”的技术手段而进行新的创作尝试。图为雕塑家体形的扫描图像。
对于专业藏家或收藏爱好者来说，3D打印工艺品显然无法与大师作品做比较，价格也不是其考虑的重要因素。但对于更广大的普通百姓而言，3D打印工艺品却是一个很好的选择，“高级、好看”是大部分人对工艺品的基本要求，过去几万元的工艺品如今可能会以更低的价格就能买到，何乐而不为。
人工智能作画也是如此。有一个公司叫第六镜（Glasssix），专门针对中国传统绘画的工笔、写实、写意手法绘画作品进行处理，实现了“中国风机器作画”。而以西方美术的油画为主的作品，人工智能也早已经学会。同时，人工智能可基于消费者需求提供服务。先有消费需求，然后通过互联网直接告诉企业，需要什么作品，企业根据消费者需求进行创作，提高效率，这种模式产生的作品和人工智能提供的服务更具有市场潜力。一旦人工智能的绘画技术成熟、普及，艺术品市场的秩序恐怕就要重写，甚至有人提出艺术品生意要崩盘，深圳大芬村的绘画产业在未来就到了该考虑转型的阶段。
雕塑家李苑琛根据自己的体型设计完成的作品《英雄在内》，通过3D扫描、打印技术，抛弃传统学院派“雕”与“塑”的技术手段而进行新的创作尝试。图为根据李苑琛减肥前体形进行3D打印的作品。
正视人工智能与艺术的关系
如果要正视人工智能与艺术品的关系，首先需要剖析什么是人工智能？何为艺术？而探讨前者的是科学，探讨后者的是哲学。据我了解，目前的人工智能还是处于模仿的阶段，就连人类最简单的“学习”，人工智能尚且很难达到，所以我们之前提到的“创作”实际上也是模仿的结果。人工智能创作的艺术品特别是绘画等作品，可能更适合用来装点家居，离真正的艺术品创作还很远。不过，人工智能的高速发展和大量人工智能战胜人类的事例，正对当代艺术创作产生不可忽视的影响。
正如前文所述，人工智能与艺术不是谁取代谁的关系，恰恰相反，人工智能技术与艺术创作有着更多结合的可能性。中国的国画和西方的油画无论是技术层面和艺术造诣都已经达到一定的高度，照相机的出现曾经对写实油画产生过冲击，但丝毫没有影响写实油画的发展，反而产生了照相写实的绘画风格。也有当代国画家利用照相显影技术进行创作。因此，科学技术的发展给艺术带来的不确定性中也包括好的、积极的一面，重要的是善于利用。
雕塑家李苑琛根据自己的体型设计完成的作品《英雄在内》，通过3D扫描、打印技术，抛弃传统学院派“雕”与“塑”的技术手段而进行新的创作尝试。图为根据减肥后的扫描图像制作完成的作品零件。
人工智能是理性的，这已经成为共识，而人类除了理性还要表达情感，艺术创作和艺术品最显著的特点也是基于人的感性所产生。人们可以通过人工智能来展示自己的创意、表达自己的感情，把人工智能作为一种媒介和平台，或者把人工智能作为实现创作的手段，这也是现在的艺术工作者尝试的创作重点。实际上，当今社会的发展，任何学科、领域都已经被科技拉得越来越近，抛开科技发展的背景谈行业既不现实，更是倒退，科技与艺术是人类发展的两个重的命题，如何协调二者的关系，考验的正是我们的智慧。
陈炯中国人民大学艺术学院副教授
本文内容版权归本刊所有，请勿转载，侵权必究。
如需转载合作请联系微信号QQ号：526891471返回搜狐，查看更多
生成艺术 NFT：人工智能艺术指南
在SensoriumGalaxy这样的元宇宙中，AI、VR和NFT将密不可分。一旦公开推出，我们的元宇宙旨在成为人类和人工智能创造力的空白画布，用户在这里创造他们的原创NFT内容，如新的化身或舞蹈动作，并通过Sensorium市场使用[SENSO]（https://sensoriumxr.com/senso）出售。由人工智能驱动的虚拟生命也是SensoriumGalaxy的一个重要元素，当用户在不同的世界和体验之间旅行时，为他们提供陪伴和创意灵感。
生成式人工智能虽然是我们元宇宙的一个组成部分，但在Motion（一个专门用于音乐娱乐的世界）中也许将是最明显的。由于我们与Mubert的合作，我们已经能够开发一些世界上第一批社交人工智能DJ，并在这个过程中创造[历史]（https://edm.com/gear-tech/first-ai-driven-dj-album-spotify-sensorium-galaxy）。通过利用元宇宙中的人工智能生成音乐算法，SensoriumGalaxy将使用户能够以更加个性化、动态和有意义的方式体验音乐，正如我们[之前]详述的那样(https://sensoriumxr.com/articles/tech-behind-virtual-djs)。
虽然人工智能技术只是在最近才在类似于元宇宙的环境中发现应用于艺术和音乐的生成，但我们有理由相信它有一天会超过在现实生活中看到的规模和影响。