人工智能艺术：一场前所未有的新艺术创造人工智能与艺术设计案例研究报告

发表时间：2023-07-04 23:52:53

人工智能艺术：一场前所未有的新艺术创造

【热点观察·当文艺创作遇上人工智能③】

人工智能艺术在今天不仅是一种从主题、形式到技术都令人惊叹的前卫艺术类型，而且在日益扩大艺术的外延。面对人工智能对传统艺术的挑战，公众和学界都应保持理性和宽容。

2018年注定是当代艺术史上标志性的一年。当年10月25日，由三个对艺术一无所知的程序员开发的“艺术作品”《爱德蒙·德·贝拉米肖像》（Edmond de Belamy）在纽约佳士得拍卖行，以5500美元起拍，最终以35万美元落槌，成了世界上第一件成功拍出的人工智能艺术品。这一事件引发了全球对于艺术本质问题的争论——人工智能的这一行为究竟算不算艺术创造？

技术让机器有了“艺术自觉”

人工智能艺术的核心是计算机的“创造力”培养，其假定计算机作为艺术创作的主体——艺术家来加以构建。其基础是机器学习（Machine Learning， ML）。机器学习是使计算机具有智能的根本途径。早期的机器学习方法是神经网络（Neural Networks，NNs），通过模仿动物神经网络行为特征来进行分布式并行信息处理；而近期的深度学习（Deep Learning，DL）是多阶层结构神经网络结合大数据的逐层信息提取和筛选，使机器具备强大的表征学习能力，也使机器学习从技术范畴上升到“思想”范畴。此时，通过调用包含大量艺术专业知识和经验的专家系统，可以实现对机器艺术思维模式的培育，形成具有“艺术自觉”与“创造力”的人工智能“艺术家”。比如，美国罗格斯大学艺术与人工智能实验室（AAIL）研发的“生成对抗网络”（Generative Adversarial Network，GAN），即利用两个相互博弈的神经网络不断生产出截然不同的全新图像。

人工智能的一个重要前提是大数据。借助云计算技术，由机器操控数据来进行结果判断和帮助决策，这叫模式识别。模式识别的本质是通过数据描述，使机器对事物或现象进行描述、辨认、分类和解释。如果我们以计算机“输入—运算—输出—结果”的生产方式来类比艺术的创作方法，则传统艺术的创作逻辑特征可表述为：视觉输入—人脑（人体）运算—工具输出—必然性结果。而人工智能艺术借助数据的输入可以产生更多具有刺激性和感染力的创造性结果，其逻辑特征可表述为：数据输入—程序（人工）运算—电子设备输出—随机性结果。因此，人工智能艺术以对数据库的调用与计算来塑造自身和世界。数据库像一个包含无限虚拟有机体的艺术基因库，机器操控它们来创造实物或“生命形态”。可以说，支撑人工智能艺术的是一种数据操控的美学。

“人人都是艺术家”成为可能

人工智能艺术在今天不仅是一种从主题、形式到技术都令人惊叹的前卫艺术类型，而且在日益扩大艺术的外延。从艺术内部的形式与审美完善，到艺术外部的社会化、政治化触发，人工智能艺术导致艺术功能、艺术价值、艺术家身份认证、艺术评价体系等问题都要重新界定。

毋庸置疑，人工智能技术极大地提升了艺术的想象力与创造力，丰富了艺术的形式与创作工具。由Google开发的AutoDraw即是利用AI算法对艺术家的草图的自动加工与制作，作曲家、诗人、画家等可依靠它来完成基本输出，然后进行扩展与完善。这极大地提高了艺术创作的效率，也意味着开拓出人机合作进行艺术创作的新路径。

然而，人工智能艺术最令人遐想的还是未来的“赛博格”艺术家（Cyborg）。随着计算机技术的高速发展，艺术最终将走向人机交融的合成时代；未来，技术会更加自然地融入人们的日常生活且难以界定，异源嵌合体、生化电子人、人机合体生物等将把人类变成“超级艺术家”。

艺术一直以其对审美能力和创造技巧的绝对控制而专门化与职业化，又因其在精神与文化领域的自律而神秘、矜持。后现代主义“人人都是艺术家”的主张或将打破这一垄断，艺术对生活的拥抱经由技术加持在今天已演变为“世界就是艺术家”。这表现为两个方面，一是艺术对世界的唤醒，二是艺术的生活化与娱乐化。具体言之，当代人工智能技术、生物技术和纳米技术这三大技术的进步，使人类得以实现与万物的相连和信息交换。人工智能艺术帮助我们扩展自己的生理、心理极限，这既是一种对世界的全新感知，也是世界对人类的诗意回应。传统意义上的艺术家由身份、经验和技巧所构筑的边界在人工智能时代逐步消融，人工智能艺术将帮助我们有趣地体验世界，使我们更易于享受到艺术化的生活。比如，微软开发的AI bot只需用户输入语言描述的关键词即可根据词意自动生成与之相匹配的图画；Prisma则是运用人工智能技术赋予普通照片不同艺术风格的网红APP……它们的共同特征是寻求更为大众化、平等化的艺术，使艺术于普通大众更具可消费性甚至免费共享。

对新事物应保持理性和宽容

近代以来，艺术的本质一直被视为是基于情感与精神的自由创造，而复制的艺术、形式主义的艺术等都是精神创造缺位后的贬称。在很多传统艺术家看来，人工智能艺术基于专家系统支持而进行的数据归纳、综合被认为是缺乏演绎与创造，“机器作画总是缺少一些深层次的东西”。艺术史家杰姆斯·艾克因斯（James Elkins）直言：“（算法）不是根据社会环境、含义和表达目的来创作，而是根据艺术风格创作。”但《爱德蒙·德·贝拉米肖像》的成功很显然对这一创造缺位开了一个口子，更何况在科学家预想的人工智能第三个阶段，机器将拥有“自由意志、情感认知和自由活动能力”。这让人担忧，在人工智能的冲击下，“创造力”这一人类智慧的最后壁垒终将被突破。

人工智能艺术还隐含了一场权力争夺战。诞生之初，人工智能是为了对人类智能进行延伸和扩展。通过对人类意识及其思维信息过程的模拟，让计算机拥有学习、推理、思考和规划的能力，从而使机器能替代人完成一些此前由人完成的复杂工作。然而，人工智能的发展已衍生出“过度依赖数据”的危机。对数据和算法的依赖开始形成一种权益的悄然转移。算法和数据开始接管大众媒介的权力，算法输出结果所依赖的数据，开始代替人类进行决策。建立在数据和算法基础上的人工智能艺术，因而也神奇地获得了某种权力。如果缺乏艺术自律，人工智能艺术将可能异化为一种数据崇拜和数据迷信。电脑公司、计算机及其背后的隐形势力，将借助人工智能艺术代理人们的思维、行为，进而控制资源、权益的分配。

人类艺术行为的主体和对象都是人，艺术因其反思的品质而对人类社会来说弥足珍贵。可以说，艺术的社会属性决定了艺术是“属于人的艺术”，艺术家总是在赋予我们所看事物以有“意义”的解释，而这意义是对于人来说的意义。2018年，人工智能艺术工作室OUCHHH在法国巴黎艺术中心推出了一场名为“诗意AI”（Poetic AI）的展览。展览对2000多万行科学家所写的涉及改变人类历史的关于光、物理、时空的文献进行机器学习，随后经由人工智能算法转码后的文字和图像被投影在3300平方米的空间中，人们可在这一无限变幻的光线运动中忘我体验。这是一种刺激但危险的艺术，对意义和反思的放弃有可能让艺术失去存在的根基。超级智能系统可以每秒提供无数个想法和经验，但它们不一定具有与人类一致的艺术诉求与偏好。未来，当人工智能形成“人格”之后，一切我们习以为常的传统、认识、理念、常识或将不复存在，失控的将不仅是人类文明，也包括对人类艺术的取缔。

上述关于人工智能艺术的讨论或志得意满，或未雨绸缪。但无论如何，人工智能艺术在现阶段仍在我们可控的范围内。面对人工智能艺术对传统艺术的不断挑战，公众和学界都应保持理性与宽容。在这样一个充斥着“机器即将全面替代并统治人类”传言的时代，我们仍然寄希望于人类艺术在未来可以继续行使改造世界、创造文明的职能。

（作者：蔡新元，系华中科技大学设计学系教授、博导、艺术与科学研究中心主任）

《2017设计与人工智能报告》

《2017设计与人工智能报告》重磅发布|在设计领域，谈谈人脑与机器的更深层关系

在杭州的阿里巴巴 UCAN用户体验设计峰会上，由“同济×特赞设计与人工智能实验室”撰写的《2017设计与人工智能报告——人工智能与设计的未来》正式发布，设计与人工智能实验室联合同济大学设计创意学院、特赞、阿里巴巴智能设计实验室（也许他们都会成为设计和人工智能研究史上不可略过的名字）共同发布此报告，旨在探讨人工智能时代，设计师、设计工作和设计相关行业的未来可能发生的变化。

本次报告的负责人是特赞创始人范凌，不过他还有另一个身份，也就是“同济x特赞设计与人工智能实验室”主任，他认为：“设计的工作不追求确定性，反而是受益于不确定性的。设计的人工智能并不以获得合适的答案为目的，而可以创造不确定，进而对设计师形成启发。人创造的瓶颈是人自身的经验、逻辑和方法，人工智能可否帮我们超越我们的经验或者逻辑或者方法，从而让人的创造进一步释放呢？”。

设计需要创造力和感情，恰好应该在智能时代扮演更重要的链接人工智能和人性的角色。因此，设计与人工智能的关系远远要比工作取代关系深入和复杂，由此，我们开始思考“人机共生的设计未来”。

报告概览

报告在设计和人工智能的讨论中避免使用隐喻威胁的“替代”概念，而提出“脑机比”（即人脑与机器的比例）的概念：对于很多工作，也许会由于机器的成分越来越大，所以人脑的成分会越来越小，因此脑机比无限小，人类的价值无限小。而另一些工作，即使机器成分变大，人脑也在变大，甚至机器的成分越大，也会造成人脑的进化甚至释放。设计肯定属于后者。

整个报告包括四个部分：

1）工业4.0和设计：“人工智能”作为政治、经济、技术和人文条件对“设计”有什么意义？

2）为什么设计需要人工智能：“设计”是否可以用转化为“计算”的问题？局限和机会是什么？

3）人工智能设计的产业实践：数据、算法和智能对设计所服务的不同产业发生了什么影响和改变？

4）人工智能建构设计未来：“人工智能”带来什么新的设计师角色和设计问题？

报告背景信息

《设计与人工智能报告》通过对学术文献、技术资料和产业案例的定性和定量分析，从专家采访、趋势预测、劳动力再分配观察和教育改革等方面，第一次对设计与人工智能的交叉学科问题进行建构，希望帮助更多设计师为人工智能时代做准备。这份报告回顾了几十年来设计和人工智能交叉学科的学术文献，调研访谈了 100+个智能设计案例，采访了50+位设计专家、人工智能专家、法律专家，发放并回收了1000+份调查问卷。

报告主体

这份报告的发布是“同济x特赞设计与人工智能实验室”的一系列研究的开始，实验室由同济大学设计创意学院和特赞信息科技联合发起成立，致力于数据、算法、网络和人工智能与设计学的交叉学科应用研究，通过博士生和硕士生的教学，培养新一代设计创意人才，并与成熟和初创的科技企业合作，实现产、学、研、创的转化。设计技术学者和互联网创业者范凌博士担任实验室的主任。他是哈佛大学博士、普林斯顿大学硕士，世界经济论坛全球杰出青年领袖（YoungGlobalLeaders）和美国阿斯彭学会中国会员（AspenInstituteChinaFellow），他也是特赞 Tezign信息科技的创始人和CEO。

设计与人工智能研究报告.pdf

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

人工智能时代，艺术教育该如何进行

原创王璐雅昌艺术网收录于话题#艺术134个

近期，各大艺术院校响应《新文科建设宣言》，高等教育改革已成为迫在眉睫的大背景下，2020年第二届艺术与设计创新未来教育博览会“全球院长论坛”，围绕“教师面临着什么样的功能和角色变化？”展开讨论。对于高等院校的教学该如何适应和调整，从事一线教学改革的院长和与会教育界精英、学者，从多个视角展开了话题讨论。

2020年第二届艺术与设计创新未来教育博览会全球院长论坛现场

以往认为，师者，所以传道受业解惑也。但处于第四次工业革命，直面人工智能时代的当下，已并非如此。

教师角色发生了什么变化？

中央美术学院实验艺术学院开设一门“换位教学与自主学习”课程，学生可以自主报名，提出想要给老师上课的内容。内容确定后再用一个星期备课，最终老师会根据学生授课的好坏来打分。

中央美术学院实验艺术学院院长邱志杰常说，如今的师生关系更是“师兄论”。“老师的角色并不是提供答案的人，而是一整套学术活动的发起者、组织者和示范者，更是一个怀疑者、试错者、出难题的人、出丑的人、制造麻烦和困难的人”。

而多位院长也都认同，当下老师和学生角色其实是相互的。

中央美术学院实验艺术学院院长邱志杰

为什么会如此？在英国格拉斯哥美术学院造型学院院长阿利斯泰尔·佩恩看来，教育工作者角色改变的关键因素，是因数字技术以及智能发展作为一种新的使用工具，创造了新的实践模式。

确实，一方面，在发达的互联网信息之下，学生有能力通过网络搜索获取所需知识。另一方面，课堂传授的知识，其实并不足以满足学生应对未来社会将面临的局面。

同济大学设计创意学院院长娄永琪

同济大学设计创意学院院长娄永琪在提到人工智能时代教师角色转换时说：“面对未知时代、未知问题时，老师和学生其实都一样‘无知’，需要重新学习。”

上海纽约大学首任校长俞立中

在这背景下，上海纽约大学首任校长俞立中认为，“一定会有很多新问题，也有很多新技术引用到解决问题中。这对教育提出了挑战，需要我们变革学习方式，无论从课程体系、教师、教学方法、培养模式还是教育思想理念，都需要有所变革、有所创新。”

特别是在创意教育上，索尔福德大学艺术媒体与创意技术学院艾伦·沃克觉得，创意教育领域需要不断修改自我项目组合，并确保与学校和行业的密切联系，以保持币值并建立可持续的专业技术人才队伍。

而队伍需要如何搭建、引领，高等教育就是重中之重。

第二届艺术与设计创新未来教育博览会工作坊现场

未来，老师该如何教学？

2018年，阿里“鲁班”系统上线，取代了传统平面设计师的很多工作，其中淘宝美工从业者的含金量明显缩水。

在人工智能取代劳力的情况下，如今艺术教学已不能再拿十年前的教案重复上课，要不断更新各自知识结构。

这也是大家在教育中的一个共识：培养未来不被人工智能所取代的人。

第二届艺术与设计创新未来教育博览会工作坊现场

邱志杰认为，当下培养人才并不是简单满足社会需求就行，而是能引领社会创新或未来生活的变革者。“而今天的艺术教育最重要的是，把自己终身学习者的态度教授给同学。”

在课程上，邱志杰会进行物体剧场挑战，“我给自己出考题，让每个同学带十个东西到教室，我要用这些东西来完成十件作品。这种共同创作和把自己当作实验品的试错，很可能是今天艺术教学的唯一方式。”

伦敦皇家艺术学院副校长兼教务长NarenBarfield也觉得，教师不再是一名指导员，而是拥有更加完善和复杂认知图谱，如同伴一般的创造者。在教学中应减少学生手工技巧的工作，更多地帮助他们了解思想、关系、文化、连接分散的点，并形成网络的能力。“老师带来知识、理解力、概念图以及指导和情境化的能力，可帮助学生填补自身知识的空白，联结他们的理解力，以建立人类伙伴关系和合作关系。而好的教育是学生毕业后能够自力更生。”

未来，“艺术”有何立足之地？

四川美术学院副院长焦兴涛

前两年法国艺术组织Obvious用人工智能创作了一幅画作并上拍，这是AI画作第一次在大型艺术品拍卖行亮相，以1万欧元（约7.8万人民币）起拍，最终以43.25万美元(约300万元人民币)成交。四川美术学院副院长焦兴涛以此为例，并不是为探讨AI智能人工绘画的价值和意义，而是提醒，在技术、智能、网络塑造之下，今天的艺术正在被智能化，“只有明白艺术处于何种立足之地，才能知道艺术教育的立场和对应态度。如果不能准确面对技术，就很难展开艺术教学。”

需要重新定义“艺术家”工种的不可替代性。

第二届艺术与设计创新未来教育博览会工作坊现场

索尔福德大学艺术媒体与创意技术学院艾伦·沃克认为，对艺术高校从业者的新要求可以分为3部分：“首先，在艺术学校的各个方面体验，都需要将模拟与数字联系起来的灵活性和创造力；其次，在学院以及工商业领域开展跨学科合作的经验；第三，具有高水平的数字专家，包括教授编码的能力。”

而娄永琪也觉得，合格的老师“要‘身体力行’，虽千万人吾往矣。也要‘知行相资’，在行动过程中再创造知识；更要在对的目标上坚持‘博学好成’，克己复礼。”

而俞立中也直言，创新人才并不是教出来的，而是通过教育来提升一个人的创新能力和思维，其中设计、制作就是重要途径。

第二届艺术与设计创新未来教育博览会现场

跨学科发展，术业专攻已不适用？

从术业有专攻，到《新文科建设宣言》中鼓励支持高校开设跨学科、跨专业交叉课程，再到今年11月，同济大学设计创意学院就“2035年还有没有学科之分”的谈论，从中可以看到，学院正试图把学科推向更大的疆域。

首先我们得知道为什么有学科之分？其实是一群有共同学术思维、追求甚至利益的人，共同来分享相近的学术规范。这群人在一起就形成了学术的共同圈，也相当于是学科的“砌墙人”。

不过世界但凡有砌墙人就一定有拆墙人，这个时代拆墙的人就是“跨学科”。此前同济大学设计创意学院探讨“2035年有没有学科”的背景，是2010年同济大学与芬兰阿尔托大学共同建立的国际交流平台“同济大学中芬中心”，中心里90%学生来自其他学科，“大家都相信，设计思维是可以整合不同知识的黏合剂”。

至于学科问题，在娄永琪看来，“学科的发展，就是砌墙、拆墙、砌墙、拆墙的过程。即使到了2035年，拆墙人也不会消失，它只是以各种各样的不同形式存在。”

当然，数字技术的发展与传统手工技能学科并不冲突，“相反基于传统手工技能的学科可以支撑技术的创新，并为数字化方法的实践提供进一步的支持。此外跨学科不能仅从创造性教育领域出发，还应该考虑可持续性、环境健康以及社会福利等方面”，阿利斯泰尔·佩恩表示。

第二届艺术与设计创新未来教育博览会现场

例如，清华大学美术学院利用综合大学优势，积极拓展跨学科、跨专业的教学模式。与其大学计算机学院和新闻学院联合，进行多年的交叉学科项目，以此希望将工文科能有效整合；也与新雅书院合作工业设计跨学科项目；与清华大学全球创新学院合作做艺术硕士培养项目；还与国内其他院校、行业合作GID（全球创新设计研究生联合培养项目）...

无独有偶，四川美术馆学院申请了仅面向理工的重庆市新媒介美术创作重点实验室；也得益于成渝双城经济圈，与成都电子科大建立实验基地和校间实验项目。

另外上海纽约大学成立后，也率先设立交互媒体艺术专业，“它不仅是一个专业，也是其他专业能选修的课程。通过IMA的学习，确实提升了他们创新意识和创新能力”，上海纽约大学首任校长俞立中表示。而这一课程的成功也被引回到纽约大学里。

第二届艺术与设计创新未来教育博览会现场

除了跨学科，艺术学院也扩宽了“教室”范畴，在各地设立“基地”。

如2016年，同济大学在上海创办了“同济黄浦设计中心中学”，希望培养具有设计思维和创新精神、未来各行各业游戏规则的重新制定者。

2017年，清华大学在意大利设立了米兰艺术设计学院，希望在欧洲平台上更好促进国际交流以及跨学科教育；并充分利用清华大学艺术博物馆，把艺术课堂真正融入实践中。另外，即将运行的青岛艺术与科学艺术研究院，将变成转化教学成果和知识产权的重点基地。

......

亟待师资新“血液”加入

清华大学美术学院副院长、学术委员会主任杨冬江

而在这些新增的教学模式之下，师资结构的突破和变化将是最大问题。

现场杨冬江提醒，艺术跨专业、跨学科尤为不易，需要有很强的专业知识为基础，同时也要有眼光和视野。但他依旧认为，“真正的师资，就应该通过跨学科的培养和方案实施，来适应新形势下的艺术教育。只有新鲜‘血液’和新知识不断涌入教学中，才能够真正做到中国教育所希望的目标。”

巧合的是，中央美术学院正尝试这样的师资引进。在全球院长论坛开始的同时，徐震正在中央美术学院首次为在校研究生授课。另外，艺术家曹斐、导演张广天成为了新的师资力量。

邱志杰也透露，如何说服学院将中专毕业的徐震，变成中央美术学院硕士导师，就得益于徐震非常出色的艺术表现和理念。

所以说，未来可期，从业者一直在实践。但我们永远不知道明天和意外哪个会先来，就像2017年BBC列出了人类将面临的十大问题，但谁又知道就在3年后的2020年，“COVID-19”的突然出现反而成为人类面临最大问题之一？

因此，四川美术学院副院长焦兴涛认为，“我们不能对未来去真正规划和计划，但未来就像历史，其实是一个多重叙事的结果。既然如此，把握此刻就是把握未来。”

原标题：《人工智能时代，艺术教育该如何进行？》

阅读原文

人工智能与设计（4）：人工智能对设计的影响

前面通过三篇文章《人工智能的发展和定义》、《面向用户的人工智能系统底层设计》和《人工智能时代下交互设计的改变》介绍了人工智能基础、系统底层设计以及上层应用的设计。本次更新的最后一篇文章关注的是人工智能与设计的关系，这应该是设计师们最想了解的部分；这篇文章是为后期调研人工智能对不同设计领域的影响做个铺垫，欢迎阅读。

人工智能对设计的影响

人工智能的普及是否使设计师失业引起了业界的一股躁动。要回答这问题，应该先弄清楚设计与人工智能的关系，我们可以从本质开始入手。

有人认为设计是为了追求美，和艺术没什么区别；但设计做久了，会有更深刻的理解：设计是为了解决问题。那么设计是什么？在网上看到了一句对设计的定义：设计是有目的的创作行为。这句话解释得非常棒。目的代表主体所追求的目标，创作是把自己的灵感、经验和感觉表达出来。设计是为了解决问题说明设计是为了解决问题的创作方案，设计为了追求美说明设计是为了解决设计对象美感和实用性的问题的创作方案，所以后者属于前者。

艺术是为了将自己的灵感、经验和感觉等主观感受表达出来。设计和艺术的本质在于是否拥有目的；目的是一种观念形态，反映了人对客观事物的实践关系。相比起艺术，设计更多是一种人对客观事物的实践方式，在考虑主观因素的同时也要顾及外界等客观因素。

从定义上来讲，人工智能是使机器代替人类实现认知、识别、分析、决策等功能，其本质是为了让机器帮助人类解决问题。也就是说，人工智能在一定程度上也是一种设计，其目的是为了帮助人类解决问题，创作出与人类思维模式类似甚至超越人类思维模式的解决方案。

问题的复杂程度会直接影响解题人的最终方案，因为人的知识、经验、精力是有限的，很少甚至没有人会长时间都在解决同一个问题。当解题人找不到最优方案时，他们给出的方案具有一定的主观性，甚至有可能错误的。但也有例外的时候，人有神奇的技能-灵感和直觉，它们可以短时间内帮助人类找到解决问题的捷径。

目前的人工智能属于弱人工智能，暂时无法拥有人类的主观能力：灵感、感觉和感受，也没有人类的跨领域推理、抽象类比能力，只能依赖数据和经验来创作或者解决问题。但计算机比人类拥有三个优势：

可以在极短时间内完成超复杂的运算；可以长时间不厌其烦做同一件事，而且不会累；记忆力好，积累的经验可以被随时调用；没有情感等主观因素，比人类更公正客观对待每个方案。

这四个优势可以使计算机在解决超复杂纯智商难题时不断探索新方案，不断积累经验，不断优化方案，通过穷举和对比，找出最佳的方案。人工智能在不同的领域积累的经验增加，它对事物间关系的洞察力也会逐步提高，它也会不断反哺提高自己解决问题的能力。当人工智能的运算能力、分析能力、洞察力超越人类时，人工智能在很多领域提供的解决方案会上优于人类。

设计除了解决问题外，还有对美的理解和创作。美感是对美的体会和感受，它是复杂的，它包含了历史、文化、环境、情感等客观和主观因素，所以不同时代、阶级、民族和地域，有着不同文化修养和个性特征的人对美的定义也不同。不同人之间有着不同程度的美感能力，有些是先天因素影响，取决于个人的感知能力；有些是在社会实践等后天因素训练出来的。

由于弱人工智能缺乏人类的主观感受和推理类比能力，以及缺乏对当代世界和社会的文化和环境的理解能力，所以弱人工智能对美感一无所知。人工智能不懂美感不代表人教不懂会机器生产美感，就像托福和雅思，即使英语不太好看不太懂文章在说什么，只要懂套路，考生也能考出一个还行的成绩。

图片处理应用Prisma通过深度学习将一张图片的风格特征分析出来，毫无保留迁移至另外一张图片。

阿里鲁班系统通过深度学习来量产Banner，设计师将自身的经验知识总结出一些设计手法和风格，再将这些手法归纳出一套设计框架，让机器通过自我学习和调整框架，演绎出更多的设计风格，上亿的Banner通过素材进入该框架后批量拼装而成。

来自微软亚洲研究院的研究员与清华大学美术学院的艺术设计专家让AI接手了繁杂专业的图文排版设计工作，他们提出了一个可计算的自动排版框架原型。该原型通过对一系列关键问题的优化（例如，嵌入在照片中的文字的视觉权重、视觉空间的配重、心理学中的色彩和谐因子、信息在视觉认知和语义理解上的重要性等)，把视觉呈现、文字语义、设计原则、认知理解等领域专家的先验知识自然地集成到同一个多媒体计算框架之内，并且开创了“视觉文本版面自动设计”这一新的研究方向。

以上案例说明人工智能即使不懂审美，也可以替代人类生产可被公式化（规范化）的设计。可被公式化的设计说明这些设计是已成熟的，有规律的(模型)、受限制的(参数)、可量产的。如果不想被人工智能的美感设计领先，设计师的美感设计应该是创新的（未成熟未被发现规律的），包含更多元素的（更多复杂参数如历史、文化、环境、情感等等）。

人工智能与设计师的关系

设计是一个用处非常广泛的动词，可以搭配不同名词成为各种专业术语，例如程序设计、架构设计、交互设计、UI设计、建筑设计、材料设计等等。但设计师更多是指处理好人与设计对象之间的关系，提高体验满意度的职业，例如室内设计师是为了提高人在室内的居住质量；服务设计师是为了提高人在服务流程中的满意度；交互设计师是为了解决人与计算机的交流问题；UI设计师是为了升华人与计算机的交流体验。

上文已提到，人工智能在解决超复杂纯智商难题上最终会超越人类，而且可以生产出可被公式化（规范化）的设计，例如符合规范可批量生产的平面设计、符合规范已成熟的网页和移动端交互设计。但对于人工智能，设计师不用过多担心被取代问题，因为设计师的工作是为了提高体验和满意度，体验和满意度都是主观的，这是人工智能很难去衡量的。既然人工智能也是一种设计方案，那么设计师可以利用人工智能这工具创造出什么价值？

1.在互联网和移动互联网时代，由于产品用户量大以及技术的限制，产品无法针对每位用户在不同场景下的需求进行设计，所以产品功能只能绝满足大部分用户都有的核心场景；还有每位用户的审美能力的差异，设计师只能考虑用更简洁的设计语言来满足大部分用户的基础审美。在人工智能的帮助下，产品有能力做到根据用户的使用场景和行为分析出用户的当前诉求，并提供相应服务。人工智能为个性化服务提供了基础，个性化服务意味着要考虑更多关于该名用户的特点，包括文化，经历，心理等因素，如何设计能更满足该名用户，这是一个全新的机会和挑战。

2.人工智能为艺术型设计师带来更多机会。进入个性化时代的产品基本满足用户需求，相同类型的产品结构和功能会越来越接近，能为产品带来活力和差异的除了自身的底层技术基础，更多是艺术型设计师的理念和风格，以及自身品牌。就像时尚品牌优衣库和Gucci，单件商品两者的品牌和设计产生所带来的利润差距巨大，人工智能产品也可以做到。

3.人工智能使产品的使用成本降低，信息架构扁平化，整体体验提高；但个性化设计意味着需要考虑更多元素。简单和个性化貌似矛盾，如何保持产品简单可用又能突出个性化，这也是一个全新的机会和挑战。

新的设计对象

计算机的普及和难以使用，催生出交互设计这个术语，交互设计专门解决计算机如何更好地与用户交流互动的问题。交互设计师在设计过程中总结出一个新术语：以用户为中心的设计，在设计时密切关注用户的体验和感受。用户体验设计这个术语逐渐扩散到各行各业，它所带来的价值让各个企业明白提高体验的重要性，并着手优化自家产品服务，到后面也衍生出服务设计等专业术语。

产品体验不好，用户还有其他替代选择，所以大家开始关注用户体验。但现在用户体验设计存在着一个局限性：它设计对象仍然是产品，它只关心用户在使用产品期间的体验，不关心产品对用户其他方面的影响。这是可以理解的，因为企业间之间存在着竞争，以及互通数据分析数据需要非常高的成本。所以产品体验好了最大收益自如是产品和企业，并非用户。

辛向阳教授提出了一个更领先的观点：EX-ExperienceDesign，以用户经历为中心的设计。简单点说，生活中每天发生的琐碎小事不会被记住，例如吃饱睡饱；但特殊的经历会被记住，例如在迪士尼公园的路上突然跑出来一群鸭子，你会记住那次惊喜。UX构建的是每一件小事，EX构建的是用户经历，基础是每件小事之间的联动。EX更多关注全局性，就像迪士尼乐园把控全局体验为游客带来惊喜。EX是个性化服务的基础，它会从多个维度包括用户画像和行为、场景和环境、上下文的理解（上一件事情发生了什么，后面安排的事情）等为用户创造价值。

当设计对象从产品转变到用户经历时，设计师不能只考虑自己的产品体验，还要从全局出发考虑产品与产品之间的联动，考虑不同场景和突发事件时自己的产品如何服务用户。产品从单体变成一块拼图，需要考虑上下左右的关系并兼容，这对设计师来说是一个全新的挑战。

如何设计人工智能产品

人工智能为个性化服务带来新的可能，要想设计一款更友善更像人类的产品，我们先看看人类是怎么交流的。人与人之间的交流分为双向交流和单向交流，双向交流包括了问和答，单向交流包括了指令、陈述和接收信息（单向交流指对方可以给予简单的反馈，甚至不需要提供反馈）。问和指令不太一样。问是因为自己不知道，希望对方能提供相关的完整答案（这里忽略明知故问和反问两种带有目的性的情感交流）；指令更多是指上级对下级的指示，他知道对方能做什么，希望对方能帮助自己完成该事情，对方完成后的反馈可能非常简单，一句“OK”“搞定”“对不起，做不到”已经能表达清楚是否完成，其反馈不需要太多内容。陈述的意思是我将信息传达给你就完成了，你可以不给予我反馈，例如演讲、授课、讲述内容等等。接收信息包括了听觉、视觉、触觉，甚至是嗅觉和味觉。

随着信息的增加，当信息超过人类的记忆容量时，人类通过交流获取信息的效率变慢，他们开始将信息通过刻画的方式记录保存下来，到后面逐渐出现了书籍。随着技术的发展，人类获取信息的方式也在逐渐增加，收音机、电视、电脑、手机逐渐出现在我们的生活中，我们先来看看人与媒介交流信息时有什么不同，再来推断人工智能能做什么。（这里的人更多是指接收信息，并非发送信息例如写书、写文章的人）

从表格可以推断出，人工智能要做到与人正常交流需要在问、答、指令、接收信息四个方面有所深造。问更多是指人通过语音、文字等对话方式提出问题（语音是最快最直接的表达方式），计算机理解问题后给出正确完整的答案。答更多是指计算机需要通过如传感器、用户事件监听等隐形手段获取更多的用户数据。指令更多是指用户通过语音和界面发出指令，计算机接收并理解指令后完成一系列的操作。接收信息更多是指人给出问题和指令后，计算机如何提供正确的答案和反馈。

如果牵扯到辈分、利益等关系，人类之间的交流务必产生情感上的交流，在交流时最能表达情感和态度的是态度和语气，人和机器交流也毫不例外。人工智能需要学会与人类交流时，根据不同场景和对话内容采用合适的态度和语气。在交流中，机器更多承担的是下级以及朋友的角色，直白点就是要你干嘛你就干嘛(准确性)；要你干嘛就赶紧做(即时性)；说你不对就得改(自我学习和修正)；不能顶嘴(礼貌)；尽管我对你很苛刻，你也要对我像好朋友一样(性格一致，需要人物设定)。

结合交流方式和情感表达，设计一款面向用户的人工智能产品时需要注意以下几点：

人物设定：为了避免在交流中过于死板或者态度语气时常变化过大(态度语气时常变化过大叫精神分裂)，设计师应该针对不同用户群体为人工智能赋予不同角色与性格。例如针对二次元宅男群体，赋予人工智能傲娇、元气、电波女等性格；针对成熟女性群体，赋予人工智能温柔的管家角色；尽量不要赋予人工智能老板、父母、老师等角色，因为指令他们干活时，会让人类感觉到突兀。准确性和即时性：需要听懂用户的问题和指令并立刻给出准确的答案或反馈。准确性和即时性是人工智能的最基础能力之一，多次回答错误显得人工智能很蠢，用户会逐渐对人工智能失去信心和信任。在技术不成熟的时候，可以引入天然呆、冒失女等具有智商不高但又很懂卖萌的角色性格弥补技术上的缺陷，这样可以通过打情感牌减少用户愤怒甚至失望的情绪。自我学习与修正：当人工智能不知道答案和操作时，除了给出抱歉的反馈外，更多需要的是通过自我学习能力来修正自己的数据库，避免多次惹恼用户。礼貌：及时回复、不重复说话、不反驳、不打断用户的说话和操作都属于礼貌问题，就像人类一样，有礼貌的人工智能才会受用户欢迎。

做设计时需要考虑更多数据的交互，关于人工智能底层数据设计请阅读第二章的《下一代人工智能助理》和《人工智能数据仓库》。在设计架构时需要考虑更多产品上下游之间的联动，以及通过接入通用型API和组件完善人工智能的数据库，关于移动端信息架构设计、通用API和组件请阅读第三章的《流的设计》和《新型API和组件》。对话是人工智能的基础，更多对话体验设计请阅读《GoogleActionsDesign》。人工智能为个性化设计提供了基础，设计师需要考虑更多场景下的个性化服务，也可以引入更多风格的个性化设计，彰显出用户的魅力。

人工智能艺术：一场前所未有的新艺术创造 人工智能与艺术设计案例研究报告