AIGC 時代，創意何去何從①

婁永琪

一、AIGC，設計創意工作者的終結者？

當下，人類正進入一個以大模型AIGC 為標志的全新智能時代。不少人對這個時代的到來感到莫名興奮；與此同時，也有許多人對這個突然到來的AIGC 時代感到莫名的失落和焦慮。

對藝術家和設計師而言，他們焦慮的原因是因為曾經高高在上的創意和設計居然被AIGC 顛覆了。2015 年，BBC就基于牛津大學馬丁學院的學者卡爾·弗雷（Carl Frey）與邁克爾·A.奧斯本（Michael A.Osborne）②發布了一張表單，列出了最易被人工智能取代的專業。③表單中居于前列的有電話銷售員、打字員、會計等。而較難被人工智能取代的專業，則包括了藝術家、建筑師、音樂家等，這些專業被取代的風險在5%以下。這說明在當時看來，創意類專業還是很難被人工智能取代的。

然而，去年出現的一張圖片則引發了激烈的討論。有一個名叫杰森·艾倫（Jason Allen）的年輕人用人工智能工具midjourney 繪制了一張名為《太空歌劇院》的圖畫，獲得了當年科羅拉多州繪畫競賽的第一名。人類在機器面前保有尊嚴的這條創意設計的馬其諾防線，居然如此不堪一擊。

當然，用樂觀的態度來看，AIGC帶來的混亂只不過是人類科技發展史上的一種常態而已。1768 年，憤怒的紡織工人們沖進珍妮機發明者詹姆士·哈格里夫（James Hargreaves，1720 ～1778）的家中，將機器搗毀。他們將失業歸咎于先進紡織機的發明。今天的情況也很類似，前段時間有一堆硅谷的大佬宣稱要停止AIGC 的研究一段時間。不過，在筆者看來，這樣的做法是無用的?？萍歼M步的時代潮流浩浩湯湯，順勢者昌、逆勢者亡。

二、從工具演進的視角看AIGC

30 多年前，筆者進入同濟大學建筑與城規學院學習，要掌握的重要技能之一就是用好鴨嘴筆，為了使墨汁在兩個鋼片里不掉下來，要注意筆的角度和尺的關系，才能畫的墨重線直；后來，針管筆取代了鴨嘴筆，在當時一套德國“紅環”牌的針管筆對學建筑和設計的學生來說，是令人羨慕的存在；后面突然大家都用電腦畫圖了，也不用背著圖筒帶著圖紙跑來跑去了；文件都存在軟盤、光盤里，然后是U 盤；出圖，也清一色是電腦出圖；筆者在1995 年到1999 年期間，畫了很多水粉建筑效果圖（圖1）；而今天，拿一個手機，隨便一個路人居然也可以用各種APP 進行藝術創作了。設計行業的巨變，是科技和產業發展的一個折射和縮影。

AIGC，全稱是人工智能生成內容。從古至今，創造內容的目標是永恒的，但是創造內容的手段一直在發生變化。我們可以將神射手這個行業作為參照。在石器時代，神射手是扔石頭扔得最準的人，在冷兵器時代是射箭射得最準的人，然后到了火器時代是打槍打得最準的人。而現在的戰爭決勝的關鍵要素在于是否能夠打贏信息化戰爭。對神射手而言，擊中目標這個核心使命沒有變化，但所需要的技能和訓練方式卻發生了根本性的顛覆。④

之所以AIGC 能引起這么大的關注，是因為 AI 這一全新的基礎技術出現了突破。大模型的到來讓AI 具有了前所未有的能力。當下Transformer 大模型已經占據了主流地位，包括我們熟悉的GPT-1、GPT-2、GPT-3 和GPT-4。所謂的GPT，就是指人工智能驅動的，生成式的、預訓練的、自注意力模型。

“模型”是結構化的抽象。而模型的思維方式和人的自然思維正好相反。人的思維是由a 到b，是線性的，它不是結構化的，絕大部分人是沒有與生俱來的結構化思維能力的。在筆者看來，從事科研工作最重要的能力之一正是“結構化探究（structured inquiry）”的能力。人類通過借助于人工智能技術，通過結構化的模型來認識世界、改造世界將從根本上改變人與自然系統、人類系統、賽博系統和人工系統（natural, human,cyber and artificial systems, NHCAS) 交互的方式⑤?？梢灶A見，未來隨著各種知識模型、創造模型、組織模型等不斷地被開發出來，AI 在其中還可以發揮越來越大的作用。

當然，光有模型是不夠的，還要有數據。一個模型要靠大數據投喂，有語料庫、有算法、有訓練，才能從原料加工成為成品。從GPT-1、GPT-2 到GPT-3 的參數不停地增長，GPT-4 據說有100 萬億個參數。GPT 超越人類大腦170 萬億個參數指日可待，我們從它的迭代速度就可以看到，全世界現在在2020 年創建、捕獲、復制和消耗的數據總量為59 ZB，預計到2025 年將達到175 ZB。⑥

大數據背后是大算力。能源革命和信息革命是如影隨形的，如果沒有能源革命就沒有信息革命。大算力時代的碳足跡是巨大的。從圖2 可以看出，從紐約到舊金山往返的碳足跡是1984 磅，一個美國人平均一年的碳足跡是36156 磅，可能差不多等于三個世界上其他地方的人的碳足跡，而我們訓練一次GPT-1 級別的Transformer 大模型，其消耗的碳足跡大概是62.6 萬磅，大約是一輛美國車的全生命周期的碳足跡的五倍。預計到2030 年，AI 將會消耗全球電力供應的50%。⑦

圖2：常見碳足跡基準（引自Karen Hao, Training a single AI model can emit as much carbon as five cars in their lifetimes, MIT Technology Review, 2019, 75, p.103.）

AIGC 時代的到來，實際上是一個量變導致質變的過程。是一個關于“大”的勝利，是“大力出奇跡，一力降十會”的勝利。在荷蘭藝術家瑪德瓏·弗里森多普（Madelon Vriesendorp，1945 ～）為荷蘭建筑師雷姆·庫哈斯（Rem Koolhaas，1944 ～）《癲狂的紐約》⑧所畫的插圖里，曼哈頓就是一個典型的以“大”為特征和文化的地方，這是它成功的關鍵。庫哈斯將之稱為“大”的勝利。他設計的CCTV 大樓，還有他在廣東做的一系列研究，后來都被收錄在《大躍進》⑨一書中，背后的邏輯都和“大”，以及隨之而來的多元性和復雜性有關。但更多、更大、更強，就一定是正確嗎？筆者覺得非常有必要對這種工業文明的邏輯進行必要的批判性反思。

三、對AIGC 的批判性反思

討論AIGC 時代的創意未來，筆者覺得有四個批判性反思不得不提：

第一，是關于規模的批判。對于人類的信息革命來講，紙張和印刷術的發明，跟現在計算機和網絡的發明同等重要。如果沒有這兩樣東西，人類的行為和信息是無法被大規模記錄和傳播的。但計算機和網絡的發明，使得信息記錄和傳播實現指數級的增長。1994 年，比爾·蓋茨拍了張照片，他坐在33 萬張紙上面，左手拿著一個光盤。他通過這張照片告訴大家，這張光盤記錄的信息等于過去33 萬張紙記錄的信息。過去，人類歷史上產生的數據只有很少能被記錄下來，而現在不僅什么數據都有可能被記錄下來，AI 還能自主地產生數據。但隨之而來的問題是：到底需不需要記錄這么多數據？在現在這個大數據的時代，小數據以及處理小數據的能力還有沒有價值？如何用大數據的能力去賦能和協同處理小數據的能力？更為本質的問題是：AIGC 到底是不是真的在創造？還是它只不過是在追隨和抓取人類創造力的影子，以及處理這些影子之間的疊加、變形、重構？

第二，是關于真實的批判。筆者過去一直對文物和考古懷有很深的興趣?？脊攀且粋€可以幫助還原歷史真相的工作。以前信息太少了，如果我們要了解夏商周的真相，哪怕就是一個斷代問題，也是一個巨大的工程。過去的挑戰是信息太少，我們無法得到真相；而現在新的挑戰，可能是信息太多，這也同樣掩蓋了真相?，F在，如果我們要在互聯網上搜索一個人的信息，基于對查到結果的判斷，我們大概可以得到比較接近真相的結果。但在AIGC 時代，如果不加干預，未來就有可能是機器在自動地、快速地生成內容，由于機器生成信息的速度遠遠超過真實世界，導致網上的內容很可能有99%是假的。屆時，我們搜索到的信息，可能比我們自己所理解的，或者靠人與人生活世界交往得到的信息更不準確。所以，新的問題成了這樣：太多的自動生成信息像泡沫一樣讓真相變得不可琢磨。

第三，是關于選擇的批判。筆者的同事張周捷老師有一個名為“Endless Form 椅子”的設計。在這個作品中，人坐在數據采集器上面，算法用一秒鐘不到的時間就可以生成很多椅子的形狀（圖3）。筆者認為這是個很有意思的隱喻：人負責選擇，機器負責不停地生成。即：人設計算法，觸發機器，下達指令，機器負責生成結果，再由人去進行選擇。這是一個關于人機關系非常完美的隱喻。但問題是，首先，人的選擇會被誤導。在日常生活中，我們很多時候將設問改為選擇題，而不是提開放性的問題。當問“a 還是b？”的時候，對方不管回答a 還是b，都已經把所有其他可能性忽略了。實際上，機器也會這樣來迷惑我們，慢慢地，人的思維也就開始機器化了。其次，信息時代，現代人要做的選擇比過去多得多。當我們有這么多的選擇需要做的時候，因為怕麻煩，很可能就把99%做選擇的機會讓給了機器。

圖3：張周捷設計師的Endless Form 椅子 (?Endless form)

最后一個批判，是關于智慧。例如眾人耳熟能詳的法國藝術家杜尚（Marcel Duchamp，1887 ～1968）的名作——《泉》（Fountain，1917）。杜尚將一個小便斗放到了博物館，就成了一個非常重要的現代主義作品。但如果不是杜尚所為，那它就只是個小便斗。英國計算機科學家圖靈（Alan Mathison Turing，1912 ～1954）曾經問過一個問題：機器到底會思考嗎？機器現在看來仿佛是會思考的，但機器有智慧嗎？它可能只有一半的智慧?！爸恰笨赡苡?，因為如果“智”指向的是知識的積累，那么從信息到知識的能力它可能還是有的。但它沒有“慧”，因為“慧”包含了形、意、神三個方面。有了大數據和人工智能，機器能做到“形”，它看上去懂了，看上去在思考，但其實它大多數時候是在學著思考，或者有了思考的樣子。而“意”是指人受到觸動，心動了；“神”則是指驚為天人、醍醐灌頂、豁然開朗、拍案叫絕。這是高情感性和高人性的能力，機器目前還無法實現的。更何況，在此之上，還有更高層面的真、善、美，道德和倫理。這種屬于人類世界的高級東西，離開人的參與，就完全沒有意義了。

四、AIGC 時代最具價值的創意能力：創造意義的能力

批判之后，我們再來看AI 到底是創意和就業的殺手，還是賦能創意的新引擎？答案可能a 面b 面都有。前段時間，有許多好萊塢編劇在罷工，筆者相信 AIGC 的確能夠勝過中等水平的編劇。同樣，不少在動漫領域畫原畫的人，可能未來的日子也會很難過。但是這個世界往往在關了一扇門的同時，總會打開另外一扇窗。確實AI 會奪走許多傳統的創意工作，但AI 也還會為創意的發展提供很多新的可能性。有兩個例子：首先，是人們個性化需求的滿足，在AIGC 時代，我們有了源源不斷的創意供給。在以前，這是不可能的，所以各種“長尾需求”只能被無情地斬斷。⑩而現在如何借助AI，實現各種層次的千人千面的需求滿足，這將會是一個巨大的機會；第二，人類的一些大挑戰需要超快的速度和超大的規模去解決，比如應對可持續發展的挑戰。地球的環境容量天花板離我們越來越近，但是人地危機的產生是我們的上幾代人用工業化速度累積的禍害。我們現在要去化解這個危機，就必須要在更短的時間里，創造出同等或更大的規模去修復地球。這時候，AI 幾何級數的增益效應，可以賦能人類做很多的事情。

關于人和機器的分工，有兩個公認的方向：第一是把一部分工作交給AI，讓給 AI 完成一部分我們不擅長或不想做的事；第二是讓 AI 訓練、激勵、開發和強化我們的創造力。這兩者都很重要，但事情可能并不是到此為止的。我們有一個美好的愿望，就是讓人做“0 到1”的工作，而讓機器負責“1 到10000”的事務。但這是一個一廂情愿的設想。為什么機器不能做“0 到1”的工作？如果從人的視角切換到機器的視角，對機器而言，通過人來訓練算法，人做的才是1 到10000，而機器做的卻是0 到1 的工作。從AI 角度看，當無數人在用某個算法，并讓AI 的算法和智慧越來越提升時，人的創意就變成了滋養人工智能這朵鮮花的肥料。

以上都是發人深思的問題，那么在AIGC 時代，到底什么才是創意工作者的核心能力？筆者認為，毫無疑問，首先應該更加主動地擁抱AI，提升運用和創造新創意工具和思維的能力。在同濟大學，筆者從2013 年開始全面推動數字和比特世界融合的設計教育，于2017 年推動開設了人工智能和數據設計專業，用現在的話來說就是AIGC 專業。2018年，筆者和音樂人朱哲琴女士共同在同濟創立了“聲音實驗室（Sound Lab）”。郁新安老師和張屹南老師指導的一個學生作品非常有意思：通過一個預設計的算法，每個人都可以將語言轉化為獨有的首飾造型，然后用3D 打印打出來，戴在所關切的人的身上（圖4）。盡管從技術上看，這是一種老式（Old-fashioned）AI，但它基本上已經把AI 與人協同創作最動人的一面呈現出來了。

圖4：同濟大學“聲音實驗室”的語音生成首飾

當然，人還有更深層次的能力。但筆者認為，就如中文“創意”這個詞語一樣，AIGC 時代最具價值的創意能力將是創造意義的能力。意義制造可能會成為設計最為重要的能力。?美國教育心理學家布魯姆（Benjamin S.Bloom，1913 ～1999）把學習能力層級分為：記憶、理解、應用、分析、評估和創造。?其中創造是最高層面的能力，也最具有價值。比如錢鐘書和陳寅恪兩位學者，他們之所以偉大，固然是因為他們博聞強記，但這對于如今的機器來說并無特別之處，但錢鐘書能寫出“城里的人想出去，城外的人想進來”這樣的句子，這才是大智慧；而晚年的陳寅恪致力于撰寫《柳如是別傳》，“為無益之事，遣有涯之生”，這種大時代下的人自筆者選擇的態度，機器是不懂的。

美國設計學者唐·諾曼（Don Norman，1935 ～）和意大利創新管理教授羅伯托·維甘提（Roberto Verganti,1964 ～）在一篇文章里做了一個關于意義的價值的圖解（圖5）。對“技術頓悟”的實現來說，技術發展和意義改變同樣重要，而且往往是在這兩者雙管齊下時才能出現。他們舉了游戲行業的例子：對游戲這個行業來講，發展技術以及改變游戲的定義和玩法，這兩者輪番推動了行業革新。之前的游戲設備公司，都追求速度，不斷升級芯片，但到了一定極限，速度就上不去了；之后群玩的游戲開始流行，從一個人玩變成一群人玩；再到wii 加了個重力感應器，玩家可以結合運動去玩游戲；后面又出了Kinect，可以感應人的動作；到現在頭顯，AR/VR/MR，不斷迭代。?在這個過程中，技術改變和意義、方式改變輪番推動了創新的迭代。

圖5：唐·諾曼和羅伯托·維甘提的顛覆性創新案例（引自Don A.Norman and Roberto Verganti, Incremental and radical innovation: Design research vs.technology and meaning change, Design Issues, 2014, 30(1), pp.78–96.）

在創意領域，藝術和設計兩者是有分工的。筆者認為，藝術的價值在于啟蒙和喚醒，設計的價值則在于引領變革。如果說現在我們稱之為藝術的東西不再具有啟蒙和喚醒的價值，那可能就不是這個時代真正的藝術，而是上個時代留下來的殘影。而設計的價值在于引領變革。2009 年，同濟大學之所以要把“藝術設計系”改名為“設計創新學院（College of Design and Innovation）”，就是為了能夠擁抱“創新”這個更為強大的變革力量。從任何角度而言，AI 都是當下一個巨大的變革力量，樂觀地看，如果我們能夠用好 AI 這個倒逼效應，藝術可以更加藝術，設計可以更加設計，工程可以更加工程。更重要的是，人可以更成其為人！

五、創意和意義制造的未來方向

有六個面向，可能是 AIGC 時代創意和意義制造的發展方向。

第一個面向是人觀價值，就是指從人的角度出發的價值判斷。這里，首先就是身份認同。古今中外講到藝術品，概莫能外就是“名人字畫”。比如許多人去盧浮宮看蒙娜麗莎，是認為他們能看到達芬奇的真跡。如何用新的技術手段，建立和具體的人的新的聯系，是未來的一個很有潛力的方向；第二個層次，是情感判斷。比如同樣是勃拉姆斯《D 大調小提琴協奏曲》的兩張唱片，一張是美國小提琴家海菲茲（Jascha Heifetz，1901 ～1987）與美國指揮家萊納（Fritz Reiner，1888 ～1963） 的版本；另一張是美國小提琴家帕爾曼（Itzhak Perlman，1945 ～） 與意大利指揮家朱里尼（Carlo Maria Giulini，1914 ～2005）的。我們聽第一張唱片，演奏家的技術已經退化了，錄音雖然很好，但不怎么動人；而后者的演奏非常豐潤，廳堂感很強，整體聽感很溫暖、很動人。這種微妙的區別，牽涉到人的情感判斷，只有人才能夠真正懂得；第三層次，和人的社會屬性有關，和人與人的關系有關，和信任有關。例如現在設計師經常做Co-creation 的工作坊，人工智能在處理社會創新、協同創意領域，還有很多很長的路要走。舉個更簡單的例子，如果說鄰居之間吵架了，現在的機器再智能，能來勸架嗎？這時候還是要有個“上海老娘舅”，才能處理和人際關系相關的事務。

第二個面向是范式創新。在AIGC時代，范式創新變得越來越重要了。前不久筆者在上海音樂廳聽了一場管曉宏院士策劃的《藝術與科學的交匯音樂會》（圖6）。管院士在這場音樂會上提出，幾乎所有好聽的音樂，基本上都符合冪律，比如說莫扎特《降E 大調小提琴與中提琴交響協奏曲》，把其中相鄰音符的半音數找出來，基本上排成了一根線，完全符合冪律（冪律指兩個量之間的函數關系）。但凡符合冪律的都好聽。但我們會發現，只要找到規律，無論是莫扎特風格，還是貝多芬風格，機器都能做出來。巴赫嚴格的對位法，更是機器的擅長，而且可以做到讓人聽不出區別的程度。但像奧地利裔美國作曲家勛伯格（Arnold Schoenberg，1874 ～1951）等人的無調性音樂，例如德國作曲家斯托克豪森（Karlheinz Stockhausen，1928 ～2007）的《摩羯座》，這部作品完全不符合冪律，這時機器就束手無策了。所以，AIGC 時代的創意，需要更多的“0 到1”的范式創新，對音樂、建筑、繪畫、設計都是如此。

我們一直呼吁范式創新，但人類到現在都沒有多少范式創新。因為范式不是一個個體概念，而是一個社會概念。只有供給側和受眾共同體產生了共鳴，范式轉化才能發生。?現在，機器做了許多的工作，人就有更多的時間和機會去思考創造新的范式，而且這個輪換周期也相應縮短了。繪畫界也是一樣，美國藝術家安迪·沃霍爾（Andy Warhol，1928 ～1987）讓整個社會對藝術本身的認知和期待發生了變化。如果沒有他，波普藝術可能不會就此進入千家萬戶。用原來的標準看，他的作品都是應該進垃圾堆的。希特勒就非常厭惡現代藝術，把法籍俄裔畫家康定斯基（Wassily Kandinsky，1866 ～1944）等人的作品稱為“墮落的藝術”。但是新事物往往就像激光一樣，可以輕輕松松地在以主流之名的鐵幕上劃開一道口子。

第三個面向是全鏈體驗。體驗是藝術中不可或缺的一個重要環節。比如書法是中國的傳統藝術的一大門類?，F在我們書法創作的載體往往是一個創作的結果，也就是書法作品，以及浩如煙海的碑刻、字帖等。但是作為一個寫書法的人，筆者認為書法的意義在于它的全過程。當人寫字的時候，毛筆和紙張之間無時不在的交互，無時不在傳遞給寫字的人。李白的《草書歌行》和杜甫的《飲中八仙歌》就描述了張旭和懷素書法的恣意?！澳仫w出北溟魚，筆鋒殺盡中山兔”，這種感覺和快樂，不寫字的人或親歷其中的觀者，是無法體驗到的。筆者相信，在未來，類似創作的全過程和各種情感信息，能夠被更完整地記錄下來，會成為書法藝術的一個很重要的、可以被感知的一個維度。

現在有很多的虛擬現實軟件，或元宇宙場景，可以讓人戴個頭盔就能夠身臨其境地旅行，一下子就能有“一覽眾山小”的體驗。但是，“一覽眾山小”一定不僅是一個圖形的刺激，而是人先有非常辛苦的爬山，然后感到絕望，再堅持，突然到登頂的時候，一下子心情舒暢的完整感受。這就是美國哲學家約翰·杜威（John Dewey，1859 ～1952）說的“一個體驗（an experience）”，這是指完整的體驗，沒有縫隙的，不是一個個單獨的、獨立的東西，這是與人和環境的互動高度相關，完成這一互動的親密關系是一種感覺和諧的制度。?這里有模式和結構問題，以大模型為特征的AIGC 是不是應該介入？如何介入？這里有很多的可能。

第四個面向是情境關聯。2015年，筆者去芬蘭國家美術館看了一個展覽——“芬蘭作曲家西貝柳斯（Jean Sibelius,1865 ～1957） 和藝術世界（Sibelius ja Taiteen Maailma/Sibelius and the World of Art)”（圖7）。當時向筆者撲面而來的是一個活脫脫的現代主義展覽。筆者過去一直以為，我們國家現代藝術的啟蒙，是沒有完成的。當時徐悲鴻、劉海粟這些大師在西方學習的時候，畢加索、塞尚已經在西方流行，這些可能是當時西方最激進的、最前沿的、最有生命力的東西。但他們帶回來的西方繪畫還是偏于傳統的。但后來在和潘公凱先生的一次對話中，筆者豁然開朗了。畢加索在1907 年、1937 年時候的畫，較之1912 年劉海粟先生在上海美專帶著一群學生所畫的裸體寫生，到底哪一個更前沿？那次對話讓筆者突然意識到了一個德爾塔（Δ）?（在數學和物理學中,德爾塔是指量的微小變化率，常用于描述微積分和物理學的變化量計算。此處為引申用法）的概念。如果當時在中國畫畢加索，沒有那么地驚世駭俗。對中國藝術界而言，從徐文長到吳昌碩，早就在畫大寫意了，但是畫裸體，對當時保守的中國社會來說是傷風敗俗，在對藝術界的沖擊和思想解放的推動無疑是更大的。所以從變化量來看，在中國當時這個情境下，創造一種和情境的對立，是推動藝術革新的一個更加有力的選擇。

圖7：芬蘭國家美術館“西貝柳斯和他那個時代的藝術“展覽（2015 年）

第五個面向是文化自覺。2008 年Cumulus（國際藝術設計與媒體院校聯盟）年會在日本京都舉辦，那年大會的主題是“空/emptiness ”。主旨演講人日本設計師原研哉（Hara Kenya，1958 ～)在幻燈片里放了兩把菜刀的圖片，一個是日本的菜刀，一個是德國的菜刀，兩者有什么不一樣？德國的菜刀是人體工程學設計，讓人捏得特別舒服，但是只有一個姿勢是正確的；日本（以及其它亞洲國家）的菜刀，刀柄是直的，100 個廚師可以有100 個握刀的手勢。原研哉用這個故事來講什么是東方文化的emptiness，東方的“空”背后，是更多的可能性。因此，任何事物只有被放置到文化背景中時，人才能夠對其產生有價值的判斷。那么，什么是文化？梁漱溟說“文化就是所有生活樣式的總和”，它和生活方式息息相關。全世界的人，基于不同的生活方式，產生不同的價值觀、行為準則和約定俗成的習慣。在AIGC 時代，創意和文化生活將更加高度相連。對文化的理解，基于文化的判斷和內容創新，將是意義創造的沃土。

最后一個面向是情理敘事。前不久，日本作曲家坂本龍一（Sakamoto Ryuichi，1952 ～2023） 去世了，有一部關于他的紀錄片《終曲》（Ryuichi Sakamoto: CODA）特別受到關注。坂本憑《末代皇帝》的原聲碟拿了奧斯卡獎之后，整天琢磨如何實現突破。他開始喜歡電子音樂的元素，癡迷于用各種方法去采集和處理新的聲音。他身上套個塑料桶來到室外，錄下雨水打在桶上的聲音；他前往飛機失事的現場，錄下用棍子敲擊殘骸的聲音；他拿中國武漢產的鑼，錄下用弦去摩擦它的聲音……福岡大地震后，坂本發現了一架被海水泡過的鋼琴，他用這架鋼琴演奏了一首《瓦解》（Disintegration），還出了唱片。用這架走調的鋼琴，演奏出的音樂別有風味。他說，每個琴弦繃緊的時候其實是人用人類的邏輯，用上百噸的力氣，將琴弦拉成非自然的狀態。而這架被海水泡過的鋼琴，所有琴弦都松了，這使它恰巧回到了一個更自然的狀態，更接近本來應該有的樣子。

很多人被這個故事打動，就去聽這個曲子。如果沒有這個故事，這個曲子就是一堆亂耳的雜音。所以，故事，即情理層面的敘事，未來可能比合理層面的敘事更加重要。就像徐悲鴻畫的愚公移山，這個故事本身不一定符合理性邏輯，但體現了一種精神，激發大家的志氣，當年在抗日戰爭的背景下，尤其鏗鏘有力。未來不管設計也好，創意也好，我們要面對的大挑戰還很多，比如可持續轉型、人類命運共同體建設、全球經濟的再次繁榮、文明沖突的緩解等。筆者相信，未來情理敘事的價值會超越幾乎所有的技術敘事。

2013 年，筆者就任同濟大學設計創意學院院長之后，做的第一件事情是給學院寫了個院訓：“為人生的意義和世界的未來而學習和創造”（圖8）。這其中“人生的意義”（meaningful life）, 是放在前面的。在AIGC 時代，當時寫的這句話也許會變得更有意義：我們每個人的人生，不管是工作、學習還是生活，都是一個意義創造的過程，對個人是這樣，對社會亦是如此。

圖8：同濟大學設計創意學院

六、結語

筆者認為在AIGC 時代，最好的結果是“讓機器更機器，讓人更成其為人”；次好的結果是“讓機器像人，讓人更成其為人”。到底機器像人更好，還是像機器更好，筆者琢磨之后還是認為應該讓機器更像機器。否則，一方面，人會對機器產生各種各樣移情的想法，這未必是一個好的現象；另一方面，機器在很多方面會超過人，但人的尊嚴是不應該被褻瀆的。而最壞的結果是“讓機器像人，讓人更成為機器?！惫P者非常希望，不要因為技術或者商業的泛濫，導致“機器像人、人像機器”的這一天真的會到來。

但是，這個危機，在今天看來，早已不是聳人聽聞，而是活生生地出現在我們身邊了。當我們癡迷于各種技術、各種數據的時候，人的危機就在眼前了。在這個AIGC 時代，我們又一次前所未有地需要呼喚新的文藝復興，推動一次新的人性的解放。讓我們一起努力，用人性的光輝沖破計算理性的牢籠，為人、人性和人文喝彩！

注釋：

① AIGC（Artificial Intelligence Generated Content）指生成式人工智能，本文是基于作者在2023 年5 月7 日在上海舉辦的“數字設計: AIGC 創建者大會”（Digital Design：AIGC Builders and Creators Conference）的閉幕演講修改而成。

② Carl Benedikt Frey and Michael A.Osborne,The future of employment: How susceptible are jobs to computerisation, 2013, https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf.

③ Will a robot take your job?, 2015, https://www.bbc.com/news/technology-34066941.

④ 婁永琪：《設計的疆域拓展與范式轉型》，《時代建筑》，2017 年第1 期，第11-15 頁。

⑤ Yongqi Lou,Designinginteractionstocounter threatstohumansurvival.She Ji: The Journal of Design, Economics, and Innovation, 2018,4(4), pp.342-354.

⑥ Statista Research Department,Amount ofDataCreated,Consumed,andStored 2010–2025, 2018, https://www.statista.com/statistics/871513/worldwide-data-created/.

⑦ Karen Hao,TrainingasingleAImodelcanemit asmuchcarbonasfivecarsintheirlifetimes,MIT technology Review, 2019, 75, p.103.

⑧ Rem Koolhaas,DeliriousNewYork:A RetroactiveManifestoforManhattan, New York: The Monacelli Press, 1997.

⑨ Judy Chung Chuihua, Jeffrey Inaba,Rem Koolhaas and Sze Tsung Leong eds.,Great LeapForward, Cologne: Taschen, 2001.

⑩（美）克里斯·安德森，喬江濤、石曉燕譯：《長尾理論》，北京：中信出版社，2012 年。

? 馬謹：《延伸中的設計與“含義制造”》，《裝飾》，2013 年第12 期，第122-124 頁。.

? Benjamin S.Bloom ed.,DevelopingTalentin YoungPeople.New York: Ballantine Books,1985.

? Don A.Norman and Roberto Verganti,Incrementalandradicalinnovation:Design Researchvs.TechnologyandMeaning Change, Design Issues, 2014, 30(1), pp.78–96.

? Thomas S.Kuhn,TheStructureofScientific Revolutions, Chicago: University of Chicago Press, 2012.

? Hansj?rg Hohr,TheConceptofExperienceby JohnDeweyRevisited:Conceiving,Feeling and“Enliving”, Studies in Philosophy and Education, 2013, 32, pp.25-38.

? 在數學和物理學中,德爾塔是指量的微小變化率，常用于描述微積分和物理學的變化量計算。此處為引申用法。