解碼創造力：生成藝術與人工智能

魏東

作為20世紀的重要藝術形式之一，數字生成藝術延續了現代藝術所追求的目標和原則，充分利用計算機所提供的一切，創作出充滿計算視覺審美特征的作品。生成藝術拓展了人類創造力的界限，改變了藝術創作方式、過程與結果。人工智能藝術作為生成藝術的一個子集，通過藝術家、設計師建造自主機器，向算法提供數據，利用機器學習生成新的視覺作品。隨著機器創造力不斷增強，人的創造力重新獲得評估。

生成藝術：藝術與算法

按照維基百科中的定義，生成藝術指全部或部分使用自主系統進行創作的藝術，這種自治系統通常是非人類系統，系統可以獨立決定藝術特征，有別于藝術家直接做出決定。廣義的生成藝術和藝術本身一樣古老，可以分為數字生成藝術和非數字生成藝術，非數字生成藝術并不一定需要電腦。早在距今7.7萬年前，來自布隆博斯洞穴的一個赭紅色石塊上刻著清晰的網格圖案，反映了人類抽象幾何思維和藝術。它看起來并不復雜，簡單并高度有序，具備了生成藝術復雜性的基本范式。在20世紀現代藝術中，算法、幾何、隨機、抽象貫穿于各個藝術流派中，如達達主義藝術家馬塞爾·杜尚（Marcel?Duehamp）、讓·阿爾普（Jean?Arp），將隨機作為創作動因。新造型主義、至上主義以及歐普藝術等反具象美學，將算法和幾何形用于藝術創作實踐中。特別是小野洋子（Yoko?Ono）的指令藝術和索爾·萊維特（Sol?LeWitt）的概念藝術，更是將藝術家對規則的制定和具體藝術執行分割開來，為早期生成藝術創作勾勒出雛形。今天生成藝術所面臨的各種問題在藝術史中都可以找到雛形和答案。他們都沒有使用計算機，但是卻包含了生成藝術的所有關鍵問題。如果說他們的藝術探索展現出生成藝術中完全人的創造力，那么計算機科學家則讓計算機成為生成藝術的加速器，是“算法”讓人的創造力和計算機的創造力協作共進。

第一批以計算機編程作為創作手段的科學家成為算法學家或生成藝術家。從那時起，“生成藝術”和“計算機藝術”這兩個術語就被同時使用，并且或多或少地可以互換。格奧爾格·尼斯（Georg?Nees）、維拉·莫爾納爾（Vera?Molnár）等人在他們的藝術實踐中使用計算機編程，并從同時代的現代藝術家思想和作品中汲取靈感，將秩序和隨機性結合，發揮計算機重復執行的特點，促進形成生成藝術的計算視覺美學。然而剛開始數字生成藝術卻受到主流藝術界的偏見，被看作是計算機藝術的一個分支。是穆里爾·庫珀（Muriel?Cooper）和約翰·前田（John?Maeda）所在的MIT媒體實驗室成為生成藝術孵化器，確立了計算美學。2011年，約翰·前田的學生本·弗萊（Ben?Fry）和凱西·雷斯（Casey?Reas）開發了適合藝術家和設計師的編程語言processing，帶來開源運動以及網絡社區，生成藝術呈現爆發式生長態勢。

盡管人工智能生成的流體有機圖像（the?fluid?organic?imagery）看起來與抽象幾何圖形不同，但是人工智能藝術是生成藝術的一個子集，人工智能藝術作品很多是由GAN（生成對抗網絡）創作的，如海倫娜·薩林（Helena?Sarin）。與之前通過計算機指令、參數控制形態不同，人工智能通過大量的圖例訓練生成最終結果。從最終結果來看，人工智能藝術呈現出機器特征的數字超現實主義，2020年左右，生成式人工智能模型學會了模仿特定藝術家的藝術風格，可以接受自然語言輸入，包括大型語言模型（LLM）聊天機器人如ChatGPT，以及Stable?Diffusion、Midjourney等文生圖人工智能藝術系統，這使得人工智能藝術越來越可用。在廣告設計、插畫以及其他創意類應用領域正在產生越來越大的影響力。

創造力：過程、方法與審美

生成藝術與人工智能通過開發機器的自主系統釋放出藝術家的無窮創造力，產生新的計算視覺審美。在深入介入到計算機編碼和數據處理的情況下，人和機器的創造力問題變得更加重要。

生成藝術專注于藝術創作的過程，過程的創造性體現在藝術家角色的轉變與機器的復雜自主系統帶來的改變。生成藝術的機器自主系統給藝術家帶來驚喜，傳統藝術家所展現出來的創造力屬于自己，絕非畫筆。然而，無論是生成藝術還是AI藝術，盡管藝術家在創作過程中仍然扮演重要角色，但是藝術家利用自然中的概念和算法，如涌現、集群等，使用計算機編碼創造了另一個世界，這個世界是由內而外自然生長的結果，而不是由外到內塑造的人造世界。

在生成藝術中，藝術家的任務是在想法的基礎上使用計算機編碼制定規則和算法，交給計算機執行，而計算機不知疲倦，具有超強算力，充滿邏輯和偶然。在某些情況下，藝術家認為生成系統代表了他們的藝術理念，基于計算機指令和機器學習的生成系統貢獻了一部分創造力。藝術家需要在計算機編碼和藝術之間找到平衡。而在更多情況下，自主系統則扮演了一部分創造者的角色。藝術家的重要工作變成了審美判斷，選擇、策劃或創建訓練集。盡管人工智能創作的藝術是生成藝術，但是與之前遵循手工編碼基于算法的生成藝術不同，使用模型所需要的數據集訓練生成對抗網絡（GAN）或卷積神經網絡（CNN），生成出流體有機圖像并形成AI審美概念。生成對抗網絡可以通過分析示例圖像的數據集學習特定的美學。人工智能藝術的創造力體現在藝術家和人工智能系統之間的合作過程，但自主程度可能相差很大，而且結果在很大程度上取決于人工智能學習的數據的質量。

編碼和數據是數字生成藝術的兩個內在驅動力。使用計算機編碼作為創意媒介的目的之一是避免使用定制程序軟件所帶來的限制，數字生成藝術可以通過數據和算法進行藝術創作，來更好地幫助我們理解自然的復雜性，為數字生成藝術作品賦予意義，也可以幫助理解我們人類自己的思維和機器思維的復雜性。數字生成藝術家用計算機編程語言與機器對話，深入介入機器創造中，形成透明盒子。而人工智能用機器學習訓練數據集的方法，讓計算機編碼隱藏在背后。從計算機程序軟件到編碼藝術再到人工智能藝術創作行為變成從黑盒子到透明盒子再到黑盒子的過程。這一過程中藝術家的創造角色或被加強，或被減弱，不可置疑的是，對計算機編碼的深入掌握是新一代生成藝術家必須掌握的技術，唯有如此，才會為數字生成藝術家帶來更加廣闊的創作天地。

需要注意的是，雖然復雜系統是我們當前關注的焦點，并在許多方面代表了生成藝術的未來，但復雜系統并不比簡單系統更好，無論過去還是現在，每種系統在藝術實踐中都有體現，有序與無序、簡單與復雜，都為了滿足系統和生成藝術的描述。

數字生成藝術具有計算視覺美學、數字超現實主義風格。生成藝術不僅創造貼近自然的虛擬圖像，而且具有真正模仿自然本身創造系統的能力?？梢詮暮唵我巹t中顯現出高度復雜性，“讓人感覺更像是從土壤中生長出來的，而不是來自算法，”就像賈里德·塔貝爾（Jared?Tarbell）的數字生成藝術作品，雖然它通過計算機代碼創建并由像素組成，但看起來與模擬藝術一樣呈現出有機形態。生長意味著由內到外塑造形態，而不是不同部分的組合。英國哲學家艾倫·沃茨（Alan?Watts）認為，“從道家哲學的角度來看，自然形態不是制造出來的，而是生長出來的。制造出來的東西，如房屋、家具和機器，都是由各個部件組合而成的，或者像雕塑一樣，是由外向內塑造的?！鄙L的概念體現出生成藝術的精髓。生成藝術不是提供無窮無盡的復制品，而是提供無窮無盡的獨一無二的復制品?；谏疃葘W習的生成式人工智能可以輕松批量生產獨特的對象，這方面與生成藝術形式并無不同。

人工智能藝術生成的是一種流動有機圖像，無論是扭曲的圖像還是看起來貼近現實的圖像，呈現出一種獨特的機器美學，計算視覺圖像和流動有機圖像之間并沒有不同，只不過基于編程的數字生成藝術更貼近對自然中算法和概念理解，而AI藝術更貼近機器學習樣本的理解。就像Midjourney這類AIGC工具的大型圖片來源ImageNet網站被假設是有效和詳盡的真實樣本世界一樣，生成式人工智能的“現實主義”風格被假設成為現實世界中的一種媒介，讓真實與虛幻變得模糊。但是，從計算機編程轉變為使用提示詞或按鍵生成圖像，這一過程既是一種新的體驗又可能會發展成一種很令人乏味的行為。

生成藝術伴隨著人類創造而出現，特別是20世紀60年代以來，數字生成藝術中不斷發展的機器自主系統所體現出來的控制權拓展了人類創造力的界限，改變了藝術創作方式。而藝術創作有助于人們理解生成藝術和人工智能的創造力以及人和機器之間的協作之美。生成藝術將是未來數字藝術創新的動力，不僅是美學創新的驅動力，還是批判性創新的驅動力。

（作者系中國傳媒大學廣告學院副教授）