從技術(shù)到藝術(shù)：探索人工智能生成藝術(shù)中技術(shù)創(chuàng)新與美學(xué)價值的平衡

［摘 要］ 隨著人工智能（簡稱AI）技術(shù)的迅猛發(fā)展，生成藝術(shù)成為數(shù)字媒體藝術(shù)領(lǐng)域中的一個重要分支。AI生成藝術(shù)的技術(shù)創(chuàng)新與AI美學(xué)價值的判定有利于探索AI創(chuàng)新機遇和AI藝術(shù)實踐的合理邊界，有利于賦能產(chǎn)業(yè)、規(guī)范行業(yè)、制定AI創(chuàng)新的技術(shù)標準與準則等。然而，如何在AI生成藝術(shù)中平衡技術(shù)創(chuàng)新與美學(xué)價值，仍是當(dāng)前學(xué)術(shù)界和藝術(shù)界面臨的一個重大挑戰(zhàn)。旨在探討人工智能在生成藝術(shù)作品中的應(yīng)用，分析技術(shù)驅(qū)動的創(chuàng)作過程如何與藝術(shù)性的表達相融合。通過對典型AI藝術(shù)案例的研究，提出了一種綜合考量技術(shù)與美學(xué)的創(chuàng)作模式，為未來AI生成藝術(shù)的發(fā)展提供了理論基礎(chǔ)和實踐指導(dǎo)，并強調(diào)了在技術(shù)進步與藝術(shù)表達之間找到平衡的重要性。

［關(guān) 鍵 詞］ 人工智能；生成藝術(shù)；美學(xué)價值；技術(shù)創(chuàng)新；人機協(xié)作

一、引言

隨著人工智能技術(shù)的迅猛發(fā)展，生成藝術(shù)（Generative Art）作為數(shù)字媒體藝術(shù)領(lǐng)域中的一個重要分支，逐漸引起了學(xué)術(shù)界和藝術(shù)界的廣泛關(guān)注。生成藝術(shù)是指通過算法和計算機程序生成的藝術(shù)作品，其不僅在視覺藝術(shù)、音樂創(chuàng)作、文學(xué)創(chuàng)作等方面展現(xiàn)了巨大的潛力，還在不斷挑戰(zhàn)傳統(tǒng)藝術(shù)的創(chuàng)作模式和美學(xué)觀念。隨著模型的迭代，AI技術(shù)推動著生成內(nèi)容朝多模態(tài)信息融合、跨模態(tài)內(nèi)容生成、智能化場景落地的方向快速發(fā)展，實現(xiàn)了AI智能生成呈自發(fā)且適應(yīng)的有機生長。①近年來，深度學(xué)習(xí)、生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks，以下簡稱GANs）等先進技術(shù)的出現(xiàn)，讓AI更廣泛、更深入地應(yīng)用于生成藝術(shù)。通過這些技術(shù)，人類藝術(shù)家的創(chuàng)作風(fēng)格甚至可以被模仿和超越，人工智能就能自動生成高質(zhì)量的圖像、音樂和文本。如（Creative Adversarial Networks，以下簡稱CANs），通過學(xué)習(xí)風(fēng)格和偏離藝術(shù)風(fēng)格規(guī)范，創(chuàng)造出具有創(chuàng)意的藝術(shù)作品。②人工智能生成藝術(shù)主要指“基于人工智能算法自動或人工生成、操作和修改數(shù)據(jù)和媒體，并生成相應(yīng)的文字、圖像、音頻和視頻”③。從內(nèi)容發(fā)展來看，AIGC 是“繼PGC（Professional Generated Content，專 業(yè) 生 成 內(nèi) 容 ）和UGC（ User Gener-ated Content，用戶生產(chǎn)內(nèi)容 ）之后，利用人工智能技術(shù)自動生成內(nèi)容的新型生產(chǎn)方式，不僅會提升內(nèi)容生產(chǎn)效率，也因人工智能模型對知識進行重新組合而創(chuàng)造出具有獨特價值和獨立視角的新內(nèi)容”。隨著底層技術(shù)和算法模型的突破性發(fā)展，AI催生的內(nèi)容藍海正在從輔助協(xié)作和降本提效向智能創(chuàng)作和增值創(chuàng)造擴散，為數(shù)智邏輯下的內(nèi)容生態(tài)帶來了全新的創(chuàng)作思路。④正因如此，AICG在藝術(shù)創(chuàng)作領(lǐng)域嶄露頭角，在各行業(yè)中逐漸發(fā)揮其強大的創(chuàng)新能力，大量的AI創(chuàng)作作品以及AI結(jié)合人工的創(chuàng)作作品被應(yīng)用時也出現(xiàn)了許多的引發(fā)爭議的審美和版權(quán)問題。以AI創(chuàng)作的人像作品為例，大量同質(zhì)化的具有“AI特點”的圖像被網(wǎng)友稱為“一眼AI”“AI臉”。那么技術(shù)創(chuàng)新和美學(xué)價值如何在AI生成藝術(shù)中取得平衡就成了一個迫切需要解決的重要問題。本文旨在通過分析技術(shù)驅(qū)動的創(chuàng)作過程如何與藝術(shù)性表達融為一體，來探討人工智能在生成藝術(shù)中的應(yīng)用。筆者將總結(jié)出AI生成藝術(shù)的美學(xué)特征，并通過對AI典型藝術(shù)案例的研究，對其背后的技術(shù)原理進行探討。此外，本文還將探討藝術(shù)創(chuàng)作中人機協(xié)作的潛力，并對技術(shù)和審美提出一個全面考量的創(chuàng)作模式。成功的AI生成藝術(shù)不僅需要深刻理解藝術(shù)理論和美學(xué)原理，還依賴先進算法和技術(shù)的支持。因此，本文將強調(diào)在技術(shù)進步和藝術(shù)表達之間尋找平衡的重要性，為未來AI生成藝術(shù)的發(fā)展提供理論基礎(chǔ)和實踐指導(dǎo)。

二、人工智能生成藝術(shù)的技術(shù)基礎(chǔ)

（一）人工智能技術(shù)概述

隨著技術(shù)的不斷進步，AI技術(shù)已經(jīng)廣泛應(yīng)用于多個領(lǐng)域，生成藝術(shù)就是其中一種。下面將著重介紹幾種人工智能技術(shù)，這些技術(shù)在生成藝術(shù)中具有一定的代表性。深度學(xué)習(xí)通過模擬人腦神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)處理和模式識別，是人工智能的一個重要分支。在圖像制作、音樂創(chuàng)作和文字制作上，深度學(xué)習(xí)技術(shù)成果顯著。加州大學(xué)圣迭戈分校和谷歌研究公司2021年的一項研究顯示，60%以上的圖像生成任務(wù)使用了GANs技術(shù)。而 Transformer 模型在文本生成任務(wù)中的應(yīng)用比例達到 70%。例如，卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像生成中被廣泛應(yīng)用，通過多層卷積和池化操作，能夠生成高質(zhì)量的圖像。Recurrent Neural Networks（RNN）和 Long Short-Term Memory（LSTM）網(wǎng)絡(luò)在音樂和文本生成中表現(xiàn)優(yōu)異，能夠生成連貫的音樂和自然語言文本。Ian Goodfellow 等人于 2014 年提出的GANs，由生成器（Generator）和判別器（Discriminator）兩個對抗的神經(jīng)網(wǎng)絡(luò)組成。生成器負責(zé)生成偽造數(shù)據(jù)，而判別器則對數(shù)據(jù)進行判別，訓(xùn)練的目標是讓生成器生成的數(shù)據(jù)盡可能逼真，直到判別器無法分辨真?zhèn)?。GANs 在圖像生成領(lǐng)域取得了顯著成果，諸如 DCGAN、StyleGAN 等變體進一步提高了生成圖像的質(zhì)量和多樣性。除了深度學(xué)習(xí)和 GANs，其他技術(shù)如變分自動編碼器（VAEs）、自回歸模型（Autoregressive Models）和注意力機制（Attention Mechanisms）等也在生成藝術(shù)中得到了應(yīng)用。

（二）AI在生成藝術(shù)中的應(yīng)用

根據(jù) Allied Market Research 的報告，全球人工智能在藝術(shù)市場的規(guī)模預(yù)計將從 2020 年的 5.92 億美元增長到 2027 年的 12.15 億美元，年復(fù)合增長率為 26.91%。GPT-3 語言模型在文學(xué)創(chuàng)作中應(yīng)用廣泛，其在文本生成、對話系統(tǒng)和創(chuàng)意寫作中的表現(xiàn)被多項研究認可。自2020 年發(fā)布以來，其 API 已被超過 300 個應(yīng)用集成，用戶數(shù)量超過 10 萬人。生成藝術(shù)的應(yīng)用涵蓋了視覺藝術(shù)、音樂和文學(xué)創(chuàng)作等多個領(lǐng)域。在視覺藝術(shù)方面，DeepArt 和 Google 的 DeepDream 項目通過深度學(xué)習(xí)技術(shù)，將普通照片轉(zhuǎn)換為藝術(shù)風(fēng)格的圖像。CANs能夠生成具有創(chuàng)造性的藝術(shù)作品，突破了傳統(tǒng)藝術(shù)風(fēng)格的限制。在音樂創(chuàng)作方面，OpenAI 的 MuseNet 和 Google 的 Magenta 項目利用深度學(xué)習(xí)技術(shù)生成音樂。MuseNet 能夠生成多種風(fēng)格的音樂作品，從古典音樂到現(xiàn)代流行音樂均可完成。在文學(xué)創(chuàng)作方面，大型語言模型如GPT-3在文本生成方面表現(xiàn)出色，可以生成自然流暢的詩歌、故事和新聞稿件，顯示出AI在文學(xué)創(chuàng)作方面的潛能。各種AI模型的工作原理和訓(xùn)練方法在生成藝術(shù)的技術(shù)實現(xiàn)中必不可少。在深度學(xué)習(xí)模型的訓(xùn)練過程中，通過大規(guī)模數(shù)據(jù)集的訓(xùn)練，深度學(xué)習(xí)模型可以在數(shù)據(jù)中捕捉復(fù)雜的模式。以卷積神經(jīng)網(wǎng)絡(luò)為例，通過不斷調(diào)整網(wǎng)絡(luò)參數(shù)，使生成結(jié)果逐漸接近真實數(shù)據(jù)，訓(xùn)練過程包括前向傳播、損失計算和反向傳播三個方面。在GANs的對抗訓(xùn)練中，生成者與判別者在不斷提高辨識能力的對抗訓(xùn)練中互相博弈，生成者試圖欺騙判別者。發(fā)現(xiàn)生成器和判別器之間的平衡點，從而使生成的數(shù)據(jù)既具有現(xiàn)實性又具有多樣性，這是訓(xùn)練過程中的關(guān)鍵。通過學(xué)習(xí)數(shù)據(jù)的條件概率分布，自回歸模型基于前一段數(shù)據(jù)在生成序列時對后一段數(shù)據(jù)進行預(yù)測。模型可以通過最大化數(shù)據(jù)的似然函數(shù)，在訓(xùn)練過程中產(chǎn)生連貫的序列數(shù)據(jù)。

三、人工智能生成藝術(shù)的美學(xué)特征

生成藝術(shù)不僅是技術(shù)的展示，更是藝術(shù)創(chuàng)作的重要環(huán)節(jié)，技術(shù)與藝術(shù)的表達如何融合才是其美學(xué)價值所在。對于生成藝術(shù)作品的認識和評價，美學(xué)原理和藝術(shù)理論是重要的基礎(chǔ)。美學(xué)原理包括傳統(tǒng)藝術(shù)創(chuàng)作中廣泛運用的對稱、和諧、平衡、比例等。形式主義、表現(xiàn)主義、后現(xiàn)代主義等現(xiàn)代藝術(shù)理論在審視生成藝術(shù)的審美價值方面提供了不同的視角。通過算法的設(shè)計與實現(xiàn)，AI生成藝術(shù)將這些美學(xué)原理體現(xiàn)出來，并在此基礎(chǔ)上加以革新與突破。

AI生成藝術(shù)在很多方面都體現(xiàn)出美學(xué)特征。在視覺藝術(shù)中，從傳統(tǒng)繪畫風(fēng)格到現(xiàn)代抽象藝術(shù)，AI都能生成形形色色的風(fēng)格圖像。比如GANs生成的影像，不僅能創(chuàng)造全新的藝術(shù)形式，還能模仿梵高、畢加索等藝術(shù)大師的風(fēng)格。在音樂創(chuàng)作中，AI能夠通過對音樂元素的分析和重組，生成從古典音樂到流行音樂等不同風(fēng)格和情感的音樂作品，創(chuàng)新音樂表達方式。在文學(xué)創(chuàng)作中，AI通過自然語言處理技術(shù)，產(chǎn)生富有詩意和創(chuàng)造性的文本，在文學(xué)創(chuàng)作中展現(xiàn)出AI的潛能，這是一種創(chuàng)造性的文本。生成藝術(shù)的核心挑戰(zhàn)之一就是技術(shù)與藝術(shù)的融合。解決這一問題的重要方法是人機協(xié)同模式。通過人類藝術(shù)家與AI的合作，創(chuàng)作出更豐富、更有深度的藝術(shù)作品，將人類的創(chuàng)意與AI的計算能力融為一體。將計算機科學(xué)、美學(xué)和藝術(shù)理論等眾多學(xué)科的知識結(jié)合起來，有助于技術(shù)和藝術(shù)之間的平衡，跨學(xué)科合作也是生成藝術(shù)發(fā)展的重要方向。

生成藝術(shù)中的創(chuàng)意表達，既需要技術(shù)的支撐，又需要藝術(shù)家的參與和指導(dǎo)，因此藝術(shù)家在這一過程中起著至關(guān)重要的作用，其既是創(chuàng)意的源泉，又是作品的最終把關(guān)者，以使作品達到藝術(shù)審美和表達的要求。案例研究是認識生成藝術(shù)美學(xué)價值的一種重要方式。比較成功的案例有DeepArt和Google的DeepDream項目等，從不同角度展示了AI生成藝術(shù)中的潛力和美學(xué)價值。失敗的案例，則提示我們必須把技術(shù)的運用與真正意義上的藝術(shù)作品結(jié)合起來，這樣才有可能創(chuàng)作出真正意義上的有藝術(shù)價值的作品。

討論以上的內(nèi)容能更好地認識生成藝術(shù)的美學(xué)價值以及如何在技術(shù)和藝術(shù)之間找到平衡，隨著技術(shù)的進一步發(fā)展和藝術(shù)家的不斷摸索，生成藝術(shù)在以后的藝術(shù)創(chuàng)作中將占有舉足輕重的地位并會不斷創(chuàng)新與發(fā)展，以豐富藝術(shù)創(chuàng)作的內(nèi)涵與形式。

四、技術(shù)創(chuàng)新與美學(xué)價值的平衡

（一）技術(shù)與藝術(shù)的融合

技術(shù)與藝術(shù)的融合體現(xiàn)在兩個方面：人機協(xié)作和跨學(xué)科合作。在生成藝術(shù)中，人機協(xié)作模式是實現(xiàn)技術(shù)與藝術(shù)融合的重要途徑。通過人類藝術(shù)家與 AI 的合作，AI 提供技術(shù)支持，生成大量創(chuàng)意素材，而藝術(shù)家則對這些素材進行篩選、優(yōu)化和再創(chuàng)作，最終形成富有藝術(shù)價值的作品。Google 的 Magenta 項目就是一個典型例子，通過生成對抗網(wǎng)絡(luò)（GANs）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNNs）等技術(shù)生成音樂片段和視覺藝術(shù)作品，藝術(shù)家使用這些生成的素材進行調(diào)整和編排，創(chuàng)作出新的作品。類似地，The Next Rembrandt Project 利用深度學(xué)習(xí)算法分析倫勃朗的作品風(fēng)格，生成新的畫作，藝術(shù)家和技術(shù)專家共同對生成圖像進行優(yōu)化，使其接近倫勃朗的原作。Artbreeder 是另一個成功的例子，它通過 GANs 技術(shù)允許用戶混合和調(diào)整現(xiàn)有圖像，生成獨特的藝術(shù)作品，展示了人機協(xié)作在圖像生成中的應(yīng)用。具體的合作流程包括：AI 利用深度學(xué)習(xí)和 GANs 技術(shù)生成初步的藝術(shù)素材，藝術(shù)家從中篩選和優(yōu)化這些素材，通過調(diào)整參數(shù)、修改細節(jié)和組合不同素材進行再創(chuàng)作，最終轉(zhuǎn)化為具有獨特藝術(shù)價值的作品。例如，DeepArt 通過深度學(xué)習(xí)技術(shù)，將普通照片轉(zhuǎn)換為不同風(fēng)格的藝術(shù)圖像，展示了 AI 在模仿和創(chuàng)新藝術(shù)風(fēng)格方面的強大能力。用戶上傳照片，系統(tǒng)自動生成梵高、畢加索等風(fēng)格的藝術(shù)作品。該項目不僅在技術(shù)上取得了成功，在藝術(shù)界也得到了廣泛認可。

生成結(jié)果不斷地反饋與迭代，使AI根據(jù)藝術(shù)家的反饋意見對生成策略不斷地進行改進和調(diào)整，從而生成更多與需求相適應(yīng)的素材，達到人機協(xié)作的優(yōu)化目的。上述事例說明人機協(xié)作模式在生成藝術(shù)中所起重要作用的同時，也表明AI與藝術(shù)家的緊密合作不僅為藝術(shù)家在創(chuàng)意素材與技術(shù)支持上提供了更豐富的發(fā)揮空間，而且使作品的藝術(shù)性與美學(xué)價值得到提高，從而在促進生成藝術(shù)發(fā)展中起到了舉足輕重的作用。通過不斷地反饋與迭代，AI將為人類藝術(shù)在創(chuàng)意上提供更廣闊的發(fā)揮空間。

實現(xiàn)技術(shù)與藝術(shù)融合的重要途徑是在生成藝術(shù)的發(fā)展過程中進行跨學(xué)科的合作。不同領(lǐng)域的專家可以通過結(jié)合計算機科學(xué)、美學(xué)、藝術(shù)理論等多學(xué)科的知識，就生成藝術(shù)中的技術(shù)與美學(xué)問題進行共同探討與解決，從而促進生成藝術(shù)的創(chuàng)新與發(fā)展。Prisma是一款通過使用深度學(xué)習(xí)算法，將普通照片轉(zhuǎn)換成類似知名藝術(shù)家風(fēng)格圖片的應(yīng)用。Prisma的成功之處在于它的易用性，讓廣大用戶輕松制作藝術(shù)作品的高質(zhì)量圖像效果。MIT Media Lab 的“Opera of the Future”項目通過使用人工智能、虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）技術(shù)，創(chuàng)造了一種沉浸式的歌劇體驗，科學(xué)家、藝術(shù)家和設(shè)計師共同合作，利用 AI 生成音樂和視覺效果，并通過 VR 和 AR 技術(shù)將其融合在一起。類似地，Google Arts&Culture Lab 通過與博物館、畫廊和藝術(shù)家合作，利用 AI 和其他先進技術(shù)實現(xiàn)藝術(shù)創(chuàng)作和展示的創(chuàng)新，例如與英國國家肖像館合作，通過 AI 技術(shù)分析館藏藝術(shù)作品生成新的肖像畫。斯坦福大學(xué)和舊金山藝術(shù)學(xué)院的“Morpheus Project”通過腦電波（EEG）技術(shù)和 AI 算法生成基于人類腦活動的藝術(shù)作品，科學(xué)家和藝術(shù)家共同工作，利用 EEG 數(shù)據(jù)驅(qū)動 AI 算法生成視覺藝術(shù)，并對這些生成的圖像進行優(yōu)化和再創(chuàng)作。這些跨學(xué)科合作的具體流程包括需求分析與方案設(shè)計、技術(shù)研發(fā)與藝術(shù)創(chuàng)作、測試與反饋以及展示與推廣，通過這些流程，不同領(lǐng)域的專家將各自的知識和技能結(jié)合起來，不僅提高了技術(shù)的應(yīng)用深度和廣度，也為藝術(shù)創(chuàng)作帶來了新的視角和方法，推動了生成藝術(shù)的發(fā)展。

（二）生成藝術(shù)中的創(chuàng)意表達

生成藝術(shù)中的創(chuàng)意表達，一方面依賴技術(shù)的支持和藝術(shù)家的參與，形成互補的創(chuàng)作模式；另一方面，AI的計算能力通過對藝術(shù)元素和素材的生成起到重要的推動作用，為藝術(shù)家提供了豐富的創(chuàng)作靈感來源。以AI-Da機器人為代表、以Runway ML平臺為依托、以Adobe sensei等軟件為輔助的實例，在拓寬藝術(shù)創(chuàng)作的邊界、激發(fā)新的藝術(shù)表達形式方面發(fā)揮了重要作用。但藝術(shù)家的角色同樣必不可少，既是創(chuàng)意的源泉，又是作品的最終把關(guān)者，在確保作品的藝術(shù)性和美學(xué)價值方面起著不可低估的作用。如“Refik Anadol”“Mario Klingemann”及“Anna Ridler”的藝術(shù)家，通過對AI生成素材的篩選再創(chuàng)作過程，將技術(shù)轉(zhuǎn)化為富有深度與情感的藝術(shù)作品，將技術(shù)與藝術(shù)的結(jié)合發(fā)揮到了極致。而這種相互補充的創(chuàng)作模式，在提高作品質(zhì)量及藝術(shù)表達的同時，也為生成藝術(shù)的發(fā)展帶來了新的可能，在藝術(shù)史上具有不可低估的意義。

1. 技術(shù)驅(qū)動的創(chuàng)意

生成藝術(shù)中的創(chuàng)造性表達，除了技術(shù)支撐，更需要藝術(shù)家的參與和指導(dǎo)，因為藝術(shù)家在創(chuàng)作過程中扮演著至關(guān)重要的角色。技術(shù)所驅(qū)動的創(chuàng)意，利用AI的運算能力生成大量的藝術(shù)元素及創(chuàng)意素材，例如深度學(xué)習(xí)技術(shù)結(jié)合GANs，能夠在很短的時間內(nèi)產(chǎn)生大量富有創(chuàng)意的作品，為藝術(shù)家的創(chuàng)作提供豐富的素材和靈感。以機器人藝術(shù)家AI-Da為典型例子，它是通過機器學(xué)習(xí)算法和機械臂，由AI驅(qū)動而自主繪畫并生成獨特的藝術(shù)作品，激發(fā)技術(shù)所驅(qū)動的創(chuàng)意在藝術(shù)中的潛力，為人們展示了這個領(lǐng)域的所向。再如為藝術(shù)家和創(chuàng)意人員設(shè)計的平臺RunwayML，利用深度學(xué)習(xí)和GANs技術(shù)生成圖像、視頻和文字，用戶通過簡單的操作就能創(chuàng)造出各種富有創(chuàng)意的內(nèi)容，這讓藝術(shù)創(chuàng)作的邊界大大擴展。此外，Adobe Sensei還運用AI技術(shù)，幫助設(shè)計師自動化重復(fù)任務(wù)并提供智能建議，讓設(shè)計過程變得更有效率、更具創(chuàng)意。這些實例通過AI技術(shù)產(chǎn)生的創(chuàng)意素材和元素，展示了技術(shù)驅(qū)動創(chuàng)意對生成藝術(shù)的重要作用，既豐富了藝術(shù)家的創(chuàng)作手段，又激發(fā)了為藝術(shù)創(chuàng)作帶來前所未有可能性的新的藝術(shù)表現(xiàn)形式。

2.藝術(shù)家的角色

在生成藝術(shù)中，藝術(shù)家的角色至關(guān)重要，既是創(chuàng)作源泉，又能保證作品藝術(shù)性和美學(xué)價值。例如，通過學(xué)習(xí)大量藝術(shù)品的數(shù)據(jù)集，生成具有創(chuàng)新性和藝術(shù)價值的圖像的AICAN是一種GANs模型。AICAN的作品曾在多個藝術(shù)大展中展出，并被美術(shù)界所認識與推崇。藝術(shù)家可以通過自己的藝術(shù)判斷和技巧，利用AI生成的創(chuàng)意素材進行二次創(chuàng)作，提高作品的品質(zhì)和藝術(shù)表現(xiàn)力。例如，藝術(shù)家RefikAnadol通過對城市建筑數(shù)據(jù)、自然景觀數(shù)據(jù)等大量數(shù)據(jù)集的分析，創(chuàng)造出多個利用AI技術(shù)的大型公共藝術(shù)裝置，生成視覺藝術(shù)作品，再通過自己的藝術(shù)加工，創(chuàng)造出令人震撼的動態(tài)影像藝術(shù)。同樣，藝術(shù)家Mario Klingemann以AI生成的圖像為基礎(chǔ)，通過不斷調(diào)整和加工，在世界多個藝術(shù)大展上展出并廣受好評。再如，藝術(shù)家AnnaRidler利用GANs生成數(shù)以千計的圖像，并將這些圖像組合成視頻裝置作品，提供了一種獨特的藝術(shù)視角，同時表達了創(chuàng)意。這些實例通過篩選、優(yōu)化、再創(chuàng)作AI生成素材，將技術(shù)轉(zhuǎn)化為有深度、有情懷的藝術(shù)品，展現(xiàn)了藝術(shù)家在生成藝術(shù)中的重要作用，實現(xiàn)了技術(shù)與藝術(shù)的完美結(jié)合。

五、未來發(fā)展方向與挑戰(zhàn)

展望未來的發(fā)展方向和面臨的挑戰(zhàn)，至關(guān)重要的是生成藝術(shù)在技術(shù)創(chuàng)新和審美價值方面的不斷進步。了解未來的趨勢以及生成藝術(shù)潛在的問題，對這個領(lǐng)域的推進有很大的幫助。一些純粹以技術(shù)為導(dǎo)向的生成藝術(shù)項目，其作品盡管在技術(shù)實現(xiàn)上表現(xiàn)優(yōu)異，但在藝術(shù)性和美學(xué)價值上顯得平庸。比如，一些過于依賴GANs技術(shù)而產(chǎn)生的形象，盡管細節(jié)豐富，但沒有達到預(yù)期的審美效果，因此缺乏統(tǒng)一的藝術(shù)風(fēng)格和主題。這些失敗的案例提醒我們，要創(chuàng)作出真正有藝術(shù)價值的作品，技術(shù)的運用一定要結(jié)合藝術(shù)理論和審美原理。未來，隨著技術(shù)的進一步發(fā)展和藝術(shù)家的不斷探索，生成藝術(shù)將會在藝術(shù)創(chuàng)作中發(fā)揮更加重要的作用，推動藝術(shù)創(chuàng)作的創(chuàng)新和發(fā)展。為了實現(xiàn)這一目標，技術(shù)與藝術(shù)的深度融合、人機協(xié)作模式的優(yōu)化以及跨學(xué)科合作的加強將是未來研究和實踐的重要方向。下面筆者從 AI 生成藝術(shù)的技術(shù)新趨勢、藝術(shù)創(chuàng)作的新模式以及相關(guān)的倫理和社會影響三個方面進行討論。

（一）技術(shù)發(fā)展的新趨勢

生成藝術(shù)的未來充滿了新的可能性和挑戰(zhàn)，因為人工智能技術(shù)在不斷進步。技術(shù)發(fā)展的新趨勢主要體現(xiàn)在以下幾個方面：首先，更強大的深度學(xué)習(xí)模式會使生成藝術(shù)的品質(zhì)和多樣性得到進一步的提升。GPT-4等大型預(yù)訓(xùn)練模型和未來更高級的版本將顯示出更高的創(chuàng)意和細節(jié)控制能力，包括文字、圖像和音樂的生成。其次，通過將圖像、文字、音頻等各種模態(tài)的生成能力結(jié)合起來，創(chuàng)作出更復(fù)雜豐富的藝術(shù)作品，多模態(tài)生成技術(shù)將成為一個重要的發(fā)展方向。最后，通過增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）技術(shù)，觀眾與AI生成藝術(shù)作品之間的實時互動和沉浸式體驗也將成為實時生成和互動藝術(shù)的重要研究方向。

（二）藝術(shù)創(chuàng)作的新模式

技術(shù)的進步將催生出更多的藝術(shù)創(chuàng)作新模式，人機協(xié)作模式會得到進一步的深化，通過更緊密的合作達到技術(shù)與藝術(shù)的完美融合。利用AI生成的創(chuàng)意素材進行二次創(chuàng)作，使藝術(shù)家探索出更多的藝術(shù)表現(xiàn)形式，跨學(xué)科的合作也將進一步促進生成藝術(shù)的發(fā)展，結(jié)合計算機科學(xué)、美術(shù)學(xué)、心理學(xué)等多門學(xué)科的知識，為生成藝術(shù)在創(chuàng)作方法和表現(xiàn)形式上的進一步發(fā)展和創(chuàng)新添磚加瓦。另外，生成藝術(shù)的教育與普及也將成為重要的發(fā)展趨勢，對新一代藝術(shù)家進行培訓(xùn)，使他們對AI技術(shù)有深入的了解和掌握，從而促進生成藝術(shù)的進一步發(fā)展和創(chuàng)新?？傊诩夹g(shù)的推動下，藝術(shù)創(chuàng)作將不斷推陳出新。

（三）倫理與社會影響

首先，版權(quán)問題和原創(chuàng)問題是很大的挑戰(zhàn)。AI生成藝術(shù)作品的版權(quán)歸屬是復(fù)雜的，確定其原創(chuàng)性和歸入權(quán)是有爭議的，因為這些作品不是直接由人類創(chuàng)作的。保護創(chuàng)作者權(quán)益、激勵創(chuàng)新，這些問題都需要在法律框架內(nèi)解決。其次，社會的接受度問題也很重要。雖然在技術(shù)上AI生成藝術(shù)已經(jīng)有了明顯的進步，但是社會還需要時間來認可其藝術(shù)價值。在這一過程中，公眾教育和藝術(shù)素養(yǎng)的提升將發(fā)揮關(guān)鍵作用，有助于社會更好地理解和接受生成藝術(shù)。此外，生成藝術(shù)的普及可能會對傳統(tǒng)藝術(shù)市場和藝術(shù)家的生存環(huán)境造成沖擊，需要平衡技術(shù)進步和傳統(tǒng)藝術(shù)保護之間的關(guān)系。

六、結(jié)論

研究人工智能與生成藝術(shù)的開展，使大家認識到AI技術(shù)在藝術(shù)創(chuàng)作方面所表現(xiàn)出來的巨大潛力與多樣性。生成藝術(shù)既豐富了藝術(shù)表達的形式和內(nèi)容，又為藝術(shù)家與技術(shù)人員提供了新的合作平臺和創(chuàng)作工具。但是如何在技術(shù)創(chuàng)新與美學(xué)價值之間取得平衡，仍是當(dāng)前與今后研究的一個重要課題，因為這是一個需要大家不斷探索與思考的課題。

首先，深度結(jié)合技術(shù)的應(yīng)用是生成藝術(shù)得以成功的關(guān)鍵所在。隨著AI技術(shù)的不斷發(fā)展和成熟運用，諸如生成對抗網(wǎng)絡(luò)GANs、變分自編碼器VAEs等工具使生成藝術(shù)有了強有力的技術(shù)基礎(chǔ)，但是藝術(shù)理論和美學(xué)原則的運用也是必不可少的。人機協(xié)作模式把藝術(shù)家的創(chuàng)造性和AI的計算能力有機地結(jié)合起來，從而創(chuàng)作出真正意義上的藝術(shù)品。

其次，生成藝術(shù)的美學(xué)價值不僅體現(xiàn)在技術(shù)的革新上，更體現(xiàn)在藝術(shù)家的介入與引導(dǎo)上，因此藝術(shù)家的參與和引導(dǎo)必不可少。雖然AI生成的藝術(shù)作品在技術(shù)表現(xiàn)上是出色的，但在缺乏藝術(shù)家審美觀點和創(chuàng)意導(dǎo)向的前提下，作品本身的藝術(shù)性與美學(xué)價值是難以得到充分彰顯的，因此藝術(shù)家可借助人機協(xié)作的方式，利用AI生成的創(chuàng)意素材進行二次創(chuàng)作來增強作品的藝術(shù)表現(xiàn)。這樣藝術(shù)家在創(chuàng)作過程中的作用也同時得到了發(fā)揮。

此外，生成藝術(shù)的今后發(fā)展還面臨著一系列重要的倫理和社會挑戰(zhàn)。版權(quán)和原創(chuàng)性問題是AI生成藝術(shù)作品不得不面對的重要法律問題之一。社會對AI生成藝術(shù)的接受度也是影響生成藝術(shù)未來發(fā)展的關(guān)鍵因素之一。公眾教育水平和藝術(shù)修養(yǎng)的提高，有助于更好地理解和接受AI生成藝術(shù)。雖然技術(shù)的進步帶來了新的創(chuàng)作模式，但對傳統(tǒng)藝術(shù)市場也產(chǎn)生了一定的沖擊，所以如何平衡技術(shù)進步與傳統(tǒng)藝術(shù)保護之間的關(guān)系，需要不斷加以關(guān)注和研究。

總的來說，生成藝術(shù)與數(shù)字媒體藝術(shù)的發(fā)展帶來了新的機遇與挑戰(zhàn)，在技術(shù)創(chuàng)新與美學(xué)價值的平衡上不斷促進藝術(shù)創(chuàng)作的創(chuàng)新與發(fā)展。隨著技術(shù)的進一步進步與藝術(shù)家的不斷探索，生成藝術(shù)在未來的藝術(shù)創(chuàng)作中將扮演更加重要的角色，創(chuàng)作出更豐富多樣的藝術(shù)作品。通過技術(shù)創(chuàng)新與美學(xué)價值的平衡，生成藝術(shù)將不斷促進藝術(shù)創(chuàng)作的創(chuàng)新與發(fā)展，生成藝術(shù)的表現(xiàn)手法也會多種多樣。

參考文獻：

［1］中國信息通信研究院，京東探索研究院 . 人工智能生成內(nèi)容（AIGC）白皮書［R/OL］.（2022-09-02）［2022-11-05］. http：//www.caict.ac.cn/kxyj/qwfb/bps/202209/P020220902534520798735.pdf.

［2］蔣舸.論人工智能生成內(nèi)容的可版權(quán)性：以用戶的獨創(chuàng)性表達為視角［J］.知識產(chǎn)權(quán)，2024（1）：36-37.

［3］聞天吉.駁人工智能“創(chuàng)作工具說”［J］.知識產(chǎn)權(quán)，2024（1）：85-105.

［4］王遷.再論人工智能生成的內(nèi)容在著作權(quán)法中的定性［J］.政法論壇，2023（4）：16-33.

［5］劉丁勤.論AIGC創(chuàng)作中的因果可預(yù)見性［J］.科技與出版，2024（7）：36-47.

［6］巴爾特魯塞蒂斯，阿胡賈，莫倫西.多模式機器學(xué)習(xí)：調(diào)查與分類［J］.IEEE模式分析與機器智能論文集，2019，41（2）：423-443.

［7］洪秀麗，楊德，崔明，金杰.用于圖像合成的雙感知GAN［J］.圖像處理，2021（30）：4648-4661.

［8］卡澤姆扎德，S.，徐，W.生成性對抗網(wǎng)絡(luò)的視覺特性：一項調(diào)查［J］.ACM計算概覽，2020，53（3）：1-38.

［9］劉怡，王怡，李杰.使用GAN生成文本到圖像：調(diào)查［J］.ACM計算概覽，2022，55（1）：1-35.

作者單位：南京藝術(shù)學(xué)院

注釋：

①崔金棟、李晨雨、李菲菲：《大數(shù)據(jù)背景下主流融媒體熱點發(fā)現(xiàn)機制研究》，《情報科學(xué)》2021年第12期，第72-79頁。

②Baltrusaitis， T.， Ahuja， C. & Morency， L. P.，Multimodal machine learning： A survey and taxonomy. IEEE Transactions on Pattern Analysis and Machine Intelligence， Vol.41，No.2，2019，pp.423-443.

③Whittaker L，Kietzmann T C，Kietzmann J，et al.，“all around me are Synthetic Faces”：The Mad World of AI-generated Media，IT Professional，Vol.22，No.5，2020，pp.90-99.

④詹希旎、李白楊、孫建軍：《數(shù)智融合環(huán)境下AIGC的場景化應(yīng)用與發(fā)展機遇》，《圖書情報知識》2023年第1期，第75-85、55頁。作者簡介：陳偉（1982—），男，漢族，江蘇鹽城人，碩士研究生，副教授，研究方向： 數(shù)字媒體藝術(shù)。