范式 杨光影

【摘 要】 在“科技艺术”的研究中，艺术家开展科技研究項目是一个很重要却尚未得到充分关注的领域。目前，艺术家围绕人工智能所开展的科技研究已形成“研究型”实践范式，在“研究型”范式中，艺术家介入科技实验室展开项目研究，从实践探索、理论生产与思维跨界等层面“化用”人工智能技术，形成“人文化”的科技成果。鉴于此，应以“替代型”“协作型”“研究型”三分法取代早期科技艺术研究中被沿用的“现代主义式”“批判式”和“研究型”分类方法。“研究型”科技艺术以介入式的前沿研究打破人文与科学的界限，开展智能机器社会化的想象性探索，可视为一种另类的“科技先锋派”，一定程度上打通了科技的“游牧”之道。

【关键词】 科技艺术；研究型；范式；人文化；人工智能

当下，“科技艺术”及其附属的“人工智能艺术”已成为学界的热门议题。目前国内学者在展望人工智能艺术的未来时主要产生了四类观点：第一类认为人工智能缺乏自由意志，不可能取代艺术家的实践[1]；第二类展望强人工智能形成“人—机”合一的艺术主体，形成新的艺术认知和美学范式[2]；第三类则是一面阐释当下人工智能所存在的感情缺失等问题，一面展望人工智能艺术未来的发展[3]；第四类将人工智能艺术置于艺术理论的脉络中，将人工智能艺术视为一类“艺术事件”[4]。

主流研究视点虽是从哲学与美学层面讨论人工智能对艺术生产和美学生成的影响，但却带有某种程度上的“唯科学论”倾向，将二者的关系结构看作是科技对艺术单向的影响和形塑。事实上，通过艺术家对科技问题的主动探讨和介入，科技艺术早已产生了“科技的人文化”这一新维度。

20世纪90年代的国外艺术界，以史蒂芬·威尔逊（Stephen Wilson）、迈克尔·马泰斯（Michael Mateas）为代表的科技艺术家已经主持和参与到开发人工智能的科研项目中，并形成了以艺术涵纳科技的项目成果和艺术理论。但“艺术对人工智能技术有何作用力”这一问题尚未在该理论中得到解答。因此，有必要系统梳理当代艺术家围绕人工智能所展开的艺术实践，揭示其主要的实践范式。只有在范式的梳理和比较中，才能看清艺术家从事人工智能科技研究的价值所在。鉴于此，本文以此类研究项目作为探讨中心，将之置于科技艺术的整体格局中加以观照与探讨，以期引发学界对“艺术如何作用于科技”问题的讨论。

一、替代、协作与研究：

人工智能艺术的三大实践范式

早在20世纪90年代初，哈罗德·科恩（Harrold Cohen）等艺术家就已开始从事人工智能的艺术项目实践[1]。人工智能艺术无疑是艺术与人工智能的跨界交互，经过近30年的发展，艺术家和理论家试图总结其中的实践范式。约翰·巴尔博（John Barber）将科技与艺术的实践称为“混合实践”[2]，强调艺术与人工智能的交互与融通。但由于任何科技艺术作品都是技术手段与艺术观念的结合，巴尔博的说法显得过于笼统。马克·德因维诺（Mark d Inverno）与乔恩·麦科马克（Jon McCormack）将之分为“英雄人工智能”和“协作人工智能”，前者用以描述“软件扮演独创英雄的角色”（即依靠人工智能完成艺术创作的项目），后者描述人工智能与艺术家协同创作的艺术生产[3]。德因维诺等人虽细分出人工智能推动下的艺术实践范式，但却忽略了艺术家研究人工智能的实践维度。

对此，科技艺术家兼理论家史蒂芬·威尔逊基于人工智能艺术的实践经验提出科技艺术的“研究型”范式。威尔逊将实践范式分为“现代主义式”“批判式”和“研究型”三类，其中“研究型”是科技艺术的发展方向[4]。所谓“现代主义式”是指艺术家运用人工智能技术创制科技艺术作品，并让作品在画廊、基金会及双年展的现代艺术体制中流通。这类艺术作品看似以技术革新艺术语汇，实则囿于既有艺术体制，并未拓展出新的艺术维度。“批判式”实践的艺术家有意打破艺术体制，探索技术的可能性，并在线上公共空间呈现项目成果，但打破体制的逻辑依然是以技术手段推动艺术形态的变革。相比之下，“研究型”实践的艺术家主动参与到人工智能的科学研究中，力图以人文艺术及审美的视角、知识与观念为科学研究提供新的能量。威尔逊认为，“研究型”范式以人文艺术为路径展开科技研究，是科技艺术的发展方向。

尽管提出了艺术家展开科技研究的“研究型”实践范式，但威尔逊所划分的科技艺术的三类范式依然存在一定问题，尤其是范式划分标准的有效性有待商榷。“现代主义式”“批判式”是基于艺术体制的视角所做的划分，“研究型”则主要是从科技与艺术的关系结构中提炼出来的，这造成了划分标准的混乱。同时对于科技艺术而言，对艺术体制的遵从或反叛并不能触及科技艺术的核心，艺术家对科技与艺术的关系处理及由此形成的实践逻辑，才是区分科技艺术实践范式的根源所在。

鉴于此，我们可从人工智能与艺术的实践逻辑出发，将科技艺术的实践范式分为“替代型”“协作型”“研究型”三类。

“替代型”是人工智能替代艺术家进行创作的艺术实践范式。这一范式源自科学家的人工智能项目，如谷歌实验室的“深梦”（Deepdream）项目。以大数据作为基础，科学家利用卷积神经网络、深度学习等技术训练人工智能学习绘画。人工智能机器不仅能够模仿艺术史上著名画家的绘画风格，还能够生成新的风格和画作。从科技与艺术的关系结构来看，“替代型”范式是让人工智能对艺术实践进行方法重构，以数据算法替代视觉审美和感性体验，并希望这成为艺术实践的核心。除了人工智能绘画，“英雄人工智能”蔓延至电影、音乐等艺术门类。例如艺术家迈克尔·埃勒尔（Michel Erler）的艺术项目《深度学习库布里克》（Deep Learning Kubrick），就是训练人工智能学习库布里克的所有作品，并让人工智能创造出新的库布里克风格的电影[1]。

与“替代型”不同，“协作型”范式聚焦于人—机合作的“科技创制”，其核心逻辑是主张艺术家与人工智能合作、沟通并对话，共同完成艺术项目。威尔逊以摄影术的发展比附人工智能[2]，阐述人工智能将“技术复制”迭代为“科技创制”的艺术生产机制。他认为，摄影术发明之初，没有人把照片视为艺术品，人们也不会把相机的操控视为艺术生产方式。但时至今日，照片能够在画廊和博览会中拍出天价。目前，人工智能与艺术近似于20世纪初摄影术与艺术的关系。按摄影术的发展逻辑，人工智能艺术会逐渐得到认可，并成为新的艺术门类。事实上，摄影术从被拒斥到被接受，其中的变量不仅在于作品形式被接受，更在于新的艺术生产机制被认可。在摄影术发明之初，人们之所以没有将照片视为艺术，重要原因在于，人们认为手工绘制才是艺术生产，而借助照相机（摄影机）的“机械复制”则不是。同理，人们对人—机协作的“科技创制”也需要一个接受过程。在新的生产机制中，“创作过程并非完全由艺术家控制，因为他/她必须与进化系统互动”[1]，智能机器帮助人类运用技能和想象力，进而生产美和情感力量的成果。早在20世纪90年代，人工智能艺术家哈罗德·科恩便已借助智能计算程序进行绘画。在近年来的电子艺术节中，不少艺术家展示了人—机协作的过程和成果。例如，在艺术家钟愫君（Sougwen Chung）的行为表演《绘画操作》（Drawing Operation）中，艺术家和植入人工智能程序的机械臂同时作画，结果是二者完成了高度相似的画作—这是一个典型的由艺术家和智能机器协作完成的艺术项目[2]。又如，罗斯·古德温（Ross Goodwin）的“公路文学”项目，让智能机器深度学习《在路上》（On the Road）等20世纪60年代美国的公路文学作品，然后艺术家和人工智能同时进行实地公路漫游，并让人工智能创作新的公路文学[3]。从艺术生产机制角度看，这两个项目具有相通之处，即人与机器彼此并非替代关系，而是相互配合、各尽其用。在此过程中，智能机器具有一定的自主性，能够生成超越艺术家把控和预设的成果。这与艺术家能够完全把控的“机械复制”显然不同，因为无论摄影机还是其他数码设备都是在实现艺术家的既定观念，并将其不差分毫地传播流通。

尽管艺术生产的逻辑有所差异，但从艺术与人工智能的關系来看，“替代型”和“协作型”的生产范式都属于“科技形塑艺术”的向度，即人工智能技术对艺术生产施加影响，促使艺术家思考科技的作用力并将其付诸实践。那么我们不禁要问：艺术对科技的作用力在哪里？尽管已有不少理论家从哲学层面阐述过艺术对人工智能的影响，但这种阐释目前还仅停留在理论演绎层面。那么，在艺术实践层面，是否形成了“科技形塑艺术”向度之外、以“艺术涵纳科技”为导向的生产范式？

对此，一些艺术家已介入科学研究的前沿和现场，开始从事艺术化的科技研究项目。早在20世纪60年代，罗伯特·劳森伯格（Robert Rauschenberg）联合工程师建立了“艺术与科技实验公司”（E.A.T.），强调艺术家应该介入科技现场、与工程师共同开展研究。这种艺术实践路径此后也得到了不断延续与发展。20世纪90年代，史蒂芬·威尔逊等大批艺术家进入实验室与科学家共同工作，通过策划人工智能研究项目、创作新“作品”、发表科研论文和参加学术会议等，探索构建较为成熟的“研究型”范式。这类范式的核心逻辑是，艺术家以人文艺术的立场和方式，挖掘人工智能科技的新潜能。具体而言，艺术家的介入体现在两个方面：一方面，艺术家在科技项目中学习、掌握前沿技术；另一方面，艺术家基于自身的经验、想象和创造力，形成区别于科学家研究的成果，这些成果为科技研究提供启发，一些成果还颇具前瞻性甚至预言性。

相比其他范式，“研究型”范式跳出了科技单向刺激艺术创新的实践框架，借由艺术化的科技研究打通科技与艺术的壁垒，在科技与艺术的双向激发中突破艺术和科技的既有边界。在“研究型”范式中，艺术家史蒂芬·威尔逊和迈克尔·马泰斯的理论与实践无疑是其中最具代表性的。威尔逊力图建构“作为文化研究的人工智能”（AI as cultural research）的理论话语，并将之付诸人工智能项目；马泰斯则从事“表达型人工智能”（Expressive AI）研究，并对该研究加以理论提炼。

在梳理上述三类范式的基础上，本文将结合艺术家的理论和实践，详细阐述“研究型”范式的实践路径。

二、科技人文化：

“研究型”范式的实践路径

科学家约拿·莱勒（Jonah Lehrer）曾提出：“科学的未来……是艺术吗？”[1]他认为科学需要在实验过程中为艺术找到一席之地。与此呼应，“艺术如何作用于科技”是威尔逊等艺术家一直探寻的命题。为此，部分艺术家选择投入人工智能科研项目中，他们介入科技实验室、参与科技学术会议，并尝试创作艺术化的科技成果。

艺术家的人工智能研究处于科技与艺术的交叉场域，而艺术属于人文范畴，这就需要我们以更为宏观的视角，考察科技与人文的关系，思考艺术家介入科技研究的路径。为此，我们借用科技艺术理论家弗兰克·波普尔（Frank Popper）提出的“科技人文化”[2]展开分析。波普尔以人文主义为本位，力图将科技涵纳进人文体系思考，通过对欧普艺术、录像装置、互联网艺术等科技艺术形态的梳理与研究，提出科技应该人文化、人性化的观点。科技人文化也并非波普尔的独创提法，同一时期，翁贝托·埃科（Umberto Eco）也曾提出将电脑视为“精神工具”。不过，波普尔的“科技人文化”主要是指科技装置与观众形成情感互动的潜能。从艺术史脉络看，人工智能艺术的“研究型”范式是“科技人文化”的进一步深化，即艺术家以人文立场重新审视技术，以艺术认知“化用”技术，形成被“人文化”的科技理论和成果，这就是人文化的科技创造。

“科技的人文化”是对现代性渐进过程中科技与艺术相离趋向的反溯。在现代性的进程中，以康德为代表的哲学家将审美划归艺术家的实践领域，科技研究则是艺术家的域外之事。但如果梳理古代艺术史，我们会发现艺术家展开人工智能科技研究具有其合法性。古希腊时期的“艺术”（τ?χνη）一词本身包含技艺、技术的成分，彼时的艺术与技术可谓一体两面。在文艺复兴时期，科技与艺术被整体性地加以观照和研究，而以达·芬奇为代表的巨匠，既是科学家也是画家。达·芬奇绘制的《维特鲁威人》（L uomo vitruviano）等画作实为其人体研究成果。随着现代性的确立，科学与艺术在理论层面才被分置于“真”“美”的不同范畴。而在现代性理论落实到现代学科体系的建构层面时，现代教育的学科体制将科技与艺术割裂。这使得包含科技研究的经典绘画脱离其科学研究的语境，被重新界定为古典艺术的视觉形式。但从20世纪中期开始，随着以杜尚为代表的先锋艺术家将艺术从画架上解放出来，不少艺术家开始重新展开科技研究，打破科技与艺术的界限。20世纪60年代，白南准（???）与日本工程师阿部修也合作制造出独立行走的系列机器装置《机器人家族》（Family of Robot）[1]；劳森伯格与工程师比利·克卢弗（Billy Klüver）和弗雷德·沃尔德豪尔（Fred Waldhauer）组建了“艺术与科技实验公司”，意在培育和生成科技艺术项目。在该项目中，艺术家中谷芙二子与物理学和气象学家托马斯·米（Thomas Mee）共同进行科技研究，合作创造了可以感知大气状况的“雾雕”（霧の彫刻）作品。该作品在20世纪70年代日本大阪世界博览会展出后，引发艺术界和科技界的关注，成为艺术家展开科技研究的典型之一。这些早期项目都为艺术家后来施展艺术“化用”人工智能的科技研究提供了可能性。

在进行科技研究进而“化用”人工智能的过程中，艺术家同时从实践探索、理论生产与跨界思维融通3个维度展开相关研究。

首先，艺术家基于人文立场对科技进行认知、重审和再生产，提出新的研究议程。在参与项目之前，艺术家会对科技知识进行系统学习和掌握，比如无论科恩还是威尔逊、马泰斯，都对相关科技知识有系统了解乃至达到精通程度—他们不仅像理工科学生一样掌握知识，更是以艺术家的想象力和感知力，重新审视和思考现有的科技现状凝集。对于艺术家的科技想象潜能，麦克卢汉阐述到，“严肃的艺术家是唯一能够不受惩罚地接触技术的人，因为他是一个意识到感官知觉变化的技术专家”[2]，他认为毕加索的立体主义正是对电气时代“立体传播”的想象性呈现，而欣赏这种艺术则是对科技与媒介的“感知操练”。艺术家们对科技的重审和再思考逐渐生成了其对科技的新认知，并基于这种认知提出新的科研议程。新议程的提出，可以马泰斯“表达型人工智能”项目为例。在马泰斯看来，科学家设置的人工智能是以“制造者为中心”的科技成果。科学家将程序设置完成之后，基于既有的特定问题和需求，让机器与人、界面发生交互，但这种交互并没有唤起人们的情感需求。而“表达型人工智能”的实现则需要让人工智能融入微观空间与文化情境，并研发出以“观众”为中心的科技成果[1]。以“观众”为中心的人工智能体现于：其一，人工智能与观众的沟通并非建立在预设任务上，在此情境下，二者通过互动建立了一种非功利性关系；其二，在非功利互动中，机器能够被“输入”情感和人性。基于以上考量，马泰斯与合作者建构了名叫“办公室植物1号”（Off ice Plant 1#）的持续性项目，以此开发出一种智能“植物”。这株植物放置于公司办公室，背后的人工智能技术能够读取到办公室人员工作的电子邮件，并从邮件中判断人们的情绪。如果技术分析出人们的情绪低落，植物上的“花朵”就会开放，以此调节人们的情绪和办公室的气氛。尽管这一作品依然属于“大数据分析”的范畴，但已经是艺术家独特的科研尝试。这种尝试的意义在于，艺术家从艺术感知的维度拓展了科研议题，并形成了新的研究成果。这一成果既包含审美、情感等感性经验的生成，也包含感性之后的人文思考。这种基于艺术体验的科学研究，传达出一种立场和观点，促使科学家和艺术家重新思考人工智能，从而开辟出新的科研探索路径。

其次，以新议程的研究为基础，艺术家还构建了相关研究的理论生产。在对人工智能进行系统研究之后，威尔逊提出，人工智能能够建构“文化研究”维度的科研议程。人工智能的基础是基于大数据与深度学习。“如何学习”依赖于既定程序的自我运行，“学习什么”则依靠人类选择性提供的数据资料。这种选择记忆数据资料本身就涉及“文化语境”。威尔逊举例，爱斯基摩语对“雪”的描述多达几十种，英语则相对简单。选择不同文化语境中的语言作为人工智能的学习资料，生成的学习成果大为不同。其实除了日常语言之外，文字典籍、传媒图像无不关涉“文化语境”。人们选择何种文字和图像作为数据资料，决定了人工智能学习的结果。“人工智能程序必须具有特定的文化特性。”[2]就此而言，人工智能的科研项目可以从“文化研究”入手，形成具体的研究议题。不过，威尔逊所指的“文化研究”并非专指伯明翰学派的理论与方法，而是泛指技术衍生出的文化、哲学和社会理论。威尔逊认为，“文化研究是最有成效的，因为它们指出了技术的深远影响”[3]，如唐娜·哈拉维（Donna Haraway）关于生物技术的意识形态影响，保罗·维利里奥（Paul Virilio）针对军事技术的文化探讨等。

如果说提出议程、拓展维度是外在的、可见的科研实践，那么艺术家的人工智能研究则是涉及深层次的思维跨界融通。在艺术与科学分野之后，艺术实践往往与移情、审美和感知有关，具有一定的非功利性、偶发性。尽管艺术实践尤其是当代艺术的介入式项目也具有研究性和计划性，但这种计划性往往充满弹性：无论是达达主义、激浪派还是火热一时的“快闪”，艺术家的计划往往只是一种号召，具体行动还得依靠艺术家的灵感闪现、情境构建与情感传导。就此而言，艺术家的思维是偏向感性甚至以感性作为主导的。与之相反，科技研发尤其是用于商业的科技项目则往往具有功利性和明确的预设。如市面销售的人工智能电器多是弱人工智能技术的粗放运用，此类电器的研发具有明确的商业目的。功利主义导致研发过程中更多可能性的丧失。对此，艺术家参与科技项目不仅为科学家提供启发和另类视野的“参谋”，还通过弥合艺术和科学的思维区隔，从感性维度为科研提供新的可能。这种可能同样体现于“表达型人工智能”的实践探索和“作为文化研究的人工智能”的理论生产中。在“表达型人工智能”项目中，邮件的大数据读取显然经过编程的预设，但邮件的往来、信息的交互却具有随机性，并且与办公人员的情绪有所勾连。而在威爾逊的理论建构中，文化交流随着情绪、性格、场景而变化，一定程度上超越了既定的计算程序。简言之，马泰斯和威尔逊从实践和理论层面强调了“情境”的重要性，而“情境”包含偶然和不可预见。在“情境”之中，人工智能一方面基于既定程序进行大数据收集和分析处理，另一方面需要应付不断变化的情绪和氛围。艺术家意图在大数据编程的基础上，将随机性引入他们的项目中。艺术家认为随机性不仅是一种缺失的模式，还是一种可以产生模式的创造性基础，这一模式与预设的必然性可以相互融合。如此来看，在“研究型”范式中，艺术家介入科研现场与科学家共同工作，具有从项目合作深化为思维融合的趋势与潜能。思维融合旨在形成新的融合感知—认知、情感—理性、预设—非功利的沟通。这是超越科技与艺术二元结构的“第三空间”，是“不同认知视角和研究思路形成的协作思维”[1]。

三、科技先锋派：

“研究型”范式的意义生成

艺术家以人文的立场和艺术的方式进行科技研究，形成“人文化”的艺术—科技成果。那么，如何看待“人文化”成果及“研究型”范式的意义？

对于“研究型”范式的意义讨论，需要从艺术史层面加以分析。“科技人文化”不仅仅是理论层面的演绎，而且这一概念也源于波普尔对艺术史尤其是新媒体艺术的脉络梳理。借鉴这一研究思路，我们有必要从艺术史层面展开对“研究型”范式的审视。此外，就“科技与艺术”这一宏观命题而言，艺术史层面的讨论同样延续了文首所提及的“艺术如何作用科技”的研究向度。

从纵向的艺术史脉络出发，“研究型”范式可视为一种另类的“科技先锋派”。20世纪初，达达主义、未来派等先锋派艺术家力图打破“艺术自律”的思潮和资本主义的艺术体制，主张艺术介入社会现场，以越轨的行动表达自己的主张。先锋派艺术一直延续到当代，激浪派以异质行为介入公共空间；约瑟夫·博伊斯（Joseph Beuys）等艺术家推动形成了介入现场、联结观众的参与式艺术。同一时期，劳森伯格、白南准等艺术家将介入行动从社会现场延伸到科技维度，也将“先锋派”拓展到科技维度。不过，劳森伯格等艺术家与工程师、科学家合作的目的依然在于制造新的艺术作品尤其是装置作品。与之相比，从事“研究型”实践的艺术家真正形成了科技维度的先锋派艺术。“研究型”艺术家介入科技研究的前沿领域，与科学家共同探索。这种探索不是为了创造艺术作品，而是抛开创造作品的单一目的，将艺术融入科学探索的过程中。

如果说“达达主义”等先锋派的行动抛却“艺术自律”和创作作品的唯一目的，以介入公共空间的方式表达文化观念，那么“研究型”艺术家同样抛开“创作”的束缚，以介入科技前沿的行动表达科研观点。从表面形式来看，达达主义和“研究型”艺术家在介入场域、介入方式等方面似乎差异甚大：达达主义以越轨的行为介入公共空间，“研究型”艺术家以学习和研究的方式介入科技实验的现场。但从介入的旨归和成果来看，两者可谓一脉相承。就介入的旨归而言，达达主义力图打破公共空间的既定关系，以公共空间为中介，联结艺术与大众；“研究型”的艺术家同样力图打破科技实验室的陈规教条，以科技为中介，联结艺术与大众。就介入成果而言，相比研究成果的“艺术性”，达达主义者和“研究型”艺术家都更加在意成果的探索性、多样性和启发性。达达主义者的行为、现成品皆为“作品”，开创了一种与生活、大众密切联结的艺术形态。而“研究型”范式生成的艺术“作品”具有相似的开拓性。艺术家的成果并不聚焦于审美、感染力，也不刻意使用惯有的形式语言，而是以呈现前沿的研究观点和设想作为呈现焦点。如马泰森的“表达性人工智能”便是探索性的前沿设想。同时，“研究型”成果包含装置、论文和演讲等多种形式。例如马泰森的“办公室植物1号”项目不仅制造出“艺术品”，还形成了具有影响力的研究报告和论文。与之相似，科技艺术家列夫·马诺维奇（Lev Manovich）对智能算法的研究同样以装置作品和演讲报告的形式加以呈现，其理论的影响力甚至超越了作品本身。此外，成果的启发性既适于艺术，也适于科学领域，为科学家的研究提供了支撑。比如马泰森关于“表达性人工智能”的研究成果在国际学术会议中传播，引起了科学界的讨论。

与此同时，从横向的科技与艺术关系结构来看，“科技先锋派”以介入式的前沿研究打破人文与科学的界限。“艺术家和理论家可能从来没有涉足过研究实验室，艺术/人文学科和科学/技术说着不同的语言，彼此不理解”[1]，在此状况下，艺术家将介入的现场从社会现场转移到实验室，力图弥合人文与科学的区隔，以研究作为行动实现自己的看法。艺术家的介入和研究离不开科学家的支持，合作的科学家成了艺术家研究的参与者，形成了介入之后的参与式艺术。可以说，艺术家的科技研究将先锋艺术的方法和行动力延伸到了科技领域。如果说达达主义等先锋派力图突破艺术与社会的界限，促使艺术介入大众与社会，那么从事研究的“科技先锋派”则试图打破艺术人文与科技的区隔，以艺术介入科技现场并化用科技。

事实上，在人工智能艺术的研究之外，其他“科技先锋派”艺术家试图以哲学演绎技术、以文化阐释技术、以感知勾连数据，实现人文化的科技创造。在知名的虚拟现实艺术家查尔斯·戴维斯（Chars Davis）那里，艺术家试图从身体现象学的视角，对虚拟现实技术做哲学层面的考察和演绎。在戴维斯的虚拟现实影像《渗透》（Osmose）中，三维空间和经典透视被打破，主体与外界相互建构、彼此融合。人们通过艺术家建立的虚拟现实空间，实现了“我思故我在”的“游牧”。这种“游牧”既是主体的绵延，也是空间的延展，两者处于共时展开的状态。在此，虚拟现实技术实现了知觉与场域、个体与空间的同构。如果说戴维斯力图通过对技术展开富有想象力的研究，进而呈现主体化和感知化的技术，那么爱德华多·卡茨（Eduardo Kac）则是在通过研究基因技术，探索文化讯息对技术的重新阐释。卡茨的转基因科研项目“绿色荧光兔”（GFP Bunny）利用分子生物学技术，将水母和兔子的DNA结合起来，制造出一只在蓝光下发出绿光的兔子，并试图让兔子与公众对话，“虽然过去的每一个文明都孕育和赞美过无数虚构的生物，但在此之前没有一个艺术家想象过一个活的哺乳动物，然后着手将它变成现实”[1]。卡茨的“发明”是基于文字创造的新的生物生命，试图实现从文化讯息（虚构）到技术、从技术到文化的流转。此外，艺术家的科研项目也试图实现数据的情感化。致力于信息艺术的艺术家肯·古登伯格（Ken Goldberg）制造了一個信息通讯装置《繁荣》（Bloom），这一装置将实时监测的地震数据转化为不可预测的花朵形象，艺术家借此引导观众对自然展开冥想[2]。在此，数据不再是机械的二进制符号，而是被转化为唤起主体感知、具有情感温度的人文化成果。

“科技先锋派”的人工智能研究基于人—机的“长期养成”机制，也因此，某些“去功利性”的成果才得以在此类项目中显现。无论是马泰斯的“表达型人工智能”，还是威尔逊的“人工智能的文化研究”，都属于长期的、持续性的研究项目。这种项目包含着人—机之间的长期磨合以及为了创制具有人文内涵的智能机器所开展的持续探索，可以称之为一种科技人文化的“炼金术”。在马泰斯的“表现型人工智能”中，智能植物并非展厅中的临时互动装置，而是与其介入的办公室长期共存。在共存过程中，人文与技术的互通不断“养成”，形成新的科技文化产物。这种“养成”也成为艺术家研究的重要部分。而在威尔逊的项目“文化痕迹”（Traces of Culture）中，连续不断的参与者持续将异质的文化信息传入人工智能系统中。这些参与者还可以通过远程的网络系统，长期和“搜索机器人”（searchbots）进行交流。这些“人文化”的智能机器并没有超越当下科技前沿水平，但却将人工智能从功利主义中超脱出来。在科学家的研究中，功能主义成为项目实践的核心价值取向。科学家受雇于跨国公司或科研机构，其成果需要迅速投产并发挥实际效能。在此实践逻辑下，科研项目往往带有功利性，具有较高的商业化程度，由此形成的人工智能机器被广泛运用于家电、医疗和监控等各类实用领域。与之不同的是，科技人文化的“炼金术”超越了功利主义的局限，拓展出科技研究的全新维度。艺术家的研究从文化、情感和非功利出发，展开功利主义的科技研究中未曾关注和涉及的研究议程和维度。在此，艺术家的“产品”并非投入社会科技生产并直接推动社会变迁的实用之物，而是站在人的立场，渐进式地培育人文化的科技成果。从现代性理论的划分出发，这类“炼金术”为本属于“真”的科技打通了属于“美”的通道。

另外，“科技先锋派”的意义还在于智能机器社会化的想象性探索。在艺术家的人工智能项目中，培育具有情感感知和文化交流能力的智能机器，仅仅是“炼金术”及其“养成”机制的阶段性成果。通过人机融合的“养成”机制，艺术家还力图探索智能机器的“社会化”路径。在马泰斯的“表达型人工智能”项目中，办公室的智能植物除了“感知”人们的情绪之外，还逐渐成为办公室社会微生态的一部分。在项目持续进行过程中，智能植物由“嵌入”办公室逐渐转变为融入其中的社会生态中。这种融入会伴随智能机器读取往来邮件的数据积累，变得愈加深入。与之相通，作为威尔逊“人工智能的文化研究”项目的一部分，“智慧空间”似乎更具有前瞻性。在《文化痕迹》中，智能机器不是融入既有的社会生态，相反，它试图“生产”社会生态系统。《文化痕迹》的装置并非不同身份、种族的文化讯息交流的中介，而是通过对不同文化讯息的数据积累，《文化痕迹》成为文化冲突、沟通和再生成的社会化空间。这一社会化空间契合了列斐伏尔（Lefebvre）所构想的“表征空间”。列斐伏尔将空间分为“空间实践”“空间表征”和“表征空间”。简言之，“空间实践”即居住的物理空间；“空间表征”是被经过规划和给定的审美空间，如“透视法”生成的三维幻象、资本打造的地标性建筑；“表征空间”则是前两者的冲突、互动和融合的结果，具有革命性和生成性，能够打破“空间表征”的给定计划。在威尔逊的“文化痕迹”项目中，文化讯息的交流和重复正是挑战了“给定”的意识形态和认知，智能机器形成了人们展开实践、打破既定、进行文化交流的“表征空间”。这类空间并非物理层面的场所，而是能够“生产”社会生态的空间。更为重要的是，基于养成机制和想象性探索，“科技先锋派”弥合了现代主义和后现代主义在创作思维上的裂痕。

在20世紀60年代，作为现代主义对立面的后现代主义思潮逐渐兴起，并在此后对当代艺术的创作产生了重要影响，无论是女性主义艺术、激浪派还是介入式艺术，都可以看作是后现代主义思潮的“落地”。但一旦涉及“科技艺术受哪种思潮影响”这样的问题，当代学者往往难以给出清晰的判断。按照戴维·哈维（David Harvey）的说法，现代性包含恒定和不安的两面，后现代主义是在“骚动、不安和易变中游泳”[1]。如果说现代主义思潮延续了自古希腊以来注重理性规划的中心—分支“树形”思维，那么后现代主义思想则展现出无中心、生成性、解域化的“块茎”结构。这种结构也正符合德勒兹、瓜塔里（Guattari）提出的“游牧”概念，它是现代主义理性规划的背面。尽管哈维等空间理论家将“弹性积累”的全球化生产机制视为后现代主义的表征，但事实上，具体到科技研发、产品生产等问题，其运作机制依然属于现代主义的理性规划范畴，而且是严密而细致的管理规划。而当下这些以艺术家为主体，让艺术家主动参与科学实验的“研究型”科技艺术，则在某种程度上打通了现代主义的“规划”和后现代主义的“游牧”之间的藩篱。

结语

综上所述，艺术家的人工智能研究意味着科技艺术中一种表征“艺术涵纳科技”向度的“研究型”范式的生成，该范式区别于“科技形塑艺术”向度的“替代型”“协作型”范式。在“研究型”范式中，艺术家介入科技前沿与实验室，从艺术实践、理论生产和思维融通层面“化用”人工智能技术，生成“人文化”的科技成果。在“研究型”范式中，艺术家介入科技现场的研究可视为一种“科技先锋派”的行动，基于艺术经验的研究将科技从功利主义中超脱出来，形成超越功用的项目成果。在这种探索和拓展中，“科技先锋派”试图为科技打通渡向艺术审美进而通向“游牧”的路径。而相比其他实践范式，“研究型”范式代表着科技艺术的未来方向。当科技与艺术的结合成为趋势，艺术家不能只将现成技术作为创造艺术语汇与形态的手段，而是要以艺术家独有的经验和感性创造力参与科技研究，形成艺术化的科技成果。这些成果不单是一件“艺术品”的创作，而是集合了作品研发、理论生产、学术讨论、参与组织的过程性综合体。这类“综合体”旨在从艺术与审美出发，在参与科技的研究过程中逐渐超越科技与艺术的二元结构，形成一种超学科的无界创造。在此，科技被升华为“科学”，因为“科学”不是运用层面的技术发明，而是对生命、社会和现象界的前沿哲思。

本文系国家社科基金艺术学青年项目“网络空间中艺术传播的社区化现象研究”（项目批准号：18CH208）阶段性成果。

责任编辑：赵东川

[1] 参见刘润坤：《人工智能取代艺术家？—从本体论看人工智能艺术创作》，《民族艺术研究》2017年第2期；张新科：《人工智能背景下的艺术创作思考》，《艺术评论》2019年第5期。

[2] 参见庞井君：《人工智能和文艺新形态》，《人民日报》2018年11月13日第24版。

[3] 参见陶锋：《人工智能美学如何可能》，《文艺争鸣》2018年第5期；陶锋：《人工智能视觉艺术研究》，《文艺争鸣》2019年第7期。

[4] 参见卢文超：《迈向艺术事件论：人工智能的挑战与艺术理论的建构》，《澳门理工学报（人文社会科学版）》2020年第2期。

[1] Harrold Cohe， “The Further Exploits of AARON， Painter，” Stanford Humanities Review 2， no. 5 （1995）： 1-18.

[2] John Barber， “Hybrid Practices： Art in Collaboration with Science and Technology in the Long 1960s，” Leonardo 53， no. 3 （2020）： 348-349.

[3] M. dInverno and J. McCormack， “Heroic versus Collaborative AI for the Arts，” （paper presented at Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence， IJCAI 2015， Buenos Aires， Argentina， 25-31 July 2015）， 2438-2444.

[4] Stephen Wilson， Information Arts： Intersections of Art， Science， and Technology （Cambrige： MIT Press，2002）， 422-424.

[1] Michel Erler， “Deep Learning Kubrick，” accessed Aprill 1， 2022， https：//michelerler.com/media-art-me.

[2] Stephen Wilson， Art + Science Now （London： Thames & Hudson， 2010）， 1.

[1] Jeffrey E. Boyd， Gerald Hushlak， Christian Jacob， “SwarmArt： Interactive Art from Swarm Intelligence” （paper presented Proceedings of the 12th annual ACM International Conference on Multimedia， New York， October 10-16， 2004）， 628-635.

[2] Special Section： Rethinking Art and Aesthetics in the Age of Creative Machines Philosophy & Technology 30 （2017）： 263-165.

[3] Thomas Hornigold， “The First Novel Written by AI is Here—and It's as Weird as You'd Expect It to Be，” accessed October 25， 2020， https：//singularityhub.com/2018/10/25/ai-wrote-a-road-trip-novel-is-it-a-good-read/.

[1] Sheril Kirshenbaum， “Science Is Art： Look Closer，” accessed January 17， 2020， https：//www.discovermagazine.com/the-sciences/science-is-art-look-closer.

[2] Frank Pooper， From Technological to Virtual Art （New York： MIT， 2006）， 1-2.另參见Margaret Boden， Mind As Machine （Oxford： Oxford University Press， 2006）， 1089.

[1] 陈永贤：《录像艺术启示录》，台湾艺术家出版社2010年版，第38—51页。

[2] [加]马歇尔·麦克卢汉：《理解媒介—论人的延伸》，何道宽译，商务印书馆2000年版，第67页。

[1] Michael Mateas， “Expressive AI： A Hybrid Art and Science Practice，” Leonardo 34， no. 2 （ 2001）： 147-153.

[2] Stephen Wilson， “Artificial Intelligence Research as Art，” Stanford Humanities Review 4， no. 2 （1995）： 1.

[3] Ibid.， 19.

[1] Lizzie Muller， Lynn Froggett & Jill Bennett， “Emergent Knowledge in the Third Space of Art-Science，” Leonardo 41， no. 4 （2008）： 1-11.

[1] Stephen Wilson， “Myths and Confusions in Thinking about Art/Science/Technology，” （paper presented at College Art Association Meetings， NYC， 2000）.

[1] Eduardo Kac， Telepresence and Bio Art： Networking Humans， Rabbits， and Robots （Michigan US： University of Michigan Press， 2005）， 264.

[2] Anne Northrup， “Bloom： Ken Goldberg， Sanjay Krishnan， Fernanda Viégas， and Martin Wattenberg，” accessed July 28， 2022， https：//www.nevadaart.org/art/exhibitions/bloom-ken-goldberg-sanjay-krishnan-fernanda-viegas-and-martin-wattenberg-2/.

[1] David Harvey， The Condition of Postmodernity （Oxford：Blackwell Publishers， 1992）， 44.