■ 王嘉奇 周茂君

回顾艺术史,科技作为人类社会与经济发展的内核驱动力,往往也是推动艺术发展的决定性力量。比如,石器时代的岩画离不开对天然矿物颜料的提取,雕刻则离不开相关刀具的发展;到了封建时期,造纸术的发明更是丰富了创作媒介,降低了创作成本……虽然进入工业革命时代之后,艺术与科技似乎有分离的倾向,但在现代科技的影响下,二者又开始了新的融合。(1)阎平:《科技与艺术》,湖北人民出版社2013年版,第1-2页。20世纪后期以来,数字技术的快速发展推动了新媒体艺术、数字艺术的崛起;进入21世纪,基于大数据技术的人工智能也逐渐成熟,掀起了新一轮的科技革命。技术的快速更迭引领着传播媒介与交流工具的频繁革新,从而也推进了它们与艺术领域的交叉发展。在深度神经网络技术的“加持”下,艺术表现形式越发多元化,融合了机器人学、心理学、设计学的科技艺术类型如虚拟现实艺术、增强现实艺术、自动生成艺术等领域正在涌现诸多的实验项目。在从传统社会向现代社会过渡的进程中,科技与艺术经历了由暂时分割到紧密融合的转变,而这一关系结构的转变对人类行为和伦理的影响也是逐步扩大的。(2)方秋明:《技术发展与责任伦理》,《科学技术与辩证法》2005年第5期。就众多关于科技参与艺术创作的研究来看,其探讨除部分针对技术输出及技术应用之外,更多的是在各种程度上围绕机器伦理学(machine ethics)范畴展开的。(3)参见阮凯:《机器伦理学的当代争议及其解决方案》,《自然辩证法研究》2021年第11期。受“强技术决定论”和“科学技术威胁论”的影响,学界也普遍认同在发展技术的同时理应兼顾安全性评估。(4)参见邱仁宗、黄雯、翟晓梅:《大数据技术的伦理问题》,《科学与社会》2014年第1期。由此,艺术领域对科技艺术生成作品的人工智能审美、人工道德主体、生成物版权等艺术伦理问题展开了持续性讨论并时有争论,而争端的核心究其根本来自对人工智能生成艺术作品创造行为的界定。艺术创作的主体、过程以及成果究竟属于机器对人类行为的模仿,还是来自人工智能的自主创造?科技艺术的创作意义几何?这些都是艺术工作者在进行相关创作之前要首先明确的问题。

一、科技艺术概念界定

随着人工智能技术的日趋完善与强大,科技在人类艺术发展中的地位显著提升,同艺术的结合程度日益加深。与传统社会中将科技单纯认作工具与手段的情形不同,艺术创作者开始有意识地赋予科技创作以主动权,这也使其在艺术创作行为中的角色萌生异变。科技不再仅作为艺术的表现途径、外在表征,而是甚至成为了艺术作品本身——科技与艺术呈现出你中有我、我中有你的共融形态。

艺术与科技之间关系的嬗变,在潜移默化地重塑着“科技艺术”这一艺术形式的地位与角色,也丰富了其概念的内涵与外延。然而,回顾相关研究领域中的表述,“生成艺术”(generative art)、“人工智能艺术”(artificial intelligence art)等称谓的使用层出不穷。经过对学术文献的分析,我们发现在广义的界定中,“科技”与“技术”被画上了等号,且依旧在艺术创作中扮演工具这一角色——这显然已不再适用于当下语境。而在狭义的界定中,对科技艺术“独立人格”的着重描画,更能贴合这一新生概念的使用范畴。为避免概念使用迈入“大而泛”“泛而模棱两可”的误区,可结合其衍生出的新内涵、新条件,对其做出更为清晰而准确的界定。

从狭义上讲,科技艺术特指将人工智能作为创作主体进行的艺术创作。科技此时以近乎独立的创作者的角色存在,整个绘制、写作等创作过程,几乎完全由人工智能独立完成。换言之,科技已成为模仿人类创造行为的抽象主体。但在广义概念中,科技艺术是基于科技,将科技视为艺术作品的新载体或工具的创作艺术。那么,照此说来,几乎一切艺术创作尽可归属于“科技艺术”的范畴——这反而使得概念边界模糊不清。邱志杰教授曾梳理各类艺术领域的名词称谓并做出辨析,他认为当下“科技艺术”一词的内涵,包纳了与科技有关的一切艺术创作行为,比如新媒体艺术、数字媒体艺术、数字艺术等,是依托技术发展而造就的新应用、新方式。(5)邱志杰:《科技艺术的概念》,《美术研究》2020年第6期。另有部分学者继续拓展了该概念的外延,在他们的论述中,科技泛指一切技术工艺——譬如传统艺术创作中利用窑变烧制瓷器、制造纺织机以便织布等依托“技艺”进行艺术创作的行为,皆包含在科技艺术的概念范围之内。就广义的“科技艺术”概念而言,它并不是要仅仅凸显出技术的地位,更非科技与艺术二者的简单叠加,而是着重强调了科技对艺术创作的推动和辅助作用。而与广义的概念单纯地将技术作为载体和工具有着本质不同的是,狭义的概念更强调科技的自主性。(6)王红媛:《科技艺术:未来艺术的主潮?——罗格斯大学教授谭力勤访谈》,《美术观察》2021年第2期。立足于这一特性,有望为此概念划定出更加清晰而精准的边界。

科技的加入不仅为艺术带来了创作工具的革新,更对千百年来的艺术创作“定式”产生了颠覆性影响。近年来科技艺术的创作中出现了一些有代表性的团队,比如,来自法国的艺术团体“Obvious”运用伊恩·古德费洛(Ian Goodfellow)于2014年开发的生成式对抗网络(generative adversarial networks,GAN),对导入计算机的大量油画作品图像数据进行深度学习后展开重新创作,利用喷墨印刷在画布上创作完成了《爱德蒙·贝拉米,来自贝拉米家族》(EdmondBelamy,fromLaFamiledeBelamy)系列人工智能艺术作品。生成式对抗网络由生成器与判别器组成,通过自动编码器对源数据进行无监督学习,主要应用于计算机视觉、语音语言处理等工作,为图像编辑、合成和翻译提供服务,(7)罗佳、黄晋英:《生成式对抗网络研究综述》,《仪器仪表学报》2019年第3期。通过学习海量图片,可生成不存在于数据集中的新图像,甚至更高质量的图像。(8)王坤峰、左旺孟、谭营、秦涛、李力、王飞跃:《生成式对抗网络:从生成数据到创造智能》,《自动化学报》2018年第5期。随着人工智能绘画系列作品在佳士得拍卖行拍出天价,一石激起千层浪,人工智能创作物的出现在举世瞩目的同时不禁令人迷惑——这样的“艺术创作”行为究竟是真实的创造,还是模仿与再造?

二、科技艺术创作过程逻辑

基于人类学习的艺术创作过程,经由生活体验、艺术构思、意象物化三个步骤。拉斐尔(Raffaello Santi)在对其创作方式的描述中曾提到,为了创造一个美丽的女性形象,首先需要观察许多美丽的妇女。(9)参见范景中著译《〈艺术的故事〉笺注》,广西美术出版社 2011年版,第108页。艺术家先是观察和收集不同人物的体态,再对各部分优秀的元素进行筛选,最终将其整合到一个形态中。当我们考察人工智能进行艺术创作的运行原理时,不难发现,机器学习本质上是对人类学习的模仿。机器“大脑”被输入海量信息后,便可对一切接收到的数据进行梳理和归纳,并对信息进行判别与筛选;进而可解析事物之间的关联,从而习得规律,再将规律作用于材料中,得到类似于人类创造物的作品。如果对生成式对抗网络的“思考”与“创作”进行“拆分”,可见其间经历了信息输入、评价、积累与创造四个阶段。乍看之下,其创作方式与拉斐尔所提及的人类创作方式极为相似,但如果解构机器创作过程,便可发现,若想使其达到与人类相媲美的创作效果,所牵涉的因素远比想象中更错综复杂。

(一)信息输入:深度学习仿真

首先,在信息的输入阶段,得益于5G技术的支持,人工智能确乎拥有比人脑强大千万倍的海量存储和精确分析能力。但人类的学习是多渠道的信息获取过程,人们通过触觉、嗅觉、视觉、听觉、味觉等渠道,对接触到的事物进行信息捕获,其中大多数的感知与体验是极度抽象化、概念化的。为了更接近人类“感觉”而进行的多模态机器学习(multimodal machine learning)研究,在2010年取得了进展:该模型能将视频、语音、动作、图像等所蕴含的语义抽象化、数值化,并分析信息之间的关联,再作用于机器人交互等领域,展示出其显著的亮点。由此可见,机器学习并非从生活中、书本文字中提取信息后转化为经验,而是从人类注入的二次知识中汲取信息,其实质仍然是人类创造。而情绪、情感等人类主观体验则更加难以量化,影响事物之间关联的因素繁多。因此,相较于人类的复杂学习,多模态机器学习尚有无数难以突破的瓶颈。

(二)数据判别:审美标准量化

机器在进行艺术创作时,所使用的判别标准对标的正是人类审美。计算机想要获得相同的“进化”效果,需要与人类拥有同等的评估功能,凭借与人类类似的审美系统,才能在审美目标上达成一致。(10)黄鸣奋:《成为艺术家:基于新媒体艺术与科幻电影的人工智能想象》,《文艺争鸣》2020年第7期。20世纪30年代,美国数学家乔治·戴维·伯克霍夫(George David Birkhoff)所著的《美学测量》(AestheticMeasure)一书,被视为量化审美的开端。直至今日,在关于“计算美学”(computational aesthetics)、“机器评价”(machine evaluation)的研究中,学者们也都在尝试通过捕捉图像文本特征对情绪、感知进行判断。而无论是人类审美还是机器审美研究,最终都会回归到“美”的判定标准上。哲学界与美学界从未停止过对“美究竟是什么”这一问题的研讨。美是多层次的,由于美的不可测度,相关研究在特征提取方面遇到了近乎不可逾越的阻碍。(11)B.S.Atiyeh and S.N.Hayek,“Numeric Expression of Aesthetics and Beauty,”Aesthetic Plastic Surgery 32,no.2(2008):209-216.显然,创造千人一律的审美标准是荒诞的,更遑论凭借固定的计算公式预测人类的未来审美趋势。

(三)经验积累:信息的遗传转化

人类的学习不仅是单向获取信息,更需要把信息转化为经验。经验不断积累并影响下一次的行为,如此循环往复。若将人类学习行为放置在艺术创作的框架背景下,可知艺术家在艺术实践中,首先会整合自身体验和曾经学习的内容,或从别人的作品中获得灵感;然后在创作中对作品进行无数次评价,并在作品完成后,反复思考创作所得,为下一次创作积累经验。比如,拉斐尔在生活中通过收集素材和对人类体态、神情、动作等细微处的观察,力图洞察事物本质。在对人类经验累积的仿真研究中,“创新进化系统”(creative evolutionary systems)的研发试图模拟人类基因染色体来描述数据结构,其间,“染色体”经历变异和复制实现进化。(12)Peter J.Bentleyand David Corne,An Introduction to Creative Evolutionary Systems(New York:Academic Press Bentley &Corne Press,2002),pp.1-75.由于自然界中影响基因遗传和显现的因素无比繁杂,艺术创作也不是完成特定目的的造物行为那么简单,因而迄今为止,在计算机技术的“演化艺术”(evolutionary art)研究中,仍然没有能够实现反映人类审美感知的机器评价,经验的积累方式也尚在浅表阶段。

(四)二次创作:创造力自动化

人工智能要想获得真实的创造力,首先要上升为“人工主体”,即与人类同等自主。而实现人工主体要达到三个标准:在与周遭互动时能够作出道德行为;拥有自我意识且能独立运行;能够根据自我判断来融入外部环境。(13)程鹏、高斯扬:《通用人工智能体道德地位的哲学反思》,《自然辩证法研究》2021年第7期。如果说科技艺术在输入、评价和学习三方面的尝试步履维艰,那么在模拟人类进行的创造力仿真环节,则存在难以逾越的鸿沟。早在人工智能开始参与创作的数十年前,人工智能艺术先驱哈罗德·科恩(Harold Cohen)就开始了算法艺术研究,他在20世纪60至70年代便创造了名为“Aaron”的可进行艺术创作的计算机程序,该程序在诞生后的几十年间持续地进行了模仿式的绘画创作。这一实验尝试证明,程序能够汲取信息,但却无法将其转化为“经验”。正因为程序始终只能听从人类指令,而无法做出违反指令的一切行为,因此不断完善程序企图模拟人类创造力是徒劳的,这也是“人工创造力”这个命题备受质疑的缘由之一。

从事科技艺术创作的艺术工作者们,也同时在体悟和探索科技艺术创作中所产生的人工创造力。一些学者认为,艺术创作的关注重点并不仅仅是艺术创作者、创作工具和过程,还在于这一创作行为是否实际拓宽了艺术的边界。艺术家莱昂内尔·莫拉(Leonel Moura)在一次展览中接受采访时曾反复解释道,我们所说的“人工想象力”与“人工创造力”都是对人类行为的模仿,而科技与机器始终是被人“把持”的。(14)Sofian Audry and Jon Ippolito,“Can Artificial Intelligence Make Art without Artists? Ask the Viewer,”Arts 8,no.1(2019):35.编程体系本身就是人类制定的固定规则,从社会性因素来说,虽然人工智能在努力向人类思维靠拢,但是人类在社会中形成的抽象角色则不是模仿可以实现的,因此人工智能只能被制约在程序企及的范围内,与外界进行有限的接触。(15)参见韩东屏:《未来的机器人将取代人类吗?》,《华中科技大学学报(社会科学版)》2020年第5期。有学者认为,艺术品的价值取决于它是否被视为一种独特的创造性行为;创造力和所有权是人类艺术特有的,并显著影响审美体验。(16)G.E.Newman and P.Bloom,“Art and Authenticity:The Importance of Originals in Judgments of Value,”Journal of Experimental Psychology General 141,no.3(2011):558-569.因此,机器人不具有创意,人工智能也并未扮演创作者角色——这意味着机器人艺术品与人造艺术品在同等水平上的价值仍然存在差异。

另一部分来自计算美学和神经美学(Neuroaesthetics)的工作者则更加严厉地批评了人工创造力的设想。创造力作为一种自我导向和内在动力,是人类复杂的高水平心理活动。1983年出版的英国数学家安德鲁·霍奇斯(Andrew Hodges)所著的《艾伦·图灵传》(AlanTuring:TheEnigma)中提及,图灵其实早已发表过创造力不能自动化的观点。使用计算美学探索出人类认知范围以内可能存在的艺术形式,其创作产物或许具有很高的审美价值,但却因为与人类经验脱节而谈不上有多少创造力。(17)参见Philip Galanter,Computational Aesthetic Evaluation:Steps towards Machine Creativity(New York:ACM Press,2012),pp.255-293.同样,科技艺术创作确实能够轻易激发人们的兴趣,就如同摄影技术的出现和迅速发展使得具象主义艺术的地位急剧下降那样,但这种关于艺术作品的模仿创作行为,又同样容易引起视觉审美疲劳,因此有可能令艺术创作者落入通过牺牲审美去捕获短暂新奇感的窠臼。(18)H.Takagi,“Interactive Evolutionary Computation:Fusion of the Capabilities of EC Optimization and Human Evaluation,”Proceedings of the IEEE 89,no.9(2001):1275-1296.人工智能凭借三个部分的功能生成作品:数字印刷仿真、遗传算法和工业机械臂——它们分别对应了材料、思维和人手三个部分。由于系统不能做出高级决策,其最核心的遗传算法部分仍旧要依赖于人类操作。运用算法进行的艺术创作,不是完全独立运作的,因此不能将这种行为视为与人类相同的创作行为。

可见,不论人工智能作为什么角色存在,它在艺术创作中都无法替代人类本身。科技艺术创作虽然在过程逻辑上与人类艺术创作中模仿与重塑的模式极为相似,然而究其根本,仍然仅是对人类学习行为的再模仿,而其创作内容也只是人类创作内容的再现。

三、科技艺术传播与感知

斯图亚特·霍尔(Stuart Hall)在关于“编码与解码”的传播思想的论述中提出,传播是将信息编码后传递到受众的过程,人们在接收到信息后结合自身文化背景与经验进行解码。(19)[英]斯图亚特·霍尔:《电视话语中的编码与解码》,肖爽译,《上海文化》2018年第2期。而艺术的创作与传播则是由创作者将情绪、情感、思想等抽象感知内容符号化后,再通过色彩、笔触、形态等手段作具象化呈现,借以完成情绪表达、唤起情感等信息传达的目标——这种创作行为正是艺术创作的编码过程。艺术家们往往在思想观念与表现方式上呈现分歧,不同的艺术家拥有的“编码表”各异,因此,艺术作品会以各具特色的形式展现出来。当部分创作者的“编码表”趋同时,其作品中呈现出的概念化符号就会存在共性,这一类作品则可能汇聚成流派。观众在欣赏艺术作品时,就是在对艺术创作物的内容进行解码,提取作品中所蕴藏的信息,以达成与创作者在精神层面的互通交流。这一层次的交流没有定式,没有具体形态,甚至不可言传。杜夫海纳(Mikel Dufrenne)在对艺术语言的研究中谈到,艺术是超语言学,其表达含糊而不确定,品类繁多,不能被划定范围。(20)[法]米盖尔·杜夫海纳:《美学与哲学》,孙非译,中国社会科学出版社1985年版,第7-9页。因此,仁者见仁,智者见智,每一位观者的解码过程与结果都不同——当符号代码被还原为信息时,艺术意蕴将在人类精神世界中无限延伸。科技艺术作品的情感表达与传递之所以往往令人迷惑不解,究其原因,当是在传播途径的逻辑、内容生产的出发点上,有异于常规之处。

(一)艺术传播模式:途径与内容

科技艺术的传播途径在某种意义上与传统艺术相反。它依赖于对已有信息的二次提取,再以指定的创作方式对艺术元素进行排列重组,遵循一定的算法与定式,经过整合、拼接、组合碎片信息后形成作品。在面对科技艺术作品时,观者根据自身的生活经验、社会经历,通过文字、色彩、形状等符号去理解内容,主动“赋予”人工智能艺术作品以意义。因此,从根本上讲,科技艺术作品没有经历信息编码的过程,以致作品因为缺失了“意义”的注入而使人们在面对它们时不甚了了。例如,细读人工智能机器人“微软小冰”的诗集,我们会发现其语义含混不清、难以捉摸。令观者难以参透的,实非其内涵深奥,而是“炫技”般的遣词造句手法。

人们之所以能受到艺术内容的触动,是因为结合了自身的感性经验后,能切身理解作品内涵,领略创作者的意图。然而,科技艺术创作的边界是人类感知,而人类的审美与心理成长根植于特定的环境影响。(21)陈彦青:《“AI”的边界 艺术与设计的可能》,《新美术》2018年第7期。不同于人与世界之间的联结互动,机器对于艺术的评估始终处于被动接受的地位,同时也不得不考虑艺术创作中情感的非理性因素。(22)Tom Davis and Pedro Rebelo,Environments for Sonic Ecologies(Valencia:EvoWorkshops Press,2007),pp.508-516.抛开人类情感触发的随机性不谈,人工智能创作的信息传递方式本身也存在误差。因此,我们在尝试对科技艺术创作物进行理解的时候,接收到的信息是零散的、碎片化的和抽象的。反观传统艺术作品,能够走进人心的往往不是矫饰的辞藻、拗口的文字、高超的技法,而是艺术家的个性、意匠与气韵。

(二)情感感知路径:共情与通感

在艺术心理情感向度中,感知是艺术作品的源泉与灵魂所在,而共情与通感则是人类独有的能力。共情意味着设身处地感知别人的感受,而艺术作品建立起了观者与创作者之间的共情通道——艺术作品是创作者情绪的投射,承载着创作者的心境与思想。传统美学体系追求精神的契合与灵魂的共振,通过艺术作品,我们能做到跨时空、跨文化、跨语境地产生共鸣。艺术作品的外在表征是感性实务,而内涵则是心灵的投射。内容可以千变万化,但主旨是展现理念的桥梁。(23)参见[德]弗里德里希·黑格尔:《美学》,宼鹏程译,重庆出版社2016年版,第63-66页。科技艺术创作虽然在表现方式、素材、技法方面拥有庞大的资源数据库,但无论这些元素如何排列组合,表现形式何等多彩,其艺术理想永远是贫瘠的、空泛的,无法向观者传达出更加高远的旨趣——这也正是科技艺术遭遇诟病的主要原因。

人类可以从生活中汲取对艺术的生理感知,体验跨媒介传播产生的通感。英国民歌《斯卡布罗集市》歌词中的“欧芹、鼠尾草、迷迭香和百里香”,仿佛散发着香料集市斑斓的色彩与馨香的气息。梵高所绘制的麦田上的漫天鸦群令人情绪压抑,明黄的向日葵却又能温暖人心。人类能够识别声音的触感与氛围、颜色的味道与温度等跨语言通感——此类抽象的感知能力因人而异。在古人的理解中,“心”是思考、感受的源泉。反观人工智能技术,显然,无意识的机器学习与用心进行的创作有着本质的不同。(24)参见陶锋、刘嘉敏:《文心与机芯:中国古代文论视阈下的人工智能文学》,《文艺争鸣》2020年第7期。即便生成式对抗网络技术的模仿能力不断进化,人工智能的感知能力始终是单向度的,所能倚仗的“思考能力”也有限,无法真实再现人类的通感。

四、创造或模仿

从艺术创作全程到传播与感知阶段,可以说科技艺术“创作”与“思考”的方式都是对人类行为的效仿。而艺术创作的目的是否在于模仿,至今仍是最具争议性、影响最为广泛的议题之一。美学、哲学领域关于艺术创作目的的研究中,存在模仿自然说、道德教训说、激发情绪说与发泄情绪说等观点。部分学者认定艺术就是对现实的再现,是对微妙的光线、色彩、造型的把握与现实场景的真实再现,而不应存在表现的成分,这样才能让观者在艺术作品中找到似曾相识的原型,从而激起其识别性反应。(25)参见[英]安妮·谢泼德:《美学:艺术哲学引论》,艾彦译,辽宁教育出版社、牛津大学出版社1998年版,第9-15页。柏拉图曾在《理想国》一书中提出的艺术模仿论,甚至带有绘画与文学艺术等同于模仿这种极端认知。具有相似观点的法国“新小说派”(nouveau roman)代表人物阿兰·罗伯-格里耶(Alain Robbe-Grillet),也同样赞成在艺术创作中应当客观反映世界、直观展现现实,强调其中的“天然性”。(26)参见孙淑娟、孙卓敏:《西方后现代文学作品的元小说书写》,哈尔滨工程大学出版社2020年版,第14页。

但后人很快发现,杰出的艺术创作很难与“模仿”“再现”这样的表述联系在一起。保罗·高更(Paul Gauguin)曾在一封信中将艺术家创作比作造物主的创造,他认为不应该对自然进行过分描绘,而且艺术创作是一种抽象行为,因此创作者应多思考而不是临摹自然。如果艺术创作所抱有的目的仅仅是模仿,那么它将永远滞后于现实本身。科技艺术在媒介上始终是有这种局限的。其滞后性首先表现在艺术创作物的商业价值层面——模仿就像仿皮草和仿古瓷器一样,是对原作商品价值的模拟与追逐。(27)参见[美]H.G.布洛克:《美学新解》,滕守尧译,辽宁人民出版社1987年版,第39-50页。而摹本的价值无法超越创作品,高端复制品永远也不可匹敌原作。同时,在形式层面也同样有滞后性——绝对写实的作品会因为“过分正确的模仿”而令人审美倦怠;能够走进人心的艺术创作往往不是真实复制,更不是整齐划一的再现。(28)参见[法]丹纳:《艺术哲学》,傅雷译,浙江人民美术出版社2017年版,第11-16页。

可见,模仿并不是艺术的目的,艺术创作的意义不限于真实的“模仿”,而更在于充满意趣的“变幻”。在某种意义上,人类的职能是对一切外在因素进行认知、决断而非计算。真正将人与其他生物及智能物区别开的,正是人类独有的思维与情感。只有建立在想象力、创造力之上的实践,才会催生尚不存在于世间的新事物。(29)龚怡宏:《人工智能是否终将超越人类智能——基于机器学习与人脑认知基本原理的探讨》,《人民论坛·学术前沿》2016年第7期。艺术创作讲求破与立,讲求不断破除旧风格,不断革新并发掘新题材——这才是艺术发展的魅力所在。人工智能创作或将与人类创作愈加相似,但如何真正合理利用科技的长处进行创新仍有待商榷。

余 论

恩格斯说,人的思维是至上的,同样又是不至上的,人的认识能力是无限的,同样又是有限的。(30)[德]恩格斯:《反杜林论》,中共中央马克思恩格斯列宁斯大林著作编译局译,人民出版社1993年版,第88页。至此,我们可得出几点认识:

其一,人工智能不能替代人类创作。艺术的魅力来自无止境的探索创造,而人工创造力无疑是一种悖论。每一次艺术风格变迁都存在一定的连续性和内在逻辑,每一种流派和风格的转变,都代表着拥有“反叛”精神的创作者进行了与一段时期内众人审美观点相违背的艺术尝试。对未知的探索是人类文明发展的不竭动力,艺术史自古至今,从未出现过审美的一元化时代。可见,艺术的发展并非源于模仿与再造,而是开拓与创新。人工智能参与创作造成的恐慌,从侧面体现了艺术家自信的缺位。麦克卢汉提到过“媒介即人的延伸”,即任何媒介和技术不过是人类感知的扩展延伸,而人工智能则是整个人脑能力的延伸。不论人工智能艺术、生物艺术、虚拟现实艺术等新形式的科技艺术如何发展,其操作和实行的主体、创作的出发点与落脚点依然是人。艺术从业者应发挥主观能动性,切不可“画地为牢”;要敢于改进,接纳新的事物,勇于不断进行创造性探索,传承发扬传统文化。

其二,应辩证看待科技参与艺术创作,既不可盲从也不可全盘否定。新事物的出现往往伴随着对传统的冲击和“巨变”,负面效应往往更快显现,从而引起人们面对未知所产生的强烈畏惧。因此,人们趋于先厘清科学技术伦理问题以确保人类福祉。生活质量与文明程度的提升是科技研发者和使用者的共同理想,而技术本身是中性的,威胁通常是来自使用者的动机、目的与方法。善用与滥用只在一线之间,其中,发展可以靠规制实现制衡,过度自我保护反而有碍于新事物的发展,成为新技术在各个领域迅速普及的拦路石。不少学者也大胆地进行了科技艺术新范式的探索,其间,科技发展为艺术创作提供了新方式、新场所,以及灵感捕捉与材料创造的工具,丰富和满足了市场的快速变化与巨大需求。科技艺术应体现的是科技与人的对话,而不是把两者对立起来。人工智能参与艺术创作的兴起,并不预示着传统艺术式微。中国艺术不仅在历史长河中源远流长,在新技术的土壤中也能绽放别样的花朵,诞生新与旧的“聚变”。科技艺术与传统艺术相辅相成,可互作补充、互相促进。目前,在由清华大学、同济大学、中央美术学院等众多高校积极参与举办的科技艺术学术会议和艺术展中,学界联合业界的艺术工作者们不仅对科技艺术理论进行了深入探讨,还利用科技艺术进行了传统艺术创新、非遗艺术传承与转化、数字化艺术管理、人机交互体验、艺术品策展与修复等方向的新尝试。虽然技术的参与使得艺术创作大放异彩,但目前科技与艺术结合的程度依然不高,其广度与深度仍有待开发。创新重在勇于“推倒重来”,对科技艺术的思考也不能在浅层次盘旋,应该积极打破固化的底层思维,更进一步地思考艺术与技术的融合之路。

其三,摆正科技艺术的位置,明确技术使用的界限以及艺术创作的目的与意义。艺术创作者首先应该准确了解,科技艺术的创造行为本质上是对人类创造行为的深度模仿。其中,技术是手段,要在应用时坚决杜绝将手段变为目的。不可否认,人工智能的强大功能使其成了人类能力“无限延伸”的工具,但艺术的突破与发展并不倚靠技术的更新。从将人工智能作为人手的延伸,到尝试让人工智能彻底代替人手的功能,甚至希望它拥有独立思维去完全替代人脑——科技从最初的工具属性到参与者,再到主导者角色的转变,某种意义上体现了人类对自身能力的漠视和思想上的“被僭越”。在艺术领域内,与其期待技术发展来提升模仿能力,不如追求自我破立、不断创新。艺术家在进行科技艺术创作时,更要主动避免因误用科技而使创作落入牢笼。