NBS:AI不會“消滅”藝術家

作者：李豐 四川美術學院 童祁 騰訊研究院

人類藝術家與人工智能的交鋒日益激烈，糾葛纏繞如火如荼。

去年，游戲設計師杰森·艾倫借助Midjourney模型生成了《太空歌劇院》，這是首個獲得獎項的AI生成藝術作品，也是生成式人工智能在藝術界引發巨大震蕩的導火索。

從游戲到動畫，許多行業的畫師們，都感受到前所未有的壓力。與此同時，好萊塢編劇與演員的全面罷工，也與人類藝術家拒絕用自己的影像、聲音和文字作品去訓練AI，有著莫大關聯。而近期，當代最著名的藝術家之一大衛·霍克尼宣布加入了使用生成式人工智能作畫的隊伍，他即將推出的AIGC作品，必將掀起新一輪的討論熱潮。

《太空歌劇院》成為首個獲獎的AI生成藝術作品

層出不窮的應用讓AIGC成為了藝術創作領域的風口與焦點。

在圖像領域，如果說曾經利用GAN網絡進行圖像生成、圖像修復、風格遷移，只是少部分專業人士的專屬工具，那以Midjourney為代表的LLMs新興應用的進化，讓普羅大眾可以用自然語言、通過在用戶框輸入文字的方式，生成圖像作品，極大降低了藝術的門檻。

在視頻制作領域，以GEN-2為代表的多模態人工智能系統，激發了用文本、圖像或視頻片段來生成嶄新視頻的可能；網上出現很多創作者，先用Midjourney生成圖片，再用GEN-2生成鏡頭，將其剪輯成為視頻。

在設計領域，AIGC也表現出強大潛力，比如在建筑領域已經開始出現各種應用，其在各個設計領域的廣泛鋪開只是個時間問題。

這些成果給人們帶來了很多新奇與震撼，并被嗅覺敏銳的藝術從業者迅速轉換為生產工具，也引發了人們的豐富聯想與熱切討論，AI會不會徹底取代人類藝術家？本文試圖將這個疑問轉化為一個更具體的問題，即AIGC應用于藝術領域的“限度”在哪里：AI在藝術領域中能做什么，不能做什么？這涉及到幾個要點：深度學習的原理機制所決定的AI的能力范圍是什么？藝術概念在本文背景下有哪些相關內涵，以及心智哲學對AI主體地位的認定等。

螞蟻鏈隱私協作平臺AntChain FAIR引入基于零知識證明的可驗證計算技術:7月8日消息，在2023世界人工智能大會全球區塊鏈產業高峰論壇上，螞蟻鏈宣布隱私協作平臺AntChain FAIR進行全新架構升級，引入零知識證明（ZKP）為核心的可驗證計算技術，從可信數據流轉拓展到計算過程、數據屬性以及身份的可驗證。此外螞蟻鏈FAIR在可信計算架構中加入新型零知識證明虛擬機zkWASM，實現指令級別的可證明特性，可以依托 WASM 多語言生態將多種前端語言編寫的算法程序進行證明轉化，而無需關心底層復雜的算法細節，提升開發應用的友好性。

FAIR 是螞蟻鏈面向數據流轉推出的隱私協作平臺，綜合了區塊鏈和隱私計算的優勢，協作流程由智能合約驅動，數據流轉由隱私計算引擎來解決，并通過區塊鏈技術確權，登記和交易共識，可以解決數據流通過程中，數據共享與隱私保護之間的天然矛盾。目前 FAIR 已經在杭數交、貴數所等多家數據交易所得到應用。[2023/7/8 22:25:31]

在這些思考框架內，再來探討AI能否改寫藝術、取代人類藝術家，才更有指涉和反思的意義。

我們自AlphaGo開始熱議的AI，其實都是基于深度學習技術的。深度學習的最大優勢在于能讓機器自己去發現海量數據中的規律和結構。它的實現機制，簡單來說，是由訓練者提供某個復雜領域里的大量樣本，讓機器用萬能函數來擬合這些樣本，以獲得編碼了樣本特征的參數集，從而實現對樣本的模式構建和結構刻畫，建立起模型用以處理與訓練樣本同類的新樣本。

由此，我們可以看到關鍵的一點，訓練的目的在于找到給定樣本中的共同模式與結構，那么對于樣本范圍內的重復性問題，深度學習所建立的模型可以有效處理。但對于完全超出訓練樣本范圍的新情況，這個模型就失效了。就像原初的AlphaGo可以從海量棋譜中擬合出圍棋的取勝之道，卻不能用來下五子棋。所以深度學習式AI擅長以“模仿”的方式處理那些并非簡單重復的重復性工作。

ApeCoin發起AIP-21、22和AIP-7三個提案投票:金色財經報道，ApeCoin官方社交媒體披露已啟動AIP-21、22和AIP-7三個提案投票，旨在進一步指導DAO的發展方向，其中AIP-21、22涉及質押問題，而AIP-7則涉及ApeCoin DAO重組。據悉，本次投票將于美國東部時間 5 月 4 日星期三晚上 9 點結束。[2022/4/29 2:39:12]

我們生活中大部分工作都屬于這種性質，AI得以被廣泛應用也正是因為如此。但深度學習的原理又決定了AI很難進行從無到有的創造性活動，因為它的發揮空間并不能超出給定的樣本范圍，做出范式性突破。正是這個技術特性構成了AI在藝術領域的應用的根本限制。

深度學習被定義為基于人工神經網絡的機器學習和人工智能的子集。

另一方面，這些原理也決定了AI注定采用一種“外延式”處理方式。AI對于處理以結果為導向的問題非常有效，但并不像人類那樣理解一個操作背后的含義。塞爾的中文屋思想實驗很好地展現了這一點。假設一個完全不懂中文的英語人士被關在一個房間里，手邊有一本用英文寫的關于如何排列中文符號的規則書。房外一個懂中文的人通過一個小窗口向房間里傳遞用中文寫的問題。房間里的人則按照規則書的指示，從一堆中文符號中組合適當的符號作為答案傳遞出去。在房外的人看來房間里的人是懂中文的，但實際上房里的人只是在機械地執行規則書上的指令。后面我們將看到，這個技術特性也構成AI應用在藝術領域的限制。

提到藝術，我們首先會想到的可能是畫作。但一幅“畫作”并不等同于作為物理物的畫布與顏料，也并非色塊的位置關系，甚至不是單純的圖像本身，而是前面這些因素疊加創作者和欣賞者特定的主觀意向。

Polychain Capital創始人：Coinbase被市場低估了:12月17日消息，加密金融公司 Polychain Capital 創始人兼首席信息官 Olaf Carlson-Wee 在接受CBDC的采訪時提到：“目前加密行業有很多質量很高的私人控股的公司，比如Coinbase，我認為它被市場低估了，目前很多傳統互聯網巨頭的人才都在向加密行業流動，這就是一個很明顯的跡象和趨勢。”

此前，Facebook 全球品牌和產品營銷前負責人、Facebook產品設計經理、Google Pay高級工程總監等人都從傳統行業離職加入Coinbase。（cnbc）[2021/12/17 7:45:52]

一個典型的例子是阿瑟·丹托在《尋常物的嬗變》中提到的。他設想了九塊物理性質完全相同的紅色畫布，分別由九位不同的藝術家在不同時期以不同目的創作，并展示給不同的觀眾。因為處于不同的語境，作者與觀者對同樣圖像有著不同賦義，因此這些紅色塊有的是肖像畫，有的是風景畫，有的是靜物畫，有的是抽象畫……盡管它們在外觀上看起來相同，但它們的藝術意義卻完全不同。

甚至寫實類作品也是如此。寫實畫作并不是機械復制，也并不存在一個客觀標準來決定一幅寫實畫作的好壞，而依然依賴于作者和觀者的主觀評判，依賴于一個賦義的過程。也就是說，一幅畫作不僅是物理和圖像層面的，還與作者和觀者的意向所指有關，而AI生成圖像這個過程卻不存在這個維度。

而在當代藝術中，這個特征更加明顯。當代藝術突破了傳統平面繪畫形式，結合多種媒介和技術創造出豐富多樣的藝術新形式。相比傳統繪畫注重畫面形象的表現，當代藝術天然更注重于表達藝術家的思想，作品的意義和觀念常常比其物理載體更加重要。最極端的如現成物藝術，其作為藝術作品的實現完全依賴于作者與觀眾在超越實物層面上的意領神會。藝術家傾向于借作品去探討社會、、文化和哲學等議題，引發觀眾的思考與反響。當代藝術還往往以反傳統為取向，不斷打破既有藝術傳統和固有觀念的束縛而追求創新性和獨特性。

基金Next100 Blockchain宣布計劃向Enrex投資50萬美元:12月4日消息，Nexttech集團旗下基金Next100 Blockchain宣布計劃向Enrex投資高達50萬美元。Enrex計劃將區塊鏈技術對環境的負面影響降至最低，并在全球加密市場不斷增長的背景下實現“綠色化”趨勢。（biz hub）[2021/12/4 12:51:03]

媒介和形式的多樣性以及對作品背后觀念的強調都使得當代藝術極難從外延上被定義和把握。那么按照我們上面對深度學習原理的描述，這個關鍵的意義產生過程是AIGC所不涉及的。

換言之，AIGC的作品借助符號和圖像的排列甚至可以對人類情感進行表征，但作品所傳達出的情感卻只是來自對人類情感表征方式的模仿，而不是人類情感的內涵本身。

2022年底，紐約現代藝術博物館（MoMA）展示了特別展覽項目《無人監控》（Unsupervised），呈現藝術家雷菲克·阿納多爾利用人工智能演繹的館藏藝術、設計和攝影作品，這些作品經過分析、數字化、輸入算法后，在巨大的LED墻中呈現出來，被認為是機器的幻覺和夢境。

我們可以發現，前面所強調的賦義能力和創造力與人類作者和觀眾作為意識主體有著密切聯系，而AI缺失了這兩種能力。這就關涉到一個更深層次的經典哲學問題，即AI是否可能具有意識并成為人類這樣的意識主體，或者說，強人工智能目標能否實現？

一種流行的心智哲學觀點——功能主義/計算主義——認為答案是肯定的，它們主張人類心智可以還原為擁有特定功能的計算結構；反之，如果特定計算結構能夠實現人類心智的全部功能，那么也就可以認為這個程序具有了意識以及相應的倫理主體資格。很多科幻作品正是基于這個前提展開的。

動態 | 日本科技公司INDETAIL將利用區塊鏈技術建立交通能源平臺:據Crypto.watch.impress消息，2月26日，科技公司INDETAIL和日本TIS公司合作，宣布啟動“ISOU PROJECT”項目，該項目將利用區塊鏈技術和電動汽車（EV）解決人口稀少地區下一代交通和能源問題，將建立一個相關的交通和能源平臺。預計2019年夏天將在北海道進行田間試驗。[2019/2/26]

但這個預設本身是富有爭議的。如果計算主義為真，那么AI就能成為硅基的意識主體，并憑借其強大智能在藝術領域全面超越人類藝術家。那么在此討論AI的應用限度就變成了一個偽問題。對計算主義的主要質疑和反對意見在于，除了計算等特定智能功能，人類意識的其他方面如情感、感覺、創造力等能不能被還原為計算結構？或如塞爾的中文屋思想實驗想表明的那樣，即使一臺計算機能夠在外在表現上像人類一樣完美——譬如通過了圖靈測試（圖靈測試作為標準在目前的技術發展下已經過時），也不能證明它像人類一樣真正理解了語言或具有相同的意識內容。當然，這又會引發計算主義者的反駁和批評……

在此我們并不打算展開心智哲學討論。我們姑且認為，至少基于深度學習的AI暫時無法具有與人類等同的心智能力，特別是創造能力。這也是本文的立足點所在。基于這個前提，我們就可以去考察下AIGC在藝術領域的應用限度。

我們可以確定，像很多其他領域一樣，如工程領域，AI可以替代藝術實踐中大部分的重復性工作。事實上，正如我們在開頭提到的那樣，AIGC已經得到了廣泛應用或展現了強大潛力，由AI在這些領域承擔大部分工作的愿景指日可待，同時作為工具助手，提高生產力。

我們完全可以想見AI如何廣泛參與到當代藝術的創作中去。因為大部分當代藝術作品都由基于語言描述的作品方案轉化而來，而ChatGPT這樣的通用語言模型完全可以參與到作品方案的生成中去。雖然我們已經指出，當代藝術注重顛覆性而深度學習無法提供真正的突破，但在實踐中，大部分當代藝術作品并不總是跳出既有藝術范式，所以AI依然可以為藝術家提供很大的幫助。

總的來說，AI在藝術領域的作用可以體現在三個方面：一是一些非創意性的技術性工作，替代藝術家的體力或低級腦力勞動，類似于藝術家的執行助手；二是為藝術家提供輔助性參考，無論是視覺圖像還是文字方案，AI都可以提供一些前期材料，幫助藝術家擴展思路，激發靈感；三是降低了藝術門檻，使之前被認為是“外行”的人也可以參與進來，譬如讓沒有造型能力但有想法的愛好者用提示詞來創作一幅畫，或讓沒有拍攝條件的普通人自主生成一部電影。

微博網友@數字生命卡茲克用AI自制《流浪地球3》預告片，引起導演郭帆的親自回復

另一方面，根據前述原理與概念分析，特別是基于深度學習式AI無法擁有人類所有心智能力的前提，我們可以看到AI在藝術領域的局限性所在。

我們提到，深度學習本質上是經驗回溯式的，其在重復性工作領域的高效恰恰注定意味著其在創新領域的失效，其對既有藝術作品的充分模仿也意味著如此產生的作品注定失去了藝術強調的創新性。一件藝術作品只有不能被深度學習根據藝術史經驗建立的模型所擬合，才算得上“創新之作”。因此深度學習式AI無論如何也無法產生出杜尚的《泉》這樣劃時代的作品。這種失效內在于深度學習原理機制和藝術概念本身，不可能隨著算法改進而解決。

AI或可以完成一部作品中的很多步驟，但仍只是作為工具手段而存在，而無法承擔作者責任，擁有作者權利。如同藝術家的助手參與了一件作品的制作卻并不會因此成為作品的作者一樣，那個確定了主題方向、下達了指令并敲定了作品最終效果的人才被認為是作品的作者。在借助AI進行的藝術創作中，AI可能能夠提供出現成的圖像或多個參考方案，而使用者只需略作修改甚至只需做出選擇即可，但正是使用者提供的提示詞以及做出的篩選和敲定才是讓一幅圖像成為他的一件作品的關鍵。正是這個過程實現了“創造”與“賦義”。

因為決定著作品質量依然是人為的選定，所以AI的鋪開看似降低了操作層面的藝術門檻，但對于使用者的藝術素質要求并沒有降低。AI能夠產出什么樣的作品，依然取決于使用者的藝術水平。缺乏專業素養的使用者并不能很好駕馭AI持續產出高質量作品，正如照相機本身并不會讓照相機的使用者都成為攝影師。

在現階段，只要AI不被成為意識主體，那么AI的意義就仍在于作為工具將人從重復性腦力勞動中解放出來。在藝術創作過程中存在著的低創意要素藝術活動對于AI就具有很強的可替代性。但AI的介入并不會損害人類藝術家整體的主體地位，猶如藝術家借助助手創作并不會否定藝術家的成就，AI在此所做的始終是輔助工作，一部作品最有價值的部分依然有賴于人類藝術家完成。

AI技術的普及也可以讓藝術家擺脫低級腦力活動而集中精力于作為核心的創意本身，從而拓展能力范圍，提升創作效率。長期來看，AI介入藝術會加快藝術史的進化速度。每當進入一個新的藝術范式，AI就可以以已有作品為樣本庫而將相關的各種可能性迅速挖掘出來，從而加快藝術范式成熟，促使藝術家們更早開始新突破，打開新的維度。

同時應該看到，當AI快速模仿從古至今的藝術作品，生成出關于藝術也是現實的擬象。當人類的創造力受桎梏于人工智能時，當AI的訓練素材已經窮竭，新的藝術范式如何誕生，也是無法回避的問題。

參考資料來源:

Hornik, K., Stinchcombe, M., & White, H. (1989). Multilayer feedforward networks are universal approximators. Neural networks, 2(5), 359-3663

Deep learning vs. Machine learning vs. Artificial Intelligence, https://www.javatpoint.com/deep-learning-vs-machine-learning-vs-artificial-intelligence.

Boden, M. A. (2018). Creativity and artificial intelligence. Artificial Intelligence, 257, 1-15.

澎湃新聞，以人工智能呈現的MoMA館藏，除了夢境還有什么？https://k.sina.cn/article_5044281310_12ca99fde02001xnay.html?from=tech.

《當我們談論文化數字化時，我們在談論什么？》

《我國文化科技創新及應用趨勢》

騰訊研究院

企業專欄

閱讀更多

金色財經 善歐巴

比推 Bitpush News

金色早8點

Tags：NBSBSP人工智能AIGnbs幣前景BSPT價格人工智能考研考哪些科目AIGO Protocol

酷幣