一、从达达主义到人工智能生成艺术

生成艺术（Generative Art）指全部或部分使用自主系统进行创作的艺术。有别于艺术家主导创作，自主系统能够独立决定艺术特征。生成艺术具有未知性、随机性、偶发性的特点，在创作过程中结果不可预知，每一次生成都是全新的探索。此外，广义的生成艺术由数字生成艺术与非数字生成艺术两部分构成。

在现代艺术史上，20世纪初，达达主义艺术家提出了“偶然性”的创作法则，如其代表人物马塞尔·杜尚（Marcel Duchamp）以随机为法则创作的《三个标准的终止》（The End of Three Criterions），中国厦门的达达主义艺术家黄永砯以转盘旋转得到的结果而创作的非表达绘画系列作品，等等。新造型主义、至上主义艺术家则在艺术创作实践中运用算法与几何，将艺术家对创作规则的制定与创作实践的执行进行分割，这成为早期生成艺术的雏形。早期的生成艺术虽未使用计算机，但已对生成艺术的核心问题——艺术创作的主体身份进行了探讨，生成艺术的思想内核导致其自出现之日起，就伴随着伦理角度的讨论与争议。

20世纪50至60年代，人们开始探索技术与艺术的融合之道。法国学者亚伯拉罕·莫尔斯（Abraham Moles）创立信息论美学（Information Aesthetics），试图以信息论的观点对审美现象进行阐释，建立一种可度量的理性审美理论。在信息论美学的影响下，艺术家开始使用计算机程序生成艺术。计算机生成艺术是由创作者制定理性的生成规则，而艺术生产过程则由计算机系统自主完成。艺术创作主体的不确定性导致了版权问题的产生，在研究相关问题的早期文献中，帕梅拉·萨缪尔森（Pamela Samuelson）就曾提出关于计算机生成作品的所有权分配问题。

随着人工智能技术的高速发展及其对人文艺术创作的介入，延续了上述特质的人工智能生成艺术（Artificial Intelligence-Generated Art），即以AI作为自主系统独立推动创作实践而创造出的艺术作品（如 AI 生成图像、使用AI 制作的音乐等）迅速产生。有别于传统艺术创作的主体，人工智能作为人类智慧的延伸，在创作中有强、弱人工智能之分，并具有迁移学习即“举一反三”的特点。

近年来，AI在艺术设计领域的影响力日益增强。例如，谷歌艺术家机器人以多种风格艺术家的作品为样本进行深度学习，能够生成具有特定艺术风格的图像；艺术修图软件通过三层人工神经网络解析和学习艺术家的创作理念，能够实现对图像的智能化处理。随着算法高速迭代，人工智能生成的艺术作品日益增多。而随着非真实感绘制（non-photorealistic rendering，简称NPR）等生成技术取得较大发展，新技术与艺术如何融合、艺术的主体性如何彰显等深层次问题日益凸显。从Google开发的Disco Diffusion模型，到OpenAI推出的DALL·E2模型，再到Wombo开发的Dream应用程序，人工智能艺术生成类软件在可用性、创造性和精确性上都得到显著提升。AI介入绘画媒介，为艺术创作开辟了一条崭新的道路。同时，AI在艺术领域的深度参与，也推动着技术与艺术在各自领域的理论和实践发展。

二、个体主导：人工智能生成艺术中的个体意志与创造性表达

人工智能生成艺术的快速发展，不仅改变了艺术创作的方式，也引发了关于艺术家在艺术生成过程中所担任的角色的深刻讨论。人们普遍认为，尽管AI具有强大的信息学习与输出能力，但人的主导地位和主体性仍是创作中的核心要素。人工智能生成艺术的本质，是技术与人类创造力的结合，个体意志与创造性表达始终是艺术生产过程中的核心驱动力。

（一）个体创造力是人工智能生成艺术的核心驱动力

创造力是进行艺术生产的核心驱动力，而艺术生产则为创造力提供了表达和实现的途径。AI在当前发展阶段存在一定的局限性，它对艺术领域的介入存在公式化问题，即其对人的意识、思维的模拟，难以像人类大脑一样产生设计灵感。而人工智能“必须像人类大脑一样”，其在艺术、设计等领域的成果才具有“创作力”属性的价值。因此，在目前的弱人工智能阶段，人工智能生成艺术中个体的创造力与决策力仍处于核心地位，人工筛选（Human Curation）是必不可少的。

在人工智能生成艺术中，个体创造力的驱动地位体现在对艺术创作方向的把控与决策上。无论是输入提示词、选择生成参数，还是对生成结果进行后期调整，个体始终在创作过程中扮演着关键角色。人工智能生成艺术的创作过程并非完全由算法主导，而是需要个体的主动参与和干预，例如，在使用Midjourney工具生成一幅画作时，创作者可以通过调整指令短语及上传参考图片等方式来实现特定的艺术风格，这种调整过程本身就是对个体创造性的表达；且人工智能生成能力依赖于技术开发者与使用者双方共同设定的规则与目标，而这些规则与目标本质上也是个体创造力的体现。

个体创造力在人工智能生成艺术中的主导作用还体现在个人情感的注入与思想内涵的表达上。真正的艺术价值往往源于个体的情感、经验和文化背景，人工智能生成的艺术作品可能在形式上具有美感，但作品的内在意义和情感深度仍需个体为其注入。人往往可以通过对生成结果进行筛选、修改与再创作，使其贴近自己想要表达的内容，赋予作品独特的艺术内涵，并由此使其超越单纯的技术产物，成为具有人文价值的艺术表达。

除上述两点外，人工智能生成艺术的技术应用和发展过程也仍然需要个体意志的介入和参与。尽管人工智能技术已经取得突破性进展，但仍无法达到人类认知与思维的深度和复杂性。在许多艺术作品的生成过程中，会出现样本质量差异大、固有的迭代导致需经多轮反馈才能达到最终形式、模型对艺术家提出的相对较新的艺术形式难以理解等问题，仍需要个体的参与和主导。此外，人工智能生成艺术对高质量数据与运算硬件有严重的依赖性，需要工程师对模型不断优化、对数据进行筛选、对硬件加以维护等。可以说，无论在认知环节还是技术环节，人工智能生成艺术都需要个体意志与创造力的直接介入。

（二）个体非理性行为的集合对算法偏见与文化艺术表征同质化的抵御

技术是一把“双刃剑”，在人工智能逐渐深度介入艺术领域、降低创作门槛的同时，也为艺术领域带来一定的算法偏见和审美同质化问题，而个体的创造力与非理性行为的集合能够在一定程度上抵御此类困境。

人工智能算法的原理是从集体智慧中提取最优成果，如果人们将未来的知识与审美建立在集体无意识基础之上，那么差异将被削弱，造成同质化和“数字重复”。目前，学界对人工智能生成艺术中AI对人类审美标准的颠覆，以及由此带来的审美同质化表示忧虑：当借助大数据统计而形成的数字标准被公开，原本基于感受与体验的描述性评价转向数字化与标准化，因人而异的感性审美判断被规范统一；当由高度智能的算法生成的作品被人类认可，人类的审美标准将逐渐被算法规训，进而走向同质化，而这最终是否会颠覆人类现有的审美价值体系？这实质上是对AI破坏文化表现形式的多样性、造成单一价值主导的一种忧虑。

此外，从伦理道德方面来看，AI在大量收集数据并进行算法消化时，会不可避免地采纳到不道德的案例。机器学习算法会基于反映历史偏见及不公正的数据开展训练。当数据样本库缺乏客观性、多元性与公正性，其生成的结果也必然会导向同质化与歧视。AI抹去了艺术家原作的独特性、差异化、在地性，单一的“自我”被转变为“复数”的主体，人作为独立个体的主体形象开始崩溃，这无疑是对艺术领域的沉重打击。与此同时，带有歧视与偏见的AI系统所生成的艺术作品，也必然会在一定程度上带有偏见属性，这样的作品流入市场就会产生负面的社会影响。

如何抵御AI所带来的同质化问题，值得我们深思。波兰艺术家阿格尼斯卡·古兰特（Agnieszka Kurant）曾在创作中提出，集合人类非理性行为的集体智慧与行为模式可抵御同质化。人类的非理性行为是难以预测和控制的，当个体的非理性观点与行为聚合在一起，形成具有差异性、多元性、包容性的社会行为模式，便能够较好地抵御AI介入艺术领域所带来的文化表现单一性与审美倾向同质化问题。除此之外，当面对可能产生不良社会影响的、带有歧视性的生成结果时，人的主观筛选能够起到一定的限制作用。个体对技术异化的警惕与对自身审美判断的坚定，在一定程度上也能够对AI所带来的审美同质化问题进行抵御。

无论从发展过程还是产生的结果来看，在当前所处的弱人工智能阶段，人工智能生成艺术中的个体意志与创造力仍是核心要素，也就是说，人工智能生成艺术中的个体干预必不可少，人机协同在本质上仍是由人类主导的。个体的意志与创造性表达不仅是人工智能艺术生成过程中的核心驱动力，而且能够在一定程度上抵御人工智能介入感性领域所带来的技术异化问题。尽管人工智能技术为艺术创作提供了强大的工具支持，但真正的艺术价值始终源于创作者的个人情感、经验和文化背景。

杨红，中国传媒大学文化产业管理学院艺术管理系教授、博士生导师，非遗传播研究中心主任。