四、生成式人工智能艺术关系性主体性的运行机制

前述讨论为生成式人工智能艺术的主体性地位进行了界定，回答了“主体是什么”的问题，但仍需进一步回答“主体如何生成”与“主体如何运作”。事实上，关系性主体性内嵌于生成式人工智能艺术创作实践的内在逻辑，并不是一种抽象的理论设定，其实践深植于人、技术、数据与社会共同构成的复杂网络之中，而这个网络是动态演化的。它通过人机协商、数据赋能、平台中介以及审美反馈等多重机制不断被生产、维持和重构。在这些机制的共同作用下，传统意义上的单一主体逐渐演变为一种具有开放性和流动性的关系主体。

（一）人机协商机制

传统艺术创作是创作者围绕自身主观意识和社会实践经验开展的单向输出，而在生成式人工智能艺术中，作品生成已是主体意图与算法逻辑持续协商的结果。创作者虽然是创作活动的发起者，但其意图必须通过提示词转化为机器能够识别的语言形式，随后进入模型内部的概率推演空间。创作意图不会完整复制到生成结果之中，而是在算法处理过程中不断被重新组织和转译。这种协商关系形成一种特殊的互动结构。创作者通过提示词设定创作方向和审美目标，对生成过程施加影响；模型则依据自身训练和参数结构产生超出创作者预期的内容。创作者往往需要根据生成结果不断调整提示词、修改参数甚至改变最初的构想，以获得理想作品。这一过程是人与人工智能之间的持续对话与协商，最终影响生成结果的走向。当前技术条件下，生成式人工智能尚未能够一次性生成完美匹配的艺术作品，而是需要人与人工智能之间的持续对话与协商。这一互动结构与哈贝马斯交往行为理论所揭示的“通过语言交往实现主体间理解”具有一定的结构相似性。但需要指出的是，人机协商并非真正意义上的主体间交往，而是一种不对称的功能性协商过程。在这一过程中，人工智能不是被动的执行工具，它具备一定的机器能动性和自主性，是深度参与艺术创作的重要行动者。人机协商机制构成了关系性主体性的生成起点，它使主体从独立个体转变为互动过程中的协商性关系存在。

（二）数据赋能机制

生成式人工智能艺术的创造能力建立在海量数据的基础之上。无论是文生文的单模态模型，还是文生图、文生视频的多模态模型，其生成能力都依赖于庞大的预训练数据。训练数据不仅是人工智能模型的知识基座，还深刻约束了模型的认知结构和生成边界。没有这些庞大的训练数据，再好的算法与算力都无法支撑其生成能力。因此，数据并非单纯的信息资源，而是连接人机共创过程各方关系的重要条件。传统认知中，人类艺术家的创作不仅依赖熟练的技巧，更依赖生命经验、文化记忆和审美积累。在人工智能时代，那些凝结了人类生命经验、文化记忆和审美积累的艺术作品转化为人工智能模型的训练语料，成为专业化的数据集，为模型提供最基础、最核心的知识架构。算法基于这些数据集，使大语言模型识别并生成艺术作品的风格特征、视觉语言和文化符号，而算力则支撑了这些算法深度学习训练数据、生成新艺术作品的能力。这一过程恰恰体现了马诺维奇关于数据库与算法如何重构文化生产逻辑的核心观点：文化生产不再以个体创作者的主观经验为核心，而是以数据库的组织逻辑与算法的选择机制为核心。生成式人工智能艺术的“创造力”，本质上是人类集体文化数据库的算法性重组与概率性涌现。数据因此具备了主体行为能力形成的积极力量。它将个体经验与集体经验交由算法共同生成，使生成式人工智能艺术的关系性主体性具备深刻的数据化特征。此外，数据赋能机制还具有反向塑造功能。创作者每次与人工智能进行交互创作，实际上也是在与集体性经验数据进行交互，生成结果不断激发新的创作灵感，重塑创作者的审美判断与创作方向。这种双向塑造关系说明，数据并非被动的信息载体，而是关系性主体网络中具有能动性的重要节点。

（三）平台中介机制

生成式人工智能艺术的发展越来越受到平台中介的约束。能够生成艺术的大语言模型日益增多，但核心的基础模型仍掌握在少数平台资本手中。这些平台通过免费开源或收费项目为社会提供核心基础模型，使社会资本可以基于基础模型进行二次开发。各平台由于训练数据体量、类型和性质、算法先进程度以及多模态生成能力的差异，其规则设计、算法配置和内容治理结构也呈现出截然不同的效果。这些平台已经超越了传统媒介的角色，成为组织艺术生产的重要力量。其一，技术规则的建构功能。用户能够生成什么样的作品、采用何种创作方式、获得何种反馈结果，都受到平台规则的深刻影响。这些规则决定了创作者与人工智能互动的边界，并影响作品的最终呈现。其二，资源配置的结构性功能。生成式人工智能艺术的发展高度依赖算力、数据与商业资本，这些资源大多掌握在少数大型技术平台手中。平台通过模型更新、功能开放和商业运营影响创作生态，创作者虽然能够使用平台提供的模型参与作品生成，但其创造活动始终处于技术平台所构建的“技术—制度”框架之内。从拉图尔行动者网络理论的视角来看，平台已经成为联结创作者、算法与社会的重要节点，在整个创作网络中发挥协调和组织作用。平台中介机制揭示了关系性主体性的生成条件，不仅存在于人与机器的直接互动，更在广阔的“技术—制度”框架中被结构性地塑造，主体的能动空间，始终是在平台所划定的技术边界内展开的。

（四）审美反馈机制

从接受美学的视角来看，艺术作品的意义在于艺术家与接受者的视域融合，体现的是接受过程中的动态性。伊瑟尔在《阅读行为》中提出，文本中存在大量“空白”，读者通过填充这些空白参与意义建构。这一理论在生成式人工智能艺术中具有特殊的适用性。创作者的提示词本质上是一种充满“空白”的文本指令，它规定了意义生成的大致方向，却为人工智能系统的自主填充保留了广阔的语义空间。这种“空白填充”机制使得生成式人工智能艺术的意义生成天然具有开放性。作品意义在人的模糊约束与机器的自主填充之间持续生成，而非由任何单一主体预先确定。审美反馈机制主要作用于两个相互关联的层面。其一，创作者层面的审美循环。创作者在生成结果之后，依据自身的审美判断对结果进行评价、筛选与调整，并将判断反馈为新的提示词，进入下一轮生成循环。人类的审美判断，成为关系性主体网络中不可替代的价值导向力量，赋予这一循环以方向性和意义性。其二，审美共同体层面的社会意义建构。生成式人工智能艺术作品在社交媒体中快速传播，受众通过点赞、评论、转发以及再创作参与意义生产。作品的艺术价值不再完全由创作者自定义，而是在社会互动中不断被建构。当前生成式人工智能社区中广泛流行的二次提示词创作、风格迁移创作和社区协同创作现象，恰恰反映出审美反馈机制的深层作用。审美共同体已经成为关系性主体网络的重要组成部分，其集体性审美评价，持续影响着创作者的选择与平台算法的优化方向。审美反馈机制使关系性主体性获得了持续再生产的能力。

综上所述，生成式人工智能艺术中的关系性主体性并非单一行动者拥有的属性，而是在多重机制共同作用下形成的动态结构。人机协商机制是关系性主体性的生成起点，它使主体从独立个体转变为协商性关系存在；数据赋能机制是关系性主体性运行的知识基础，它将个体经验与集体经验交由算法共同激活；平台中介机制是关系性主体性的组织环境，它在“技术—制度”层面结构性地塑造主体的能动空间；审美反馈机制是关系性主体性持续演化的动力来源，它使关系性主体性在社会意义的循环建构中不断获得再生产。这四种机制在功能层面相互依存、协同运作，共同构成了关系性主体性的完整运行逻辑。艺术的创作活动不再以主体优先为前提，而是在人与人工智能关系性协商中共同生成，形成约束艺术创作实践的关系性主体性结构。

五、生成式人工智能艺术关系性主体性的审美结构

关系性主体性深刻改变了艺术作品的审美结构。传统艺术审美活动的“创作者—作品—接受者”的线性结构，在生成式人工智能艺术中转变为“人—提示词—人工智能系统—算法—作品—接受者”的多维关系结构。这种多维结构由审美经验的关系化、艺术创作的协同化、意义生成的开放性共同构成。

（一）审美经验的关系化

关系性主体性改变了审美经验的生成方式，使其由主体内在经验转向人机关系经验。在传统美学理论中，审美经验被理解为发生于人类主体内部的精神活动。康德将其界定为主体在想象力与知性的自由游戏中所产生的无利害愉悦，强调其主观普遍性与无利害关系；杜威将其理解为有机体与环境之间持续互动的完满状态，强调经验的整体性与连续性；梅洛-庞蒂则进一步强调审美经验的具身性。这些理论均将审美经验的根源定位于人类主体的内在感受与生命经验。艺术家的创作不仅是意识活动，更是身体与世界之间的知觉性接触，艺术作品中凝结的是艺术家以身体为媒介所积累的在世经验，它是有血有肉的、有生命历程的、有身体感知的。但是，生成式人工智能艺术本身不存在具身性，尽管目前具身智能的发展正在加速迭代，但仍然难以等同于人类具身。人工智能艺术所凝聚的不是单一个体的审美经验，而是对全人类审美经验的向量化抽取与概率性组合。它是去具身的、去个体化的集体经验的算法性重组。人类创作者与人工智能系统在交互协作中，将个体与集体的审美经验通过算法生成一种新型的审美经验形态。这个过程往往是通过多个网络节点多次关系性协商、调整与妥协的结果。

这种审美经验具有明显的关系化特征。生成式人工智能艺术超越了将个体审美经验单纯投射为以提示词的方式，转而将创作锚定于人机交互的动态进程之中，使其潜藏于创作者意识深处的审美可能性得以显现。人工智能算法的不确定性打破了审美意图与艺术作品之间的线性结构。人工智能生成的图像、声音或文本结果常常超出创作者的原初设想，形成一种“意外的审美激发”。这种意外并非来自神秘的机器意识，而是来自算法模型对训练数据中潜在形式关系的重新组合。创作者在这种激发中，通过判断、筛选和再提示不断调整审美意图，并与生成结果相互匹配，从而在确定与不确定之间生成艺术作品。正是这种“意外的审美激发”机制，使得非专业艺术人员亦能够创作和生成具有审美价值的生成式人工智能艺术作品。换句话说，审美能力的门槛从具身技艺的长期积累，转变为对关系性协商过程的敏感把握。由此可见，审美经验正在从主体内部的自我演化，转变为人与人工智能之间的关系性磋商。这也说明，审美不再是一种内在状态，而成为一种关系性过程。

（二）艺术创作的协同化

传统意义上的艺术创作本质上是一个人的事。即使存在助手或团队协作，最终的创造决定权仍然归属于某个具体的人。生成式人工智能艺术从根本上改变了这种状况。如前所述，生成式人工智能艺术创作是多个行动者构成的网络，缺少任何一个，作品都无法成型。这和过去艺术创作者使用技术工具进行创作有着本质的不同：技术工具不会改变创作者的意图，而生成式人工智能则具有机器能动性和自主性。同一个提示词可以产生无数种可能的结果，更像是人与人工智能之间的审美博弈，类似于创作伙伴之间相互妥协的产物。因此，生成式人工智能艺术的创作过程，更趋近于人与人之间的伙伴关系，是一种人机共创的协同过程。

协同化还伴随着创作门槛的结构性重组。传统艺术创作建立在艺术家心手合一的技艺基础上，创作者需要经年累月的技能练习与身体训练，将技艺经验与独特的心智、情感和生命历程相结合，实现物质化的艺术创作。生成式人工智能通过“去技能化”重构创作过程，极大地降低了技术门槛，使艺术创作的核心从“身—心—灵”一体的技艺实践转变为以语言指令为媒介的协同引导。这种去技能化并非对人类创造力的否定，而是对创造力形式的重新定义：创造力的核心不再以技艺精湛为核心，而是对协同过程的审美判断与价值导向。

协同化还体现在创作者与人工智能系统之间的多轮交互循环。创作者提出要求，人工智能模型给出反馈，创作者调整要求，模型再次生成。这个循环过程可能重复数十次乃至上百次，最终的作品是人与人工智能协同过程的产物。在这个过程中的每一个环节，人工智能系统的各个组成部分都实质性地参与了创作，并约束了艺术作品的最终形态。因此，生成式人工智能艺术的创作者角色从独立创造转变为协同引导，需要在反馈中进行审美判断，组织要素关系，判断结果是否符合审美目标。这不是对人类创造力和审美经验的否定，而是艺术创作在人工智能时代的新形态。

（三）意义生成的开放性

传统上，作品意义基本上由创作者意图所锚定。尽管接受美学指出读者参与意义建构，但作者意图仍然是意义的主要来源，意义的边界是清晰的。生成式人工智能艺术打破了这种边界，使意义生成进入结构性开放状态。艾柯在《开放的作品》中提出，现代艺术作品并非封闭意义的容器，而是向接受者的诠释活动开放，作品的意义在创作者的意图与接受者的诠释之间持续生成。生成式人工智能艺术将这种“开放性”前置于接受活动，内嵌于创作过程。创作者通过提示词给出的实际上是一种“模糊性约束”。它规定了大致方向，但并不规定具体内容。例如，创作者输入“描绘一座被遗忘的城市在雨中沉默的图像”，提示词提供了主题和情绪方向，但并没有规定城市的具体形态、雨的表现方式以及“沉默”如何被视觉化。人工智能系统接收到模糊约束后，根据预训练数据中的关联关系自主填充具体内容——模型可能将“被遗忘”关联到废墟、荒草或褪色、破旧的招牌，将“沉默”关联到空旷的街道或无人的窗户。这些具体意义并非创作者直接赋予，而是模型基于预训练数据学习自主生成的。

生成式人工智能艺术的意义是在人的模糊性指令约束与机器自主性相互协商的过程中生成的。人提供意义方向，机器负责内容生成，两者共同构成作品意义。更重要的是，生成式人工智能艺术的意义生成有时会突破创作者最初设定的模糊边界，在数据关联过程中发现未曾想到的象征关系或视觉隐喻，使作品呈现出超出原初意图的意义维度。这不是因为机器理解了什么，而是因为庞大数据中的关联结构本身就蕴含着人类文化经验中尚未被充分意识到的联系。这种意义生成的开放性，正是关系性主体性在意义层面的具体体现。作品意义既不完全由创作者决定，也不完全由机器决定，而是在两者互动过程中不断形成。创作者可以接受机器生成的意义扩展，也可以通过修改提示词重新约束意义方向。但无论如何，意义已经不再是单向赋予的结果，而成为一个开放的生成过程，始终处于人的意图与机器的关联能力的关系张力之中。意义不属于任何一方，而属于关系本身。

综上所述，生成式人工智能艺术关系性主体性，标志着审美结构已经溢出了传统范式的延展逻辑，代之以对艺术经验、创造方式和意义生成模式的系统性重组。审美经验由具身的内在感受转向去具身的人机互动，艺术创造由个体原创转向多元行动者的协同生成，作品意义由作者意图中心转向结构性的开放生成。关系性主体性在这里不再只是解释主体归属的概念，而成为理解人工智能时代艺术审美结构变迁的关键范畴。它标志着生成式人工智能艺术引发的变革，已从创作工具的增量迭代，跃升为艺术活动中的主体、作品、媒介和接受者之间的关系的结构性重构。正是在这种关系重组中，数字智能时代的艺术主体性呈现出新的审美存在方式。

结  论

生成式人工智能引发的主体性问题，是数字智能时代不可回避的议题。随着技术快速迭代，人、意识、意图和机器的界限正在越来越模糊。从关系哲学的角度看，主体性呈现为一种关系性存在，它植根于与世界、他者、身体和技术的动态交互网络之中。生成式人工智能艺术以高度可见的方式揭示了这一关系结构：主体性挣脱了意识内在的封闭场域，成为一种在关系网络中显现的生成能力。生成式人工智能艺术的主体性正在从实体化、中心化转向关系性、分布式和过程化。这场变革的核心在于人工智能对艺术生产关系的深度重塑，它并未止步于机器的创作介入，而是将用户、数据、算法、平台、媒介和接受者整合为一个动态交互的系统。关系性主体性框架的价值，就在于它把理论焦点从“谁是主体”的资格争论，推进到“主体如何生成”的动态考察。

当前人工智能正在从“离身智能”走向“具身智能”。今天的图像生成模型主要处理符号、图像和数据，它的审美经验是去具身的、关系化的，但未来的具身智能可能拥有物理身体或仿真身体，能够通过传感器感知环境，通过执行器作用于世界，并在“感知—行动—反馈”的循环中学习。这将对艺术理论提出新的挑战：第一，经验基础可能发生置换。人工智能不再只是去具身的计算系统，而可能形成另一种硅基生命的具身经验。第二，创作关系会被重构。人机协商可能进一步发展为具身交互共创，机器不只是生成图像，而是通过动作、空间、材料和环境参与艺术过程。第三，审美判断的重心可能转移。我们不再只评价最终结果，而要评价生成过程、互动方式和身体经验本身。因此，生成式人工智能艺术的关系性主体性并非一种定型结构，而是为理解数字智能时代艺术主体性开启了一个开放性的阐释框架。

周建新，深圳大学文化产业研究院院长、文化数字化与文化创新发展重点实验室执行主任、二级教授、博士研究生导师；王福如，深圳大学文化产业研究院专职副研究员、硕士研究生导师