与 Dall-E 这样的程序合作的艺术家，所做的不仅仅是按一个按钮。

上图：2018 年 10 月 22 日，一位女士在看由法国集体 OBVIOUS 的算法创作的艺术品，该作品使用人工智能制作艺术品，名为 Edmond de Belamy 的肖像，于 2018 年 10 月 22 日在纽约佳士得拍卖。这件作品以 432,500 美元的价格售出。

在短短几年内，自称人工智能艺术家的作品数量急剧增加。其中一些作品被大型拍卖行以令人眼花缭乱的价格出售，并进入了著名的策展收藏品。人工智能艺术最初是由一些技术知识丰富的艺术家首创的，他们将计算机编程作为创作过程的一部分，最近，随着图像生成技术变得更有效、更容易使用，而且无需编程技能，人工智能艺术已经受到了大众的欢迎。

人工智能艺术运动得益于计算机视觉技术的进步，这是一个致力于设计能够处理有意义的视觉信息的算法的研究领域。计算机视觉算法的一个子类，叫做生成模型，在这个故事中占据了中心位置。生成模型是一种人工神经网络，它可以在包含数百万张图像的大型数据集上“训练”，并学习对其统计显著特征进行编码。经过训练后，它们可以产生完全新的图像，这些图像不包含在原始数据集中，通常由明确描述所需结果的文本提示指导。

直到最近，通过这种方法产生的图像仍然缺乏连贯性或细节，尽管它们拥有不可否认的超现实主义魅力，吸引了许多严肃的艺术家的注意。然而，今年早些时候，科技公司Open AI发布了一款绰号为“DALL·E 2”的新模型，它可以从几乎任何文本提示生成非常一致和相关的图像。DALL·E 2 甚至可以产生特定风格的图像，模仿著名的艺术家，而且相当有说服力，只要在其提示符中充分说明想要达到的效果。一个类似的工具已免费向公众发布，其名称为Craiyon（原名“DALL·E mini”）。

人工智能艺术的成熟引发了许多有趣的问题，其中一些问题（比如，人工智能艺术是否真的是艺术，如果是，它在多大程度上是由人工智能创造的）并不是特别原创的。这些问题与摄影技术的发明曾经引起的类似担忧相呼应。没有绘画技能的人只需按下相机上的一个按钮，就能突然捕捉到一个场景的逼真描述。

如今，人们可以按下虚拟按钮来运行生成模型，并以任何风格生成几乎任何场景的图像。但相机和算法并不能创造艺术，而人类会。人工智能艺术是艺术，是由人类艺术家创作的，他们将算法作为他们创作武器库中的另一种工具。虽然，这两种技术都降低了艺术创作的门槛，但人们不应该低估创作有趣艺术品所涉及的技能、天赋和意图的数量。

与任何新颖的工具一样，生成模型引入了艺术制作过程中的重大变化。特别是，人工智能艺术扩大了策展的多面性概念，继续模糊策展和创作之间的界限。

用人工智能制作艺术，至少有三种方式可以涉及策展行为。第一点，也是最不具有原创性的一点，与输出的管理有关。任何生成算法都可以生成无限数量的图像，但并不是所有的图像都会被赋予艺术地位。策展作品的过程对摄影师来说是非常熟悉的，有些摄影师通常会捕捉数百或数千张照片，其中的一些（如果有的话）可能会被精心挑选出来展示。与画家和雕塑家不同，摄影师和人工智能艺术家必须处理大量的（数字）对象，它们的策展是艺术过程的一部分。在整个人工智能研究中，“挑选”特别好的结果的行为被视为糟糕的科学实践，这是一种误导性地夸大模型感知性能的方式。然而，当涉及到 AI 艺术时，“精挑细选”可能是游戏的名称。艺术家的意图和艺术情感，可以通过将特定的作品提升为艺术品的行为来表达。

第二，策展也可能发生在任何图像生成之前。事实上，“策展”应用于艺术通常指的是，选择现有作品进行展示的过程，而在人工智能研究中，策展通俗地说指的是制作一个数据集，并在其上训练人工神经网络的工作。这项工作是至关重要的，因为如果数据集设计得不好，网络往往无法学习如何表示所需的特征并充分执行。此外，如果一个数据集有偏差，网络将倾向于复制，甚至放大这种偏差。包括，例如，有害的刻板印象。俗话说:“垃圾进，垃圾出。”这句格言同样适用于 AI 艺术，除了“垃圾”具有审美（和主观）维度。

上图：《路人的回忆I》

人工智能艺术的先驱之一、德国艺术家马里奥·金尔曼（Mario Kinglemann）在其作品《路人的回忆I》（2018）中，精心策划了17至19世纪数千幅肖像的数据集。然后，他利用这个数据集训练生成算法，这些算法可以生成无限多的共享相似审美特征的新颖肖像，并在两个屏幕上实时显示（一个女性肖像，一个男性肖像）。这是一个不涉及输出管理的 AI 艺术品的例子。然而，训练数据的精心管理在其概念中发挥了根本作用。在这里，“偏见”是一种祝福：根据艺术家个人的审美偏好和品味，数据集存在严重的偏见，这种审美偏见反映在最终的艺术作品中，尽管是通过电脑驱动的生成过程的扭曲镜头。

生成算法最近的进步所带来的另一个新奇之处是，通过用自然语言描述所需结果来生成图像的能力。这就是所谓的“提示”，或者用文本提示来引导算法，而不是对随机输出进行抽样。

在某种程度上，能够用文字来提示生成算法，可以让创作过程更容易、更集中。它可以减少对输出的管理的需要，因为人们可以直接描述自己的愿景。然而，提示并不是使艺术创作变得平凡的灵丹妙药。它更像是一种新的创造性技能。人工智能研究人员甚至用“模板工程”来描述制作好的提示以获得预期结果的过程。

“模板工程”更多的是一门艺术，而不是一门科学，尤其是在创造性地使用人工智能方面。它甚至被比作炼金术或咒语。除了对最终产品有一个独特的愿景外，人们还必须对能够使用任何给定算法解锁特定风格或主题的魔法词的正确组合有一种感觉。这就是人工智能艺术引入的第三种，也许是最新颖的策展形式：精心设计和收集个人提示或提示片段，从算法中得出预期的结果。

随着像 Dall·E2 这样预先训练的算法的使用开始消除对数据集管理的需求，即时策展提供了另一种发展个人艺术风格的方式。有趣的是，它还将图像与文本对话，就像传统的博物馆策展一样，尽管形式不那么学术化，往往更具诗意。就像艺术评论一样，提示语可以是非常字面的（“一个人站在玉米地里，低角度，35毫米人像摄影”），也可以非常抽象（“生命的无法承受的轻盈”）。无论哪种方式，提示都会给艺术品带来一层新奇的解读。一些艺术家喜欢分享他们的提示，甚至可能把它们用作他们作品的标题；另一些人则更喜欢把它们藏起来，把产生的图像留给人们去解读。

上图：毕加索的版画系列《公牛》（1945）

提示的管理和输出的管理经常会交织在一个创造性的反馈循环中。人们可以尝试给定的提示，了解它可能产生的图像，然后使用新知识迭代的改进提示，在过程中挑选出有趣的输出。这个循环可以一遍又一遍地重复，直至无限。这让人想起传统艺术家在一个共同主题上探索变化，比如毕加索的版画系列《公牛》（1945），他在其中描绘了一只处于不同抽象阶段的公牛。一个值得注意的区别是，提示程序总是包含生成随机性所保证的惊喜元素：没有任何提示会两次产生完全相同的结果，提示中的微小变化，可能会对输出产生意想不到的巨大影响。

艺术家和策展人之间界限的模糊并不新鲜。虽然，策展最初被视为仅仅是一种管理工作，其任务是保存和展示博物馆中的艺术品目录，但自20世纪60年代以来，策展本身已被认为是一种创造性的姿态。策划一场展览，通常涉及刻意采用一种特定的概念或视角，为一组艺术品带来新的光芒。像 Carolyn Christov-Bakargiev 和 Hans Ulrich Obrist 这样的明星策展人以艺术家的方式对待他们的作品，并在塑造当代艺术和策展的话语中发挥了重要作用。相反，马塞尔·杜尚（Marcel Duchamp）等艺术家自己策划了标志性的活动，并在展览媒介的现代化中发挥了关键作用。策展本身作为一种创作过程，它可以成为艺术品味的一种深刻的个人表达。生成性算法的进步通过引入新的策展手势，在创作过程的几个阶段引导艺术家的审美感觉，为艺术和策展之间的交叉授粉创造了更多的机会。

人工智能艺术的这些策展方面，最终可能会渗透到博物馆或数字展览的策展实践中。例如，展示人工智能艺术的机构将需要决定提供多少有关数据集的信息，用于生成特定艺术品的算法是根据这些数据集训练的。苏富比在《路人记忆 I 》的目录说明中提到，训练数据集包含17至19世纪的肖像画，这为理解艺术品及其艺术历史谱系提供了相关背景。如果一个提示被用于创作一件作品，并由艺术家沟通，策展人可能会决定在他们的展示中包含和反思它。与策展人是(AI)艺术家的想法一致，人们也可以设想一个展览，在这个展览中，根据算法分配给它们的标题的相似性来选择传统艺术品（参见 Google 艺术与文化以了解类似的实验在数字策展中）。有一件事是肯定的：人工智能研究的技术创新，将继续以令人兴奋和不可预测的方式影响艺术创作和策展，为新形式的创造力提供肥沃的土壤。

---

如果朋友们喜欢，敬请关注“知新了了”！