2023中国人工智能系列白皮书（AI Art）.pdf

中国人工智能系列白皮书中国人工智能系列白皮书中国人工智能系列白皮书AI+ArtAI+Art中国人工智能学会中国人工智能学会二二二二三三年年九九月月中国人工智能系列白皮书1目录前 言.1第 1 章 AI 与艺术：历史.11.1 数字世界中的前 AI 时代的相关艺术创作.11.2AIGC 之前的 AI 艺术创作及技术机理.81.2.1 变化来自标准化问题.81.2.2 规则、指令、算法.121.2.3 信号、序列、分辨率.261.3 科技与社会构成的平台.391.4 从数据的可视化问题展开.41第 2 章 AI 与艺术创作（生成艺术）.432.1 生成艺术.432.2 生成艺术的发展综述.452.3AIGC 定义与内涵.462.4AIGC 发展综述.482.4.1 判别式技术发展综述.492.4.2 生成式技术发展综述.512.4.3 Stable Diffusion.522.4.4 LoRA.572.4.5 ControlNet.602.4.6 NeRF 作为新型三维重构.632.4.7AIGC 技术发展展望.682.5 生成式 AI 的工程化.752.5.1 生成式 AI 工程化面临的主要问题.752.5.2AI 生图应用平台.762.5.3 利用云计算资源应对算力需求挑战.79中国人工智能系列白皮书22.5.4 扩散模型的控制.822.5.5 通过解决方案加速生成式 AI 技术落地.842.5.6 展望：从工程化到工业化.902.6 人工智能作为创作的课题.932.7 人工智能艺术案例研究.942.7.1AI 生成艺术案例研究.942.7.2AI 交互装置案例研究.1352.7.3 多智能体系统和 AI 控制的机器人艺术.1482.7.4 总结.169第 3 章 AI 对艺术生态的影响.1713.1AI 艺术品推荐与未来趋势预测.1713.2 艺术品鉴定工具.1743.3 艺术治疗.1783.4 艺术品解读.1853.5 艺术教育.1903.5.1AI 在艺术教育的应用.1923.6 艺术品保存与修复.1943.6.1 艺术品修复.1953.6.2 艺术品保存.2023.7 数字人在 AI 艺术领域的意义.2083.7.1 数字人.2083.7.2 数字人在 AI 艺术中的意义.2093.7.3 数字人在 AI 艺术中的作用.2103.8AI 艺术面临的问题与挑战.2273.8.1 人工智能创作的发展趋势.2273.8.2 版权与道德.2303.8.3 艺术创作模式的转变.237中国人工智能系列白皮书33.8.4 技术与资源的挑战.239结语与展望.241参考文献.246中国人工智能系列白皮书1前 言自 1956 年提出人工智能（AI）以来，AI 产业与技术不断发展，AI 大模型成为一训多能的人工智能算法基础设施，2019 年以来，大模型泛化求解能力大幅提升，成为产业主流技术路线。AI 大模型是“人工智能预训练大模型”的简称，包含了“预训练”和“大模型”两层含义。“大模型+小模型”逐步成为产业主流技术路线，驱动全球 AI 产业的全面加速。数字艺术是全球公认的具有独立审美价值的艺术形式，近年来迅速发展，AI 模型技术的成熟无疑将为数字艺术带来更广阔的发展空间，其中特别涵盖于国家文化数字化的战略构想，尤其是数字艺术产业化的发展理念。党的二十大报告明确部署建设网络强国、数字中国，实施国家文化数字化战略。中共中央办公厅、国务院办公厅印发关于推进实施国家文化数字化战略的意见和数字中国建设整体布局规划，说明文化数字化已成为建设社会主义文化强国、实现文化高质量发展的战略选择，对我国文化发展、文化产业国际竞争力和文化安全等方面发挥着不可替代的重要作用。此白皮书梳理研究 AI 与视觉艺术结合的应用案例和艺术作品，以及国家数字艺术相关战略，为全面更新数字艺术发展模式，实现数字艺术产业新格局提供参考。本研究希望助力推动 AI 艺术创新和产业应用的成果转化，以支撑社会美育建设。以 AI 艺术的发展过程向世界讲好中国故事，传播中国文化价值，建构中国美术教育的话语体系与评价体系，提升中国新时代新形象和文化软实力。通过产生一套面向艺术创作者的 AI 大模型的创作方法论，从而完善大模型数字艺术生成的评价标准，为建立数据库、资源交流平台、满足国家战略提供多维度的建议。同时积极探索运用 AI 大模型将数字艺术延伸到屏幕之外的可能性，为数字艺术形态的迭代提供建议。将 AI 应用于艺术创作，能推动对 AI 算法的改进研究。通过在不中国人工智能系列白皮书2同应用场景下对算法的表现进行研究和分析，可以使人们不断反思AI 算法的极限、原理以及它的未来发展。AI 大模型的应用将促进艺术家和科技研究人员之间的交流与合作，进一步拓宽数字化创作的可能性。艺术创作不仅能够拓展 AI 应用场景，还能为 AI 算法的改进提供实验数据和实践基础。跨界合作能同时推动技术的发展和文化与艺术的数字化转型，进而推动中国式现代化进程。因此，艺术与 AI 的深度融合将成为文化数字化建设的重要方向，这也是研究 AI 在国家文化数字化建设中的重要意义所在。此白皮书旨在强调跨学科和文理贯通的精神，将文化发展和 AI统一在人文精神框架下，反思科技发展对人的精神和社会心理的影响，并持批判性思考。同时强调艺术思维对科技创新的激发，将横向、发散、逆向等创造性思维融入学科建设，以艺术探索的能量激发双向创新。在艺术学科重视 AI 技术发展史，通过了解技术史、科学思维和实验方法，探索未知领域。AI 使数字艺术创作来到了新的阶段，国内外大模型已经具有极高的工具属性，这项技术变革对文化与艺术的数字化产生方式带来极大的改变。这种改变渗透在创作生产、内容传播和文化消费，国际竞争的新赛道已俨然从技术路线和成果的比拼转向赋能文化数字化的应用场景之争。技术领域通过国家政策调控正逐渐发力，对于如何将技术成果服务于国家文化数字化亟待研究。AI 是庞大的系统工程，需要技术和文化数字化应用场景的联动。国际现有 AI 艺术应用广度较好，但在垂直方向有欠缺，无法匹配中国文化艺术数字化生产的逻辑和需求。需要加强技术、设备、内容、内容生产方法、管理机构、政策导向、产业的多维度结合，为广大文化和艺术从业者提供多层次支持，打通技术研究者与文化艺术从业者之间的隔阂。AI 如何成为数字文化艺术创作的工具和合作者，AI 艺术创作工具产品化后如何更好与数字艺术产业结合，艺术工作者如何中国人工智能系列白皮书3更高效地利用大模型生成工具，更好地满足人民群众的美学体验，这些问题亟待解决。AI 技术在全球化的影响下西方文化逐渐进入中国。目前 AI 艺术创作的研究成果较多来自西方，这显示出一定的研究难度，又揭示了该研究的必要性。扎根中国，学习西方的观点强调了对中国传统文化的保护和传承，同时也注重吸收和融合西方文化中有价值的元素，以此来促进中国与世界的文化交流同时提升国际竞争力、文化软实力。最后，我们衷心地感谢中央美术学院、京东人工智能研究院、亚马逊云科技、以及匿名的多位师友、单位给予的无微不至的支持，感谢人工智能学会各方的信任和耐心。本白皮书最需要感谢的是，那些在 2023 年酷暑之下，犹如精心雕琢每一件艺术品的雕刻师，倾心打磨、细心塑造的编写团队成员，你们是这白皮书中不可或缺的灵魂。正是因为你们无私的奉献，这份白皮书才得以绽放光彩。考虑到这项工作来的突然，毅然担下这份责任的同时，编写组全体成员在没有额外经费资助的背景下，凭着对 AI 与艺术结合的热情，以及为社会与学术界贡献的初衷，仅仅利用自己的业余时间和精力，完善了这份白皮书。在编写过程中，我们参考了众多的资料、艺术家网站和以前的研究成果，对于这些资料的原作者和一直在实践的艺术工作者们，表示最深的敬意和感谢。他们的作品和研究成果为我们提供了宝贵的灵感和支持，帮助我们完成了这个项目。本白皮书由中央美术学院副院长邱志杰主持编写，陈抱阳主笔。由于时间、资源等实际因素的限制，文中难免存在疏漏和不足之处。我们深感歉意，并热切期待广大读者的反馈和建议，以帮助我们不断完善和进步。中国人工智能系列白皮书1第 1 章 AI 与艺术：历史1.1 数字世界中的前 AI 时代的相关艺术创作二战后的几年是数字媒体发展的重要时期，其特点是重大的理论和技术发展。1945 年 7 月，大西洋月刊（The Atlantic）发表了美国工程师和科学家万尼瓦布什（Vannevar Bush）的文章诚如所思（As We May Think），他在战争期间担任联邦科学研究与发展办公室的负责人，负责监督曼哈顿计划。在展望未来中，布什描述了一种他称之为“MEMEX”的设备，其所代表的科学和技术将是服务于人类，而不是毁灭人类。布什设想内容书籍、期刊、图像可以在缩微胶卷上购买，用户也可以直接输入数据。布什的设备虽然从未被制造出来，但他的概念对塑造计算历史产生了深远的影响。Memex 现在被公认为是数据互联的概念先驱，最终作为一个巨大的、链接的、全球可访问的数据库成为如今熟知的互联网。1946 年，宾夕法尼亚大学展示了占据了整个房间的世界上第一台被称为 ENIAC（电子数值积分器和计算机）的数字计算机；五年后，第一台能够处理数字和文本数据的商用数字计算机 UNIVAC 获得了专利。那时，美国数学家诺伯特维纳（Norbert Wiener）从希腊语 kybernetes（“舵手”）中创造了“控制论”（英文 cybernetics）一词，用于描述不同通信和控制系统（例如计算机）与人类的大脑进行比较研究的新兴科学领域。艺术家们立即看到了电子控制系统的创造潜力，并开始尝试控制论相关的艺术创作，例如，在响应式雕塑中使用的反馈回路。1960 年代对数字技术的历史尤为重要，这一时期为当今的大部分技术及其艺术探索奠定了基础。布什的基本思想由西奥多纳尔逊（Theodor Nelson）进一步发展，他在 1961 年创造了超文本和超媒体这两个词来描述写作和阅读的空间，其中文本、图像和声音可以通过电子方式相互连接，并可以由任何为该网络文档作出贡献的人进行中国人工智能系列白皮书2链接。纳尔逊的超链接环境是具备不同分支和非线性的，允许读者选择自己的路径。他的概念显然预见了互联网上文件和消息的网络传输。苏联于 1957 年发射人造卫星，促使美国在国防部内设立高级研究计划署(ARPA)，以保持在技术创新方面的领先地位。1964 年，冷战时代最重要的智囊团兰德公司提出了没有中央权威的通信网络。到1969 年，由当时的四台“超级计算机”组成的婴儿网络以五角大楼赞助商的名字命名为 ARPANET：他们的节点分别在加州大学洛杉矶分校、加州大学圣巴巴拉分校、斯坦福研究所和犹他大学。或许犹他大学对于中国读者来说没有其他三所大学有知名度，但是这所大学的研究者对数字技术特别是计算机图形学做出不可磨灭的贡献。1960 年代末，计算机技术和文化中的另一个重要概念诞生了：当今信息空间和图形用户界面的先驱。1968 年底，斯坦福研究所的道格拉斯恩格尔巴特（Douglas Engelbart）提出了位图（Bitmap）、窗口和通过鼠标直接操作的思想。他的位图概念是开创性的，因为它把流经计算机处理器的电子信号和计算机屏幕上的图像之间建立了联系。计算机处理以“开”或“关”状态显示的电脉冲，通常称为二进制“一”和“零”。在位图中，计算机屏幕的每个像素都被分配了计算机内存的小单元（位），它们也可以表现为开或关，并被描述为一或零。因此，计算机屏幕可以被想象成一个像素网格，要么亮要么暗，以此我们第一次有了一个二维空间。通过恩格尔巴特发明的鼠标，用户可以用手直接操纵这个空间。由恩格尔巴特和伊万萨瑟兰提出概念，艾伦凯（Alan Kay）和加利福尼亚帕洛阿尔托施乐 PARC 的一组研究人员进一步开发的交互式显示图形程序 Sketchpad 对于开创计算机图形的发展至关重要。他们的工作引导了图形用户界面和后来被称为“桌面”隐喻的建立。这种在屏幕上具有分层的“窗口”，最终随着苹果公司推出其 Macintosh 计算机而普及。虽然计算机和数字技术在1960 年代和 70 年代绝非无处不在，但人们感觉它们将改变社会。中国人工智能系列白皮书3艺术家们总是采用并反思他们那个时代的技术，他们很快就对探索数字计算进步背后的理论和概念产生了兴趣。1950 年代和 60 年代见证大量艺术家所创作的参与性艺术或技术艺术。约翰凯奇、艾伦卡普罗和激浪派；爱德华多保罗齐（Eduardo Paolozzi）、理查德汉密尔顿（Richard Hamilton）、威廉特恩鲍尔（William Turnball）等人所代表的“独立团队”（Independent Group/IG）；奥托皮恩（OttoPiene）、海因茨麦克（Heinz Mack）等人为代表的零（ZERO）；弗朗索瓦莫雷莱（Franois Morellet）、胡里奥勒帕克（Julio Le Parc）等人为代表的 GRAV 视觉艺术研究组（Groupe de Recherche dArtVisuel）；和杰弗里斯蒂尔（Jeffrey Steele）、彼得洛（Peter Lowe）所代表的系统组合（Systems Group）。当时，艺术和计算机技术之间的关系通常是概念性的，这在很大程度上是由于技术并不普及。一些艺术家能够使用废弃的军用计算机，而另一些艺术家则通过他们工作的大学获得了使用计算机技术的机会。1966 年，电气工程师比利克鲁弗(Billy Klver)想要在工程师和艺术家之间建立起他所描述的有效合作关系，他在贝尔实验室创立了艺术与技术实验（EAT）。克鲁弗与安迪沃霍尔、罗伯特劳森伯格、让廷格利、约翰凯奇和贾斯珀约翰斯等艺术家共同开发了项目。这些项目大多首次出现在纽约展出，最终出现在日本大阪 70 年世博会的百事可乐馆。EAT 是艺术家、工程师、程序员、研究人员和科学家之间复杂合作的早期案例，这终将成为数字艺术的标志。当时在贝尔实验室的赞助下创作开创性艺术的其他艺术家包括肯尼斯C诺尔顿（Kenneth C.Knowlton）、迈克尔诺尔（Michael Noll）、马克斯马修斯（Max Mathews）和莉莲施瓦茨（Lillian Schwartz）。1960 年代还举办了以艺术与新兴技术之间关系为中心的重要展览。1961 年至 1973 年间在为克罗地亚首都的萨格勒布举办的一系列以“Nove tentencije（新趋势）”为名的五场国际展览。展览旨在推中国人工智能系列白皮书4进战后时代的新艺术概念。他们将“计算机与视觉研究”程序作为第四次展览（Tendencije 4(1968-69)）的一部分，突出了计算机作为艺术创作的媒介。前两次计算机艺术展览于 1965 年举行，2 月在德国斯图加特的 Technische Hochschule（技术学院）举办了乔治尼斯（GeorgNees）的Generative Computergrafik（生成计算机图形）展览，随后于 4 月举办了由贝拉朱莱斯（Bela Julesz）和迈克尔诺尔在纽约霍华德怀斯画廊的展览。尽管他们的作品类似于抽象绘画，并且似乎复制了传统媒体非常熟悉的美学形式，但这些艺术家在勾勒出驱动任何“数字绘画”过程的基本数学函数时，也捕捉到了数字媒体的基本美学。1968 年，伦敦当代艺术学院举办的Cybernetic Serendipity（控制论的偶然性）展览展示了从绘图仪图形到声光环境和感知“机器人”的作品，这些作品在今天看来可能显得笨重且过于技术化，但仍然有着当今许多数字媒体的重要特征。一些作品侧重于机器和变形的美学，例如绘画机器和图案或诗歌生成器。其他的则是动态的和面向过程的，探索交互和“开放”系统的可能性。1970 年，美国艺术史学家和评论家杰克伯纳姆（Jack Burnham）在纽约犹太博物馆（theJewish Museum）组织了展览软件信息技术（Software-Information Technology）。除了展示艾格尼丝丹尼斯（Agnes Denes）、约瑟夫科苏斯（Joseph Kosuth）、白南准（Nam June Paik）、劳伦斯韦纳（Lawrence Weiner）等艺术家的作品之外，该展览还展示了西奥多纳尔逊（Theodor Nelson）的超文本系统 世外桃源（Xanadu）的原型。中国人工智能系列白皮书5图图 1-1 Tendencije 4 海报海报图图 1-2 Edward Ihnatowicz，SoundActivated Mobile(SAM)，1968，“控制论的控制论的偶然性偶然性”现场现场中国人工智能系列白皮书6图图 1-3“软件软件信息技术信息技术”展览现场，展览现场，19701970 年代的艺术家使用当时的新技术，例如视频和通讯卫星，也开始尝试现场表演和网络。这些创作有些类似于如今在互联网上以及通过在线视频和音频流媒体进行的互动现象。这些艺术家项目的重点从应用卫星进行电视广播的大规模传播，视频电话会议的审美潜力，到探索打破地理界限的实时虚拟空间。1977 年，在第 6 届卡塞尔文献展上，道格拉斯戴维斯（Douglas Davis）组织了一次向超过25 个国家和地区进行的卫星电视转播。其中包括戴维斯本人、白南准、激浪派艺术家和音乐家夏洛特穆尔曼以及德国艺术家约瑟夫博伊斯（Joseph Beuys）的表演。同年，纽约和旧金山艺术家合作建立了发送接收卫星网络，并在各城市之间十五小时的双向交互式卫星传输。同样在 1977 年，由基特加洛韦（Kit Galloway）和雪莉拉比诺维茨（Sherrie Rabinowitz）联合组织了被称为世界上第一个交互式卫星舞蹈表演一场由美国东西海岸的表演者参与的三地点现场直播复合表演。与美国国家航空航天局和加利福尼亚州门洛帕克的教育中国人工智能系列白皮书7电视中心合作，该项目建立了一种被艺术家们称为“图像即场所”的观点。这是一种将异地的表演者沉浸在一种“虚拟”空间中的复合现实。图图 1-4 第第 6 届卡塞尔文献展卫星电视转播届卡塞尔文献展卫星电视转播，约瑟夫约瑟夫博伊斯博伊斯、道格拉斯道格拉斯戴维斯和戴维斯和白南准，白南准，1977图图 1-5 卫星艺术项目，基特卫星艺术项目，基特加洛韦、雪莉加洛韦、雪莉拉比诺维茨，拉比诺维茨，1977在整个 20 世纪 70 年代和 80 年代，画家、雕塑家、建筑师、版画家、摄影师以及视频和表演艺术家越来越多地开始尝试新的计算机成像技术。在此期间，数字艺术演变成多种实践形式，在 1990 年代和 2000 年代将继续多样化，从更面向对象的作品到包含动态和交互方面的作品。随着 1990 年代中期万维网（WWW）的出现，数字艺术在网络艺术中找到了一种新的表现形式，成为互联网艺术探索的多种形式的总称。在 2000 年代初期，网络艺术进入了一个新阶段，艺术家们开始批判性地参与到 Web 2.0 和社交网站上创作作品。随着数中国人工智能系列白皮书8字技术成为我们周遭的一部分（物联网），以及人们对数字语言的熟悉程度不断提高，艺术家开始从事现在被称为后数字的实践，创作广泛依赖于物质形式的数字技术的一系列媒体艺术创作。1.2 AIGC 之前的 AI 艺术创作及技术机理1.2.1 变化变化来自来自标准化问题标准化问题1.2.1.1 算法和数据库人工智能生长于数字世界，数字世界有两种基本的元素：算法与数据库。我们可以借电子游戏对算法产生形象的解读。当我们玩一款电子游戏时，逐渐熟悉游戏玩法的过程就是了解游戏背后算法的过程。我们虽然并不知道具体代码的样子，但是从玩游戏的过程中我们可以提炼出这款游戏的逻辑而逻辑就是代码的宏观样貌。当掌握足够多的逻辑关系时，玩家就可以总结出对应的这款游戏讲了一个什么故事。我们可以将数字世界中的算法理解为一种逻辑叙事。1.2.1.2 变化来自标准化假设在一张纸上有随意分布的 4 个点，它们可以按照不同的方法连接起来。点与点之间的连线代表着连接的逻辑，也就是算法。同时，我们可以将每一个点看成数据，这 4 个点便是一个简单的数据库。那么连接这 4 个点有多少种不同的方法呢？我们可以利用排列组合方面的经验回答这个寻找规律的问题，但是对于更复杂的情况我们的经验就显得捉襟见肘了。1.2.1.3 规律和新奇在人工智能所研究的课题中，大多都离不开算法与数据。比如从一组天气数据中寻找阳光与温度关系，当然在这个例子中的答案似乎从生活经验可得，多阳光照射的地方往往会给当地带来更高的温度，那么南极洲的降雪和北极的温度呢？人工智能则擅长从数据中寻找不易察觉的规律并展现在人们的眼前。这样的规律可以被用在对未来中国人工智能系列白皮书9的预测从而为人们提供辅助和建议。在人工智能领域中，基于现有的数据推算新的结果被称为预测。当人工智能击败知名棋手时，我们看到了人工智能不论是学习人类棋谱，或还是自我对弈的过程中都产生了人类未曾想到的棋路。棋路顾名思义是下棋的套路，是对下棋规律的总结。当人工智能向我们展示新的规律时，人工智能棋手顺理成章可以成为国家围棋队的训练软件。同理，人工智能也可以为艺术创造提供辅助，我们称之为创造力辅助。对抗性的体育竞技，在策略层面的取胜之道大体在于出其不意。当对手无法预测我们下一步的行动时，我方便占据了上风。那么怎么才能让对方无法判断呢？如前文所言，便是使用对方未见过或是想到的策略，出奇制胜。这个“奇”可以来自那时那刻的小概率事件，如果是首创的招数自然更能确保新奇。在艺术创作中，也对新奇有着同样的追求，这在二战后的观念艺术中更为显著。彼时艺术创造从技法的较量逐渐过渡到点子的比拼。新奇成为创造力的一种表达。当然并不是每一个新招都是好招，这就需要审时度势将新招放到对应的情境中检验。新招的产出可以是来自一次随机事件，也可以来自过往的经验。根据我们人类的经验，从历史中学习前车之鉴要比掷骰子来得靠谱，但这是为什么呢？学习下棋的路径包含熟读棋谱，以史为鉴；以及与同僚切磋检验学习成果。对于我们来说棋谱以及同僚对弈皆是过往经验，只不过前者来自前人，后者来自亲身经验。因为人类的一生所能下的棋是有限的，所以我们需要借助书本中前人留下的体悟来更快地提升水平。像棋谱一样，人类的艺术创作也被著书编册成艺术史，将各家各派都一一地纳入。大体上艺术创作也是由亲身体验和阅读典籍结合而成的。艺术创作同样面临着检验点子的困境产生点子的速度要远远快于检验点子。这时我们便可借助人工智能寻找规律的能力检验点中国人工智能系列白皮书10子的好坏。借助人工智能背后可扩展的计算能力，可以提高效率，在更短的时间内检验更多的点子。1.2.1.4 新的图像与方案人工智能还可以更直接地参与艺术创作。在艺术史中，图像的生产方式几经更迭。在摄影术诞生之前，人们产生图像的方式几乎离不开手工生产。在这个过程中，需要由人将所见所闻的世界转译成二维平面所能承载的信息。这之中包含着创造者对世界不同的理解、多样的技法以及各异的心境。绘画作为产生图像的方式从数量上看是低效的。摄影术的诞生则使得我们具备了利用光学仪器快速产生大量图像的能力。艺术家逐渐开始质疑生产更多图像的意义，并寻找新的生产方法产生新的图像可以来源于挪用老的图像。但是，这种生产方法却在引入新奇性和多样性上略显不足。借助人工智能，我们可以融合上述两种图像生产的方式，依据给定的条件快速地产生大量全新的图像。人工智能可以快速地为艺术创作引入多样性，且这种多样性是可以被检验的。在上述图像生产的例子中，为了学习生产人像，那么人工智能会先学习大量的人像照片然后寻找之中的潜在规律，所以其生产的结果是优于随机的，甚至接近前人经验的。在更现代的人工智能系统中，例如对抗性生成网络就同时具备生成器和辨别器。生成器从随机图像开始进行生成，通过辨别器的筛选逐步接近人像的特征。在这个自我进化的过程中，生成器并未学习外来的人像数据，只是根据辨别器所给出的好与坏中寻找规律，最终得出独特的人像生成方案。显而易见的是，这种方案的结果具备很强独特性，同时也更容易被人们所接受。这些独特的图像既可以被当作创作的最终产物，也可以作为素材库再加以使用。我们在艺术史中所得的经验例如挪用，依然可以应用在人工智能所创造的数据上。曾经艺术家们共用几乎相同的数据库，中国人工智能系列白皮书11借助人工智能艺术家具备了构建独有数据库的能力，这将在根本上提升艺术创作的多样性和独特性。人工智能还可以产生更复杂的逻辑关系。人工智能有一种研究课题是知识图谱（Knowledge-Graph），用数学可视化的方法表现一组信息，可以是客观事实也可以是一系列点子。人工智能在这之中起的作用是帮助我们发现隐藏的规律，并将这些信息归纳整理并表示出来。从事音乐创作的艺术家大多有一个属于自己的音频库，其中包含着数以万计的音频素材。这些素材往往按照发出的声音来分类。例如一段鸟叫的音频会被命名为“鸟鸣.mp3”，雷声会被命名为“雷声.mp3”。随着素材量逐渐地增多这种归纳方法会逐渐失效，比方如何区分雷声和重物跌落地面的声音。这两种声音听起来是类似的，但是却有不同。随着这样模棱两可逐渐增多，我们的分类体系逐渐失效。这时候我们可以借用知识图谱系统来对我们收集的声音进行分类，最终的产物不是一个层层叠叠的树状分类，而是一个三维的点云图。每一个点都代表着一种声音，每个点之间的距离则代表声音的相似程度，也就是说人工智能帮助我们完成物以类聚，将类似的声音放在一起，同时我们又具备全局的视野，可以看到对应的声音在我们整个数据库中所处的位置。现在还可以大胆假设这个知识图谱系统中储存的是从艺术史里摘录的信息，经过合适的人工智能系统的处理可以得到一个完整的关于艺术的点子库。通过不断加入新的其他门类的学科知识来不断完善这个系统。同时，有针对地加入创作者的特异化信息。这种加入可以是主动的，也可以是在潜移默化间的。在艺术创作者的使用中逐渐地适应和调整生成的内容。这种调整可以是纵向的只关于使用者的，也可以是横向的借用其他类似艺术家使用习惯的。这种高效的点子生成器，或许可以将艺术家从观念的比赛中解放出来，回归到艺术中更核中国人工智能系列白皮书12心的共情中来，让艺术创作更关注于情绪的沟通。1.2.2 规则、指令、算法规则、指令、算法当对系统有了相应的了解之后，再回到人类技术、科学和艺术历史发展的背景下，通过“规则、指令、算法”这三个关键词，来串联早期基于规则和指令的艺术形式（如概念艺术）、算法艺术以及尝试建立开放技术的系统（组织）的艺术实践。1.2.2.1 音乐演奏图图 1-6 音乐演奏音乐演奏作曲家的乐谱以及指挥家的解读是指导乐手演奏的两个主要外部因素。乐谱所承载的音符构成乐曲的规则，而指挥家下达的则是指令。中国人工智能系列白皮书13图图 1-7 Berlin Mix,Christian Marclay,19931993 年，艺术家克里斯蒂安马克莱（Christian Marclay）在柏林莫阿比特区前电车棚的大厅举办了一场由 180 多位音乐家同时举办的音乐会，包含弦乐乐团、放克乐队、管风琴演奏家、合唱团、手风琴管弦乐队、嘻哈 DJ、克莱兹默（Klezmer，一种犹太音乐）二重奏组、歌剧歌手、桑巴乐队、弦乐四重奏、管乐队、摇滚乐队，民族乐团，各种独奏家。马克莱作为指挥在讲台上用纸板发出信号，指示各色音乐家的成员应该何时开始和停止表演。他们都演奏了自己特有的曲目。马克莱将其建立的音乐流派称为“在线混音 Live-Mix”。在作品的演绎中，马克莱作为指挥所下达的指令部分是显而易见的。除此之外，这件作品还引入了对于规则的演绎。它被称为柏林混音（BerlinMix），也是后现代主义“重新混合（Remix）”的集中表现把既有的信号重新混合产生新的信号，并广泛存在于各类 DJ 的创作中。重构及再解读也存在于图像一代关于挪用的探索中，但在此我们主要研究指令与规则的关系。中国人工智能系列白皮书14图图 1-8 叠加，池田亮司叠加，池田亮司在池田亮司叠加的视听表演中，有一幕是台上两位表演者抛掷小球的场景。被抛掷的小球散落在网格图上，被电脑系统读取位置坐标，这些位置坐标则进一步作为输入信号进入池田的生成系统中。在这个环节中，池田作为这件作品的创作者，设计抛掷小球这个规则，并向两位表演者下达执行规定的指令。指令的主要特点是下达指令者与执行者不是同一个人，也就是说他们是两个不同的子系统。如这件作品的名字，叠加这一科学现象本身在作品中发挥着重要作用，最明显的是视觉图像的性质。现场通过闪现数学、方程式和公式、数据、原子结构、数字序列、宇宙的元素为观众构建了量子力学的基本原理的叠加式视觉呈现。现场有一个大型电影院式屏幕，一个较低的长条矩形屏幕和十台电脑显示器排列在舞台前面。池田借用了可视化的系统，但是他并不是为了向观众科普量子力学，而是为了挑战人们的思维。毕竟，现场大多数观众接受过量子理论和高等数学的教育能够完全理解作品的可能性接近于零。池田借用人难以投出相同落点的小球，即对规则重复后得出的多样性和不可能预知性，暗合了量子力学中的基础知识结构。1.2.2.2 版画2016 年纽约现代艺术博物馆在埃德加德加的展览中展出了他的中国人工智能系列白皮书15一系列版画。通常，我们看到的版画是由原版复制而来，除去不可避免的误差版画的每一版会被认为是相同的，是同一幅作品的不同版。而德加显然不这么认为，图 1-9 中的 4 幅版画显然来自同一块“板”印制而来，但粗浅浓淡迥然不同从展厅中的多媒体资料可以得知，德加的这一行为不是“错误”而是有意为之。印制那块“板”的过程可以看作德加这件作品中的规则，而他追求不同效果的方式就是不断重复这个规则。这组版画从传统媒介的角度为我们提供了理解重复与多样性之间关系的例子。图图 1-9 2016 年纽约现代艺术博物馆年纽约现代艺术博物馆“埃德加埃德加德加德加：一种新奇的美一种新奇的美”（Edgar Degas：AStrange New Beauty）展览现场展览现场1.2.2.3 Grasshopper德里达指出即兴需在一定语境内方能被理解，而这个语境正是由一系列规则所构成的，于是我们得出了变化来自标准化，来自对规则的不断推演。Grasshopper 是一种三维参数化设计软件，这种软件大量地应用在曲面的设计中。借助三维设计软件 Rhino 中的 Grasshopper中国人工智能系列白皮书16插件，设计师可以通过输入实地空间参数，驱动电脑运算产生无穷尽的可能结果，并从中选择最优解。在这个例子中，建筑师具备设计建筑的初衷（为什么要设计）和对最终结果的决定权（具体要设计什么），但把部分的“如何”也就是过程的一部分交由数字程序负责构建一个庞大的“结果池”供设计师选择。通常我们会因为数据库（结果池）的客观存在，而忽视数据库的建立是主观行为的结果。如果我们把数字程序和电脑想象成小精灵，设计师指挥着一群小精灵画出数以千计的图纸，那么小精灵是图纸的创造者吗？在此，我们可以将小精灵创造图纸理解为一个图纸生成系统。1.2.2.4 色彩规律为例图图 1-10 约瑟夫约瑟夫阿尔伯斯的丝网版画阿尔伯斯的丝网版画上图是约瑟夫阿尔伯斯(JosefAlbers)的丝网版画，该作品是在这位艺术家从德国移民到美国很久之后制作的，他曾在包豪斯(Bauhaus)担任讲师，这所艺术学校于 1933 年被纳粹关闭。从 1990年代开始，他对于设计的创新激发着艺术和学术界对数字包豪斯的呼声统一艺术、设计和技术。阿尔伯斯对色彩理论特别感兴趣，并中国人工智能系列白皮书17研究了将不同颜色彼此相邻放置所引起的色调感知变化。像“向正方形致敬”和“变体”系列的作品中，他制定了嵌套彩色正方形和矩形的规则，以强调我们对单一颜色的感知它的色调、饱和度和透明度如何根据其接近度而变化以及与相邻颜色的交互。除了简单的色彩混合理论外，人类认知色彩的规则也大量地被认知科学、神经科学界所研究。图图 1-11 加色混合（例如在计算机中）加色混合（例如在计算机中）图图 1-12 减色混合（例如在打印机中）减色混合（例如在打印机中）John F.Simon Jr.的 Color Panel v1.0(1999)是阿尔伯斯画作的数字变体，是一款基于包豪斯色彩实验的软件艺术作品，显示在由艺术家修改的笔记本电脑上。西蒙编写的软件将屏幕分成五个矩形，对透明度、颜色编码和混合的变化进行编码。其中一个矩形是阿尔伯斯向他的学生提出的“透明度问题”的程序版本，要求他们混合中间颜色，使一个形状看起来覆盖另一个形状。在 Color Panel v1.0 中，它是混合颜色以模拟透明度的算法。从西蒙的尝试中，我们可以感到他中国人工智能系列白皮书18将阿尔伯斯画作中色彩规则的探索进一步打包成了一种软件，而软件则是一些算法的集合。结合前面章节对于算法和叙事的比较中对于游戏规则的讨论，可以得出算法也是一组规则的集合，即规则在数学、数字空间中的表达。西蒙的这件作品实际上是艺术实践中较早建立开放性技术系统的尝试。1.2.2.5 指令成为规则基于指令和规则的实践，是数字艺术的发展历史的重要脉络之一，在诸如达达（1916 年至 1920 年达到顶峰）、激浪派（1962 年命名并松散组织）和观念艺术（1960-70 年代）等艺术运动中占有重要地位，每一个都关注概念、事件和观众参与，以及正式教学的变化。规则是创造艺术的过程的想法也与构成所有软件和每个计算机操作的基础的算法有明确的联系：一种在有限数量的步骤中完成结果的正式指令过程。就像达达诗歌或激浪派表演的组合和基于规则的过程一样，任何形式的计算机艺术的基础都使用指令作为概念元素。艺术史中有大量作品构建了编程和概念艺术家之间的联系，这些艺术家将想法的概念视为自己艺术实践背后的驱动力。杰出的概念艺术家索尔勒维特（Sol LeWitt）在绘画、照片、版画和他称之为“结构”的雕塑等媒介中创作了大量基于想法和指导的作品。他的壁画由以自然语言编写的指令组成，这些指令在特定的展览现场作为图纸执行。将作品的执行留给艺术家以外的人是勒维特概念艺术概念的核心。在概念艺术中，想法或概念是作品最重要的方面。当一个艺术家使用一种概念性的艺术形式时，这意味着所有的计划和决策都是事先制定的，执行时却是像作品运输那样成为另外的一件事情。这个概念、想法变成了一套制造艺术的系统。这个系统可以向外下达指令，不断地生产出作品。在勒维特过世之后，我们依然可以看到新的壁画出现在各大美术馆。这些新的壁画就像是布展时安装一件作品，布展方按照勒维特留下的说明书（自然语言指令）将壁画重现在墙壁上。中国人工智能系列白皮书19卡西瑞斯(Casey Reas)创造了一款类似于勒维特壁画的软件。瑞斯的软件会执行诸如“创建一个充满一百个中小圆圈的表面”，“每个圆圈都有不同的大小和方向”，“以相同的缓慢速度移动”这样的指令。瑞斯进一步让软件显示圆圈的各种交点。瑞斯这件软件结构（Software Structures）明确引用勒维特的作品，并探索了观念艺术与软件艺术理念的相关性。艺术家的创作过程从描述视觉元素之间动态关系的文字出发，然后将它们转化为来软件实现。这是一个将指令、规则变成算法的过程。瑞斯还与本弗莱（Ben Fry）一起创建了编程语言Processing。这是一个使用 Java 语言的开源开发环境，致力于在可视化环境中向非程序员传授计算机编程的基础知识。图图 1-13 卡西卡西瑞斯瑞斯.软件软件结构结构.创作于创作于 2004 年，更新于年，更新于 2016 年年1960 年代，像观念艺术那样基于指令的实践几乎是与艺术家开始使用计算机创作早期算法艺术同时发生。早期算法艺术的先驱者编写代码并存储在打孔卡片上，然后通过计算机运行这些打孔卡片，以驱动笔式绘图仪，从而在纸上创建“数字绘图”。查克库里（Chuck Csuri）在俄亥俄州立大学与程序员詹姆斯谢中国人工智能系列白皮书20弗（James Shaffer）合作使用 IBM 7094（被认为是 1960 年代早期最强大的计算机之一）创建了 正弦曲线人（Sine Curve Man）（1967年）。这是在美国完成的第一幅具象计算机绘图。IBM 7094 被 NASA用于双子星和阿波罗太空计划，也被用于早期的导弹防御系统。IBM 7094 的