隨著第一幅AI畫作被拍賣了3000萬人民幣之後，機器藝術突然變得炙手可熱了。
許多博物館和畫廊已經在著手開辦AI藝術作品展覽。而國外一個名為9 GANs的藝術館也將AI畫作推向了市場。
不僅如此，一系列圍繞著計算機藝術創作的哲學問題被不斷激起，受到了各界的廣泛關注。
其實大多數被稱為“人工智能藝術特有的哲學問題”，在上世紀50年代末開始的生成性藝術的前幾次迭代中已經得到了解決。
換句話說：雖然人工智能藝術確實產生了新穎有趣的作品，但從藝術歷史的角度來看，它並不像人們所吹捧的那樣具有革命性質。
因此，人工智能藝術的未來與其說是將用於“圖像製作”，還不如說是在為人工智能的工業化進程發揮其關鍵潛力。
前世：計算機藝術
至少在20世紀50年代後期，藝術家們就開始使用計算機創作作品。當時斯圖加特大學馬克斯本斯實驗室的一組工程師開始進行計算機圖形的相關實驗，像Frieder Nake、Georg Nees、Manfred Mohr、Vera Molnr等藝術家也開始探索使用大型計算機、繪圖儀和算法創建視覺藝術作品。
正如弗裡德·納克回憶的那樣，最初這只是作為在本斯實驗室測試新設備的練習，但很快就變成了一場藝術運動——馬克斯·本斯為這種藝術形式提供了一個理論框架，並以此對立於法西斯主義。本斯認為，計算機藝術的字面上的“計算”美學有意避免所有的情感訴求，從而使其免受政治攻擊。
當然，從弗裡德·納克（Frieder Nake）早期對祖斯圖形繪製儀的實驗到海倫娜·薩裡諾（Helena Sarinone）等當代人工智能藝術家的作品還不及完整半百之年的傳承。
換句話說，如果我們利用早期的計算機藝術實例來理解它，人工智能藝術就變得更有趣了。我們甚至可以說：早期的計算機藝術為當代人工智能藝術提供了缺失的理論框架。
但為什麽選擇早期的計算機藝術作為參考，而不是像亞倫·赫茨曼（Aaron Hertzmann）提出的那樣，選擇電影或攝影？從表面上看，目前人工智能藝術的發展似乎與攝影和電影的發展歷史相似，它們都是從單純的“技術演示”開始的（想想著名的蒸汽鐵路電影，據說是為了讓觀眾恐懼地離開劇院），經歷了一個從模仿傳統媒體（繪畫和戲劇）到最終成為獨立的藝術媒體的階段。
此外，攝影和電影都具有漫長的歷史可作為機器輔助藝術的理論參考，也很早就解決了機器的所有者問題：機器的所有者還是操作者擁有通過該機器創作的作品的所有權？
因此，攝影和電影對人工智能藝術看起來確實有借鑒意義。然而，計算機藝術與人工智能藝術有著更為明確和直接的聯繫：就像今天的人工智能藝術家一樣，早期的計算機藝術家主要關注的是大量的圖像。早期的計算機藝術家認為作品的算法制作便是在創造“生成美學”。計算機藝術先驅弗裡德·納克在2010年一次清晰的採訪中談到了這個想法。
納克的論點很簡單：在計算機藝術中沒有傑作，因為計算機藝術不是關於“作品”的製作。它涉及到系統設計的產生，以及這些設計的美觀和一致性。換言之，對“生成美學”作品的審美判斷機制是基於作品生成方法而非作品本身。儘管在過去的五十年中，製造這種系統的工具已經發生了一定的變化，“生成美學”的思想仍然存在。
例如， Alexander Mordvintsev的DeepStream（2015）作為機器學習的第一個藝術應用之一，其本質上是一個視覺轉換系統（技術上基於特徵可視化）。由於Deepdream主要與imagenet/ilsvrc-2012（數據集）結合使用，因此生成了大量狗的形象，但Deepdream作為一個系統，它並不局限於任何特定的數據集。事實上，DeepStream可以用來“find anything in anything”(譯者注：即算法可以基於不同圖像數據集創造出不同形象)。
一些對DeepStream的負面反響可能是由於系統沒有使用不同的數據集發揮其全部潛力，在不反映其生成性質的情況下，將系統中的樣本呈現作為全部工作的結果。當然，這個問題並不是人工智能藝術所獨有的，而是所有媒體藝術都在面臨的一個問題，且在市場壓力下將持續存在——正如最近Deepdream被用來作為時尚模式的識別機器一樣，這一問題再次被證明存在。
McDonald是2015年Google開源Deepdream後第一批嘗試Deepdream（除Alexander Mordvintsev本人）的藝術家之一。
如果我們現在把一些最流行的作品命名為人工智能藝術，例如Anna Ridler, Sophia Crespo, Memo Atken, Mario Klingenmann, Gene Cogan和其他人的作品，那麽很明顯它們的作品本質上也是對特定圖像集的操作：他們在通過圖像數據集訓練GAN（生成式對抗網絡）隱空間，或通過各類方法探索這些隱空間的意義。從技術的角度來說，我們可以說，早期的計算機圖形學和當代的人工智能藝術都在對概率分布進行操控和探索。
這並不是說，人工智能藝術對藝術史沒有任何新的貢獻——只是人工智能藝術的哲學問題是歷史問題，而不是當代藝術所特有的問題。然後，我們首先應該怎麽定義當下時刻人工智能藝術所面臨的問題？當代人工智能藝術對這些歷史、哲學問題給出了什麽具體的答案？
今生：AI藝術目前所面臨的三大問題
人工智能淘金熱是否來臨？
最近有人提出一種觀點：人工智能迎來了“淘金熱”。相對於圍繞人工智能的極端媒體炒作，尤其是基於神經網絡的人工智能藝術，其實人工智能藝術目前在已建立的藝術世界中的所佔份額微乎其微。目前，人工智能藝術在很大程度上是一種內部遊戲，少量的主角帶動了大量的審美和批判輸出。但這不一定是壞事，畢竟當代藝術的理念曾經意味著區別於大型機構和市場（即小眾），而這一事實卻在對當今人工智能藝術流行的描述中很容易被忽視。
拍賣會
支持“淘金熱”的一個主要案例是收藏家最近對所謂“人工智能藝術”作品的購買行為，一個最著名的例子是法國集體拍賣行在Christie’s以432.500美元的價格出售了由GAN生成的羅比·巴拉特肖像中一個普通金邊樣品。
而在幾周前，一個先前的版本實際以10000美元的價格賣給了一位私人收藏家。這在新生的人工智能藝術界引起了巨大的波瀾。當然，對已售出作品的重新拍賣感到憤怒是合理的，但這也同時表明人工智能藝術品的價格和數量並沒有顯示出所謂的“淘金熱”。目前來講，購買人工智能藝術主要是一個宣傳的噱頭，Christie’s借此得到免費公關的價值肯定比它臭名昭著地拍賣法國集體作品的售價高出一個數量級。
切爾西美術館曾開辦過由Ahmed Elgammal主繪的Faceless Portraits Transcending Time show（無臉肖像跨時代展），正如美術館老闆菲利普?赫勒?古根海姆（Philippe Hoerle Guggenheim）直言道，該美術館主要是通過想通過之一類藝術展標榜自己身處站在前衛派的前沿中。
一些觀眾認為人工智能藝術是一種威脅。在他的辦公室裡，霍勒·古根海姆給我看了一篇關於Instagram的評論，抱怨說這個畫廊以機器創造的藝術為特色：“對於一個美術館來說，真是太可惜了……他們居然不去支持人類視角下豐富多彩的世界（反倒去支持機器）。”考慮到人們對機器人從事人類工作的普遍恐懼，這是可以理解的，一些觀眾可能會認為人工智能將取代視覺藝術家甚至所有人。霍勒·古根海姆反倒欣然接受了這一類批評——畢竟它只是表達了人們實際上對這一展會具有極大的關注度。
展覽
與此同時，到目前為止，人工智能藝術展幾乎都是貿易展，基本上都是包含淺層機器學習知識的作品展覽。而最近在倫敦巴比肯舉辦的“人工智能：超越人類”展覽，很好地將技術，純粹的裝飾作品（如TeamLab的作品）以及人工智能藝術作品融合在了一起。
這有助於再次審視計算機藝術的歷史，以了解展覽策劃人的折衷主義思想。倫敦（1968年）舉辦的神經機械奇緣展覽是第一個展示技術性藝術的展覽之一，它採用了同樣的非概念來展示“一切技術”。
與巴比肯展覽一樣，它聲稱已經“發現”了技術在藝術中的應用，儘管有很多早期的展覽都這麽說（如一年前薩格勒布和1965年斯圖加特的展覽）。然而，只有傑克·伯恩漢姆（Jack Burnham）在紐約猶太博物館舉辦的軟體展覽會（1970年）開始關注使用技術所產生的具體問題，而不只是展示新技術。
此外，從歷史上看，技術演示和藝術作品的展示是互相穿插的。在20世紀90年代所謂的第二波媒體藝術高潮時期，技術演示非常狂熱，許多策展人都將其作為展覽的一部分，如卡爾·西姆（Karl Sim）的著名 “進化的虛擬生物” 展覽（1994年）。
與此同時，克里斯塔·索默勒（Christa Sommerer）和勞倫特·米格諾尼爾（Laurent Mignonneau）等藝術家在技術期刊上發表了關於他們作品的文章，如A-Volve（1994年），並在Siggraph等技術會議上發表了演講。
這兩種現象，AI藝術展覽的奇特概括,以及藝術品和技術演示的混合,都可以被視為藝術界緩慢採用某種技術的副作用。然而,這種採用正在進行中,只是沒有品牌作為AI藝術,作為一些最近由知名藝術家的作品顯示。
人工智能藝術展覽的興起，以及藝術品和技術演示的融合，這兩種現象都可以被視為藝術界採用技術產生的副作用。這種副作用仍然在繼續，只能還沒有在知名藝術家的作品中被標榜為人工智能藝術。
人工智能藝術能證明機器可以是藝術家嗎?
在克里斯蒂醜聞事件的討論中，機器是否為藝術家問題引起了公眾的注意，並被媒體和展覽策劃人欣然接受。事實上，機器可以是藝術家，甚至可以取代藝術家，就像他們將取代所有其他的工作一樣。
但這種想法太理想化了，並不值得討論：畢竟，創造藝術通常被認為是所有活動中最人性化的。但是實際上還存在著一種觀點：正如巴比肯展覽中所展示的，人工智能最終會告訴我們“是什麽造就了人類”。在歷史進程中，機器是藝術家一直是計算機藝術的通俗解釋。
弗裡德·納克（Frieder Nake）對20世紀60年代計算機藝術的這種思維方式提出了批評，因為這種思維方式很容易與人工智能藝術產生交集：
當今畫壇的進步與時尚服裝和汽車界的進步是一樣的[…]在我看來，“計算機藝術”不過是這些時尚中的最新一種，從一些偶然中湧現出來，一時興起的基於偏見和誤解膚淺的“哲學”推理的主題，逐漸就會消失，給下一個時尚留下空間。[…] 像“是電腦創意”或“是電腦藝術家”之類的問題不應被視為嚴重問題，句號。鑒於我們在20世紀末所面臨的問題，這些都是無關緊要的問題。”
如果我們認為將人工智能藝術定義為GAN網絡的發現，或者DeepDream的發展，那麽這段話的其余部分似乎非常合適。
接下來，如果我們再往前走，我們可以爭辯說，機器和藝術家一樣古老。艾倫·圖靈在1950年著名的論文《計算機械與智能》中講述了機器創造力的問題：
我認為，機器不能產生讓人驚歎的觀點應歸咎於哲學家和數學家特別受製於一個謬論。這是一個假設，一旦一個事實被呈現給一個人，這個事實的所有後果都會隨之產生。在許多情況下，這是一個非常有用的假設，但很容易忘記它是假的。這樣做的結果就是，人們假設僅僅通過數據和一般原則來解決後果是沒有道德人性的。
換句話說，圖靈認為，機器是否具有創造性問題的緣起是人們有一些刻板印象：即創造力與成果產出無關。基於圖靈的觀點和對阿多諾的解釋，我們可以說藝術家是遵循直覺邏輯的，這是一個直觀的過程，但他們仍然與理性過程一樣受到規則約束。因此，機器具有創造性並不是例外，但是其中的規則約束和“機器能否創新”的問題源於有缺陷的創造性觀念。
正因為它有缺陷，機器是否為藝術家問題幾乎從來沒有被人工智能藝術家自己提出過。克里斯蒂醜聞事件，似乎是人工智能藝術的技術參與，以及其對開源文化接受的一個實際產生的結果。而媒體藝術和計算機藝術傳統上都沒有開源代碼/數據，因此它們沒有遇到類似的問題。
人工智能藝術是“合適的”（當代的）藝術嗎？
與藝術界的是否使用人工智能技術問題密切相關的是批判性的接受問題。在對巴比肯展覽的回顧中，喬納森·瓊斯（Jonathan Jones ）在《衛報》上寫到了關於瑪利歐·克林格曼（Mario Klingemann）的作品《巡回訓練》：
這是我所看過的最無聊的藝術作品之一。突變的面孔在任何方面都沒有體現出意義。很明顯，複印機都比它們“智能”，因為在複印的過程中，複印機中可能還會有一些意外產生。
如果你看了上面對弗裡德·納克（Frieder Nake）的採訪，這個觀點與20世紀60年代末的“我不太喜歡它”非常相像。正如上面指出的，其中一個原因當然是系統和人工製品的不同：克林格曼（Klingemann）的作品肯定不僅僅是一組可以單獨判斷的圖像集合。然而，瓊斯（Jones）的評論（尤其是使用複印機的類比）針對的是人工智能藝術的一個特定問題：它的模仿性質。
模仿是一種和哲學美學本身一樣古老的美學概念。它將審美過程描述為某種程度上模擬現實的人工製品的生產。眾所周知，現代藝術試圖從模仿中解放出來：首先嘗試抽象圖像，然後完全擺脫圖像（例如在概念藝術中）。當代藝術的核心並不圖像的創造，這幾乎是一個完全錯誤的發展，特別是那些欣賞高度模仿藝術的精湛技藝的人（例如，下面的古斯塔夫·凱萊博特（Gustave Caillebotte）的作品），但事實上，這只是藝術界突然意識到，它是19世紀末後迅速變化的世界的一部分。
相比之下，在本文討論的有限範圍內，人工智能藝術有一個問題：它基本上都是模仿的。畢竟，神經網絡對世界的所有認知都來自它處理的數據。這裡的“模仿”並不意味著與（非抽象）攝影一樣，人工智能藝術能以一比一的方式製造出與現實世界的人工製品相仿的作品。但是，它的輸出僅限於其操作數據集的範圍，只有在這個範圍內作品才有新穎性。舉一個具體的例子：一個接受過梵高繪畫訓練的網絡肯定會產生類似梵高的圖像，但是它不會憑空產生一個圖像，所以說，它反映梵高美學（印象主義）的藝術歷史背景。一個神經網絡永遠不能與數據保持距離，因為這些數據是它的整個世界，但這些數據僅僅是世界上許多子集中的一個，就像人類觀察者所看到的那樣。
這也是為什麽使用機器學習的藝術展示的“新奇效應”經常如此迅速地消失。正如Zach Lipton所說的關於MuseNet：它“與我們訓練LSTM生成__'的每個通用'完全一樣無趣”。我認為這裡沒有任何音樂家應該感興趣的內容。“純粹的模仿，結果令人印象深刻，但沒有持久的審美價值。它可以輕鬆識別相似性，但很快就會消失。換句話說，純粹的模仿AI藝術變得非常快。
這也是為什麽使用機器學習的技術演示的“新奇效應”往往會很快消失的原因。正如扎克·利普頓（Zach Lipton）對MuseNet的評價：“這與我們訓練LSTM生成的每一種通用方法完全一樣，是無趣的。我不認為這裡有什麽能讓音樂家感興趣的地方。”事實證明，純粹的模仿是令人印象深刻的，但它沒有持久的美學價值。它在識別相似性時提供了即時的滿足感，但這很快就會消失。換言之，純粹模仿的人工智能藝術很快就變得庸俗。
上述人工智能藝術品交易的突出案例屬於這一類。艾哈邁德·埃爾加馬爾的作品甚至以“精心設計的框架”呈現，以“加強與歐洲藝術搖籃的聯繫”，如霍勒·古根海姆所說。很明顯，也是這樣。兩人都出售了名目繁多的歷史肖像，這是一種幾十年來都不屬於當代藝術的作品風格——除了其對肖像的專門歷史重構，如凱辛德·威利（Kehinde Wiley）所作的“古典的、歐洲的”彩色人像，這些人像永遠不會出現在“歐洲”中。“肖像”數據集。
上面提到的人工智能藝術交易的突出案例屬於這一類。正如霍勒·古根海姆（Hoerle-Guggenheim）所說，艾哈邁德·埃爾加馬爾（Ahmed Elgammal）的作品以“精心設計的框架”呈現，用來“加強與歐洲藝術搖籃的聯繫”。他們兩人做了同樣的事情，都出售了名目繁多的歷史肖像畫，這種作品風格幾十年來一直沒有成為當代藝術的一部分-除了專門的歷史肖像重構，如凱辛德·威利（Kehinde Wiley）所作的“古典的、歐洲的”彩色人像。有色人種肖像，永遠不會出現在“歐洲肖像”數據集中。
Kehinde-Wiley的巴拉克·奧巴馬肖像畫：從歐洲肖像傳統中吸收了許多元素，同時批判地超越了這一傳統。
當然，與人工智能合作的藝術家們已經意識到了這一點，因此，他們常常有意地在神經網絡的模仿極限下工作。例如，海倫娜·薩林（Helena Sarin）純抽象的GAN網絡繪畫，一些藝術家很清楚他們所選擇的技術的歷史意義。
這種意識在計算機藝術中有著悠久的歷史：例如，哈羅德·科恩（Harold Cohen）的“aarondrawing機器人”（aarondrawing robot），對純粹模仿風格進行了長達數十年的探索，是機器模仿能力邊界上最突出的工作實例。
在海倫娜·薩林（Helena Sarin）的研究中，我們還發現了一種避免模仿的手段：手工整理數據集。如前所述，DeepDream 是未來的工具包，它在imagenet/ilsvrc-2012之外還 沒有充分發揮出潛力。數據集越有趣/精心策劃，藝術就越有趣/複雜。人臉會合成人臉，Imagenet會創造出狗，但是小的自定義數據集（結合正確的技術）會產生有趣的結果——正如薩林自己所說，在這一點上，幾乎所有的數據都是關於數據的。
未來：人工智能藝術的關鍵應用
這裡有一個預測：一旦GANs成為合適的Photoshop過濾器，我們可以從David Bau（大衛·鮑）和其他人的作品中發現，模仿的問題會被解決。至少它將不再是人工智能美學探索的焦點，就像藝術訪問互聯網不再被視為網絡藝術一樣。
相反，藝術家們最終將接受人工智能藝術的關鍵應用：用人工智能批評自己。正如沃爾特·本傑明（Walter Benjamin）在《The Author as Producer》一書中所說，技術性藝術的力量在於它能夠站在生產關係中，積極地塑造某種技術的使用方式，而不僅僅是提供監視者的審美評論。人工智能藝術的未來已經開始了，一位從事機器學習的藝術家Kyle McDonald發表了一篇關於Gan生成人臉的頂級文章，如何識別人工智能生成的假圖像。
換句話說，AI藝術將成為創新的驅動力，但正如五十年前Frieder Nake所提出的那樣，不僅僅是審美創新的驅動力，而是批判性創新的驅動力。正如抽象是對繪畫中現實主義的批判一樣，人工智能藝術將成為批評“現實主義”人工智能的媒介，即人工智能在假設它是現實世界中的適當代理人的情況下使用（如有問題假設是 現實世界的有效和詳盡的樣本）。
換句話說，人工智能藝術將是創新的驅動力，但正如50年前弗裡德·納克（Frieder Nake）提出的那樣，它並不是美學創新的驅動力，而是關鍵創新的驅動力。正如抽象是對繪畫現實主義的批判一樣，人工智能藝術也將成為對“現實主義”人工智能批判的媒介，即人工智能是在被假設成為現實世界中的一個適當媒介時才可使用的（就像ImageNet被假設是真實世界的有效和詳盡的樣本一樣）。
總結
對於科學和藝術來說，這些都是激動人心的時刻。然而，我們並不處於藝術革命的中期，更何況藝術家隨時都有被機器取代的危險。經常被忽視的是（非平凡的）藝術的進步，就像科學的進步一步，建立在發明和發現的歷史上，有的會漸進發展，有的會被質疑和推翻。
時間將證明人工智能藝術是否會成為一場革命，它將質疑我們製作藝術的方式 - 但從一般的當代藝術史，特別是計算機藝術史，這似乎不太可能發生。更有可能的是我們今天已經看到的一個過程的延續：當代藝術對明確的“人工智能藝術”的修複。換句話說，機器學習將成為另一套工具。如果太過依賴這一工具，有關美學的哲學思辨將會慢慢消失。
該文章內容轉載自大數據文摘 ，如有侵權請聯繫刪除
END
看累了嗎？戳一下“在看”支持我們吧！
香港九龍灣馬來街興發大廈15樓D室