2023.10
[作者简介] 周丰(1989— ),男,上海社会科学院哲学研究所助理研究员,艺术学理论博士,文艺学硕士,心理学学士,研究方向:审美心理学、神经美学。
摘要
该文刊载于《东岳论丛》2023年第10期，全文及注释请查看本刊纸刊原文。人工智能的本质是“计算”,对于一般人而言,人工智能的艺术生成机理就是一个“程序”,而程序实在是一个“黑箱”,一般人所能看到的就是人工智能的艺术产品,以及其于人所引发的感官体验的效果。 那么,人工智能艺术的“美学感”究竟与一般的“美感”在“效果”上有何联系与区别,我们能否绕过基于传统美学的理论分析,而以一种更为直接的方式对其作出判断。 神经美学研究是以实验为手段,以审美愉悦为效果,去探寻审美的神经生物学基础。 而这个“效果”也同样是艺术作品作用于主体引发的“愉悦感”,这一点是与人工智能艺术之效果相同的,都是基于接受者的主体性反应。 因此,人工智能艺术的神经美学研究能够确立人工智能艺术之效果在神经生理层面上与传统艺术之效果有何等程度的匹配。 同时,这也是对人工智能艺术的一次实证研究,进而在神经生理层面寻找人工智能美学与传统美学内在的共同基础与连接的可能。
一、人工智能艺术的群体性“效果”与“生成”
虽然我们会对人工智能艺术的“创造”有所争议,但人工智能的艺术“生成” 却是一个不争的事实,“人工智能艺术”已然是一种存在形态。 人工智能艺术特有的算法生产方式与传统的心灵生产是相断裂的,但这并不妨碍我们将其视为“美的” ,就现有的事实来看,人工智能艺术至少已经在效果上实现了普遍化的审美接受。 例如,2016 年 3 月,日本机器人有岭雷太写就的《机器人写小说的那一天》入围了“星新一文学奖”;2017 年微软小冰的诗集《阳光失了玻璃窗》出版;2022 年 8 月,数字艺术家Allen 使用了 AI 绘图工具 Midjourney 生成初稿再经由Photoshop 润色的《太空歌剧院》,竟然获得了美国科罗拉多艺术博览会数字艺术类冠军。 这些例证至少在现象上表明,人工智能艺术已然具有了与传统艺术审美相同的效果。
然而,普遍化的审美效果是否有可能与传统艺术生产的“心灵”相衔接呢? 其实这也就是人工智能艺术生成的主体性与其接受的主体性相衔接的问题。 显然,就传统美学的路径来看,这种衔接是否定的。 例如,王峰认为人工智能艺术不属于传统的美学研究范畴,是属于后人类的,并将人工智能艺术之效果界定为“仿若如此的美学感”,是平行于传统美学的一个新的坐标系。卢文超亦认为传统的艺术理论并不能解释人工智能艺术。 因此,人工智能艺术作为一种事实的存在并不是从它的“来路”去作判断的,而是基于它的“效果”。
人工智能艺术的美感虽不是直接产生于人的心灵,但也可以说是间接的产生。 间接性意味着人工智能艺术的生产并非依赖个体的人,而是来自于群体的人。 在此,群体性有三个层面:首先,人工智能作为算法是一种群体性的技术支持。 其次,人工智能算法运行所依赖的数据库也是一种群体性的构成,可以说,每一个人都是人工智能艺术生成的大脑分子。 再次,人工智能的艺术生产的评价与反馈是一种群体性事件,即人工智能艺术在主体人所引发的效果是群体性的。 “群体”意味着人工智能艺术之生成是基于个体的每一次“效果”的反馈而生成的,即“效果”包涵了人工智能艺术生成的心灵路径,只是,这种心灵是一种群体的心灵。 它与传统的个体之创作与个体之欣赏的双向重合不同,它是群体之创造与群体之心灵的重合,而这种重合只能回到人工智能艺术在个体层面所引发的“效果”上去认识。
人工智能的艺术生产确切地说是一种“生成”,它是根据自身算法对数据库的学习而“生成”具有某种创新性的作品。 只是,这个创新并不是“由无生有”,而是“以有生有”。 它所生成的作品是基于现有艺术作品的类型与风格,换言之,它脱不开现有的艺术类型或风格,只能在现有的经验层面游移,而不可能突破经验去创造新的艺术史。 因此,人工智能艺术能不能被称为“摹仿” 仍是值得商榷的。
柏拉图在谈及“摹仿”时指出:“在儿童入学之后,教师工作的重点在于培养他们良好的品行……让他们阅读和背诵优秀诗人的经典作品……而摹仿这些人杰,并渴望成为像他们那样的人。”再有“使他自己的声音笑貌像另外一个人,就是模仿他所扮演的那一个人了”。在此,我们能够看到摹仿是向他人学习,去“像另一个人”,显然,这里暗含着“摹仿”的内容是自身所“无”的。 摹仿之前提是个体本无相应的技能或形式,而是以重复他人的方式去习得相应的技能或形式,是一种“以无生有”的获取,虽然是他人已“有”,但却是自身之“无”的。 然而,人工智能艺术之“生成”却是自身已“有”的。
“生成”实际上是以问题为中心的信息建构能力。 而生成式人工智能则将人类的这种信息建构能力作为一种功能外化了。 这就意味着,能力的建构与修养不再属于个人,而是成了群体性的。 然而,生成式人工智能对人类原有能力的打包与整合并不意味着对相应能力的剥离,它仍然是作为人类能力链条的一个环节,只是被外化为某个功能。 与此同时,这种外化的功能也意味着人的能力的均等化。 例如,谷歌推出的 Noise2music 能够根据文字生成音乐,似乎每个人因此可能成为音乐的创作者;Stable Diffusion 的图像生成使得每个人都可以根据自己的意愿去作画。 显然,人工智能绘画之生成并不能达到梵·高或莫奈的创作水准,但可能已然达到甚至超过一般已经具有相应绘画功底的学生的水平。 这种超乎寻常而又未到非常的水平正是人工智能作为一种功能所实现的“大众化”,每个人在使用它的时候便意味着实践了相应水平的功能,它是作为一个打包的整体存在于人的能力链条之中。
生成式人工智能实则是“机器理性” 的发展,将人的“直觉能力”理性化。 艺术生产一直被视为人类心灵的独特能力,当其以“机器理性”外化为一种功能时,它仍然是以人类心灵为基础的。 直觉与机器理性仍统一于人的心灵,只是,此处的心灵不再是个体的,而是基于人类群体。然而,这种统一如何可能?
在此,机器理性是以人类心灵为基础的“驯化”。 表面看来,人工智能艺术是人类以计算机程序的产出,但实际上其产品却是在人类群体的审美语境中不断地调试以达到今天的“美”的水平,是一种外在机制的“驯化”。 这也正是群体的主体性参与艺术生成的一种表现。 微软小冰最初的诗作可能并不够优秀,但在不断地以人类心灵的审美判断调试之后,而优化了其算法。 今天的 Chatgpt实际上也是以人类的理想为出发点和参照经过了几代的更迭驯化而来的,2017 年最初的 Chatgpt - 1,2019 年的Chatgpt-2 再到今天的 Chatgpt-4,其中更新的代码数据可谓是几何式增长的。 然而,这个过程的每一次调试都是个体心灵的建构,我们每个人都参与到了对生成式人工智能之生成的评价与反馈,这种评价与反馈则会进一步被程序所记忆并优化其生成。
传统的美学理论实际上也是作为效果经由个体的直觉转化成一种审美判断,反馈给人工智能的艺术生成。人工智能所生成的艺术并没有真正形成自我判断,微软小冰诗集的“集结”,《太空歌剧院》的获奖,这些都是由人来执行的。 “人的执行”最终并没有被作为人的行为来认识,而是作为“人工智能”的附属,或者说是作为人工智能的整体性来认识的。 个体的人是以自身的审美素养来完成他对人工智能艺术之生成的判断,审美素养就是其“直觉”。 如果是一位具有丰富美学知识的人来“执行”这样一个任务,那么,他的“标准”就是他基于美学理论的“直觉”。这种直觉之标准所引发的判断便会被人工智能记忆为一种模版或数据库的一部分,去进一步调试它接下来的生成。
因此,个体以“效果”的名义对人工智能艺术的接受已然被纳入到了人工智能艺术的总体“生成”之中。 以艺术创作的传统路径来看,如果我们只是将“创作”聚焦于人工智能生成艺术作品这一输出行为本身,那么,人工智能艺术的生成则是与心灵相断裂的,主体性也被抹平了。但如果我们将其视作为一个整体性事件,只是将“生成”作为链条的一个环节,那么“生成” 就是群体性的主体。而“效果”与“生成”之间实际上也是接受者与创作者之间的主体性差异。 然而,这两个主体性是否可能统一?
在此,我们还是要从人工智能艺术在主体意义层面的唯一的立足之处———人工智能艺术的审美效果———出发,去探寻其主体性存在的可能。 既然人工智能艺术的“来处”是缺失的,我们能否避开其“来处”,而从“效果”出发,去寻找二者的衔接,毕竟接受主体在人工智能艺术得以生成的环节中是存在的。
二、从“效果”出发的神经美学
神经美学是近年来新兴的以科学实验为手段的审美研究,且已经较为成熟,神经美学意在探讨审美发生的神经生理机制及其一致性。 这种一致性并不是说审美引发了某个只针对于审美的特殊脑区,而是一种独特的发生路径。 不关于类型或是门类,神经美学研究者希望寻找审美愉悦在神经生理层面所表现的效果的一致性,基于这样一种认识去丰富审美愉悦的理论内涵,毕竟,传统美学中关于跨门类艺术的讨论是差异性与统一性共在的,神经美学仍是延续了这样一种路径,以神经科学的实证去讨论艺术的差异与统一性。
然而,当前的人工智能与大脑的关联多是机制层面的,例如人工智能的深度学习,即名为“深度神经网络”,但此“神经”也是一种比喻性的,人工智能对于大脑的接近智能是功能性的,而非内在机制的统一;再如脑机接口,则是将人或动物的活体大脑与外部设备相连接,进行信息传递或发号指令、控制设备。 而人工智能艺术与大脑之关联的研究则几乎没有出现。 例如,在中国知网和百度上各以“人工智能艺术”和“大脑”作为并置关键词进行主题搜索,并没有相关文章,以“AIart”和“ brain”以及“AI art” 和“ experiment” 或“ empirical research” 在“Elsevier”“Springer”和“ Web of Science” 中检索,均未有关于人工智能艺术大脑机制的研究。 但是,我们在搜索中发现了一些人工智能艺术的实证研究,只是,这些研究多为人的艺术和人工智能艺术的比较,或是指向于“人类对人工智能艺术创造力的偏见”;实验表明,只要是贴上“人工智能创作”的标签,被试者就会对其轻视或贬低。但同时人们对这些实验的研究也能够表明,人工智能艺术和传统艺术在效果层面的近似甚至相同。
那么,人工智能艺术的脑基础研究的缺失是否就意味着相关研究的无意义呢? 当然不是。 人工智能艺术与脑的关联研究的缺失是有原因的。 首先,在神经美学研究来看,人工智能艺术的脑关联研究本是不符合其目的的,毕竟神经美学是要探寻“审美”的神经生物学基础,而人工智能艺术则在传统美学理论层面难以被归划为“审美”的,这也就使得其在神经美学研究中为“零”。 其次,人工智能艺术作为“生成”的一种结果,即便是由“深度神经网络”产生,但这里的“神经”依然是隐喻的,是神经网络与“运算”的一种机制关联,而不是与作为产出结果的人工智能艺术的关联。
《新亚美利加百科全书条目·美学》指出:“有两种不同的途径可以把美学当作一门科学去处理和发展。 一种是先验法。 它设法整理为人心所特有的美学概念,用他们来建立起一种抽象的体系,然后敦请艺术家们依照这种体系去创造他们的艺术。 另一种方法是后验法。 它把公认的艺术作品作为出发点,从中寻找出哪些产生愉快效果的因素,然后把得到的结果综合成现有艺术品的情况的实践法则。”神经美学实验中所选择的材料多为艺术作品,这正是对“公认的艺术作品”的呼应,公认的艺术作品即被公认为美的。 因此,在实验的操作层面便是“可控的”。 而在一些实验中,更是以艺术家的创作过程为实验对象,探求艺术创作过程中艺术家的脑区活跃特点。这些都是以事实为依据而加强其实验的可靠性或可操作性。 今天的人工智能艺术某种程度上已经获得了“公认”的身份,只是我们需要确证其“公认的艺术”身份。
因为实验的根本就是控制或操作,因此,“美或艺术”就必须被转换为一种过程,神经美学不是要静态地去分析一件艺术作品的形式因素,而是在艺术感知之中去剖析形式所引发的效果,这也是“审美”或“审美体验”作为实验之对象的必然。 那么,审美或审美体验在实验中又是如何判断的?
神经美学具有两个支撑性方法:量表法和神经影像学技术。 量表法实际上是将个体对某件事物的态度的数据 化,在神经美学的实验中就是个体对实验材料,如针对一件作品的审美态度。 其最常用的有里克特量表和 PANAS情绪量表,PANAS 是一种情绪倾向性指标,能够测出被试在特定的时期内所体验到的积极或消极情绪的频率,以此判定实验中的被试是否有带入自身情绪的可能。 而神
经影像学技术能够在对大脑非损伤的情况下呈现出个体在执行某个任务时其大脑相映的活跃状态。 其中运用最为广泛的有核磁共振成像技术( fMRI)、 正电子发射断层显像技术(PET)以及脑电波诱发电位技术(ERP)等,所有这些技术都已被用于包括艺术、人脸与几何图式在内的视觉刺激的知觉实验。
神经美学的这两个方法的根本目标就是要将“审美愉悦”之效果转化为可量化的判断。 里克特与 PANAS 情绪量表一般是有 1-3 或 1-5 的奇数列项,将效果或个体情绪划分开来,如石原智宏与泽基的实验中就将个体的审美体验强度划分为 5 个等级:5(非常美),1(非常丑),将 3 作为中性。 在情绪效价的评分中将5 对应为非常愉悦,1 对应非常悲伤,3 则对应为中性。 而神经影像学技术则将个体的大脑活跃状态图像化,图像化并不是简单的图的呈现。 我们的大脑是区域化的,不同的区域对应着不同的功能。 这就意味着神经影像学技术是将我们的大脑功能量化了:所涉及的脑区大小及其活跃的强度与持续时间都可以被数据化。
神经美学的研究对象“审美体验”本就是对个体性的强调,人工智能艺术的神经美学研究是回到了人工智能艺术之生成的个体性。 人工智能艺术之生成是一种“群体性”实践,其“个体性”就在于其所引发的“效果”之中。显然,如果依照传统路径来看,人工智能艺术之生成的个体性只存在于“机器”自身,个体性是被机器理性遮蔽的,我们所有对人工智能艺术作品的反应在强势的“机器理性”面前都变得微乎其微了。 但是,实验就是要呈现个体的感知体验。 实验,某种程度上是以另一种理性去放大个体的感知过程。
在此需要指出的是,当前神经美学实验多是集中于艺术欣赏而少有艺术创作研究,这种偏向正是神经美学实验的“可操作性”的制约。 其原因有三:首先,一般人都可以具有艺术欣赏的能力,但却难有艺术创作的能力,因此,就被试者的选择来看,艺术创作的实验研究要更难。其次,实验中的神经影像学技术的设备一定程度上是要固定被试者的身体部位的,这种外部的设备干扰很大程度上也会影响艺术的创作行为,当然,艺术的欣赏也不例外,但相对较小,当下的实验也从设计上尽最大可能地规避了这个因素。 再次,艺术创作行为的“操作性界定”问题,何种才是艺术的创作,艺术家身在设备之中的几笔线条画是否就等于艺术创作行为? 然而,神经美学当前以艺术欣赏为突破口其实也是为后面艺术创作的实验研究做准备的,它不仅能够成为方法上的对照,而且也是创作主体性在神经生理层面的对照。 当然,这也可以对人工智能艺术的神经美学实验研究形成参照。
神经美学之于人工智能艺术将不再是一个研究领域,而是作为一种方法。 神经美学之关键在于:“如何在物质层(神经元和神经网络)、艺术经验层和艺术作品层三者的鸿沟之间架构起一座桥梁。”“效果”即是经验的构成,当效果与功能及其生理结构相对应起来,便能够构建一种基于心灵发生的美的理论。 人工智能艺术的心灵发生机 制 是 空 白 的, 显 然, 神 经 美 学 的 “ 效 果———功能———结构”路径在传统艺术生产中是一种双向路径,艺术的欣赏能够匹配于艺术的生产。然而,人工智能艺术的欣赏和生产并不能形成双向的匹配。 但我们能够通过人工智能艺术的神经美学研究去发现其效果的神经生理基础与传统艺术欣赏之路径甚至是艺术创造之路径的匹配程度,使人工智能艺术与传统艺术回到一个共同的内在基础。 神经美学研究某种程度上就是以实证的方式还原个体的心灵过程。
三、人工智能艺术神经美学研究的可行性与意义
神经美学研究的材料多为艺术或自然美,或生活中的一般材料,如日常的声音和景观。 然而,人工智能艺术却鲜有出现在神经美学的实证研究之中。 这也和神经美学研究的目的相对应,神经美学就是要探究“美的神经生物学基础”,那么,人工智能艺术并未被纳入到传统的“美感经验”之中,也就不符合神经美学的研究目的,因此并未成为神经美学的研究材料。 在此,我们正是要反其道而行之:既然人工智能艺术是因为不符合传统美感的要求而未成为神经美学研究的对象,那么,如果我们以人工智能艺术为对象加之于神经美学实证研究的路径,是否就可能去验证人工智能艺术在神经生理的层面与传统的“美感”相同的效果呢?
今天的人工智能艺术在经验层面已经获得了与传统艺术相同的审美效果。 “计算机程序是否能够生成一件优美的艺术或音乐作品? 虽然美感是高度主观的,但我的答案绝对是能,因为我见过大量很美的由计算机生成的艺术作品。”甚至有实验证明,将人工智能艺术与人的艺术混淆在一起呈现给被试者时,被试者很难分清哪些是出自人类,哪些是来自人工智能。 人工智能艺术与人类艺术相混淆的获奖,以及人工智能艺术在人类群体中的大受赞赏已经表明了其效果与传统艺术的相同或相近。那么人工智能艺术便符合了神经美学从审美愉悦的“效果”出发,只是,我们是以另一种目的。
然而,人工智能艺术之效果与传统艺术之效果真的相同吗? 在此,我们不妨用神经美学的方法对其做一次实证研究,去认识这样一种“效果”,如果能够在神经生理层面见出其与传统艺术的异或同,便能够形成一种确切的对照。 以这样一种方式,我们便能够“绕过理论分析”,而以实验实证的路径判定人工智能艺术与传统艺术是否具有相同的效果,以及“美学感”和“美感”在神经生理层面是否具有一致性。 由此锚定“美感”与“美学感”连接的桥梁,也即成为人的艺术与人工智能艺术统一的切入点。
神经美学的研究对象是“审美体验”,那么,人工智能艺术在进入神经美学实验研究之时,是不是审美体验?显然,人工智能艺术的神经美学研究的目的是与传统神经美学研究不同的:神经美学研究是要发现“美的神经生物学基础”,而人工智能艺术的神经美学研究是要探讨人工智能艺术与传统艺术在神经生理层面所引发的效果是否匹配。 也就是说,人工智能艺术的神经美学研究并非以“审美”为前提。 当然,我们或许会看到,人工智能艺术之效果与传统艺术之效果的重叠或完全重合,反过来,这种“非审美”的目的,也能够证实人工智能艺术的审美性。
在此,既然神经美学之目的与人工智能艺术的神经美学研究之目的是不同的,那么,神经美学实验的方法是否能够对人工智能艺术的实验研究奏效呢? 前文我们已经讨论,首先,神经美学之“审美”是从“效果”出发的,这一点是与人工智能艺术完全契合的。 其次,神经美学实验的方法是与神经美学实验的对象相互驯化而来的,我们能够看到神经美学实验发展的过程中,方法与对象的彼此适应,即以“美的操作性界定”为核心的发展,而这也将成为人工智能艺术之实验的一种参考。 实验的目的决定了对实验对象的“操作性界定”。 因此,人工智能艺术在进行实验实证的时候,是需要以我们的目的对其作出操作性界定的。
人工智能艺术是什么? 是不是所有的人工智能生成的类艺术的东西都可作为人工智能艺术而成为实验的材料呢? 显然,微软小冰的作品集也不是收录了它全部的作品。 因此,我们首先要选定人工智能艺术的范围。 其次,人工智能艺术的“效果”本来就没有明确的界定,或许我们只能平行于神经美学的“审美愉悦”去作一个假定,并参照神经美学研究的量表法给出一个量化的方式。 我们只有在看到实验结果之后才能真正认识何为人工智能艺术的“效果”。 再次,参与的被试者如何选择,需不需要进行艺术专业组和非专业组的对照。 毕竟,“效果” 的引发及其强度是基于个体的审美经验,个体的判断直接决定了实验的结果。 专业组与非专业组对人工智能艺术之效果的表现是否同一,又或有何差异;等等。 这些都是“操作性界定”所要考虑的问题。人工智能艺术的神经美学研究存在三种结果:
其一,人工智能艺术与传统艺术在神经生理层面之表现是完全不同的。
其二,人工智能艺术与传统艺术在神经生理层面之表现是有部分重叠的。
再三,人工智能艺术与传统艺术在神经生理层面之表现是完全重合的。
那么,实验的这些结果将会有怎样的意义?
上述三种结果其实大可分为两种情况。 如果说人工智能艺术与传统艺术在神经生理层面之表现是完全不同的或是部分的不同,那么人工智能艺术就会呈现其特殊性。 然而,这种特殊性的建立要基于两个层面:首先,人工智能艺术与传统艺术表现出完全的不同或某些特殊的差异;其次,人工智能艺术之表现与一般的材料之表现的对照中仍然具有特殊性。 那么,这就可以说明人工智能艺术是另一番景象,甚至是另一个美学坐标系。然而,如果说人工智能艺术之表现与传统艺术完全相同,那么,则说明人工智能艺术与传统艺术都是“审美”的,“美学感”之效果与“美感”是一致的。 这就意味着,我们能够绕开传统美学之于人工智能艺术的困境,而对人工智能艺术的艺术属性作出判断。并且,基于人工智能艺术与传统艺术在神经生理层面的统一性,这种解释也能够成为“自下而上”地去实现二者在理论层面相衔接的基础。
例如, 如果人工智能艺术在被试者的默认模式网络中引发了与传统艺术相同的活跃状态,那么,我们便可以认定,人工智能艺术在这样一个层面存在艺术特性。 并且,这种引发并不非是要所有的被试者都产生了这样一种效果,或是对某个被试者的诱发必须达到怎样一个比例或水平。 它不是一种类似于考试的证明,而是一种全或无的反应,只要有一个被试者对一件人工智能艺术作品实现了与传统艺术相同的反应,那么这就可以说,人工智能艺术能够实现同于传统艺术的“效果”。 如果进一步细化,人工智能艺术在某个脑区所引发的反应若是高于传统艺术,则意味着人工智能艺术已然实现了对人之艺术的超越;若低于,则意为着人工智能艺术的相对欠缺,然而,这种欠缺能否依靠神经美学对人的感受的量化而实现对人工智能艺术算法的调整,这便是一个问题。
显然,不管人工智能艺术与传统艺术在神经生理层面之效果是否匹配,人工智能艺术的神经美学研究所产生的数据都有着重要的意义。 因为神经美学实验所得的数据实际上是人工智能艺术之“效果”的一种量化,这种量化即是人工智能艺术的“效果特征”,是极易转化为运算的。 反观今天的人工智能艺术之生成,我们在面对某件生成式艺术的时候,“它总是带有一种魔力:它棒极了,但却难以理解。”因为今天的人工智能艺术作品基本上是以现存的艺术作品作为数据库,提取其形式特征,进而根据形式特征生成艺术品。 因此就缺少明确的表意功能。 如果能够将人工智能生成的艺术作品的“效果特征”纳入进其生成的前提,那么,人类的心灵就能够明确地参与到人工智能艺术的生产之中。
此外,人工智能艺术是以一定的关键词生成的,这个关键词也是带有输入者的某种态度倾向的。 正类似于“测字算命”,求者所写的“字”其实是当下心理状态的一种反映,而算命先生根据“字”和求者的表情(包括言语、动作),去判断求者的心之所想。 这是两个心灵直观的相互理解。 然而,人工智能艺术的观赏只是算命先生所见之“字”,我们对人工智能艺术的反应将多大程度上偏向于输入者的态度倾向,这也是神经美学实验所能给予的支持。 一般情况之下,人工智能艺术的输出并不具有特定的情感或意蕴,那么,人工智能艺术的神经美学实证研究中,对其输出效果的量化某种程度上就反映出了与其输出结果的匹配,换言之,我们能否依据这种量化去进一步地调试其输入,以这种量化的效果反馈去实现人工智能艺术生成的意蕴与情感的赋予。 当然,这种赋予其实仍然是建立在人工智能艺术之效果的“群体性”之上。
如此一来我们不禁要问:人工智能艺术个体接受中的主体性呈现能否回流到其创作的主体性问题呢? 显然,神经美学的实证并不能锚定在人工智能艺术的生成或创作的主体性之上,但是,如果人工智能艺术的神经美学实验研究能够提供基于神经生理层面相应艺术作品的“效果特征”,并将这种“效果特征”结合其原有数据库的“形式特征”去进一步生成艺术作品,那么,“效果”就不再仅仅是接受层面的主体性表现,而且也是艺术生成的主体性构成。 只是这个主体性是借用技术的形式反馈到艺术生成之中的。 这种反馈其实在当下的艺术生成中也是存在的。 例如,2019 年,德国电信公司组织了一个由人工智能专家和音乐家构成的团队,创作了贝多芬未完成的“第十交响曲”:《贝多芬第十交响曲———人工智能版》;在此过程中,团队成员在每个步骤中都要对人工智能进行指导和更正。 在最初的几个月里,由人工智能生成的乐章听来十分机械化,但这些乐章都有专人进行调整,使其贴近贝多芬的风格。 诸多音乐家根据音乐理论帮助人工智能做出整个曲目结构等关键性决策,反馈给人工智能,最终于 2019 年 11 月完成乐谱。 然而相较于此,人工智能艺术的神经美学实证研究所得出的“效果特征”作为一种底层数据要更为量化和可操作化,加以时日对人工智能进行不断的驯化之后,在单个的艺术生成中它便不需要专业的团队来对人工智能作出反馈,仅仅是人工智能程序和使用者自身就可完成这样一种反馈和生成。 因此,人工智能艺术的神经美学实证虽然是以“效果”之名对接受主体的研究,但某种程度上也能够回到“生成”的主体之上。
四、结 语
神经美学研究是以实验实证而著称的,它的以效果为起点的“自下而上”的方法是有别于传统美学研究的。而人工智能艺术与传统美学理论的缺口也是去考察人工智能艺术的“效果”。 如若此,我们就不得不追问,基于神经生理层面的“美学感”与“美感”是否能够合而为一? 人工智能的神经美学研究之所以能够绕开传统美学的理论困境则在于,科学实验本就是一种现象层面的演绎,这就使得人工智能艺术之“美学感”的效果与传统的“美感”效果的对照不再只是理论层面的猜想,而是进入到了现象层面实实在在的对照。
人工智能艺术的神经美学研究首先是一次尝试,本文则是对这一尝试的理论构想,相关问题的追究和细化需要在进一步实验的基础上展开。 群体的效果构成了人工智能艺术的边界。 从接受美学来看,艺术生产之完成包含了艺术的接受,接受才算是艺术生产的完成。 而人工智能艺术的神经美学研究能够以量化的方式呈现出这样一个接受的状态,并且以量化的“效果特征”作为数据反馈给艺术的生产,这也正符合人工智能艺术之“创造”的最终目的。
