李 豐

2016年開始，以AlphaGo為代表的人工智能(Artificial Intelligence，簡稱AI)大出風頭，并成為學界和業(yè)界持續(xù)討論的熱點。人工智能本來并不是新話題，這次大放異彩是因為深度學習卷積神經網絡算法實現了商業(yè)級突破，從而打開了一片廣闊領域。這個突破被認為是一個科技革命級別的進展，因為這種策略的成功并不限于圍棋領域，而可以在多個領域實現同樣級別的進展并產生顛覆性影響。這其中也包括藝術領域。譬如，2015年8月德國西奧綜合神經科學研究所在arXiv.org展示了研究成果，讓基于深度學習算法的AI通過對梵高作品的“訓練學習”而掌握了繪出梵高作品的能力，即能根據輸入的實景照片“繪出”一張具有梵高典型風格的畫作，以至不知情的觀眾可能將之認作梵高未被發(fā)現的作品。[注]L. A. Gatys, A. S. Ecker, M. Bethge, A Neural Algorithm of Artistic Style (2015.9) , https://arxiv.org/abs/1508.06576.2016年，微軟公司開展了一個類似項目“下一個倫勃朗”，即試圖“教授”一個AI“學會”倫勃朗的繪畫選題與技巧，最終成果是由AI生成了一幅倫勃朗式男子肖像畫并通過3D打印出來?？梢哉f，把這幅作品掛到倫勃朗博物館里也毫無異樣。[注]https://www.nextrembrandt.com/.而在2018年10月23日佳士得Prints& Multiples拍賣會上，一幅被叫做Edmond Belamy肖像的AI作品還將以七千到一萬美元的價格起拍。[注]http://tech.ifeng.com/a/20180827/45141410_0.shtml.

已經和將要進行的類似嘗試還有很多。這就帶來了一個問題，即AI最終有沒有可能像它在圍棋領域碾壓人類棋手一樣，最終超越并完全取代人類藝術家？有些人樂觀地認為隨著深度學習算法的潛力被挖掘出來，這是遲早的事情，或者說人工智能在任何領域超越人類都只是時間問題，藝術AI超越人類藝術家只是其中的子問題。也有人認為這并不會成為現實，因為圍棋與藝術創(chuàng)作屬于不同的領域，而人工智能按現有算法，無法具有真正的創(chuàng)新能力。當然，更多人持一種觀望態(tài)度，對此不置可否，我們在這個問題上的直覺也的確是很模糊的。

本文的目標正在于澄清這個問題。

一、藝術概念的創(chuàng)造性要件

對于藝術家來說，藝術作品可分為“創(chuàng)作”和“習作”?！傲曌鳌敝笧榱藢崿F特定訓練效果而做的針對性練習，臨摹或模仿別人的作品也沒有問題，并不必然要求作者獨特或完整的表達；而一件作品能被稱為“創(chuàng)作”最重要的特征就是，這件作品或是主題觀念，或是表現手法，至少在一個方面是嶄新和獨特的。這有時依賴于藝術家對私人經驗的深度挖掘，有時來自于藝術家單純尋求與他人或既有作品的差異?？傊挥芯哂辛四承﹦?chuàng)造性因素，才稱得上“創(chuàng)作”。

所謂“創(chuàng)造”，按其本意，意味著從無到有，不依賴任何前因而憑空產生出了超越既有經驗的新因素。新創(chuàng)造物與既有物應有著本質差異，因此無法被歸入之前的類別之中。“創(chuàng)造”曾被認為是上帝的特權，隨著人文思潮興起，人的創(chuàng)造能力得到了確認和強調。在藝術史上與此對應的是，文藝復興前所盛行的是寫實傾向的宗教畫，藝術被定位于忠實地反映自然或為宗教教化服務，并默認了對人創(chuàng)造性的壓制；而文藝復興之后的藝術史歷程可以看成是對人的創(chuàng)造能力不斷肯定和解放的過程。在現代派之后的當代藝術更明確把“創(chuàng)新”和“突破”作為核心目標和取向。

這要求藝術家總要在既有藝術經驗范圍之外提供一些“徹底的新東西”出來。所謂“徹底的新東西”，意味著其不能被既有的創(chuàng)作原則所統(tǒng)攝，甚至是對傳統(tǒng)的徹底決裂。這些新經驗擴充了人類直感經驗范圍，同時這個擴大了的范圍又成為了新的超越和突破的對象。這是對藝術概念，尤其是當代藝術概念最純粹和最狹義的理解，否定這一點就完全無法整體把握當代藝術脈絡。也正因為當代藝術創(chuàng)作的目標就是定位于打破固有和習慣性的理解方式，當代藝術品常表現得“令人費解”，但這正是凸顯其創(chuàng)新本質的內在要求。

如果一件作品完全落在了某個傳統(tǒng)之內，或本身就是一種重復和模仿，那么就喪失了被載入藝術史的資格。這本身也是藝術史生成的基本邏輯，積極介入傳統(tǒng)可以讓藝術家更容易被理解和接受，但藝術家對藝術史的否定性“借鑒”和重新定義使其能夠被載入藝術史。即使在前現代，藝術史的形成邏輯也絕不是單純地記錄，巨大數量的藝術家群體中技法足夠精湛的藝術家并非少數，但能被載入藝術史的終究寥寥無幾。這純粹是因為外在偶然原因嗎？即使在寫實主義的大框架內部，能被載入史冊的藝術家也一定是在技法或效果呈現上有所創(chuàng)新或具有獨特性。所以，藝術，尤其是當代藝術的核心精神之一就在于突破和超越既有經驗，而不是重復、模仿或僅僅技法上的純熟?？蚨宋覀兯懻摰乃囆g創(chuàng)作的基本含義之后，我們再來看另一個主題，深度學習人工智能。

二、深度學習的基本原理

“智能”可泛化為一種信息處理系統(tǒng)。人類接受外在刺激并做出反饋，以實現具有明確目的性的復雜功能，因而被認為是具有智能的。人工智能則意味著這樣一種信息處理系統(tǒng)是由人工設計和制造的。而本文談及人工智能的含義比字面意思要更加狹窄，即特指以AlphaGo為代表的基于深度學習卷積神經網絡算法的人工智能。

經典的人工智能算法可以被看成是建立在“歸納建?！彼悸飞?，即模型來自于對規(guī)律或規(guī)則的歸納，建模即在描述被描述對象的規(guī)則或本質，所以模型中的每個變量和函數都具有特定的規(guī)律或規(guī)則意義。這是我們熟悉并能夠直觀到的建模方式。譬如戰(zhàn)勝卡斯帕羅夫的“深藍”電腦程序就是技術人員根據幾個國際象棋大師顧問的總結意見設計的。所以其基本設計思路是借助模型進行窮舉，即利用計算機的計算力優(yōu)勢遍歷一步棋后的所有可能性(事實上深藍的算法有“剪枝”優(yōu)化，并非“所有”可能)。對于設計人員而言，深藍電腦是一個透明的“白箱”，深藍電腦的對弈策略不會超出設計人員的理解，只是利用了計算機計算速度更快的優(yōu)勢而已。這跟用計算器計算多位數乘除的運算比人心算的速度更快并沒有本質區(qū)別。這很直觀也很容易理解，所以我們也很清楚深藍的可能性界限所在，即深藍的博弈策略本身不會超出編制程序的象棋專家的掌握范圍。

而圍棋、圖像識別、金融交易等領域比國際象棋要復雜得多，所以無法用歸納建模的方式來處理。也正是思路上的轉換，導致了AlphaGo強大而神秘的力量。深度學習卷積神經網絡的核心思路在于建立一個“預測模型：用一個擁有大量參數的萬能函數來擬合用戶所提供的訓練樣本。這個數學模型如同一個橡皮泥，可以通過變換它的參數集被塑造成任何形狀?！盵注]龔怡宏：《人工智能是否終將超越人類智能》，《學術前沿》2016年第4期上，第16頁。數據擬合是一種把現有數據通過數學方法來代入一條數式的表示方式。現實應用中，我們常會獲得一些離散數據但又希望得到一個連續(xù)的函數或更密集的離散方程與這些離散數據相吻合，這也就是擬合的過程?！袄糜脩籼峁┑挠柧殬颖緦δＰ瓦M行訓練的目的，就是選擇最優(yōu)的參數集，使模型能夠很好地擬合訓練樣本集的空間分布。通過訓練得到的預測模型，實際上把訓練樣本集的空間分布提取出來并編碼到其龐大的參數集中。利用這個訓練好的預測模型，我們就能夠預測新的未知樣本x的標簽或屬性。”[注]龔怡宏：《人工智能是否終將超越人類智能》，《學術前沿》2016年第4期上，第17頁。

圍棋的“取勝規(guī)則”比圍棋規(guī)則本身復雜得多，人類棋手無法用歸納方式完成。AlphaGo“利用深度卷積神經網絡這個萬能函數，通過學習來擬合兩千多年來人類所積累的全部經驗及制勝模式，并將其編碼到神經網絡的龐大參數集中。對于當前棋局的任何一個可能的落子，訓練好的神經網絡都能夠預測出它的優(yōu)劣，并通過有限數量的模擬搜索，計算出最終的獲勝概率……由于AlphaGo對每個落子以及最終勝率的預測，是建立在圍棋界兩千多年來所形成的完整知識庫之上的，它的預測比人類最優(yōu)秀的棋手更準確?！盵注]龔怡宏：《人工智能是否終將超越人類智能》，《學術前沿》2016年第4期上，第20頁?？梢?，AlphaGo所找到的圍棋取勝規(guī)則一定超出了人類理解，因為預測建模是在用擬合方式刻畫離散樣本間的外在聯系，因此“萬能函數的參數一般不具備任何物理意義，模型本身往往只能用來模擬或預測某個特定事物或現象，并不能揭示被描述事物或現象的本質及內在規(guī)律?！盵注]龔怡宏：《人工智能是否終將超越人類智能》，《學術前沿》2016年第4期上，第16頁。所以即使是AlphaGo設計者也不可能直觀把握到。對于設計者來說，AlphaGo一旦開始了訓練和學習，它就變成了一個以最終取勝為導向的“黑箱”。設計者只能根據AI系統(tǒng)輸出的外在結果來檢驗其運作有效性。所以AlphaGo給我們一種強大又神秘的印象，乃至讓我們對AI的能力做出過多想象。

熟悉深度神經網絡的基本原理，了解AlphaGo的強大能力是如何獲得的對于處理我們的主題非常重要，因為這既框定了我們的討論對象，也為問題本身提供了解答思路。我們可以看到，深度學習算法有兩個關鍵步驟：

1. 通過“訓練”得到擬合了足夠多樣本的參數集和萬能函數，即一個“預測模型”。AlphaGo就擬合了兩千年來人類積累的全部經驗及制勝模式，并通過不同版本的自我對弈生成了3000多萬個對局，并編碼為龐大的參數集。

2. 根據這個預測模型來處理和評價任何新樣本，或在諸多新樣本中選出與已有模型擬合度最高的那一個。在對弈中，AlphaGo就是借之前得到的預測模型評估每一個可能落子點所帶來的獲勝概率，并總是選擇勝率最大的那一步棋來走，以此發(fā)揮出計算機(遠超任何人類棋手)的穩(wěn)定性優(yōu)勢取得最終勝利。

在這樣一種策略中，隱含著一個重要預設，即新樣本與舊樣本被看成是同類的事物。因為只有這樣，才有理由將根據舊樣本得到的模型應用于新樣本。這個預設在我們處理下棋、人臉識別、金融乃至政治決策之類的情形時是沒有問題的，因為在這些領域，我們遇到的幾乎全是重復性經驗，“日光之下，并無新事”。我們默認圍棋的取勝規(guī)則、人臉的特征或群體人性是不會變化的，所以只要樣本數量足夠大，取樣方式和算法設計足夠合理，那么就可以針對這些復雜領域的問題建立起有效的模型來，進而處理在時間上屬于新情況，但本質上并不會脫出既有樣本范圍的新對象或新樣本。

三、原則上的不相容性

至此，我們可以把以AlphaGo為代表的人工智能突破的基本原理概括為：利用深度學習算法和計算機的算力優(yōu)勢處理數量巨大且紛亂復雜的歷史樣本，從中得到一個預測模型，并以此處理與歷史樣本同質或相似的新樣本。但這種策略在前述諸領域的有效性恰恰導致了這種策略在藝術領域里的注定失效。而且這種失效是概念上的，內在于深度學習原理和藝術概念本身，不可能隨著深度學習算法的改進而解決。

按我們上面的分析，藝術概念本身蘊含著對既有藝術經驗的突破，創(chuàng)作總意味著擴展了既有藝術作品的范圍，換句話說，一個藝術創(chuàng)作新樣本只有不能被深度學習算法根據藝術史經驗建立起來的萬能函數所完全擬合，才算得上“藝術創(chuàng)作”。深度學習算法本質上是經驗回溯式的，既沒有脫離既有經驗的取向，也沒有脫離既有經驗的可能。而藝術家對經驗的利用方式不同于AlphaGo，后者是對既有經驗的模仿與擬合，而藝術家會在借鑒之外最終謀求對經驗的否定和差異化。深度學習的運作機制與當代藝術的本質旨趣在根本上是逆向而行的。藝術家與“時尚引領者”之間一個共同點是二者都始終保持一種不斷突破當下的態(tài)度。如同“對時尚的緊追”總意味著已經落后于時尚，深度學習對既有藝術經驗的充分模仿也意味著如此產生的作品注定失去了藝術性。換句話說，卷積神經網絡在技術上越成功，在藝術上也就越失敗。所以，文章開頭提到的AI作品就首次以AI作為創(chuàng)作手段來說是藝術性很高的，但就AI產生的畫面本身而言，已然不能算作真正的藝術創(chuàng)作。

但既然“創(chuàng)新”首先是一種否定性含義——與既有經驗存在著差異，那么似乎只要避免了重復就可以算作“新”，而“隨機性”就有機會滿足這個弱化了的否定性要求。如果一個藝術AI在創(chuàng)作時加進隨機參數，似乎就有可能得到超出既有經驗范圍的藝術作品。單純從第三人稱視角判斷，我們不能否認這種可能。可以想象，藝術AI給出的一件作品很可能被認為比一些普通藝術作品更加出色，或像文章開頭提到的AI作品那樣，至少不亞于普通人類藝術家作品。

這就涉及到藝術概念的意向性要件，即藝術行為總是一種意向行為，藝術品總是作為意向對象而存在。所以，僅僅根據第三人稱經驗并不能判定一個物件是不是藝術品。有些奇石“鬼斧神工”、“巧奪天工”，有足夠的審美價值，但本身卻不是藝術品；假設因為偶然原因，一群螞蟻組成了達芬奇素描的圖案，也不能被認作一件藝術品。而意向性對于藝術品的認定卻可能是決定性的，如丹托在《尋常物的嬗變》中舉的例子，同樣一塊紅色畫布，因為意向結構的差異，卻既可能是一件極簡主義作品，也可能是一塊剛涂完底色的未完成畫作，或僅是一塊紅色布料。[注][美]阿瑟·丹托著、陳岸瑛譯：《尋常物的嬗變——一種關于藝術的哲學》，南京：江蘇人民出版社，2012年，第2頁。所以藝術品的認定是超越于第三人稱視角下的表面經驗的，而取決于特定的藝術意向性。

那么，即使藝術AI能夠產生在第三人稱經驗上與人類作品無法區(qū)分的作品，但因為AI并不具有真正的意向能力，所以AI是不能進行真正的藝術創(chuàng)作的。AI利用隨機性算法產生的“作品”本身并不具有藝術品地位，而是像自然界的奇石一樣，有待具有藝術意向能力的意識主體的揀選。當且僅當一個藝術家用藝術發(fā)現的眼光將一個“現成物”——一塊奇石、一個小便池或一件AI產生的作品——揀選出來并命名為藝術品時，這個物件才有了藝術表達的含義。相比之下，AI本身卻沒有做出這種判斷的能力和資格，所以基于深度學習算法的AI無論什么時候都不可能進行真正的藝術“創(chuàng)作”。

四、不同形而上學來源與心靈哲學預設

人工智能的作品與人類藝術家的作品可以高度相似，以至于可以像“下一個倫勃朗”的成果那樣，在經驗上無從區(qū)分。但按我們在上一節(jié)的論證，深度學習式人工智能的作品永遠無法成為真正的“創(chuàng)作”，因為這種AI在原則上無法真正地“無中生有”。根據深度學習算法所產生的作品，即使對固有經驗進行變形和重組，其形而上學來源依然是被給予的訓練樣本。而如果人類能夠進行真正的藝術創(chuàng)作，即在既有經驗之外生成新的經驗，那么人類一定具有能夠“無中生有”的形而上學來源，一項突破有限性而向無限性開放的能力基礎。這也要求我們給出一個關于真正的“創(chuàng)新”何以可能的形而上學的解釋。

我們把這個來源歸于人類的自由意志，即能夠不依賴于前因而行動的動因體(agent)。無論在常識視角還是學術視角，自由意志都是最基礎的概念之一。其本意非常明確，雖然對其進一步的解釋富有爭議性。按照本意，“自由意志”在概念上蘊含了無限性和開放性，能夠超出既有經驗范圍而憑空產生新元素，構成了創(chuàng)造性的根本來源。如果“藝術創(chuàng)造”真如我們所理解的這樣，那么我們就必須將其歸根溯源到藝術家擁有的自由意志上去，即“創(chuàng)作”最終的形而上學來源。

但“無中生有”過程在自由意志中的具體發(fā)生機制是什么？我們在此懸置這個問題，但這并不會影響到我們的結論。對于我們來說，這的確是神秘的，而這種神秘也可以歸到自由意志本身的神秘性中去。在我們這個把經典力學作為理解世界首選理論框架的時代，這似乎是一個難以理解和接受的說法。與“無中生有”概念同樣神秘難解的話題大概是宇宙起源與量子力學不確定性原理了，這些主題同樣充滿爭議。到這里，我們似乎觸及了某些討論的邊界，或者面臨一些基本問題上的困惑。

但并非所有人都同意將AI作品和人類作品在形而上學來源上做這樣的區(qū)分，而這種分歧來源于更深層次上心靈哲學觀點的差異。本文在此將基于深度學習算法的AI和被認為擁有自由意志的人類藝術家分列討論，也就潛在地否認了這樣的AI可以具有人所具有的心靈。換句話說，只有把深度學習式AI與人類藝術家看作兩個范疇的存在而不等同起來，才有了對二者在藝術創(chuàng)作能力上進行進一步比較的意義和必要。而在特定心靈哲學觀點如計算主義看來，心靈與計算程序之間不存在不可跨越的鴻溝，心靈具有的任何能力最終可以通過特定的算法實現，當然包括自由意志以及“無中生有”的創(chuàng)造能力。反之，對于計算機不能擁有的能力，人類也不可能獨占。事實上，在計算主義者看來，我們在前面關于藝術創(chuàng)造的描述本身就非?？梢?。

如果計算主義成立，本文所關心問題的答案也就顯而易見。即如果AI與人類智能本質上就是一類東西，那么關于人工智能AI能不能超越人類藝術家之類的問題壓根無須討論，答案幾乎直接蘊含在計算主義主張里面。無論藝術活動看起來多么玄虛，也無非是人的意識活動之一，而意識活動的本質在于計算，那么擁有更強計算能力的AI在原則上必然會超越人類，無論是圍棋還是藝術活動。AI當然可以成為藝術家，并且借助計算力的優(yōu)勢趕上并超過人類藝術家也只是個時間問題。

對計算主義的討論汗牛充棟[注]翟振明教授與筆者曾針對計算主義做出過反駁(翟振明、李豐：《心智哲學中的整一性投射謬誤與物理主義困境》，《哲學研究》，2015年第6期。基本思路是指出計算主義預設的定域原則(Locality Principle)在原則上無法徹底解釋意識的一個內在特征——整一性特征，因而任何基于定域原則建立起來的意識理論對于意識解釋都是非充分的。，本文可以看作這些討論的延伸，即特定理論在藝術領域帶來的特定結果，亦或藝術領域對這些理論的反饋。在人類藝術家是否存在超越AI的特質這個問題爭議的底層分歧在于對人和世界的一些基本問題上的認定差異，并帶來各自的后果。對“無中生有”能力的確認會破壞對世界最簡潔的理解方式——經典力學框架的完備性，并因引入超出這個框架的神秘之物而帶來了更多解釋負擔。而計算主義者的主張首先帶來的代價是對“藝術”的虛無和解構，就像他們宣稱或暗示自由意志是“幻覺”一樣，我們的意識世界也是封閉和有限的，那么“藝術創(chuàng)作”將跟吃飯睡覺等單純生物活動沒有區(qū)別，而并非常識生活世界所理解的作為人類尊嚴與終極意義的重要來源。

需要補充的是，我們這里談論的AI所指代的是運轉于圖靈機之上的AI程序，亦即當下提到人工智能時默認的預設，而沒有完全排除其他某種形式的“人工”智能體成為藝術家的可能性。量子力學理論本身容納了意識所具有的整一性和不確定性特征，這就給用量子力學框架解釋意識和自由意志留出了理論空間。那么我們就有理由期待基于量子力學原理制造的量子計算機有朝一日成為具有自由意志的人工智能體的載體，而本文討論涉及的AI并不涉及量子人工智能。

五、AI在藝術領域的應用空間

如果AI不能取代或超越人類藝術家，那么它們會在藝術領域帶來什么樣的影響呢？

從文明進程看，人工智能在現階段的意義仍在于進一步解放人力，類似工業(yè)革命時蒸汽機解放了人力，人工智能革命將人從低等腦力勞動中解放了出來，因此也必將像集裝箱的發(fā)明取消了碼頭工人這個職業(yè)那樣，取代很多腦力“碼頭工人”的工作。長期和整體來看，技術進步總是改善人類整體福利，并為個體更好實現自身內在價值提供外在條件。

在藝術創(chuàng)作過程中也同樣存在著低創(chuàng)意要素的藝術活動。如果人工智能在藝術創(chuàng)作的某個方面能夠做得比人工好得多，那么這部分內容就具有很強的可替代性。比如以美觀舒適為目標的設計等重復模仿性工作，這樣的崗位會最先為AI取代。事實上，這樣的事情已經發(fā)生，阿里巴巴公司開發(fā)的AI已經在2017年雙11期間以每秒8000張的速度設計了4億張海報；[注]https://www.sohu.com/a/202528185_161378.paintschainer這樣的線稿自動AI上色網站也已上線運營多時。[注]https://www.paintschainer.preferred.tech.與其說未來AI能夠取代很多藝術家，倒不如說他們現在的“創(chuàng)作活動”本來就不是那么有藝術價值。猶如照相機取消了簡單鏡面式畫家的藝術家身份，AI也注定會讓某些藝術家的身份發(fā)生貶值。同時，AI的介入并不會損害藝術家主體地位本身，猶如藝術家借助助手創(chuàng)作并不會否定藝術家的成就一樣，AI在此所做的始終是輔助工作，作品總是有賴于藝術家的創(chuàng)作意圖和取舍抉擇。

另一方面，AI技術的普及可以讓藝術家擺脫低級腦力活動而集中精力于作為核心的創(chuàng)意本身，從而拓展能力范圍，提升創(chuàng)作效率。甚至，從一個整體和長期的視角來看，AI介入藝術會加快藝術史的進化速度。每當進入一個新的藝術史范式，AI就可以以已有作品為樣本庫而將相關的各種可能性迅速挖掘出來，從而加快藝術范式成熟，促使藝術家們更早開始新突破，打開新維度。

六、結 論

藝術概念的要件和深度學習人工智能的原理決定了二者的不相容性，相應地，人類藝術家和藝術AI的作品有著不同的形而上學來源。如果要否定這一點，就需要訴諸計算主義，進而解構掉我們關于藝術的常識性理解。但這里的討論不會否認AI的輔助價值。無論對于藝術家個體還是群體，AI的介入都會幫助或促使他們聚焦到“創(chuàng)造”本身和實現內在價值上來。