［摘要］數(shù)字人文方法曾長期隱而不顯地被運用于藝術(shù)人文領(lǐng)域；在人工智能時代，數(shù)字人文方法以其革命性開始呈現(xiàn)為一種“顯學”，其表征包括人工智能在藝術(shù)價值評估、藝術(shù)教育創(chuàng)新、文化傳承與交流甚至藝術(shù)生產(chǎn)等方面大范圍顯現(xiàn)其充沛能量，以及“數(shù)字藝術(shù)史”在研究視域中的革新?；谏疃葘W習，機器智能模型以高效、精確的藝術(shù)大數(shù)據(jù)挖掘，對藝術(shù)生成、藝術(shù)傳播的當代場景予以持續(xù)創(chuàng)新。然而，在積極擁抱人工智能新技術(shù)的同時，數(shù)字人文也應(yīng)在對人文關(guān)懷傳統(tǒng)的堅守中重構(gòu)其“人文”和“數(shù)字”的平衡。

［關(guān)鍵詞］人工智能數(shù)字人文藝術(shù)大數(shù)據(jù)深度學習生成式藝術(shù)

“數(shù)字人文方法”是一種利用計算機和數(shù)字技術(shù)對人文學科予以“科學”的研究、分析、展示的觀念和方法?！八囆g(shù)人文”則突出創(chuàng)造性，注重感性，強調(diào)藝術(shù)與文化、哲學的學科關(guān)聯(lián)性，往往被劃定在與科學技術(shù)相對立的范疇，從而似乎呈現(xiàn)為一個與數(shù)據(jù)統(tǒng)計等計算技術(shù)格格不入的獨特場域。然而，基于對感性研究方法的不滿足而興起的對理性、科學之表達的追求，“數(shù)字”事實上一直在藝術(shù)人文領(lǐng)域內(nèi)發(fā)揮著作用。人工智能（artificial intelligence，簡稱AI）正在推動人類進入一個由機器學習模型全方位介入社會生活的時代。在這個時代，以ChatGPT等為代表的通用語言模型在包括藝術(shù)人文在內(nèi)的廣闊領(lǐng)域里展現(xiàn)出了日益與人類頭腦相媲美，甚至在特定方面超越人腦的能力。由此，數(shù)字人文方法的地位也逐漸凸顯，不僅讓藝術(shù)史研究進入“數(shù)字藝術(shù)史”（digital art history）Claire Bishop，“Methods and Approaches：Criticism on the History of Digital Art，”Franklin Humanities Institute（humanities futures.org），November，2015，accessed November 11，2023，https：//humanitiesfutures.org/papers/digital-art-history/.階段，亦使藝術(shù)生成及傳播場景的革新盛況空前——數(shù)字人文方法的革命性運用，開始走出其原先隱而不彰的狀態(tài)。一、從隱匿到彰顯：對新技術(shù)的響應(yīng)數(shù)字人文方法的運用，是以計算為核心，基于對“人文計算”的追求而展開的。在19世紀的歐美文學界，門登霍爾（Orlando Ward Mendenhall）曾嘗試通過詞頻去辨析狄更斯和威廉·薩克雷的風格差異，謝爾曼（William C.Sherman）則通過句子長度的不同來觀察英國文學作品的風格變化。參見李天：《數(shù)字人文方法論反思》，《中國文學批評》2022年第2期。上述嘗試改變研究文學觀念及現(xiàn)象時所用方法過于感性之境況的努力，堪稱早期致力于“量化”的數(shù)字人文方法的代表性實踐。在“前數(shù)字時代”，視覺藝術(shù)領(lǐng)域一直內(nèi)隱著蘊含數(shù)字人文方法或其原理的實踐。比如，在文藝復(fù)興鼎盛期，達·芬奇基于解剖學，致力于發(fā)掘真實人體結(jié)構(gòu)中的某種數(shù)理規(guī)律。他說“只有緊緊地依靠數(shù)學，才能穿透那捉摸不透的思想迷魂陣”參見蔡天新：《數(shù)學與藝術(shù)》，江蘇人民出版社2021年版，第4頁。。在他手繪的《維特魯威人》（見圖1）中，健壯的中年男子微斜上舉的雙臂與叉開的兩腿正好外接一個圓形；而在另一幅疊加圖像中，男子站立著平伸兩臂，以其頭、足和手指為端點正好可外接一個正方形。在17、18世紀，歐洲的古典主義藝術(shù)家不滿于過度突出的感性及其浮夸的表達，而強調(diào)對稱、比例、理性；裸體的肌肉結(jié)構(gòu)或古代服飾、人物身體，均有精確的尺寸和比例計算，以及精細的畫面設(shè)計。

圖1《維特魯威人》，達·芬奇，1487年前后，鋼筆和墨水繪制，34.4×25.5cm，藏于威尼斯學院美術(shù)館（Gallerie dellAccademia di Venezia）數(shù)字人文方法在藝術(shù)人文領(lǐng)域長期被隱匿，緣于根深蒂固的藝術(shù)成見的壓力。超越功利世界與工具理性的藝術(shù)觀，更強調(diào)藝術(shù)家的靈感、天才式的技巧及創(chuàng)造性，因此天然有拒斥數(shù)字技術(shù)的傾向，并潛藏了對數(shù)字人文方法的漠視甚至敵視。但在進入以數(shù)字技術(shù)為運作規(guī)則、趨向數(shù)字形式的時代之后，人工智能技術(shù)的革命性運用不僅使數(shù)字人文方法很快獲得了正當性，也似乎很快使其重要性得到凸顯。數(shù)字人文方法的彰顯，很大程度上受惠于人工智能技術(shù)由單一領(lǐng)域的人工智能（Narrow AI）向具有普遍理解、學習能力的通用人工智能（AGI）的革命性躍升。媒介理論家麥克盧漢提出，媒介是人類感官的延伸或拓展。參見［加］馬歇爾·麥克盧漢：《理解媒介：論人的延伸》，何道寬譯，譯林出版社2011年版，第4頁。得益于深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，簡稱DNN）及遞歸神經(jīng)網(wǎng)絡(luò)（Recursive Neural Network，簡稱RNN）給機器的圖像和語言處理能力帶來的革命性提升，人工智能不僅大幅度延伸了人的感官感知能力，更有望以模仿甚至超越人腦的智能實現(xiàn)智力的延伸。人工智能的深度學習及大數(shù)據(jù)（big data）挖掘能力，呼應(yīng)了信息的海量增長態(tài)勢和強烈的信息處理需求。在藝術(shù)圖像的大數(shù)據(jù)挖掘及利用方面，人工智能憑借強大的藝術(shù)信息處理能力，既能有力克服專家在藝術(shù)知識及視覺經(jīng)驗上的局限或滯后，又能擺脫主觀情緒及利害得失心理對信息處理造成的干擾。面對全球范圍內(nèi)規(guī)模日益龐大的藝術(shù)作品及其數(shù)據(jù)，專家目鑒恐將越發(fā)力不從心。因此，基于人工智能的數(shù)據(jù)挖掘和深度學習工具，如“Artificial Art Expert”（AAE）以及“Art Recognition”等計算機程序應(yīng)運而生。它們基于對藝術(shù)品風格、技巧及歷史背景等信息的挖掘，可以展開精細的質(zhì)料性分析，或?qū)λ囆g(shù)品的真?zhèn)渭捌渌囆g(shù)價值作出準確、高效的判斷。例如，“杜絕贗品和制定藝術(shù)品鑒定新標準，建立一個安全透明的藝術(shù)品市場”參見“Art Recognition”網(wǎng)頁中的介紹，https：//art-recognition.com/about-us/，訪問日期：2023年12月1日。之所以在今天能成為“Art Recognition”的明確目標，便是因為該程序通過基于深度學習的大數(shù)據(jù)挖掘，可獲得經(jīng)過精細分析的美術(shù)作品風格、筆觸、顏料等信息，并能立刻將其與歷史數(shù)據(jù)和專家意見進行比對，從而幫助用戶快速鑒定藝術(shù)品真?zhèn)巍６⑺囆g(shù)的大數(shù)據(jù)與深度學習在人工智能撲面而來的時代，藝術(shù)的數(shù)據(jù)集規(guī)模龐大，不僅包括藝術(shù)數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)（如數(shù)據(jù)庫中的記錄）及非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖像、音頻、視頻等），更包含藝術(shù)世界中每時每刻都在迅速生成的海量藝術(shù)信息。對藝術(shù)大數(shù)據(jù)的高效、準確處理，由此成為數(shù)字人文方法運用取得突破性進展、呈現(xiàn)“報復(fù)式增長”的關(guān)鍵。近年來，中國高度重視文化數(shù)字化工作，“十四五”時期結(jié)束時要基本建成文化數(shù)字化基礎(chǔ)設(shè)施及服務(wù)平臺的目標《中共中央辦公廳 國務(wù)院辦公廳印發(fā)〈關(guān)于推進實施國家文化數(shù)字化戰(zhàn)略的意見〉》，中國政府網(wǎng)，2022年5月22日，https：//www.gov.cn/zhengce/2022-05/22/content_5691759.htm，訪問日期：2023年11月10日。既包括了文化信息的數(shù)字化，也包括了數(shù)字化文化信息處理能力的建設(shè)。從全球范圍來看，視覺藝術(shù)的大數(shù)據(jù)化工作，是20世紀80年代才大規(guī)模啟動的。美國紐約大都會歌劇院檔案館（Metropolitan Opera Archives）作為最早推進數(shù)據(jù)庫項目的藝術(shù)機構(gòu)，在當時對其自1883年開業(yè)以來收藏的大量文件、照片、藝術(shù)品和服裝等資源進行了數(shù)據(jù)化處理。在20世紀80年代末90年代初，美國洛杉磯縣藝術(shù)博物館（Los Angeles County Museum of Art，簡稱LACMA）也著手對其收藏的繪畫、雕塑和攝影作品進行數(shù)字化處理和分析，并對其中部分藝術(shù)家的創(chuàng)作過程和風格變化展開了計算機模擬研究。20世紀90年代初，紐約大都會藝術(shù)館（Metropolitan Museum of Art，簡稱The Met）開始建立數(shù)字化圖像庫和數(shù)據(jù)庫，并在此基礎(chǔ)上推進了一批專題研究，包括對藝術(shù)品圖像展開數(shù)字化處理和分析、對藝術(shù)家創(chuàng)作過程和作品風格進行計算機模擬等。1995年，美國國會圖書館（Library of Congress）以其“美國記憶”（American Memory）數(shù)字圖書館項目，開始了對包括歷史文獻和圖片等在內(nèi)的多種資源的數(shù)字轉(zhuǎn)化。在中國，早在20世紀80年代末，敦煌研究院就提出了“數(shù)字敦煌”構(gòu)想，而國內(nèi)文博機構(gòu)最早的數(shù)字化工作啟動于1993年到1996年間“敦煌壁畫計算機存貯與管理系統(tǒng)研究”科研課題的實施。2008年，歐洲委員會啟動了覆蓋歐洲全境的數(shù)字圖書館項目“Europeana”。該項目強化數(shù)據(jù)資源的大眾面向和共享服務(wù)，致力于將歐洲各國博物館、圖書館、檔案館和文化機構(gòu)的藝術(shù)品、歷史文獻、音頻、視頻和三維對象以開放的數(shù)據(jù)標準上傳到面向公眾開放的“Europeana”平臺。參見https：//www.europeana.eu/en。進入21世紀以來，谷歌公司等跨國商業(yè)機構(gòu)也加入了全球范圍內(nèi)的藝術(shù)品和文物的數(shù)字檔案及數(shù)據(jù)庫建設(shè)進程。2011年啟動的“谷歌藝術(shù)與文化”（Google Arts & Culture）項目，由谷歌公司利用其高分辨率的圖像技術(shù)（如Gigapixel）對全球多家重要博物館內(nèi)超過20萬件藝術(shù)藏品進行圖像數(shù)據(jù)采集，目前中國國內(nèi)也有多家文化機構(gòu)參與了和該項目的合作。藝術(shù)人文領(lǐng)域內(nèi)的數(shù)字化技術(shù)開發(fā)，以及相關(guān)文學典籍、藝術(shù)品的數(shù)據(jù)庫建設(shè)，為藝術(shù)大數(shù)據(jù)奠定了最初也是最重要的基礎(chǔ)。40余年來，全球范圍內(nèi)建立起了不少關(guān)于藝術(shù)作品、藝術(shù)家、展覽及其歷史文獻信息的數(shù)據(jù)庫，總規(guī)模非常龐大，其所收納信息既包括藝術(shù)品色彩、線條、構(gòu)圖、筆觸及質(zhì)料等視覺上的“數(shù)字信息”，也包括藝術(shù)品相關(guān)文獻及其他物質(zhì)證據(jù)等非結(jié)構(gòu)化數(shù)據(jù)。與此同時，當代人實時進行的藝術(shù)生活，也在不斷生成具有“大量”（Volume）、“高速”（Velocity）、“多樣”（Variety）、“低價值密度”（Value）、“真實性”（Veracity）這“5V”特點Jose Andre Moura and Carlos Serro，“Security and Privacy Issues of Big Data，”in Handbook of Research on Trends and Future Directions in Big Data and Web Intelligence（an imprint of IGI Global，2015），p.23，https：//www.researchgate.net/publication/281404634.的數(shù)字信息，從而大大豐富了藝術(shù)大數(shù)據(jù)的內(nèi)容和數(shù)據(jù)挖掘的對象。當今，人腦及傳統(tǒng)數(shù)據(jù)工具已遠不能滿足對藝術(shù)大數(shù)據(jù)/海量信息進行實時處理的需求。而人工智能技術(shù)在軟件和硬件上的突破性進展，已使機器學習模型的深度學習能力及其推進下的大數(shù)據(jù)挖掘能力順勢飛速發(fā)展。機器學習模型建構(gòu)的深度學習（Deep Learning，簡稱DL）深度學習，是機器學習（Machine Learning，簡稱ML）領(lǐng)域研究的新方向。它被引入機器學習，是為了讓人工智能的分析學習能力盡量追趕真人。這里的“深度”作為一個商業(yè)概念時，只要有三個隱藏層，就可以被業(yè)界稱為“深度學習”；而在機器學習領(lǐng)域，名字中有“深度”（Deep）的網(wǎng)絡(luò)至少有五至七個隱藏層。能力，體現(xiàn)為這種模型有如人腦甚至超越人腦的分析學習能力。其工作原理為：多層次神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)以及多個隱藏層的深度神經(jīng)網(wǎng)絡(luò)協(xié)同，形成了多層感知機（Multilayer Perceptron，簡稱MLP）多層感知機是一種前向結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，包含輸入層、輸出層及多個隱藏層。，結(jié)合對多模態(tài)數(shù)據(jù)源（例如文本、圖像和聲音）的集成，強化了機器學習模型從多個角度或多個層面理解并解釋數(shù)據(jù)的能力。在多層神經(jīng)網(wǎng)絡(luò)中，較低層次會學習輪廓、顏色之類的基礎(chǔ)特征，較深層次則學習形狀、模式等更為抽象和復(fù)雜的特征。面對藝術(shù)圖像，深度學習模型能夠從中提取高級特征，并通過語義分割，將每個像素分配到相應(yīng)的語義類別，從而精確理解圖像中的對象邊界和內(nèi)容?；谏疃葘W習，人工智能技術(shù)可以輕松提取圖像特征，完成圖像搜索以及對社交媒體標簽及圖像的管理工作；基于大規(guī)模圖像數(shù)據(jù)集的訓(xùn)練，它可以不斷提升性能，輕松識別物體、人臉、文字和場景等的復(fù)雜視覺特征，從而檢測同一圖像中的多個物體，并在圖像中標識它們的位置。如“Google Lens”這一圖像識別應(yīng)用程序，在2017年就已經(jīng)能輕松識別超過10億件包括藝術(shù)品、建筑、植物和動物等在內(nèi)的事物圖像，并為之標注類型信息。另外，在“谷歌藝術(shù)與文化”的同名應(yīng)用程序提供的多項互動性場景應(yīng)用（見下頁圖2）中，參與者可以通過點擊項目的任意標簽，迅速獲取相關(guān)主題作品來觀賞。圖2蘋果應(yīng)用商店的“谷歌藝術(shù)與文化”應(yīng)用程序中豐富的應(yīng)用項目（截屏）在當代，人工智能在圖形處理單元（GPUs）的硬件進步推動下，基于充分訓(xùn)練的積累，在圖像識別領(lǐng)域擁有了以往難以置信的準確性。例如2017年，在被稱為“圖像處理算法試金石”的可視化數(shù)據(jù)庫“ImageNet”組織的一場挑戰(zhàn)賽中，38支參賽隊伍中有29支的識別準確率超過95%?！癐mageNet：A Pioneering Vision for Computers，”History of Data Science，August，27，2021，accessed November 13，2023，https：//www.historyofdatascience.com/imagenet-a-pioneering-vision-for-com

puters.而統(tǒng)計分析、機器學習、模式識別、分類分析、關(guān)聯(lián)分析、集群分析等多種挖掘技術(shù)及方法的并用，更使機器模型展現(xiàn)出強大的能力，將數(shù)字人文方法推上了藝術(shù)史研究舞臺的重要位置，也將藝術(shù)史研究送進了“數(shù)字藝術(shù)史”階段。三、基于人工智能技術(shù)運用的

“數(shù)字藝術(shù)史”“社會科學是被‘樣本＝總體撼動得最厲害的學科”［英］維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數(shù)據(jù)時代》，盛楊燕、周濤譯，浙江人民出版社2013年版，第41頁。。在當代，藝術(shù)史研究開始運用可視化、網(wǎng)絡(luò)分析、主題建模、模擬、模式識別、不同地理位置的材料聚合等新的技術(shù)手段，并以大數(shù)據(jù)代替樣本分析，由此不再依賴于分析經(jīng)驗數(shù)據(jù)，并開始呈現(xiàn)帶有新的計算方法及分析技術(shù)特點的數(shù)字人文方法。美國藝術(shù)批評家克萊爾·畢夏普以“數(shù)字藝術(shù)史”概念來指稱以“由新技術(shù)激發(fā)的計算性方法論和分析技術(shù)在藝術(shù)史研究領(lǐng)域中的運用”［美］克萊爾·畢夏普：《方法與途徑——“數(shù)字藝術(shù)史”批判》，馮白帆譯，《美術(shù)》2018年第7期。為特點的藝術(shù)史研究新階段。區(qū)別于對數(shù)字藝術(shù)的歷史研究，這個新階段被稱為“藝術(shù)史上的數(shù)字大轉(zhuǎn)彎”Anna Nslund Dahlgren and Amanda Wasielewski，“The Digital U-Turn in Art History，”Konsthistorisk tidskrift/Journal of Art History 90，Issue 4（2021）：249-266.?！八囆g(shù)史學家和計算機似乎是古怪的伴侶。藝術(shù)史學家開始關(guān)注慢慢顯露出來的定性歧視……以訓(xùn)練有素的頭腦和敏感的眼睛進行調(diào)查。計算機……以不變的速度和令人難以置信的速度處理定量計算。它單調(diào)、僵化、不假思索的效率讓任何有自尊心的藝術(shù)史學家都感到不寒而栗?！盝ules David Prown，“The Art Historian and the Computer：An Analysis of Copleys Patronage，1753-1774，”in Art as Evidence：Writings on Art and Material Culture（New Haven，CT：Yale University Press，2001），p.36.然而，正如波士頓伊莎貝拉·斯圖爾特·加德納博物館（Isabella Stewart Gardner Museum）的助理策展人戴安娜·西芙·格林沃爾德（Diana Seave Greenwald）所言，被保存下來的藝術(shù)品是有限的，所以當代所研究的是一批被局限的、可能有偏見的經(jīng)典作品，不一定代表特定時期或特定地理區(qū)域內(nèi)的全部創(chuàng)作。通過對流傳下來的創(chuàng)作建立大型數(shù)據(jù)集并進行分析，可以窺見藝術(shù)界的各種趨勢以及藝術(shù)與更廣泛的社會經(jīng)濟變化之間的關(guān)系。Diana Seave Greenwald，“The Surprising Partnership of Art and Data，”Princeton University Press，F(xiàn)ebruary 18，2021，accessed November 14，2023，https：//press.princeton.edu/ideas/the-surprising-partnership-of-art-and-data.在進入這個“數(shù)字藝術(shù)史”階段后，美國許多著名的大學不約而同開始了對藝術(shù)史研究方法、維度及領(lǐng)域的計算化創(chuàng)新。比如，斯坦福大學數(shù)字藝術(shù)史實驗室（Stanford University Digital Art History Lab）既進行對藝術(shù)品圖像的計算機視覺分析，也進行對藝術(shù)家的網(wǎng)絡(luò)社交活動以及藝術(shù)市場和觀眾反饋的大數(shù)據(jù)分析。又如，哈佛大學數(shù)字人文中心（Harvard University Digital Humanities Center）將數(shù)字技術(shù)應(yīng)用于人文學科研究和教學的整體過程，除對藝術(shù)品圖像展開計算機視覺分析之外，還對藝術(shù)家的創(chuàng)作過程、作品風格、藝術(shù)市場開展了計算機模擬研究。相關(guān)研究基于藝術(shù)探索的手段和材料在數(shù)字藝術(shù)史階段的創(chuàng)新，可以在藝術(shù)的歷史、風格、文化影響和創(chuàng)作趨勢等更多的維度上展開。借助人工智能技術(shù)的模型工具，藝術(shù)史家們樹立了追溯大范圍或大時間跨度內(nèi)的審美變化的雄心。比如，有藝術(shù)史家基于面部識別軟件展開了對13世紀到20世紀間的12萬張肖像畫的整體研究，利用大數(shù)據(jù)驗證了“美的準則”會隨著時間推移而改變的觀點，空前有力地得出了“美”在20世紀明顯減少的結(jié)論。Javier de la Rosa and Juan-Luis Suárez，“A Quantitative Approach to Beauty：Perceived Attractiveness of Human Faces in World Painting，”International Journal for Digital Art History，no.1（2015）：112-129.2015年，K.本德（K.Bender）的一篇論文為了揭示那些致力于描繪美神形象的藝術(shù)家一生中轉(zhuǎn)向這一主題的具體次數(shù)，展開了對阿芙羅狄蒂（維納斯）形象藝術(shù)作品的精細數(shù)據(jù)分析，通過對13世紀到20世紀間的1840件作品的分析，得出了平均會有2.8次的結(jié)論。K.Bender，“Distant Viewing in Art History.A Case Study of Artistic Productivity，”International Journal for Digital Art History，no.1（2015）：100-110.研究對象的規(guī)模如此之大，是此前的藝術(shù)史研究難以企及的。人工智能正在改變藝術(shù)史的研究走向，將此前可能根本無法想象或無法提出的目標納入研究者的視域。在格林沃爾德看來，過去的藝術(shù)史或許陷入了一種抽樣偏見或者過度關(guān)注之中。由于藝術(shù)品遺失或損壞，或者無法出售，或者因展覽實踐的歧視性，只有少數(shù)藝術(shù)家創(chuàng)作的一小部分作品被保存并供當代學者研究，而且研究者容易過度關(guān)注知名的或易接近的藝術(shù)家。她認為，由數(shù)據(jù)驅(qū)動的研究或許是解決上述問題的根本出路。Diana Seave Greenwald，Painting by Numbers：Data-Driven Histories of Nineteenth-Century Art（Princeton University Press，2021）.進入人工智能時代后，藝術(shù)史研究者不僅能利用圖像處理和計算機視覺技術(shù)分析作品中的顏色、構(gòu)圖和圖案等元素，探討藝術(shù)家的風格及技巧，還可以通過分析大量藝術(shù)評論或藝術(shù)品描述文本中的形容詞及名詞使用情況，來最大限度地把握對藝術(shù)品的真實評價，以更準確地評估藝術(shù)品的質(zhì)量及價值，或者通過揭示相關(guān)文獻的關(guān)鍵詞、主題和趨勢，精準分析和預(yù)測藝術(shù)史研究領(lǐng)域未來較長時期內(nèi)的演變方向。然而，這一數(shù)字人文趨勢，是否會使藝術(shù)史研究和藝術(shù)評論更加依賴數(shù)字，使藝術(shù)批評文本因缺少感性和激情而失去其特殊的美感呢？這當然值得進一步觀察和探討。四、生成式人工智能

與生成式藝術(shù)在人工智能的技術(shù)價值中，深度學習能力既體現(xiàn)為一種消化、理解輸入信息或指令的內(nèi)在智能，也體現(xiàn)為智能外化輸出的特殊創(chuàng)造能力及其成果。生成式人工智能（生成式AI）及生成式藝術(shù)，是深度學習能力的重要體現(xiàn)之一。當前，生成式AI依賴于神經(jīng)網(wǎng)絡(luò)和深度學習這樣的先驅(qū)性技術(shù)，在圖像識別、自然語言處理（NLP）和翻譯等非傳統(tǒng)計算任務(wù)中對人類智能進行模仿。基于對人類語言、編程語言、藝術(shù)、化學、生物學等豐富內(nèi)容的學習或復(fù)雜主題的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)可識別現(xiàn)有數(shù)據(jù)中的模式和結(jié)構(gòu)并生成新的原創(chuàng)性內(nèi)容。ChatGPT的問世則重塑了智能終端的使用體驗，可以讓用戶充分發(fā)揮想象力，工作效率極大提高。通過借助算法生成新的想法、形式、顏色或圖案，生成式AI催生了全部或部分使用自動創(chuàng)作系統(tǒng)的生成式藝術(shù)（generative art）。以毫秒為單位對數(shù)千個想法的視覺化，不僅極大地減少了藝術(shù)和設(shè)計工作在探索階段的投入，而且可以利用倍增性和速生性推出令人驚訝且復(fù)雜的藝術(shù)新成果。藝術(shù)家基于Processing編程語言或其橫向拓展的p5.js等軟件，可以輕松學習創(chuàng)建代碼，將創(chuàng)意轉(zhuǎn)換為計算機創(chuàng)作的程序設(shè)計，Processing最開始只是一門編程語言，后因發(fā)展勢頭好，橫向拓展了如p5.js及Processing的R模式等其他項目。其中p5.js作為JavaScript創(chuàng)意編程程序庫，專注于讓編程手段更易用且用途更廣泛，是藝術(shù)家、設(shè)計師、教育工作者、初學者等可以自由使用的工具。而且這一過程很大程度上是由計算機基于通過其內(nèi)部規(guī)則獲得的指導(dǎo)自行完成的。傳統(tǒng)的藝術(shù)家創(chuàng)作過程中存在太多枯燥的重復(fù)性技術(shù)勞作。減少此類枯燥工作的愿望，推動了替代性機器智能的開發(fā)，引導(dǎo)了計算機智能輔助藝術(shù)創(chuàng)造的進程。不過，如今的人工智能技術(shù)因為已賦予機器自主開展藝術(shù)想象的能力，所以超越了最初的工具性目標，其作品也超越了早期通過“硬編碼”按系統(tǒng)的知識來源，算法創(chuàng)作可以分為三類：硬編碼的、輸入的和學習式的（比如語料學習）。在計算機輸入端進行創(chuàng)作的計算機藝術(shù)或網(wǎng)絡(luò)藝術(shù)。當代生成式藝術(shù)主要依靠藝術(shù)家輸入指令或者“投喂”大量語料，機器在生成過程中的自主度更高。哈羅德·科恩（Harold Cohen）被視為生成式藝術(shù)的開拓者和長期實驗者。他從1973年開始的長達半個世紀的繪畫創(chuàng)作實踐，正是基于他開發(fā)的名為“艾倫”（AARON）的系統(tǒng)展開的。該系統(tǒng)將軟件人工智能與機器人繪畫設(shè)備相結(jié)合，在沒有照片或其他由人類輸入的參考資料的情況下，讓機器自動創(chuàng)作水彩畫。在很長一段時期中，人工智能技術(shù)進展緩慢，所以“艾倫”的繪畫能力進步也不明顯。計算機系統(tǒng)直到80年代才學會將物體或人物放置在三維空間中，而且只能創(chuàng)作單色繪畫，所以大部分彩色創(chuàng)作需要由藝術(shù)家協(xié)助添加色彩才能完成（見下頁圖3）。1995年，新版本的“艾倫”系統(tǒng)在把程序語言從C語言更新為人工智能通用語言LISP后，才創(chuàng)作出了自己的第一幅彩色繪畫（見下頁圖4）。Chris Garcia，“Harold Cohen and AARON—A 40-Year Collaboration，”C- CHM（computerhistory.org），August 23，2016，accessed November 20，2023，https：//computerhistory.org/blog/harold-cohen-and-aaron-a-40-year-collaboration/.圖3哈羅德·科恩在美國馬薩諸塞州波士頓的計算機博物館為“艾倫”繪制的《海龜》（Turtle）著色，1982年，美國計算機歷史博物館收藏（編號：102627459）

圖4“艾倫”在美國馬薩諸塞州波士頓計算機博物館創(chuàng)作的第一幅彩色圖像，1995年，美國計算機歷史博物館收藏（編號：102741168）在科恩看來，生成式藝術(shù)似乎還很難挑戰(zhàn)藝術(shù)家的地位。他在1988年的一次訪談中特別強調(diào)了藝術(shù)家的主體地位：“也許‘艾倫更適合被描述為一個專家的系統(tǒng)，而不是一個專家系統(tǒng)：不僅僅是因為我既是此系統(tǒng)的知識工程師，又是常駐專家，還因為該程序是擴展我自己專業(yè)知識的研究工具，而不是封裝知識供他人使用?！眳⒁奌arold Cohen，“How to Draw Three People in a Botanical Garden，”Proceedings of the Seventh AAAI National Conference on Artificial Intelligence，August 21，1988，accessed November 7，2016，https：//dl.acm.org/doi/10.5555/2887965.2888115.在過去的30多年里，藝術(shù)家與生成式藝術(shù)系統(tǒng)的合作總體上也確實處于這樣的一個階段。然而，當前深度學習模型的藝術(shù)創(chuàng)作呈現(xiàn)的超越性，或許已經(jīng)超出了許多藝術(shù)家的想象——既可以快速生成全新的“藝術(shù)”，也可以模擬特定藝術(shù)流派的風格或特定藝術(shù)家。例如，2024年1月，中央美術(shù)學院美術(shù)館宣布啟動“人工智能實驗室”，發(fā)布了人工智能藝術(shù)創(chuàng)作大模型及“Katacata Ai”繪畫平臺，致力于中國美術(shù)風格的傳承與創(chuàng)新。該平臺被認為可以充分發(fā)揮其將文字轉(zhuǎn)化為圖片或視頻的功能（支持從文本到圖片、手繪草圖到效果圖，以及視頻優(yōu)化與合成等各種“轉(zhuǎn)化”），成為從“創(chuàng)”到“思”全能的多面手角色?！丁爸袊鎚idjourney”來了？全中文Ai視覺制作工具Katacata Ai亮相》，“投資界”網(wǎng)站，2024年1月17日，https：//news.pedaily.cn/20240117/78639.shtml，訪問日期：2024年2月28日。如今，生成式藝術(shù)在形式豐富程度或創(chuàng)新程度上已經(jīng)不亞于許多藝術(shù)家的作品。這便提出了一個問題：作為創(chuàng)作主體的機器或應(yīng)用程序，是否可以作為著作權(quán)人而被（至少在名義上）授予著作權(quán)？此前的計算機藝術(shù)或網(wǎng)絡(luò)藝術(shù)，是藝術(shù)家的藝術(shù)表達及形象創(chuàng)造在計算機或網(wǎng)絡(luò)虛擬空間內(nèi)的實現(xiàn)或移植，藝術(shù)家顯然對其享有著作權(quán)；而就基于機器算法創(chuàng)作（computational creativity）的、由機器智能自主生產(chǎn)的生成式藝術(shù)而言，作為授意者的藝術(shù)家變成了觀念發(fā)動者、對作品作出選擇或處理者，是藝術(shù)結(jié)果的審核者、挑選者。面對機器創(chuàng)作與藝術(shù)家的復(fù)雜關(guān)聯(lián)，當前國內(nèi)外的判例通常不確認人工智能作品的著作權(quán)，以便緩解要馬上向藝術(shù)家或智能機器作出權(quán)屬劃定的壓力。對發(fā)起授意的藝術(shù)家，有專家建議借鑒德國著作權(quán)法為那些不屬于藝術(shù)性攝影的普通攝影作品提供保護的做法，確認藝術(shù)家對其生成式藝術(shù)享有鄰接權(quán)。參見李菊丹：《“人工智能創(chuàng)作物”有沒有著作權(quán)》，《經(jīng)濟參考報》2018年4月4日第A8版。既然那些不屬于藝術(shù)性攝影作品的照片凝結(jié)了制作人的某種勞動投入，其具體的再現(xiàn)權(quán)需要保護，那么人工智能作品也需要保護藝術(shù)家在參與過程中付出的勞動及其回報要求。2019年，北京互聯(lián)網(wǎng)法院在一項判決中為AI生成式藝術(shù)的權(quán)屬爭議提出的平衡性意見即作如此認定：AI創(chuàng)作不屬于作品范疇，所有者不具有著作權(quán)，但限于自動生成內(nèi)容凝聚了研發(fā)者和使用者的投入，具有傳播價值，公眾也需要為其投入支付費用才能自由使用。參見徐雋：《人工智能“創(chuàng)作”沒有著作權(quán)（以案說法）》，《人民日報》2019年7月11日第19版。同是近年，美國人史蒂芬·泰勒（Stephen Thaler）向美國版權(quán)局提出申請，主張對由AI系統(tǒng)“創(chuàng)意機器”（Creativty Machine）自行生成的一件虛擬藝術(shù)作品《通往天堂的捷徑》（見圖5）予以登記并享有其著作權(quán)。結(jié)果，美國版權(quán)局以“著作權(quán)法僅適用于人類創(chuàng)作的作品”為由駁回。2023年8月18日，華盛頓特區(qū)地方法院對美國著作權(quán)局的結(jié)論給出了最終確認?！癈ourt Finds AI-Generated Work Not Copyrightable for Failure to Meet ‘Human AuthorshipRequirement—But Questions Remain，”JONESDAY，August，2023，accessed January 2，2024，https：//www.jonesday.com/en/insights/2023/08/court-finds-aigenerated-work-not-copyrightable-for-failure-to-meet-human-authorship-requirementbut-questions-remain.

圖5《通往天堂的捷徑》（A Recent Entrance to Paradise），AI生成作品，人工智能系統(tǒng)“創(chuàng)意機器”（Creativity Machine）創(chuàng)作在“微軟小冰”于“天涯”“豆瓣”“簡書”等平臺上以27個筆名發(fā)表詩歌創(chuàng)作，而無人察覺其人工智能生成性的當下，算法創(chuàng)作的著作權(quán)爭議會廣泛存在于音樂、文學、表演等廣義藝術(shù)領(lǐng)域內(nèi)的各種創(chuàng)造性活動當中。由生成式AI助推的生成式藝術(shù)，以其對想象、創(chuàng)造、發(fā)明、發(fā)現(xiàn)、預(yù)測等創(chuàng)作智能參見［美］羅伯特·J.斯滕伯格：《劍橋創(chuàng)造力手冊》，施建農(nóng)等譯，東方出版中心2021年版。該書就創(chuàng)造性指出了最重要的三類智能：其一為包括分析、評論、判斷、比較、評估的分析智能（analytical intelligence）；其二為包括使用、實施的實用智能（practical intelligence）；其三為包括想象、創(chuàng)造、發(fā)明、發(fā)現(xiàn)、預(yù)測等的創(chuàng)作智能（synthetic/creative intelligence）。的運用，既催生了一種新的藝術(shù)形態(tài)，也促成了一種新的藝術(shù)生產(chǎn)機制，并延伸出對藝術(shù)家的價值等多重話題的討論。因現(xiàn)行著作權(quán)法強調(diào)知識產(chǎn)權(quán)主體應(yīng)為自然人或法人，人工智能的成果似乎輕易落到了作為自然人的“藝術(shù)家”身上，但這同時也給藝術(shù)家的創(chuàng)造者地位帶來了挑戰(zhàn)。在強人工智能時代，生成式藝術(shù)恐已在最關(guān)鍵的兩個層面對藝術(shù)家展開了替代：其一，基于深度學習、大數(shù)據(jù)挖掘的機器智能正在超越人腦的創(chuàng)意能力；其二，機器智能指導(dǎo)下的機械臂在精準實現(xiàn)創(chuàng)作意圖方面，正在超越藝術(shù)家曾引以為豪的手工技藝的精湛性。當然，生成式AI在給藝術(shù)家?guī)韯?chuàng)作方面的“煩惱”的同時，也在為藝術(shù)受眾揭開具有豐富想象力的創(chuàng)新場景。五、融合人工智能技術(shù)的

藝術(shù)場景創(chuàng)新智能機器模型在增強可訪問性、提升參與度、提供新的研究方法和視角、推進跨學科研究以及文化遺產(chǎn)保護等方面釋放出的革命性力量，正在加速藝術(shù)與生活的全面融合。其結(jié)合虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）技術(shù)，為觀眾提供實時互動及不斷延續(xù)生成的沉浸式體驗的水平一直在提升。比如，在名為“DeepArt.io”的人工智能創(chuàng)意程序中，大眾即時上傳的自選照片可以被輕松地改造為各種現(xiàn)代藝術(shù)風格的圖像供下載。顯然，基于對現(xiàn)代藝術(shù)不同風格特征的識記和提取，人工智能在大眾生活維度開展的傳播創(chuàng)新，已在更廣的范圍內(nèi)提供了某種程度上超越博物館水準的互動和參與體驗。具體到各類場景來看，首先，機器對藝術(shù)大數(shù)據(jù)的深度學習，可以讓大眾在移動端輕而易舉地獲得精細的藝術(shù)品鑒定結(jié)果、鑒賞信息及市場走勢分析報告。人工智能在分析藝術(shù)圖像時是不受情緒干擾的，因而具備了一種快速、全面、精準檢索和分析藝術(shù)作品的“專家”素養(yǎng)：依托精細檢測能力，可辨識真?zhèn)?、評估價值；依托區(qū)塊鏈技術(shù)，可對藝術(shù)品風格、特征進行識別，并對可能的作者展開有力查證；通過數(shù)據(jù)挖掘和分析，可識別藝術(shù)市場的關(guān)鍵因素，展開對藝術(shù)市場趨勢及動態(tài)、價格波動及走向，以及特定藝術(shù)品的流通可能性的分析?；谏鲜瞿芰?，人工智能模型能夠被藝術(shù)拍賣行、畫廊和投資者廣泛應(yīng)用，為其提供“科學”的分析和決策參考。其次，藝術(shù)大數(shù)據(jù)的挖掘通過對新素材和新工具的運用，推進了藝術(shù)機構(gòu)或教育機構(gòu)的在線藝術(shù)教育活動及其課程的開發(fā)。模擬藝術(shù)作品的呈現(xiàn)及觀眾體驗、創(chuàng)建虛擬實驗室或者創(chuàng)新可視化工具、構(gòu)建特殊專題的藝術(shù)博物館等，是數(shù)字人文方法在當前大眾藝術(shù)生活中最為重要的運用形式。數(shù)字影像以其互動特色及參與性上的優(yōu)勢打造的學習體驗場景，可以將藝術(shù)史等通常被認為相對“枯燥”的內(nèi)容面向更大范圍的公眾進行更加生動的傳播。例如，一款名為“Smartify”的應(yīng)用程序能作為“數(shù)字講解員”提供一對一的“藝術(shù)畫廊之旅導(dǎo)游”服務(wù)。Kenya Foy，“Instantly Identify Art with This Shazaam-Like App，”O(jiān)ct 15，2017，accessed January 3，2024，https：//www.apartmenttherapy.com/instantly-identify-art-with-this-shazaam-like-app-251343.基于龐大的藝術(shù)數(shù)據(jù)庫及豐富的在線藝術(shù)教育資源，藝術(shù)教育機構(gòu)可以更有針對性地策劃數(shù)字藝術(shù)展覽，這不僅可為藝術(shù)教育領(lǐng)域的研究人員及一線工作者深入進行科研和實踐提供幫助，更可幫助公眾直觀、形象地理解藝術(shù)佳作。再次，更富個性化的藝術(shù)體驗，推動了更具創(chuàng)新性的藝術(shù)市場服務(wù)，以及縱向的文化傳承保護與橫向的文化交流溝通。人工智能已經(jīng)發(fā)展出了快速、精準地分析社交媒體數(shù)據(jù)的能力，而對受眾興趣的調(diào)查和反饋，正是藝術(shù)市場制定精準營銷策略的重要基礎(chǔ)。通過對藝術(shù)與文化、社會和政治因素之間關(guān)聯(lián)的及時分析，藝術(shù)市場服務(wù)的精準度可以迅速提升。比如，對藝術(shù)家、評論家和收藏家之間聯(lián)系和互動的社會網(wǎng)絡(luò)分析，有助于分析文化和社會因素對藝術(shù)市場及藝術(shù)實踐的影響；虛擬藝術(shù)展覽和在線銷售平臺的創(chuàng)建，可以大幅度拓展藝術(shù)觀眾群體及其市場規(guī)模；互動性更強的參與性藝術(shù)項目的供應(yīng)，可以使觀眾與藝術(shù)家更容易積極互動甚至攜手創(chuàng)作；大數(shù)據(jù)分析則使藝術(shù)機構(gòu)和在線平臺更好地掌握用戶的興趣和喜好。再如，根據(jù)消費者需求推薦的藝術(shù)品、展覽和活動更容易被發(fā)現(xiàn)和購買；更有沉浸感的數(shù)字化藝術(shù)呈現(xiàn)場景會提供更具吸引力的藝術(shù)體驗；更有針對性地運用社交媒體和數(shù)字營銷工具可以更大范圍地推廣藝術(shù)家、展覽和活動；全球的藝術(shù)圖像、文獻及相關(guān)知識借助藝術(shù)大數(shù)據(jù)挖掘，更有益于推進藝術(shù)機構(gòu)、研究人員和愛好者間自由而充分的分享與交流。深度學習和超級算力，正讓數(shù)字人文方法在當代藝術(shù)世界找到越來越龐大的創(chuàng)造空間。新的視聽技術(shù)創(chuàng)造出了新的展示和觀賞方式，積極拓展著藝術(shù)的邊界。生成式藝術(shù)的“秒實現(xiàn)”，為藝術(shù)展演、藝術(shù)管理實務(wù)、藝術(shù)圖像的價值創(chuàng)造帶來了無限可能性。然而，當人工智能彰顯為一種普及性的大眾應(yīng)用之后，由數(shù)字人文所掀起的方法革命恐怕也要不可避免地被“神化”——此時，對機器智能的迷信就到了需要被打破的時候。六、問題與反思人工智能正在日益廣泛地應(yīng)用于藝術(shù)創(chuàng)作及相關(guān)場景，同時也正在更廣的場域內(nèi)持續(xù)不斷地生成“問題”?；谌斯ぶ悄?，缺少相關(guān)技能訓(xùn)練的普通人也可以輕易地進行藝術(shù)創(chuàng)作了，這種情形似乎已無限接近“人人都是藝術(shù)家”的愿景。然而，人工智能作為新知識，是否會很快形成新的壟斷呢？人工智能成果是否會輕易被部分人優(yōu)先占據(jù)？技術(shù)條件差異及信息鴻溝問題、社會的分配公平性問題是否會更加嚴重？還有，人工智能是否真如人們預(yù)想的那樣可靠？對這些問題，目前顯然還難以作出十分確定的回答。當今，人工智能應(yīng)用程序可以處理的海量信息固然還在呈幾何級數(shù)式遞增，但其信息來源的時效性，以及這些素材作為現(xiàn)實之一維或幾維的片面性，仍使其在被用作決策和判斷的參考或依據(jù)時，可靠性存在疑問。2021年，斯坦福大學的統(tǒng)計學家大衛(wèi)·斯托克（David G.Stork）指出，作為彩色繪畫和素描的藝術(shù)圖像的特殊性和復(fù)雜性也可能導(dǎo)致其人工智能判斷的失效。他認為，作為表達藝術(shù)家特殊意圖或意義的藝術(shù)畫面既可以高度風格化，也可以描繪不存在的場景、物體，或者畫面中根本沒有物體，又或畫面可能違反透視原則，而且其作品數(shù)量也遠遠少于用于訓(xùn)練傳統(tǒng)圖像分析算法的照片?；谒囆g(shù)圖像的上述特殊性，他提出，人工智能面對藝術(shù)圖像的計算分析結(jié)果可能需要修正，甚至需要全新的技術(shù)方法。David G.Stork，“Statistical Analysis in the Study of Fine Art Paintings and Drawings，”Department of Statistics（stanford.edu），September 21，2021，accessed December 5，2023，https：//statistics.stanford.edu/events/statistics-seminar/statistical-analysis-study-fine-art-paintings-and-drawings.隨著人工智能技術(shù)的不斷進步、數(shù)字人文方法更豐富的創(chuàng)新性應(yīng)用，藝術(shù)創(chuàng)作與藝術(shù)市場繁榮興盛，文化和創(chuàng)意產(chǎn)業(yè)平衡發(fā)展，極大提升了當代人的藝術(shù)體驗和生活品質(zhì)。然而，狂熱或激進地擁抱新技術(shù)，也很容易導(dǎo)致沉溺于這些技術(shù)。尼爾·波斯曼在20世紀90年代提出，技術(shù)壟斷會導(dǎo)致文化的表面化，而人們要避免陷入在技術(shù)標準中為自我行動尋找依據(jù)的狀態(tài)。他還認為，“如果意識到技術(shù)壟斷的危險并奮起抵抗，那就有理由（對未來抱有）希望”①。人工智能技術(shù)的應(yīng)用大行其道，意味著人類受制于技術(shù)的風險與日俱增。面對處在“十字路口”的人文藝術(shù)財富，數(shù)字人文方法在重視“數(shù)字”時，決不能遺忘“人文”。消除對超強人工智能②控制人類的擔憂及普遍焦慮，不能依靠降低技術(shù)發(fā)展熱度和對技術(shù)的依賴度；破除對“技術(shù)壟斷文化”趨勢的迷信，要通過重塑人對自身的信心、繼承人文關(guān)懷傳統(tǒng)去實現(xiàn)。本文系重慶市教委人文社科研究一般項目“中華文化復(fù)興與傳統(tǒng)手工藝跨媒介文本創(chuàng)新研究”（編號：20SKGH159）的階段性成果。

①［美］尼爾·波斯曼：《技術(shù)壟斷：文化向技術(shù)投降》，何道寬譯，中信出版集團2019年版，第205頁。②參見［英］尼克·波斯特洛姆：《超級智能：路線圖、危險性與應(yīng)對策略》，張體偉、張玉青譯，中信出版社2015年版。該書將超強人工智能定義為在科學創(chuàng)造力、智慧和社交能力等每一方面都比最強的人類大腦聰明很多的機器智能。

作者簡介：鄭川，四川美術(shù)學院藝術(shù)人文學院副教授、主任編輯

The Revolutionary Application of Digital Humanistic Methods in the AI Era：

The Era Problems and Challenges of Art Generation and Communication

Zheng Chuan

Abstract：Digital humanities methods have long been subtly applied in the field of art and humanities.In the era of AI，with artificial intelligence in art value evaluation，art education innovation，cultural heritage and communication，and even art production in a wide range of abundant energy，“digital art” in the innovation of the research field，digital humanities method began to use its revolutionary present as a highly anticipated and prominent discipline.Based on deep learning，machine intelligence models continuously innovate contemporary scenes of art generation and art communication through efficient，accurate，and fast art big data mining.However，while actively embracing new technologies in artificial intelligence，digital humanities need to reconstruct the balance between “humanity” and “digital” in the traditional persistence of humanistic care.

Keywords：artificial intelligence；digital humanities；art big data；deep learning；generative art