人工智能在中国传统纹样保护与传承中的应用研究

张雨晴

【摘要】 在智能化的时代背景下，作为中国传统文化之一的中国传统纹样的传承受到广泛关注，随着科技实力不断增强，将新技术使用到中国传统纹样的保护与传承中，可以更好地弘扬我国优秀传统文化。本文通过列举人工智能技术在中国传统纹样传承中的结合点，分析人工智能技术在不同方面为中国传统纹样带来的新的发展破局，论证人工智能对中国传统纹样的创新不单显现于形式上的改变，更重要的是人工智能与中国传统纹样的结合可以为未来的中国传统纹样的传承提供更为多元化的发展途径，促使中国传统纹样在新技术的影响下得到突破。

【关键词】 人工智能;中国传统纹样;传承

【中图分类号】J522           【文献标识码】A            【文章编号】2096-8264（2022）17-0072-03

【DOI】10.20024/j.cnki.CN42-1911/I.2022.17.022

基金項目：本文为2020年度教育部人文社会科学研究项目“中国传统纹样在文化创意产业中的应用研究”成果之一（项目编号：20YJA760030）。

所谓纹样（pattern）在中国纹样词典里被释为用于装饰器物表面的花纹。在绚丽多彩的纹样中凝结着每个时代宝贵的审美情趣、价值取向、人文精神与民族内涵，在我国乃至整个东方文化宝库中所占据的地位是毋庸置疑的。文化的保护与繁荣是侧面反映人类文明进程的重要根据之一，同时在全球文明屡屡交锋的情况下，文化也成了综合国力竞争、多元国家格局中文化发展制高点的重要因素。探讨利用前沿的高新技术为中国传统纹样的保护与传承保驾护航，有助于我国民众建立文化自信，有助于打造文化软实力，推动中华优秀传统文化赓续绵延，繁荣兴盛。

一、智能化时代背景

以人工智能（Artificial Intelligence，AI）为代表的多种高新技术井喷式地增长大大促进了智能化时代的到来。1956年，约翰·麦卡锡（John McCarthy）于Dartmouth学会提出与空间技术、能源技术并称为世界三大尖端技术的另一技术——人工智能[1]。约翰·麦卡锡对人工智能的定义是人工智能可用于制造智能机器而不受限于生物学上的条件[2]。人工智能的三个核心概念便是，数据、算法、算力，深度学习则是作为近十年来人工智能算法中最成功的研究方向[3]，其在人工智能的应用领域——计算机视觉中也收获了惊人的效果[4]，在某些特定的视觉任务上已经达到[5]甚至超过人类水平[6]。人工智能技术在有限的时间内已发展成为国家技术重点发展方向，其席卷了计算机行业的同时，每时每刻都在渗透着人们的生活。随着近年来学者们对人工智能的研究热情日益高涨，人工智能的研究范围从一开始的单一计算机领域内已逐渐波及交通、医疗、制造业、文化产业等等各大领域，更改了人们的认知视域及生活模式。

中国传统纹样的发展在一定程度上可以作为传统文化之一，代表我们国家文化软实力的一部分，与此同时科技创新势不可挡，中国传统文化与创新科技的跨界融合引起了学界的广泛关注。如何让中国传统文化与科技齐头并进，具体怎样将前沿的人工智能技术与经典的中国传统纹样有机交融，是值得人们展开研讨的重要课题。

二、 人工智能在中国传统纹样保护中的应用

在中国传统纹样保护方面，数据的采集与分类尤为重要，利用人工智能技术可以极大提高纹样采集与分类效率。在这些大量烦琐的、重复性极高的工作中，便是人工智能技术的舞台，首当其冲的便是人工智能深度学习中的卷积神经网络。

（一）利用人工智能技术打造中国传统纹样采集的强劲引擎

中国传统纹样的特征之一便是其形式与意义的浩繁复杂，根据不同的分类方法，纹样有着多种表现价值，如根据构成分类方法，可分为单独纹样、适合纹样、二方连续、四方连续纹样等等;根据纹样所依附的器物分类方法，可分为陶瓷纹样、印染织绣纹样、建筑装饰纹样等等;根据寓意分类方法，可分为吉祥纹样、如意纹样、富贵纹样等等[7]。而传统的图像识别方法主要是通过提取像素级的低级特征，纹样识别的准确率，在人为图像预处理这一浅层次结构模型中大大降低[8]。除了识别精度不理想之外，依靠人为行动构建数字化纹样库，该行动采集速度也是有待提升的。人工智能技术随着深度学习的兴起，图片识别、模式识别领域进入了一个全新的阶段，人工智能的深度学习技术被广泛用于植物识别、植物疾病治疗、人脸识别、交通、医疗疾病辅助识别等多个领域，并在这些领域中大放异彩，在其他领域的成功应用对人工智能在中国传统纹样中的运用借鉴，浇筑了坚实的基础。人工智能的深度学习可以对中国传统纹样进行数据分析和特征提取，并生成相对应的数据集。在这一应用中，已有学者进行了先行的探索，如以卷积神经网络为主要方式，对陶瓷纹样、对苗族刺绣纹样、壮族纹样、传统民族服饰纹样进行识别，并取得良好的成效。人工智能在民间采集中国传统纹样的过程中，一方面尽可能地保留纹样原始形态，另一方面提升了在民间采集纹样的效率，很好地发挥了人工智能的优势。

（二）利用人工智能技术浇筑中国传统纹样分类的坚实基础

中国传统纹样数据繁博，形式多元，在时间轴纵观，有着多个时代变迁而来的不同时代风格纹样;从空间、民族跨度而言因为地理位置的不同均有着不同的表达形式;从形式而言，它们所依附的载体、传达的意涵也各不相同。中国传统纹样如此缤纷瑰丽，而当前我国的中国传统纹样素材库大部分都处于分散的、没有被组织的状态，绝大部分纹样都使用书籍记载，现在大部分人的行为方式都是采用电子资源，纹样的存储形式相对时代的发展难免落后。按照民族、地区、风格、器物等对中国传统纹样进行分类，对于更好地保护中国传统纹样具有重大意义。传统的图像分类方法主要是依赖于视觉特征、局部不变特征提取及分类器选择，这些特征虽然具有一定的普适性，但针对性不强、分类精度不高，且面对较为复杂的图像时，寻找图像的人工特征也绝非易事[9]。利用传统的图像分类方式对纷繁复杂的传统纹样进行分类，对人力、时间、效率方面都是极大的挑战。人工智能的分类应用依赖于已有数据集的建立，当已有大量的传统纹样数据形成数据集时，人工智能的深度学习技术便会从已有的数据集提取并分析多重纹样特征，当识别数据集以外的纹样时，自动从已归纳的纹样特征中进行比较，纹样的分类便得以轻而易举地实现。

有多个学者采用卷积神经网络对纹样等进行分类，其分类准确率均达到80%以上，甚至高达99. 61%。如孙谦等人[10]基于卷积神经网络的基础提出Faster R - CNN网络对106张纹样进行分类测试，其结果平均准确率优于卷积神经网络，高达88.2%。贾小军、叶利华等人[11]提出基于改进的CifarNet网络结构对的卷积神经网络对4242张蓝印花布纹样进行分类测试的平均准确率接近百分百，而分类测试时间仅花费28.1分钟。在中国传统纹样的数字化建设中，运用人工智能技术介入中国传统纹样的分类，呈现出高效、科学等多方面的优势。

三、人工智能在中国传统纹样传承中的应用

人工智能技术不仅在中国传统纹样的保护的场景中可得到发挥，此外，在中国传统纹样的传承中，人工智能技术也不甘示弱。在中国传统纹样的传承中，可以利用人工智能的神经网络引领人机协同设计，拓宽中国传统纹样的传播形式，还原纹样中文化意涵表达的准确性。

（一）利用人工智能技术拉紧中国传统纹样设计的协同纽带

创意设计领域曾被认为是人工智能无法介入的领域，人们认为计算机并不具备主观思考能力，我国确实现处于弱人工智能时代，人工智能还不具备自主意识，但人工智能的深度学习能力可以通过经验总结迸发“创造力”。

区别于人工设计，人工智能技术基于数据集，进行训练，便能生成同种风格的纹样。有学者花10个月的时间收集和整理了52908张敦煌的图像并将这些图像分为佛像、舞蹈、人物、动物、建筑和装饰图案六大类，训练生成式对抗网络，建立数据集，并通过生成式对抗网络的数据集及技术基础上，智能生成敦煌风格的图像，成功地利用人工智能技术，将敦煌元素应用到现代服饰中。[12]还有学者提出在非物质文化遗产的设计过程中，使用生成式对抗网络进行深度学习的图像处理，生成纹样样本，同时也可基于生成式对抗网络将一类风格纹样转化为另一类特定的风格纹样[13]。

除此之外，2017年6月，美国的罗格思大学（Rutgers university）于生成式对抗网络的根基上创造了一个前所未有的创造性对抗神经网络（Creative Adversarial Networks，CAN）[14]，这个网络对比生成式对抗网络，增添了大量的不确定性，生成式对抗网络只能生成已有的风格，而创造性对抗网络可以生成前所未有的艺术风格。

在中国传统纹样的智能设计过程中，人工智能的介入能大大提高设计师的效率，为设计师带来更大的便利，激发设计师的创作灵感，但在这个过程中，设计师的主观能动性也尤为重要。只有当设计师与人工智能技术协同设计，才能更好地设计出具有中国传统文化的纹样;只有当设计师将自己放置于人机协同设计的主体地位时，人工智能才能更好地驱动中国传统纹样传承。

（二）利用人工智能技术拓宽中国传统纹样传播的阳光大道

在发展十分迅猛的智能化时代，信息传播的方式也有了重大的革命性变化，从单一的纸媒到五花八门的传播媒介，技术使各种信息的快速传播成为可能，且承担着更为重大的使命与责任。在信息琳琅满目的时候，中国传统纹样如何“以生动形象的方式呈现”“更让年轻人青睐”变得尤为重要。人工智能技术可以有效对大众的既有数据进行深度分析，使用数据优化中国传统纹样的传播策略。当其作为“电子机器人”时，个性的塑造、互动的体验可以降低大众获取信息的门槛，激活大众对于传统纹样传播的参与度。从情感上拉近中国传统纹样与大众的距离，让纹样不再局限于器物表面、或静态的形式，让纹样“活”起来。除了其传播形式的多元化，人工智能在信息传播的准确性、文化梳理的逻辑性有着极强的优势，在大量的原始数据与资料中，人工智能技术能快速串联非结构化的知识与数据，还能根据环境变化和受众需求改变已有的知识输出方式[15]。

四、结论

在中国传统纹样的保护与传承中，人工智能的应用，不仅能为中国传统纹样的保护提供有力的智能技术支持，更为中国传统纹样的传播提供了更为多元化的形式，对中国传统纹样的传承建设应用方面进程而言，具有不可估量的历史意义。人工智能在日常生活中已经逐渐渗透并被接纳，但其在中国传统纹样的保护与传承路径中还没有被完全应用，从科技与传统文化的融合来看，人工智能在中国传统纹样中的创新实践可谓是扮演者先行者的角色，具有无法比拟的科技与人文价值。本文分析了人工智能技术与中国传统纹样的交叉融合，分析了通过人工智能技术对中国传统纹样进行采集、分类、设计、传播，可以更好地在传统领域中发挥人工智能的创造性，阐述了人工智能在传统文化领域发展的潜能。虽然在发展的同时，也伴随着一些不足之处，但总体而言，人工智能的介入为中国传统纹样带来了新的发展方向，促进中国传统纹样的发展，加快中国传统纹样的弘扬速度。期待有更多的学者关注到这一领域，使人工智能技术可以更广普地应用到文化保护中，更好地为中国传统文化的发展赋能，为提升中国文化软实力添砖加瓦。

参考文献：

[1]邹蕾，张先锋.人工智能及其发展应用[J].信息网络安全，2012，（2）：11-13.

[2]MCCARTHY J.What is Artificial Intelligence？[EB/OL]

（2004-11-24）[2021-08-07].https：//homes.di.unimi.it/borghese/Teaching/AdvancedIntelligentSystems/Old/IntelligentSystems_2008_2009/Old/IntelligentSystems_2005_2006/Documents/Symbolic/04_McCarthy_whatisai.

[3]余凱，贾磊，陈雨强等.深度学习的昨天、今天和明天[J].计算机研究与发展，2013，50（09）：1799-1804.

[4]李国和，乔英汉，吴卫江等.深度学习及其在计算机视觉领域中的应用[J].计算机应用研究，2019，36（12）：3521-3529+3564.

[5]Daniel Zhang，Saurabh Mishra，Erik Brynjolfsson，et al.“The AI Index 2021 Annual Report，”AI Index Steering Committee，Human-Centered Artificial Intelligence Institute，Stanford University，Stanford，CA，March 2021，Chinese translation by Synced.

[6]张志林，李玉鑑，刘兆英，张婷.深度学习在细粒度图像识别中的应用综述[J].北京工业大学学报，2021，47（08）：942-953.

[7]郭廉夫，丁涛，诸葛铠.中国纹样辞典[Z].天津：天津教育出版社，1998.

[8]郑远攀，李广阳，李晔.深度学习在图像识别中的应用研究综述[J].计算机工程与应用，2019，55（12）：20-36.

[9]杨真真，匡楠，范露，康彬.基于卷积神经网络的图像分类算法综述[J].信号处理，2018，34（12）：1474-1489.

[10]孔谦，史卓，冯业等.瑶族纹样符号的智能分类方法[J].包装工程，2021，42（10）：244-250.

[11]贾小军，叶利华，邓洪涛等.基于卷积神经网络的蓝印花布纹样基元分类[J].纺织学报，2020，41（01）：110-117.

[12]Qiang Wu， Baixue Zhu， Binbin Yong， Yongqiang Wei， Xuetao Jiang， Rui Zhou & Qingguo Zhou （2021） ClothGAN： generation of fashionable Dunhuang clothes using generative adversarial networks， Connection Science， 33：2， 341-358.

[13]覃京燕，贾冉.人工智能在非物质文化遗产中的创新设计研究：以景泰蓝为例[J].包装工程，2020，41（06）：1-6.

[14]ELGAMMAL A，LIU B，ELHOSEINY M，et al.CAN：Creative Adversarial Networks，Generating“Art”by Learning About Styles and Deviating from Style Norms[J].arXiv：1706.07068v1 [cs.AI] 21 Jun 2017.

[15]樊傳果，孙梓萍.人工智能赋能下的传统手工艺非物质文化遗产传播[J].传媒观察，2021，（08）：68-73.