AIGC 时代，创意何去何从①

娄永琪

一、AIGC，设计创意工作者的终结者？

当下，人类正进入一个以大模型AIGC 为标志的全新智能时代。不少人对这个时代的到来感到莫名兴奋；与此同时，也有许多人对这个突然到来的AIGC 时代感到莫名的失落和焦虑。

对艺术家和设计师而言，他们焦虑的原因是因为曾经高高在上的创意和设计居然被AIGC 颠覆了。2015 年，BBC就基于牛津大学马丁学院的学者卡尔·弗雷（Carl Frey）与迈克尔·A.奥斯本（Michael A.Osborne）②发布了一张表单，列出了最易被人工智能取代的专业。③表单中居于前列的有电话销售员、打字员、会计等。而较难被人工智能取代的专业，则包括了艺术家、建筑师、音乐家等，这些专业被取代的风险在5%以下。这说明在当时看来，创意类专业还是很难被人工智能取代的。

然而，去年出现的一张图片则引发了激烈的讨论。有一个名叫杰森·艾伦（Jason Allen）的年轻人用人工智能工具midjourney 绘制了一张名为《太空歌剧院》的图画，获得了当年科罗拉多州绘画竞赛的第一名。人类在机器面前保有尊严的这条创意设计的马其诺防线，居然如此不堪一击。

当然，用乐观的态度来看，AIGC带来的混乱只不过是人类科技发展史上的一种常态而已。1768 年，愤怒的纺织工人们冲进珍妮机发明者詹姆士·哈格里夫（James Hargreaves，1720 ～1778）的家中，将机器捣毁。他们将失业归咎于先进纺织机的发明。今天的情况也很类似，前段时间有一堆硅谷的大佬宣称要停止AIGC 的研究一段时间。不过，在笔者看来，这样的做法是无用的。科技进步的时代潮流浩浩汤汤，顺势者昌、逆势者亡。

二、从工具演进的视角看AIGC

30 多年前，笔者进入同济大学建筑与城规学院学习，要掌握的重要技能之一就是用好鸭嘴笔，为了使墨汁在两个钢片里不掉下来，要注意笔的角度和尺的关系，才能画的墨重线直；后来，针管笔取代了鸭嘴笔，在当时一套德国“红环”牌的针管笔对学建筑和设计的学生来说，是令人羡慕的存在；后面突然大家都用电脑画图了，也不用背着图筒带着图纸跑来跑去了；文件都存在软盘、光盘里，然后是U 盘；出图，也清一色是电脑出图；笔者在1995 年到1999 年期间，画了很多水粉建筑效果图（图1）；而今天，拿一个手机，随便一个路人居然也可以用各种APP 进行艺术创作了。设计行业的巨变，是科技和产业发展的一个折射和缩影。

AIGC，全称是人工智能生成内容。从古至今，创造内容的目标是永恒的，但是创造内容的手段一直在发生变化。我们可以将神射手这个行业作为参照。在石器时代，神射手是扔石头扔得最准的人，在冷兵器时代是射箭射得最准的人，然后到了火器时代是打枪打得最准的人。而现在的战争决胜的关键要素在于是否能够打赢信息化战争。对神射手而言，击中目标这个核心使命没有变化，但所需要的技能和训练方式却发生了根本性的颠覆。④

之所以AIGC 能引起这么大的关注，是因为 AI 这一全新的基础技术出现了突破。大模型的到来让AI 具有了前所未有的能力。当下Transformer 大模型已经占据了主流地位，包括我们熟悉的GPT-1、GPT-2、GPT-3 和GPT-4。所谓的GPT，就是指人工智能驱动的，生成式的、预训练的、自注意力模型。

“模型”是结构化的抽象。而模型的思维方式和人的自然思维正好相反。人的思维是由a 到b，是线性的，它不是结构化的，绝大部分人是没有与生俱来的结构化思维能力的。在笔者看来，从事科研工作最重要的能力之一正是“结构化探究（structured inquiry）”的能力。人类通过借助于人工智能技术，通过结构化的模型来认识世界、改造世界将从根本上改变人与自然系统、人类系统、赛博系统和人工系统（natural, human,cyber and artificial systems, NHCAS) 交互的方式⑤。可以预见，未来随着各种知识模型、创造模型、组织模型等不断地被开发出来，AI 在其中还可以发挥越来越大的作用。

当然，光有模型是不够的，还要有数据。一个模型要靠大数据投喂，有语料库、有算法、有训练，才能从原料加工成为成品。从GPT-1、GPT-2 到GPT-3 的参数不停地增长，GPT-4 据说有100 万亿个参数。GPT 超越人类大脑170 万亿个参数指日可待，我们从它的迭代速度就可以看到，全世界现在在2020 年创建、捕获、复制和消耗的数据总量为59 ZB，预计到2025 年将达到175 ZB。⑥

大数据背后是大算力。能源革命和信息革命是如影随形的，如果没有能源革命就没有信息革命。大算力时代的碳足迹是巨大的。从图2 可以看出，从纽约到旧金山往返的碳足迹是1984 磅，一个美国人平均一年的碳足迹是36156 磅，可能差不多等于三个世界上其他地方的人的碳足迹，而我们训练一次GPT-1 级别的Transformer 大模型，其消耗的碳足迹大概是62.6 万磅，大约是一辆美国车的全生命周期的碳足迹的五倍。预计到2030 年，AI 将会消耗全球电力供应的50%。⑦

图2：常见碳足迹基准（引自Karen Hao, Training a single AI model can emit as much carbon as five cars in their lifetimes, MIT Technology Review, 2019, 75, p.103.）

AIGC 时代的到来，实际上是一个量变导致质变的过程。是一个关于“大”的胜利，是“大力出奇迹，一力降十会”的胜利。在荷兰艺术家玛德珑·弗里森多普（Madelon Vriesendorp，1945 ～）为荷兰建筑师雷姆·库哈斯（Rem Koolhaas，1944 ～）《癫狂的纽约》⑧所画的插图里，曼哈顿就是一个典型的以“大”为特征和文化的地方，这是它成功的关键。库哈斯将之称为“大”的胜利。他设计的CCTV 大楼，还有他在广东做的一系列研究，后来都被收录在《大跃进》⑨一书中，背后的逻辑都和“大”，以及随之而来的多元性和复杂性有关。但更多、更大、更强，就一定是正确吗？笔者觉得非常有必要对这种工业文明的逻辑进行必要的批判性反思。

三、对AIGC 的批判性反思

讨论AIGC 时代的创意未来，笔者觉得有四个批判性反思不得不提：

第一，是关于规模的批判。对于人类的信息革命来讲，纸张和印刷术的发明，跟现在计算机和网络的发明同等重要。如果没有这两样东西，人类的行为和信息是无法被大规模记录和传播的。但计算机和网络的发明，使得信息记录和传播实现指数级的增长。1994 年，比尔·盖茨拍了张照片，他坐在33 万张纸上面，左手拿着一个光盘。他通过这张照片告诉大家，这张光盘记录的信息等于过去33 万张纸记录的信息。过去，人类历史上产生的数据只有很少能被记录下来，而现在不仅什么数据都有可能被记录下来，AI 还能自主地产生数据。但随之而来的问题是：到底需不需要记录这么多数据？在现在这个大数据的时代，小数据以及处理小数据的能力还有没有价值？如何用大数据的能力去赋能和协同处理小数据的能力？更为本质的问题是：AIGC 到底是不是真的在创造？还是它只不过是在追随和抓取人类创造力的影子，以及处理这些影子之间的叠加、变形、重构？

第二，是关于真实的批判。笔者过去一直对文物和考古怀有很深的兴趣。考古是一个可以帮助还原历史真相的工作。以前信息太少了，如果我们要了解夏商周的真相，哪怕就是一个断代问题，也是一个巨大的工程。过去的挑战是信息太少，我们无法得到真相；而现在新的挑战，可能是信息太多，这也同样掩盖了真相。现在，如果我们要在互联网上搜索一个人的信息，基于对查到结果的判断，我们大概可以得到比较接近真相的结果。但在AIGC 时代，如果不加干预，未来就有可能是机器在自动地、快速地生成内容，由于机器生成信息的速度远远超过真实世界，导致网上的内容很可能有99%是假的。届时，我们搜索到的信息，可能比我们自己所理解的，或者靠人与人生活世界交往得到的信息更不准确。所以，新的问题成了这样：太多的自动生成信息像泡沫一样让真相变得不可琢磨。

第三，是关于选择的批判。笔者的同事张周捷老师有一个名为“Endless Form 椅子”的设计。在这个作品中，人坐在数据采集器上面，算法用一秒钟不到的时间就可以生成很多椅子的形状（图3）。笔者认为这是个很有意思的隐喻：人负责选择，机器负责不停地生成。即：人设计算法，触发机器，下达指令，机器负责生成结果，再由人去进行选择。这是一个关于人机关系非常完美的隐喻。但问题是，首先，人的选择会被误导。在日常生活中，我们很多时候将设问改为选择题，而不是提开放性的问题。当问“a 还是b？”的时候，对方不管回答a 还是b，都已经把所有其他可能性忽略了。实际上，机器也会这样来迷惑我们，慢慢地，人的思维也就开始机器化了。其次，信息时代，现代人要做的选择比过去多得多。当我们有这么多的选择需要做的时候，因为怕麻烦，很可能就把99%做选择的机会让给了机器。

图3：张周捷设计师的Endless Form 椅子 (©Endless form)

最后一个批判，是关于智慧。例如众人耳熟能详的法国艺术家杜尚（Marcel Duchamp，1887 ～1968）的名作——《泉》（Fountain，1917）。杜尚将一个小便斗放到了博物馆，就成了一个非常重要的现代主义作品。但如果不是杜尚所为，那它就只是个小便斗。英国计算机科学家图灵（Alan Mathison Turing，1912 ～1954）曾经问过一个问题：机器到底会思考吗？机器现在看来仿佛是会思考的，但机器有智慧吗？它可能只有一半的智慧。“智”可能有，因为如果“智”指向的是知识的积累，那么从信息到知识的能力它可能还是有的。但它没有“慧”，因为“慧”包含了形、意、神三个方面。有了大数据和人工智能，机器能做到“形”，它看上去懂了，看上去在思考，但其实它大多数时候是在学着思考，或者有了思考的样子。而“意”是指人受到触动，心动了；“神”则是指惊为天人、醍醐灌顶、豁然开朗、拍案叫绝。这是高情感性和高人性的能力，机器目前还无法实现的。更何况，在此之上，还有更高层面的真、善、美，道德和伦理。这种属于人类世界的高级东西，离开人的参与，就完全没有意义了。

四、AIGC 时代最具价值的创意能力：创造意义的能力

批判之后，我们再来看AI 到底是创意和就业的杀手，还是赋能创意的新引擎？答案可能a 面b 面都有。前段时间，有许多好莱坞编剧在罢工，笔者相信 AIGC 的确能够胜过中等水平的编剧。同样，不少在动漫领域画原画的人，可能未来的日子也会很难过。但是这个世界往往在关了一扇门的同时，总会打开另外一扇窗。确实AI 会夺走许多传统的创意工作，但AI 也还会为创意的发展提供很多新的可能性。有两个例子：首先，是人们个性化需求的满足，在AIGC 时代，我们有了源源不断的创意供给。在以前，这是不可能的，所以各种“长尾需求”只能被无情地斩断。⑩而现在如何借助AI，实现各种层次的千人千面的需求满足，这将会是一个巨大的机会；第二，人类的一些大挑战需要超快的速度和超大的规模去解决，比如应对可持续发展的挑战。地球的环境容量天花板离我们越来越近，但是人地危机的产生是我们的上几代人用工业化速度累积的祸害。我们现在要去化解这个危机，就必须要在更短的时间里，创造出同等或更大的规模去修复地球。这时候，AI 几何级数的增益效应，可以赋能人类做很多的事情。

关于人和机器的分工，有两个公认的方向：第一是把一部分工作交给AI，让给 AI 完成一部分我们不擅长或不想做的事；第二是让 AI 训练、激励、开发和强化我们的创造力。这两者都很重要，但事情可能并不是到此为止的。我们有一个美好的愿望，就是让人做“0 到1”的工作，而让机器负责“1 到10000”的事务。但这是一个一厢情愿的设想。为什么机器不能做“0 到1”的工作？如果从人的视角切换到机器的视角，对机器而言，通过人来训练算法，人做的才是1 到10000，而机器做的却是0 到1 的工作。从AI 角度看，当无数人在用某个算法，并让AI 的算法和智慧越来越提升时，人的创意就变成了滋养人工智能这朵鲜花的肥料。

以上都是发人深思的问题，那么在AIGC 时代，到底什么才是创意工作者的核心能力？笔者认为，毫无疑问，首先应该更加主动地拥抱AI，提升运用和创造新创意工具和思维的能力。在同济大学，笔者从2013 年开始全面推动数字和比特世界融合的设计教育，于2017 年推动开设了人工智能和数据设计专业，用现在的话来说就是AIGC 专业。2018年，笔者和音乐人朱哲琴女士共同在同济创立了“声音实验室（Sound Lab）”。郁新安老师和张屹南老师指导的一个学生作品非常有意思：通过一个预设计的算法，每个人都可以将语言转化为独有的首饰造型，然后用3D 打印打出来，戴在所关切的人的身上（图4）。尽管从技术上看，这是一种老式（Old-fashioned）AI，但它基本上已经把AI 与人协同创作最动人的一面呈现出来了。

图4：同济大学“声音实验室”的语音生成首饰

当然，人还有更深层次的能力。但笔者认为，就如中文“创意”这个词语一样，AIGC 时代最具价值的创意能力将是创造意义的能力。意义制造可能会成为设计最为重要的能力。⑪美国教育心理学家布鲁姆（Benjamin S.Bloom，1913 ～1999）把学习能力层级分为：记忆、理解、应用、分析、评估和创造。⑫其中创造是最高层面的能力，也最具有价值。比如钱钟书和陈寅恪两位学者，他们之所以伟大，固然是因为他们博闻强记，但这对于如今的机器来说并无特别之处，但钱钟书能写出“城里的人想出去，城外的人想进来”这样的句子，这才是大智慧；而晚年的陈寅恪致力于撰写《柳如是别传》，“为无益之事，遣有涯之生”，这种大时代下的人自笔者选择的态度，机器是不懂的。

美国设计学者唐·诺曼（Don Norman，1935 ～）和意大利创新管理教授罗伯托·维甘提（Roberto Verganti,1964 ～）在一篇文章里做了一个关于意义的价值的图解（图5）。对“技术顿悟”的实现来说，技术发展和意义改变同样重要，而且往往是在这两者双管齐下时才能出现。他们举了游戏行业的例子：对游戏这个行业来讲，发展技术以及改变游戏的定义和玩法，这两者轮番推动了行业革新。之前的游戏设备公司，都追求速度，不断升级芯片，但到了一定极限，速度就上不去了；之后群玩的游戏开始流行，从一个人玩变成一群人玩；再到wii 加了个重力感应器，玩家可以结合运动去玩游戏；后面又出了Kinect，可以感应人的动作；到现在头显，AR/VR/MR，不断迭代。⑬在这个过程中，技术改变和意义、方式改变轮番推动了创新的迭代。

图5：唐·诺曼和罗伯托·维甘提的颠覆性创新案例（引自Don A.Norman and Roberto Verganti, Incremental and radical innovation: Design research vs.technology and meaning change, Design Issues, 2014, 30(1), pp.78–96.）

在创意领域，艺术和设计两者是有分工的。笔者认为，艺术的价值在于启蒙和唤醒，设计的价值则在于引领变革。如果说现在我们称之为艺术的东西不再具有启蒙和唤醒的价值，那可能就不是这个时代真正的艺术，而是上个时代留下来的残影。而设计的价值在于引领变革。2009 年，同济大学之所以要把“艺术设计系”改名为“设计创新学院（College of Design and Innovation）”，就是为了能够拥抱“创新”这个更为强大的变革力量。从任何角度而言，AI 都是当下一个巨大的变革力量，乐观地看，如果我们能够用好 AI 这个倒逼效应，艺术可以更加艺术，设计可以更加设计，工程可以更加工程。更重要的是，人可以更成其为人！

五、创意和意义制造的未来方向

有六个面向，可能是 AIGC 时代创意和意义制造的发展方向。

第一个面向是人观价值，就是指从人的角度出发的价值判断。这里，首先就是身份认同。古今中外讲到艺术品，概莫能外就是“名人字画”。比如许多人去卢浮宫看蒙娜丽莎，是认为他们能看到达芬奇的真迹。如何用新的技术手段，建立和具体的人的新的联系，是未来的一个很有潜力的方向；第二个层次，是情感判断。比如同样是勃拉姆斯《D 大调小提琴协奏曲》的两张唱片，一张是美国小提琴家海菲兹（Jascha Heifetz，1901 ～1987）与美国指挥家莱纳（Fritz Reiner，1888 ～1963） 的版本；另一张是美国小提琴家帕尔曼（Itzhak Perlman，1945 ～） 与意大利指挥家朱里尼（Carlo Maria Giulini，1914 ～2005）的。我们听第一张唱片，演奏家的技术已经退化了，录音虽然很好，但不怎么动人；而后者的演奏非常丰润，厅堂感很强，整体听感很温暖、很动人。这种微妙的区别，牵涉到人的情感判断，只有人才能够真正懂得；第三层次，和人的社会属性有关，和人与人的关系有关，和信任有关。例如现在设计师经常做Co-creation 的工作坊，人工智能在处理社会创新、协同创意领域，还有很多很长的路要走。举个更简单的例子，如果说邻居之间吵架了，现在的机器再智能，能来劝架吗？这时候还是要有个“上海老娘舅”，才能处理和人际关系相关的事务。

第二个面向是范式创新。在AIGC时代，范式创新变得越来越重要了。前不久笔者在上海音乐厅听了一场管晓宏院士策划的《艺术与科学的交汇音乐会》（图6）。管院士在这场音乐会上提出，几乎所有好听的音乐，基本上都符合幂律，比如说莫扎特《降E 大调小提琴与中提琴交响协奏曲》，把其中相邻音符的半音数找出来，基本上排成了一根线，完全符合幂律（幂律指两个量之间的函数关系）。但凡符合幂律的都好听。但我们会发现，只要找到规律，无论是莫扎特风格，还是贝多芬风格，机器都能做出来。巴赫严格的对位法，更是机器的擅长，而且可以做到让人听不出区别的程度。但像奥地利裔美国作曲家勋伯格（Arnold Schoenberg，1874 ～1951）等人的无调性音乐，例如德国作曲家斯托克豪森（Karlheinz Stockhausen，1928 ～2007）的《摩羯座》，这部作品完全不符合幂律，这时机器就束手无策了。所以，AIGC 时代的创意，需要更多的“0 到1”的范式创新，对音乐、建筑、绘画、设计都是如此。

我们一直呼吁范式创新，但人类到现在都没有多少范式创新。因为范式不是一个个体概念，而是一个社会概念。只有供给侧和受众共同体产生了共鸣，范式转化才能发生。⑭现在，机器做了许多的工作，人就有更多的时间和机会去思考创造新的范式，而且这个轮换周期也相应缩短了。绘画界也是一样，美国艺术家安迪·沃霍尔（Andy Warhol，1928 ～1987）让整个社会对艺术本身的认知和期待发生了变化。如果没有他，波普艺术可能不会就此进入千家万户。用原来的标准看，他的作品都是应该进垃圾堆的。希特勒就非常厌恶现代艺术，把法籍俄裔画家康定斯基（Wassily Kandinsky，1866 ～1944）等人的作品称为“堕落的艺术”。但是新事物往往就像激光一样，可以轻轻松松地在以主流之名的铁幕上划开一道口子。

第三个面向是全链体验。体验是艺术中不可或缺的一个重要环节。比如书法是中国的传统艺术的一大门类。现在我们书法创作的载体往往是一个创作的结果，也就是书法作品，以及浩如烟海的碑刻、字帖等。但是作为一个写书法的人，笔者认为书法的意义在于它的全过程。当人写字的时候，毛笔和纸张之间无时不在的交互，无时不在传递给写字的人。李白的《草书歌行》和杜甫的《饮中八仙歌》就描述了张旭和怀素书法的恣意。“墨池飞出北溟鱼，笔锋杀尽中山兔”，这种感觉和快乐，不写字的人或亲历其中的观者，是无法体验到的。笔者相信，在未来，类似创作的全过程和各种情感信息，能够被更完整地记录下来，会成为书法艺术的一个很重要的、可以被感知的一个维度。

现在有很多的虚拟现实软件，或元宇宙场景，可以让人戴个头盔就能够身临其境地旅行，一下子就能有“一览众山小”的体验。但是，“一览众山小”一定不仅是一个图形的刺激，而是人先有非常辛苦的爬山，然后感到绝望，再坚持，突然到登顶的时候，一下子心情舒畅的完整感受。这就是美国哲学家约翰·杜威（John Dewey，1859 ～1952）说的“一个体验（an experience）”，这是指完整的体验，没有缝隙的，不是一个个单独的、独立的东西，这是与人和环境的互动高度相关，完成这一互动的亲密关系是一种感觉和谐的制度。⑮这里有模式和结构问题，以大模型为特征的AIGC 是不是应该介入？如何介入？这里有很多的可能。

第四个面向是情境关联。2015年，笔者去芬兰国家美术馆看了一个展览——“芬兰作曲家西贝柳斯（Jean Sibelius,1865 ～1957） 和艺术世界（Sibelius ja Taiteen Maailma/Sibelius and the World of Art)”（图7）。当时向笔者扑面而来的是一个活脱脱的现代主义展览。笔者过去一直以为，我们国家现代艺术的启蒙，是没有完成的。当时徐悲鸿、刘海粟这些大师在西方学习的时候，毕加索、塞尚已经在西方流行，这些可能是当时西方最激进的、最前沿的、最有生命力的东西。但他们带回来的西方绘画还是偏于传统的。但后来在和潘公凯先生的一次对话中，笔者豁然开朗了。毕加索在1907 年、1937 年时候的画，较之1912 年刘海粟先生在上海美专带着一群学生所画的裸体写生，到底哪一个更前沿？那次对话让笔者突然意识到了一个德尔塔（Δ）⑯（在数学和物理学中,德尔塔是指量的微小变化率，常用于描述微积分和物理学的变化量计算。此处为引申用法）的概念。如果当时在中国画毕加索，没有那么地惊世骇俗。对中国艺术界而言，从徐文长到吴昌硕，早就在画大写意了，但是画裸体，对当时保守的中国社会来说是伤风败俗，在对艺术界的冲击和思想解放的推动无疑是更大的。所以从变化量来看，在中国当时这个情境下，创造一种和情境的对立，是推动艺术革新的一个更加有力的选择。

图7：芬兰国家美术馆“西贝柳斯和他那个时代的艺术“展览（2015 年）

第五个面向是文化自觉。2008 年Cumulus（国际艺术设计与媒体院校联盟）年会在日本京都举办，那年大会的主题是“空/emptiness ”。主旨演讲人日本设计师原研哉（Hara Kenya，1958 ～)在幻灯片里放了两把菜刀的图片，一个是日本的菜刀，一个是德国的菜刀，两者有什么不一样？德国的菜刀是人体工程学设计，让人捏得特别舒服，但是只有一个姿势是正确的；日本（以及其它亚洲国家）的菜刀，刀柄是直的，100 个厨师可以有100 个握刀的手势。原研哉用这个故事来讲什么是东方文化的emptiness，东方的“空”背后，是更多的可能性。因此，任何事物只有被放置到文化背景中时，人才能够对其产生有价值的判断。那么，什么是文化？梁漱溟说“文化就是所有生活样式的总和”，它和生活方式息息相关。全世界的人，基于不同的生活方式，产生不同的价值观、行为准则和约定俗成的习惯。在AIGC 时代，创意和文化生活将更加高度相连。对文化的理解，基于文化的判断和内容创新，将是意义创造的沃土。

最后一个面向是情理叙事。前不久，日本作曲家坂本龙一（Sakamoto Ryuichi，1952 ～2023） 去世了，有一部关于他的纪录片《终曲》（Ryuichi Sakamoto: CODA）特别受到关注。坂本凭《末代皇帝》的原声碟拿了奥斯卡奖之后，整天琢磨如何实现突破。他开始喜欢电子音乐的元素，痴迷于用各种方法去采集和处理新的声音。他身上套个塑料桶来到室外，录下雨水打在桶上的声音；他前往飞机失事的现场，录下用棍子敲击残骸的声音；他拿中国武汉产的锣，录下用弦去摩擦它的声音……福冈大地震后，坂本发现了一架被海水泡过的钢琴，他用这架钢琴演奏了一首《瓦解》（Disintegration），还出了唱片。用这架走调的钢琴，演奏出的音乐别有风味。他说，每个琴弦绷紧的时候其实是人用人类的逻辑，用上百吨的力气，将琴弦拉成非自然的状态。而这架被海水泡过的钢琴，所有琴弦都松了，这使它恰巧回到了一个更自然的状态，更接近本来应该有的样子。

很多人被这个故事打动，就去听这个曲子。如果没有这个故事，这个曲子就是一堆乱耳的杂音。所以，故事，即情理层面的叙事，未来可能比合理层面的叙事更加重要。就像徐悲鸿画的愚公移山，这个故事本身不一定符合理性逻辑，但体现了一种精神，激发大家的志气，当年在抗日战争的背景下，尤其铿锵有力。未来不管设计也好，创意也好，我们要面对的大挑战还很多，比如可持续转型、人类命运共同体建设、全球经济的再次繁荣、文明冲突的缓解等。笔者相信，未来情理叙事的价值会超越几乎所有的技术叙事。

2013 年，笔者就任同济大学设计创意学院院长之后，做的第一件事情是给学院写了个院训：“为人生的意义和世界的未来而学习和创造”（图8）。这其中“人生的意义”（meaningful life）, 是放在前面的。在AIGC 时代，当时写的这句话也许会变得更有意义：我们每个人的人生，不管是工作、学习还是生活，都是一个意义创造的过程，对个人是这样，对社会亦是如此。

图8：同济大学设计创意学院

六、结语

笔者认为在AIGC 时代，最好的结果是“让机器更机器，让人更成其为人”；次好的结果是“让机器像人，让人更成其为人”。到底机器像人更好，还是像机器更好，笔者琢磨之后还是认为应该让机器更像机器。否则，一方面，人会对机器产生各种各样移情的想法，这未必是一个好的现象；另一方面，机器在很多方面会超过人，但人的尊严是不应该被亵渎的。而最坏的结果是“让机器像人，让人更成为机器。”笔者非常希望，不要因为技术或者商业的泛滥，导致“机器像人、人像机器”的这一天真的会到来。

但是，这个危机，在今天看来，早已不是耸人听闻，而是活生生地出现在我们身边了。当我们痴迷于各种技术、各种数据的时候，人的危机就在眼前了。在这个AIGC 时代，我们又一次前所未有地需要呼唤新的文艺复兴，推动一次新的人性的解放。让我们一起努力，用人性的光辉冲破计算理性的牢笼，为人、人性和人文喝彩！

注释：

① AIGC（Artificial Intelligence Generated Content）指生成式人工智能，本文是基于作者在2023 年5 月7 日在上海举办的“数字设计: AIGC 创建者大会”（Digital Design：AIGC Builders and Creators Conference）的闭幕演讲修改而成。

② Carl Benedikt Frey and Michael A.Osborne,The future of employment: How susceptible are jobs to computerisation, 2013, https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf.

③ Will a robot take your job?, 2015, https://www.bbc.com/news/technology-34066941.

④ 娄永琪：《设计的疆域拓展与范式转型》，《时代建筑》，2017 年第1 期，第11-15 页。

⑤ Yongqi Lou,Designinginteractionstocounter threatstohumansurvival.She Ji: The Journal of Design, Economics, and Innovation, 2018,4(4), pp.342-354.

⑥ Statista Research Department,Amount ofDataCreated,Consumed,andStored 2010–2025, 2018, https://www.statista.com/statistics/871513/worldwide-data-created/.

⑦ Karen Hao,TrainingasingleAImodelcanemit asmuchcarbonasfivecarsintheirlifetimes,MIT technology Review, 2019, 75, p.103.

⑧ Rem Koolhaas,DeliriousNewYork:A RetroactiveManifestoforManhattan, New York: The Monacelli Press, 1997.

⑨ Judy Chung Chuihua, Jeffrey Inaba,Rem Koolhaas and Sze Tsung Leong eds.,Great LeapForward, Cologne: Taschen, 2001.

⑩（美）克里斯·安德森，乔江涛、石晓燕译：《长尾理论》，北京：中信出版社，2012 年。

⑪ 马谨：《延伸中的设计与“含义制造”》，《装饰》，2013 年第12 期，第122-124 页。.

⑫ Benjamin S.Bloom ed.,DevelopingTalentin YoungPeople.New York: Ballantine Books,1985.

⑬ Don A.Norman and Roberto Verganti,Incrementalandradicalinnovation:Design Researchvs.TechnologyandMeaning Change, Design Issues, 2014, 30(1), pp.78–96.

⑭ Thomas S.Kuhn,TheStructureofScientific Revolutions, Chicago: University of Chicago Press, 2012.

⑮ Hansjörg Hohr,TheConceptofExperienceby JohnDeweyRevisited:Conceiving,Feeling and“Enliving”, Studies in Philosophy and Education, 2013, 32, pp.25-38.

⑯ 在数学和物理学中,德尔塔是指量的微小变化率，常用于描述微积分和物理学的变化量计算。此处为引申用法。