摘 要:加拿大艺术家和学者索菲安·奥德里从计算机程序设计、当代艺术与美学等多维学科实践出发,提出机器学习的实验性质更接近于艺术探索,而不是脆弱的符号AI逻辑,构建起人工智能时代独特的美学思考与批判性维度,他的“自适应美学”和“元艺术家功能”等概念对我们反思后人类美学具有启发价值。
关键词:索菲安·奥德里;人工智能;美学;批判性思考
基金项目:本文系2023年度广东省高等教育教学改革研究项目“中文师范生批判性思维培养研究”(粤教高函[2024]9号);广东省一流本科课程《西方电影史》(线下一流课程)(2023年)(粤教高函[2023]33号);惠州市哲学社会科学学科共建项目“人工智能创作小说研究”资助(HZ2023GJ182)成果;惠州市2023年度基础教育科学研究课题“人工智能背景下小学语文教育创新研究与实践”(2023hzkt478);2022年惠州学院高等教育教学改革项目“中学语文教师逻辑与批判性思维培养研究”(惠院发[2022]163号);2023年惠州学院产业学院建设专项《西方电影史》(惠院发[2023]158号);2023年惠州学院“专创”融合特色课程《哲学与创新思维》(惠院发[2023]158号)研究成果。
索菲安·奥德里(Sofian Audry)是一位具有计算机科学、机器学习知识背景的加拿大艺术家和学者,他从美学、艺术理论的角度反思生成对抗时代的艺术实验,对人工智能时代的艺术、艺术家、艺术创作等核心问题进行了总结和提炼,形成了人工智能时代的美学思考,这对于高度关注人工智能的国内学术界,无疑具有参照价值。
一、自适应行为美学
与很多理论家不同,索菲安·奥德里重视技术掌握、哲学思考和艺术创造三者的结合,也正是意识到机器学习在当代的艺术审美价值,索菲安·奥德里决定尝试构建一套新的美学理论来描述这种特殊的艺术创造活动。
机器是如何参与到艺术创作的审美活动中的,在其中扮演了怎样的角色?菲安·奥德里用“基于深度循环网络的文本生成自适应行为美学”(Aesthetics of Adaptive Behaviors with Deep Recurrent Nets for Text Generation)[1]1来描述这种独特的审美活动。在他的艺术实验中,他没有回避艺术创造的无功利性特征,而是大胆地将机器学习纳入艺术创作,将传统的审美生成过程挪移到机器学习过程中,机器的训练阶段本身就是生成新的审美形式的过程。为此,索菲安·奥德进行了大量的艺术实验,这些艺术成品虽然也有计算机深度学习的参与,但是它们并不是通常意义上的人机协同操作产生的“生成艺术”(“生成艺术”具有稳定的形态,而且其审美形态是计算机程序运作的结果)。
索菲安·奥德里旨在打开人机互动新的审美领域,为此他构建起一个“行为本体论框架”。他认为现有的控制论系统分类主要关注系统之间的关系和系统内部的结构方面,他提出要关注代理行为(agent behavior)的时间维度,即行为是如何随时间展开和变化的,而行为的时间维度具有审美潜力和价值,可以作为一种艺术创造性的手法。索菲安·奥德里通过视角转换,实现了方法论的创新,行为的时间性和过程性成为他的关注点,他认为这种过程本身就是一种审美形式和创作手法。“使用这一框架,我们可以确定大多数学习算法都会经历形态发生阶段,在此阶段中它们的行为会发生变化,直到最终稳定在形态恒定的最终阶段。我认为这种转变和稳定的过程在艺术上是相关的,可以作为一种创造性的方法来利用。”[1]3-4在索菲安·奥德里的艺术新框架中,算法运作的结果(如图片、声音或者文本)不是目的,算法过程才是目的,由此,机器学习的美学被纳入了“行为美学”的框架中,而“行为美学”正是文化与机器系统互动的可能性所开辟的新美学领域。
索菲安·奥德里拥有计算机科学的理论背景,他对人工智能的美学研究和思考异于其他擅长推理和思辨的理论家,通过训练深度递归神经网络,他对审美活动的关注从人机生成的艺术品成品转移到了人工智能的算法艺术,即“自适应行为美学”。这是他对人工智能时代的审美活动独特的理解视角。索菲安·奥德里不是简单地肯定人机协同进行艺术品生成的价值和意义,而是拨开迷雾,打开潘多拉的魔盒,在深层的意义上展示、实验了机器学习在当代审美创造活动中的生成机制和价值。而这种价值并不是我们通常理解的“辅助”创作,而是一种新的时代语境下的新的美学言说角度。至此,传统的审美创造和审美体验转变为人工智能的学习和进化过程,这个过程是知识的累积、修正、自适应的过程,也是开放性、随机性、不受束缚的审美体验过程。
索菲安·奥德里将他的自适应行为美学应用在机器人参与的装置艺术中,他的切入点是美学式的。“作为一个艺术和工程的跨学科团队,我们对自适应行为系统在实时学习时产生的感知、体验和情感潜力感兴趣。在设计机器人行为时,艺术家面临哪些特定挑战?这种行为可以创造怎样的美学体验?”[2]2“我们方法的新颖之处在于,在机器人艺术的背景下,将强化学习过程本身看作是一种行为生成器。到目前为止,面向工程的方法一直将强化学习中的错误看作是实际应用中的瓶颈,而机器人艺术实践允许我们将强化学习的表现作为一种表达性行为的载体,它反映了我们人类自己的错误和犹豫,因此为观众打开了投射、情感和移情的空间。与完全被编程来模拟生命的行为不同,我们的方法允许不可预测和尴尬的动作的出现,并随时间而改变。”[2]3在这里,强化学习(RL)变成了行为美学的一种途径,通过机器人实验的美学和技术研究,索菲安·奥德里探索了学习过程本身来生成机器人行为的可能性,进一步确证了使用强化学习进行行为美学的潜力。
在当代艺术创作领域,索菲安·奥德里的自适应行为美学逐渐成为一种扩大的艺术实践,如纽约现代艺术博物馆展出的先锋艺术家蕾菲尔·阿纳多尔(Refik Anadol)的装置艺术品《无人监督》(Unsupervised),就颇具自适应行为美学的意蕴,但是评论界对这类人工智能艺术品看法并不一致,分歧主要在以下几个方面:第一,创造力的本质是什么,人工智能在艺术中是否体现了真正的艺术创造力?第二,艺术家的作用体现在哪里?人工智能是否取代(或者部分取代)了人类艺术家?但是索菲安·奥德里坚信:自适应的行为美学适用于人工智能时代几乎所有的文学艺术创作,已然成为一个新的审美范式。
二、元艺术家功能
索菲安·奥德里意识到艺术家身份在这个时代变得非常脆弱,这种威胁是想象的,也是真实的,需要每个艺术家认真对待。在一个很多工作会被人工智能低成本取代的时代环境下,艺术家应该意识到:机器学习也为艺术家提供了重新定义与机器的关系的机遇,这种新方式的探索,正蕴藏着艺术发展的可能。人工智能时代,艺术家并不会消失,但是会以新的时代形式存在。
对于艺术家的理解,索菲安·奥德里认为应该转换视角,人工智能时代的艺术家应该由观众去定义,“从这个意义上说,对艺术史来说重要的‘艺术家’不是实际的人,而是生活在作品观众心中的构造”。索菲安·奥德里从福柯1969年发表的《什么是作者?》一文中找到了理论依据,“艺术家不仅仅是一个生活在特定时空的身体,而是一个观众为了帮助理解艺术品而附加在艺术品上的猜测”[3]3。“福柯承认解释文本可能不需要知道实际作者的生平和意图,但福柯坚持认为尝试解释文本的读者仍然会推断出一个假想的作者。举一个粗鲁的例子,欧内斯特·海明威的读者不需要知道他是一位历险的战争英雄,因为他的写作本身就很紧凑有力;马塞尔·普鲁斯特的读者也不需要知道他是一个身体虚弱的与世隔绝的人,因为他的写作本身就是内省和充满幻想的。”[3]3
于是,索菲安·奥德里提出了“元艺术家功能”(The Meta-Artist Function)这个概念来取代传统单一的艺术家概念,目的是从新的视角和维度来考察艺术家的定位,他认为,“从这个角度来看,我们的中心问题不是‘机器能成为艺术家吗’,而是机器能否产生福柯意义上的‘艺术家功能’。当机器创造艺术时,艺术家功能并没有消失,它可能会被一分为二。我们可以将一种艺术家功能归于非人类机器——也许是基于我们对机器有限推理能力的理解而赋予的有限功能。然而,在撰写本文时,算法仍然是由人类编程的,甚至神经网络也是根据人类选择的数据进行训练的。因此,我们或许可以把第二种、元艺术家的功能归于机器的人类操纵者”[3]3。在这里,艺术家功能并不等同于艺术家,它是由观众产生和构建的,机器的人类处理程序在人机协同创作过程中,充当了第二个元艺术家的功能,这就导致无论观众对艺术品创作的判断是如何的,对艺术家的判断是如何的,都不再重要,因为当观众看到艺术品中的个性化痕迹时,会想当然认为这是艺术家思想的体现,而不是机器的思想。索菲安·奥德里对人工智能时代艺术家的理解,在福柯的理论中找到了佐证和支撑,既然读者在阅读文本的过程中能够根据文本细节重构作者的形象,类似的情形也可以适用在艺术创作和艺术家之间,这个“假定的作者”,无论在美学意义上还是法律意义上都是有意义的。
在艺术创造过程中,机器与艺术家是一种什么样的关系?艺术家如何处理面前的大数据、算法、程序这些看起来和艺术大相径庭的对象,他们又是如何实现互相融合生成了新的创造力?索菲安·奥德里认为,完全应用机器学习算法来解决艺术创作并不妥当,但艺术家可以通过各种方式利用机器学习中的优化过程来达到创作的目的,机器学习可以为艺术家提供了新的创作素材和方式。索菲安·奥德里认为在机器的学习系统中,有三个相互依存的组成部分:训练过程、模型和数据,这些要素影响机器学习系统的结果,当应用于艺术创作时,会影响机器运作的审美潜力。机器学习艺术与新媒体艺术看上去有相同之处,但是二者有本质的区别,传统的新媒体艺术是通过人为的反复试验建立新颖性和自组织,艺术家通过计算来模拟人工生命形式,然后一步步调整,直到满意为止,艺术家自己充当自适应装置,在不确定的过程中做出选择[4]16。“机器学习提出了一种不同的方式来处理自组织,在这种方式中,人们组装不同的成分(数据、模型和训练过程),但让新兴系统自己找到实现目标的方法,因此将更多控制权交给机器。这导致与机器的不同关系,这更接近实验科学,或艺术家与机器之间的某种形式的协作。它允许比纯粹新兴程序具有更精细的控制。它还提供了更多的选择,因为艺术家仍然可以直接控制系统的目标(如在人工生命模拟中),或通过调整数据、模型和/或评价函数进行更间接的干预。”[4]16具备深度学习能力的自适应系统是人工智能时代机器与艺术家合作的根本,也是艺术家创造力的新载体。
在人工智能时代,艺术家最大的挑战是如何有效使用这些技术进行创作。机器学习遵循的是问题求解的优化过程,其逻辑与艺术创作的主观性、开放性并不相同。但是索菲安·奥德里认为,相对于普遍应用化、开放化和日常化的人工智能软件,艺术家可以通过减小数据库和和计算需求来扬长避短,进行艺术创造。“换句话说,虽然优化在艺术实践中看似与它相悖,但通过调整进入系统的数据、模型和/或评估函数,优化过程可以以多种方式被劫持用于创作实践。”[4]17
三、结语
索菲安·奥德里对当代艺术的思考,始终放在艺术史发展的大背景下,每个时代都有其特有的艺术表现类型,人工智能时代也不例外。他认为深度学习作为人工智能的最新成就,尽管在AI生态系统中的作用常常是边缘的,但自21世纪中期深度学习革命以来,它对我们的生活以及社会经济文化的推动是巨大的。“要理解这个新时代,我们需要摆脱将计算系统视为形式化的、基于规则的、逻辑结构的过时观点,并开始将它们视为它们已成为的受生物学启发的、统计驱动的、基于代理的网络化实体。”[4]4在今天的艺术史著作中,并没有现成的概念、范式和框架可以描述人工智能时代的艺术,我们必须使用新的审美理论才能理解当代的艺术创作和艺术家。在后人类美学的语境下,我们反思人与机器的关系,在人类中心主义和科技至上主义之间,是否有那么些许的空间可以留给机器?
索菲安·奥德里游刃有余地行走在计算机科学与当代艺术之间,他的论文往往横跨计算机、当代艺术、哲学、文学、美学等多学科知识背景,用人工智能的深度学习来进行艺术实验,用哲学、美学、科技史和艺术史反观艺术现象,将艺术创作的过程性和语境性放在第一位,不追求回答问题或解决问题,而是提出问题给观众思考,以创造有意义的体验。也许,这正是人工智能时代给我们的启发:打破知识和学科的边界,学术研究和艺术的发展才能真正走向深入。
参考文献:
[1]Sofian Audry.Unrolling the Learning Curve:Aesthetics of Adaptive Behaviors with Deep Recurrent Nets for Text Generation[J].International Symposium on Computational Media Art,2018.
[2]Sofian Audry,Rosalie Dumont Gagné,Hugo Scurto.Behaviour Aesthetics of Reinforcement Learning in a Robotic Art Installation[J].4th NeurIPS Workshop on Machine Learning for Creativity and Design,2020.
[3]Sofian Audry,Jon Ippolito.Can Artificial Intelligence Make Art without Artists? Ask the Viewe[J].Artificial Life,2022(1).
[4]Sofian Audry.Art in the Age of Machine Learning[M].The MIT Press,2021.
作者简介:李艳,惠州学院文学与传媒学院副教授。研究方向:美学与文艺理论。