優化：人工智能時代的文論問題

摘要：日常用語中的“優化”指采取一定措施使事物變得優異。作為計算科學和運籌學中的重要內容，優化是指在一定限制條件下，選取某種方案以獲得“最優化”的目標。將優化引入文論，可以與美化相關聯，彼此之間有同有異。生成式AI中，優化有模型訓練、創意提示、調試迭代三種方式。文藝作品之所以能夠被優化，與其作為物質基礎的藝術媒介及其作品的“可修正性”有關。在優化的技術演進中，先后經歷了手工加工時代的優化、機械復制時代的優化、數字創生時代的優化三個階段。手工加工時代出現了諸如對“手稿”的“潤色、修改”，對“樂器”的“調音”，對“原作”的“臨摹、謄寫甚至重寫”，對“文物、遺跡”的“修復”等不同的“類優化”類型；機械復制時代出現了“參數優化”“剪輯優化”“表演優化”等類型；數字創生時代出現了以算法優化為核心的智能優化。將優化引入文論，需要警惕“最優化”的結果不是“奇異性”，而是“普通性”的算法悖論、數據和變量中的偏差不易被糾偏；相反，易強化成偏見的偏差悖論以及隨機并不意味著不同，而只是相似，是風格的重復的生成悖論。

關鍵詞：優化；可修正性；人工智能時代；媒介藝術史；文論問題

中圖分類號：J0-05；I0 文獻標識碼：A 文章編號：1674-3180（2024）02-0001-13

* 基金項目：本文系國家社會科學基金重點項目“當代中國對話主義文學理論的話語建構研究”（項目編號：22AZW003）與上海市教委科研創新計劃（人文社科重大項目）“新媒體藝術理論基本問題研究”（項目編號：2023SKZD15）的階段性成果。

以生成式人工智能（以下簡稱“生成式AI”）為代表的人工智能技術對文學創作、批評和研究活動的全面滲透和影響是人工智能時代的文論問題之所以提出的重要原因。在此過程中出現的新情況、新問題以及亟待展開的新角度為文論研究在人工智能時代的創新提供了可能。人工智能時代，文學創作、批評和研究出現了明顯溢出于傳統的基于口傳、書面乃至機械復制時代技術所形成的文論問題，亟待引入新話語來解釋，并發展出相應的新的理論。本文試圖從優化的角度切入，來分析人工智能技術及其文化邏輯對文學創作、批評和研究的影響，并在媒介藝術史的背景下展開與傳統文論話語的對話。

一、優化的物質基礎：藝術的“可修正性”

（一）優化的基本含義

從日常語言的角度來看，“優化”是指采取一系列的措施，使事物在某個特定方面達到更優異的狀態，并持續改進或選擇，以實現更加優良的目標；或者做出更加明智的選擇，進而使某項活動、某個工具在某方面更有優勢。這個定義突顯了優化的三個顯著特點。其一，優化一定是以“優”作為目標的，這個“優”既可能指“美”，也可能是“好”“快”，等等。換言之，不限于“美”。其二，優化包含有方法、措施的選擇，采取手工、機械、自動化或智能化的方式。其三，優化包含著特定的效果，即“化”，使對象發生改變。

優化還有其學術內涵，即作為計算科學和運籌學的“優化”（Optimization）。嚴格來說，作為應用數學的一個分支，優化主要是指在一定條件限制下，選取某種研究方案使目標達到最優的一種方法。既然是“一定條件限制”，那么它就可以被轉化成“約束條件”；既然是要“使目標達到最優”，那么它就可以被轉化成“目標函數”；既然需要“選取某種方案”，那么它就可以被轉換成一系列的“決策變量”。正是基于這一“數學化”的方法論轉換，優化進一步發展出諸如“連續優化/離散優化，無約束優化/約束優化，隨機優化/確定性優化，線性規劃/非線性規劃，凸優化/非凸優化……”更加精細、完備的研究方法。由此可見，作為學術話語的優化與作為日常語言的優化已經發生了較大的變化：其一，這一優化是以“最優化”作為目標的，它追求的是效率、效益的極值；其二，優化要處理的約束條件包含各種困難、缺陷、不足等；其三，優化采取的是統計學、博弈論等數學方法。

將優化引入文論研究，就需要將之與文論既有的相關問題聯系起來。如果能用既有文論術語完美解釋這一問題，那就完全沒有創造新術語、新理論的必要。只有既能夠產生關聯，又存在較大差異，才能說有引入優化的必要和可能。在傳統的文論術語中，“美化”（beautify）是一個能夠與優化形成對舉關系的術語。所謂美化，主要是指“裝飾”“點綴”，更多的是指對局部、細節的完善處理；它還可以用來表示“粉飾”，即對此前的缺陷、丑陋的掩飾；優化也是從效果角度來判斷的，但更多強調的是效率、效益等維度，追求的是極值。美化要處理的現實問題既包含“缺陷”，也可以指“普通”，如把姿色平平的女子涂脂抹粉裝扮成下凡仙女一樣；而優化要處理的約束條件并不受限于“缺陷”“普通”，只要沒有達到“極”“最”，那么都還有進一步優化的空間。從這個角度上說，美化強調的是“更”，即美的程度的提升；而優化強調的是“最”，是多中選優，追求極致。

（二）優化與藝術作品的“可修正性”

為何藝術作品可以被優化？這涉及圍繞藝術作品之所以為藝術作品之“藝術”的永恒價值和終極意義。與海德格爾相反，本雅明對本源問題做了重新定位。在《藝術作品之本源》中，海德格爾首先將藝術作品之所以為藝術作品的“物性”因素否定掉了。一方面，海德格爾承認“所有作品都具有這樣一種物因素（das Dinghafte）”，但另一方面，他又認為“對這種物因素的追問興許是多余的，引起混亂的，因為藝術作品除了物因素之外還是某種別的東西。其中這種別的東西構成藝術因素”。[1]本雅明在《機械復制時代的藝術作品》中對藝術作品的“可復制性”問題的討論正好明確地建立在藝術作品的媒介、材料的物質性基礎之上，進而提出藝術作品的“可修正性”（verbesserungsf higkeit）問題。所謂“優化”即是對原藝術作品中不令人滿意之處進行不斷完善，進而使之變得“更美”“最優”的過程。優化必須以實體為對象。對象并非純粹的精神概念，而是具有實質性的存在。正是因為藝術作品具有這種“可修正性”，才具備實現改變和轉化的潛能。“可修正性”為優化提供了可能，它使得對象具備了可轉化、可修改和可變化的基礎。因此，藝術作品的“可修正性”正是優化之所以可能的物質基礎和前提條件。

本雅明的《機械復制時代的藝術作品》第一稿中有一個被命名為“永恒價值”的小節。但這一小節在第二稿及以后的四個版本中被刪除了。a在探討“永恒價值”這一主題時，本雅明比較了雕塑與電影這兩種藝術類型，認為在古希臘時期，機械復制技術已初現端倪，但當時僅有兩種復制手段：鑄造和制模。前者用來制造錢幣，后者用來生產陶器。其他的藝術品都是一次性的。因此，這些一次性的藝術品“就被要求有永恒性。希臘人就從他們的技術狀況出發，在藝術中創造這種永恒價值”[2]。這是一個非常驚人的理論洞見：所謂藝術作品的永恒價值是與其技術實現條件密不可分的—— 一次性的藝術作品被要求具有永恒價值，而可復制的藝術作品則可以不具有永恒價值。在本雅明看來，基于機械復制技術出現的新的藝術類型——電影，“它的藝術特質第一次從頭到腳由它的可復制性所決定”，這也就意味著電影這一藝術類型不具有，或者更準確地說不被要求，具有永恒價值。于是，本雅明在古希臘雕塑與機械復制時代的電影之間找到了最根本的藝術價值的分歧點：在電影中，恰恰是希臘人認為“藝術品中最無關緊要的東西”——“藝術創作的可修正性”成為其最顯著的藝術特質。本雅明明確指出，電影在藝術領域中具有高度的可修正性。自電影誕生以來，各個環節在技術上依賴復制。本雅明通過卓別林拍攝長片并最終剪輯成短片的實例，強調了剪輯的多樣性和可變性，認為這種可修正性具體體現在電影的組合剪輯中，并緊密關聯于徹底摒棄永恒價值的過程。

在本雅明那里，“verbesserungsf higkeit”一詞的意思是“ability for improvement”，即“改進的可能”，將之翻譯成“可修正性”基本能夠達意。也就是說，“verbesserungsf higkeit”同時包含了兩層含義：其一是“可修改”“可調整”“可改變”的意思；其二，這一修改、調整、改變是有目標、價值和方向的，即向“好、美、快”等方向發展。因此，所謂藝術作品的“可修正性”，即藝術作品的改進可能性。電影拍攝的膠片作為素材在傳情達意敘事方面的意義并非固定不變的，涉及重新組合、剪輯等后期加工環節。這種能夠不斷組合和剪輯的可能性正源自于電影作為機械復制品的特性——早期電影所使用的膠片可以通過嘗試不同的剪輯方法使作品更加完善；晚近電影所使用的數字技術更容易不斷調試、迭代和生成。

“可修正性”問題有助于深化對優化這一概念的理解。首先，“可修正性”即強調藝術作品的可修改、可裝配的特性。這些作品并非封閉的完成品，而更像艾柯所言的“開放的作品”[3]，它們允許持續的改進與完善。其次，“可修正性”內在于創作過程。曹雪芹創作《紅樓夢》“批閱十載，增刪五次”，正說明創作過程中的“可修正性”對于最終的作品質量具有至關重要的影響。再次，“可修正性”蘊含有優化。在實現藝術作品的“可修正性”過程中，不僅僅只是簡單地進行修改，而應具有明確目標、方向和價值。也就是說，修正的目的是改進，而非惡化。

（三）生成式AI的優化類型及其特點

生成式AI就是基于Transformer架構的一整套算法，通過預訓練對海量數據進行向量化的處理而形成的具有文本、圖像、視頻及代碼生成能力的工具。[4]因此，以生成式AI為代表的人工智能包含作為計算科學和運籌學的優化因素。這也正是能夠將優化引入文論的前提。具體來說，生成式AI中的優化有三種不同的類型，分別具有不同的價值。

其一，模型訓練的優化，其價值是人類經驗的向量化。模型訓練是生成式AI實現優化的主要方式。無論是ChatGPT、文心一言，還是Gemini等大語言模型，在產品推出之前，它們都經過了基于transformer架構的預訓練。正是這種預訓練使得這些模型具備了內容生成能力。在模型預訓練的過程中，人類的經驗以所有可獲取的文本、圖像、視頻以及行為等數據化的方式被向量化，這是至關重要的環節。完成這一步驟后，此前提供預訓練的所有數據都轉化成模型中的參數，以向量空間的方式被存儲在模型之中。正因為模型在預訓練過程已經能夠以向量的形式“學習”并“記憶”人類經驗，因此具備了能夠根據人類經驗作出相應反饋和響應的能力。預訓練的核心特點在于其海量數據優化和參數調整，如2018年GPT-1模型的參數還只有1.17億個，到2019年的GPT-2模型時參數便有了15億個。2022年GPT-3模型的參數達到了1750億個，而到2023年的GPT-4模型時參數則達到了1.8萬億個。GPT-5的具體參數數量雖尚未公布，但已讓科學家們產生了極大的擔憂。原因有兩個。一是目前可用的經驗文本數據已經不能滿足預訓練需求。隨著大模型的訓練需求不斷增長，科學家們已開始嘗試模擬人類經驗的文本數據來訓練GPT。這些基于大型模型在人類使用過程中不斷生成大量新的內容、數據、文本、視頻和圖像，雖然也是人類與機器合作的產物，但實際上是由機器自主生成的，人類用戶僅僅提供了提示。換言之，經過GPT等大模型所生成的新數據已不再完全屬于人類數據范疇。如果使用這類數據來訓練模型，便意味著未來的向量空間將不再僅局限于人類經驗的向量化，而將拓展至人機共生經驗的向量化。沿著這一邏輯發展下去，大模型中的參數將溢出人類經驗的范疇，進而反過來實現對人類個體經驗、情感、認知的指引和控制。二是GPT-4已具備了聯網功能，并能夠定制個性化的API，增加各種知識庫，并加以微調；添加各種插件，進行功能的提升。這也就意味著，GPT的大模型已經向開放數據、隨時升級邁出了重要一步。這將極大地拓展人機交互的性能。

其二，創意提示的優化，其價值是藝術創意的個性化。運行大語言模型時，主體身份的顯著轉變應該被予以足夠的重視。傳統意義上的創作者、讀者、觀眾或受眾等概念的使用已顯得捉襟見肘。一方面，大語言模型的用戶身份是第一位的，但另一方面，這一用戶又同時具有創造性。因此可以將之命名為“用戶—創作者”。這兩個概念的組合不僅突出了用戶在創作過程中的重要性和主動性，同時也強調了創作者在創作過程中對大語言模型這類AI工具的使用者身份。嚴格來說，利用計算機技術或者更廣泛意義的數字技術進行藝術創作，并非從以ChatGPT為代表的大語言模型開始，但是正因為大語言模型成功地實現了人類自然語言與機器編程語言之間的實時交互，使得人們無需具備編程知識，即可通過自然語言來進行人機互動、輔助生成。這一突破性的變革，不僅極大地提高了人機交互的效率和便利性，而且為人工智能技術的進一步發展和應用開辟了新的道路。

其三，調試迭代的優化，其價值是藝術效果的精確化。大語言模型在文本、圖像或視頻的生成過程中可以進行多次調試和迭代，以實現藝術效果的精確性。這個過程可以是一次性的，也可以是重復的，甚至可能需要多次嘗試。a因此，大語言模型展現出了強大的靈活性，用戶可以通過使用相同的提示詞，不斷詢問并獲得不同的答案。這一特性顛覆了以往對AI算法追求“極值”而產生的“答案唯一性”的觀念。換言之，大語言模型生成內容的獨特之處在于其非唯一性，而是具有隨機性。這使得大語言模型能夠更準確地模擬人類對話中的多樣性和變化性，從而在交流中展現出更高的自然性和適應性。因為在大模型的向量空間中，各種參數、變量及影響因素存在一定的變動，這會使得輸出結果產生相應的變化。基于這種特性，即使使用相同的提示詞，在不同時間進行輸出，也有可能會得到不同的答案。這種輸出結果的差異性反映了隨機性的特點，即無法保證在不同時段獲取相同的答案。因此，為了實現有效的互動，用戶需要關注不同提示的多次提示和輸出。這個過程即表現為一個持續修正、迭代和優化的過程。

在大語言模型的內容生成過程中，局部優化的作用較為特殊。無論是一段文字，還是一幅圖片，或者一段視頻，只要用戶對所生成內容的局部內容不滿意，便可以通過提示詞要求大語言模型對局部內容進行修改、完善，直到自己滿意為止。這種操作即是“局部優化”。其最大價值在于，用戶可以利用這一功能對所生成的內容進行持續不斷的調試，以實現“最滿意”的預期。

通過以上分析，優化便可以作為人工智能時代的文論問題被理論化了。所謂“優化”，是指用戶-創作者通過對生成式AI的模型訓練、創意提示和調試迭代實現的AI生成藝術作品的最理想效果的方法。這一定義涉及兩個關鍵性的問題。首先，優化一定是用戶-創作者對生成式AI采取的一系列操作。其次，這些措施分別體現在不同的環節：準備階段，需要預訓練出生成式AI模型，使其具備生成藝術作品的能力；生成階段，用戶-創作者應提供創意提示，指導AI模型生成符合美學或文論要求的作品；調試階段，通過不斷調試和迭代，實現最理想的AI生成藝術作品效果。特別值得注意的是，這個優化的定義沒有使用“美”的概念，而是更傾向于用“理想”這一表述，因為它更具包容性和多重指向性。有了這一優化的定義，便可以更全面地探討人工智能在文論領域的應用和發展了。

二、優化的技術演進：媒介藝術史的視角

如果從“可修正性”的優化角度來回溯藝術發展史，就可以從藝術媒介、材料等物質屬性及其相配套的藝術創作手段的角度劃分藝術史的階段性，從而獲得一種全新的研究視野。參照本雅明所確立的“機械復制時代”，可以將此之前的藝術史時期命名為“手工加工時代”，將此之后的藝術史時期命名為“數字創生時代”。當前基于大語言模型的生成式AI的藝術類型是數字創生時代的晚近形態。支撐這一階段性劃分的邏輯依據在于，不同時代的作家、藝術家與藝術媒介技術之間的關系是不一樣的：在手工加工時代，藝術的物質材料只具有客觀對象的屬性，藝術作品形象世界的建構主要來自作家、藝術家的天才式的想象和精湛的技藝。到了機械復制時代，用于藝術作品創造的媒介技術具有了機械自動化的特征。無論是照相機還是攝影機，其圖像和影像的成像方式受光學技術的影響。相應地，藝術家的技藝變成了對攝像設備的參數調試和性能應用。到了數字創生時代，尤其是進入人工智能時代，人的創造性才能則匯聚到了創意本身以及學會如何傳達創意（如在與生成式AI的人機互動、輔助生成過程中的“提示詞”技巧）和讓人工智能更加精確地實現創意的技巧上，AI生成藝術的內容生成能力則取決于生成式AI的模型訓練和算力支持。

（一）手工加工時代的“類優化”現象

在手工加工時代，藝術創作中的優化集中體現為工藝改進和經驗積累兩個方面。工藝改進主要包括對優質材料的篩選、對制作技能的提高以及工作流程的優化三個方面。由于優化的手段主要依賴于人的手工技藝，這就使得經驗積累和技藝傳承非常重要。所謂“熟能生巧”“技進乎藝，藝進乎道”，正是對這一時期手工技巧不斷優化的真實寫照。在此，“工藝”問題就顯得尤為重要了。由于受18世紀德國古典哲學，尤其是康德的美學思想影響，對藝術的審美追求往往強調“無目的的合目的性”，主張克服功利性的純粹的審美性。進而帶來的后果是對手工加工時代的藝術創作中藝術媒介材料的物質性和對藝術創作活動的工藝性的否定。誠如柳宗悅所言，“美的途徑并非唯一，我想通向美之都的道路至少有兩種。一種被叫做‘美術’（fine art），一種被叫做‘工藝’（craft）”。他還說：“美是由用來體現的，用與美之結合就是工藝，工藝的用之法則就是美的法則。”[5]因此，對藝術作品之本源、對藝術審美之屬性的探討，不能完全將藝術的物質性懸置，也不能完全將藝術的功用性排除。

在手工加工時代，藝術創作存在著非常廣泛的“類優化”現象。盡管它們可能并非純粹的類似計算科學和運籌學式的基于數學化的優化，但是從可修改、不斷完善、追求完美的角度來看，存在許多與當前的優化有著相似性的現象。比如說，在藝術創作中，作家藝術家可以對“手稿”進行“潤色”“修改”；在創作前，演奏家可以對“樂器”進行“調音”；在創作后，作家藝術家可以對“原作”進行“臨摹”“謄寫”甚至“重寫”；藝術作品歷經百千年之后成為“文物”“遺跡”，后世能工巧匠還可以對其進行“修復”。所有這些都是基于藝術作品的“可修正性”而實現的。

其一，對“手稿”的“潤色”“修改”問題。在文學、史學研究中已經有了專門的“手稿學”（codicology）研究。這項研究除涉及手稿的制作、保存、傳播、修復等技術外，還被廣泛用于研究筆跡、手寫字體識別、書寫風格、版本演變、增刪修改的考證等諸多方面。西方已有非常重要的手稿研究領域，如莎士比亞劇本手稿研究、馬克思恩格斯著作手稿研究等。中國文學的手稿研究也已起步，如魯迅著作手稿的研究已有一定的基礎。近年來，中國現當代文學從思想史向史料學轉向，手稿研究即成為其中的重要組成部分。除了史料價值、文學價值之外，“手稿”還具有傳播價值。麥克盧漢在《理解媒介——論人的延伸》中也曾討論過“手稿”（manuscript）問題。他將之與印刷品進行對比，認為“手稿是一種冷媒介，它并不使作家突出，而是使讀者介入”，“‘冷性’的手稿本趨向于表述的緊縮形式，趨向于格言和比喻的表述形式。‘熱性’的印刷媒介拓展了表現方式，使之走向形式上的刪繁就簡，走向內容上的‘詳加說明’。印刷媒介使緊縮的手抄繕寫本加快速度并發生爆炸，變成較為簡化的碎片”[6]。麥克盧漢將手稿定位為有別于印刷品的“冷媒介”的思考，有助于人們從媒介藝術史的角度展開手工書寫與機械復制之間的藝術價值的比較研究，進而豐富和發展手稿研究的研究視域。比如說，在數字時代，人們的書寫方式已基本上徹底數字化、鍵盤化了，“手稿”是否仍然存在？從表象上看，電子文檔與印刷品幾乎無異，都采取的是系統自帶的標準字體，不再有寫作者的個人筆跡特征和書寫風格（換言之，再無“書法”的特征），但從數字技術的角度來看，作者寫作過程中所有的痕跡其實都被系統自動保存。因而，數字時代的寫作其實是可以更加靈活自由地進行版本控制、跟蹤更改、注釋批注、標記備份的。只要能夠調用讀取系統的數據，電子文檔的手稿研究會更加便捷和精細。

其二，對“樂器”的“調音”問題。演奏家在表演前往往會撥弄幾聲琴弦。鋼琴在被移動位置之后也往往需要專業的調音師來調節琴弦的松緊。這是因為弦樂器或者發聲部件是弦類的樂器，很容易在搬運或演奏過程中出現琴弦的松動。而調音的主要目的即是通過調整琴弦的松緊、打磨琴枕等方式來改變振動頻率（即音高）。作為一種需要特別靈敏的耳朵和精確的手藝的工作，調音師最基礎的是完成“標準調音”或者“基礎調音”，即根據統一規定的音高來調整琴弦，追求音準，使樂器做到不走音。而更高級的目標則是所謂“特殊調音”或“高級調音”，即指向一些機械調整和更換不同質地的琴弦，以便改善演奏時的觸感、舒適度以及音色的飽滿度等，從而更好地實現音樂表演上特殊的美學效果。a

其三，對“原作”的“臨摹”“謄寫”“重寫”問題。“原作”具有獨一無二性、此時此地性，也具有原真性。正因為有“原作”的存在，本雅明才能討論藝術復制問題，并區分手工復制與機械復制這兩個截然不同的階段。以藝術作品的“原作”為基準，還出現了諸如“臨摹”“謄寫”“重寫”現象，出現了“仿品”“贗品”問題。所謂“臨摹”是對“原作”的筆法、結構、風格的模仿，從而學習和領會原作作者的創作手法和表現技巧。它適用于書法和繪畫。演藝類藝術，諸如戲劇、舞蹈、音樂表演等，也存在類似臨摹的現象。如對經驗豐富的老藝術家的表演技巧的學習，對原作作品經典的再現，等等。而“謄寫”則只是針對文字書寫類作品，只是強調對原作內容的重新抄寫的過程。謄寫的目的或是對原手稿修改筆跡的清除，使之清爽整潔，或只是為了多幾個副本便于傳播。本雅明在《中國工藝品》一文中對中國的謄寫術給予了極高的評價。在他看來，“中國人的書籍謄抄工作成了文化經典的無與倫比的保證，而抄本便成了解開中國之謎的鑰匙”[7]12。謄寫是手工復制時代最原始的復制手段，它與本雅明所討論的“技術復制”（包含了木刻、石印術等手工復制時代的技術復制和以照相術、攝影術為代表的機械復制時代的技術復制）存在巨大差異。用本雅明的話說，謄寫中包含著“抄寫者的靈魂”[7]12，這也是文化傳承的重要一環。“重寫”（rewriting）也是文學藝術史中的重要現象。在佛克馬看來，重寫“與一種技巧有關，這就是復述與變更”[8]。汪曾祺的創作中包含有大量的重寫因素：既包括對經典文本的重寫，如他的“《聊齋》新義”系列小說，還包含對其前期作品的重寫，如《受戒》（刊載于《北京文學》1980年第10期）的原作是《廟與僧》（刊載于《大公報》1946年10月14日）、《復仇》（先后刊載于《大公報》1942年3月2日和《文藝復興》1946年第4期）、《異秉》（先后刊載于《文學雜志》1948年第10期和《雨花》1981年第1期）。到了后現代主義階段，對經典的戲仿、致敬，以及各種“山寨”的泛濫，則將“重寫”擴散為一種消解中心、抵抗權威的解構性力量。

其四，對“文物”“遺跡”的“修復”問題。藝術作品的“原作”歷經百年乃至千年之后，便具有了“文物”或“遺跡”的價值。因歲月滄桑、年久失修，原作難免會殘損。由此，藝術作品的“修復”問題便出現了。這種對殘損之處的修復以求復原的努力也具有“類優化”的屬性。考古學中文物修復是一個特殊的工種。比如說，達·芬奇于1495年至1498年期間創作的《最后的晚餐》從1517年開始出現顏料脫落的現象。在隨后的幾個世紀中，畫作經歷了多次修復，但因修復水平參差不齊，有的甚至是直接在原畫上補繪，反倒導致原作受污損。a20世紀以來，又歷經戰亂，幾近損毀。那么，如何理解對原作的修復？在切薩雷·布蘭迪看來，“作為人類活動的產物，藝術作品事實上對修復提出了雙重要求：一是美學要求，對應于作品之所以是藝術作品的基本藝術性；二是史實要求，即它作為人類產物在特定時間與空間中被創造出來，并存在于特定時間與空間中的史實”[9]74。基于這兩個基本原則，布蘭迪還提出了兩個公理：第一個公理是“要修復的只是藝術作品的材料”；第二個公理是在修改和修復過程中，“應旨在重建出藝術作品的潛在一體性”。[9]77基于這兩個要求和兩個公理范圍，我們確定了對于文物藝術作品的修復應遵循什么樣的原則，以及如何判斷修復品與原作的關系。中國在文物修復中也一直有“修舊如舊”的原則。這一原則的核心要求與布蘭迪的理念是一致的，即修復過程中應盡可能地采用與原藝術品相同的材料和工藝，從而確保修復部分與原藝術品在外觀和質感上的一致性。這一做法不僅有助于提升修復后藝術品的整體美感，更能確保其歷史和藝術價值的完整呈現。

（二）機械復制時代的優化

所謂“機械復制時代”，也就是本雅明在《機械復制時代的藝術作品》中所重點關注的攝影和電影的時代。在這一時期，利用工業革命的光學技術開始實現視覺圖像制作的技術化和自動化。照相機可以通過簡單的操作，如按下快門便能捕捉并顯示圖像，極大地提升了視覺文化的傳播效率和影響力。攝像機通過連續拍攝，使原本二維的、靜止的照片具備了通過放映機連續播放而產生的動態影像和可敘事功能，并催生了基于復雜的社會分工的電影工業的形成：除了編劇、導演、表演之外，還有燈光、化妝、場記及后期剪輯、特效等不同的工種；基于高成本的制作而催生的需要吸引更多觀眾購票觀看才能盈利的類型電影，以及明星制、院線制等。也就是說，進入機械復制時代，攝影、電影等新興藝術類型的優化范圍更加寬泛了，不僅僅要求拍攝技術和應用技巧精湛，而且還涉及電影工業流程的優化、商業模式的優化，等等。

僅就“攝影作為藝術”[10]和“電影作為藝術”[11]來說，機械復制時代的優化可以分為三種類型：其一是“參數優化”。攝影之所以能夠成為藝術，得益于對照相機各種參數的巧妙設置與組合，因此“參數優化”便成為攝影藝術中非常重要的技術能力。如光圈的大小決定的是鏡頭允許進入相機的光線量。光圈值越小，光圈越大，進光量也就越多，相應的景深就越淺。其效果就是前景清晰、背景模糊。再比如快門速度問題。快門速度決定了相機感光元件暴露在光線下的時間。快門速度越快，鏡頭所捕捉到的動作便越清晰，但照片會偏暗；反之，快門速度越慢，進光量增加，細節會變得更加清晰，但動態則會變得模糊。此外常用的諸如ISO（感光度）、“白平衡”、“對焦模式”、“曝光補償”，等等。通過精心調整相機中的參數，可以實現最佳性能，獲得預期的拍攝效果。其二是“剪輯優化”。所謂“剪輯優化”是指在視頻剪輯的過程中，通過選擇最佳的鏡頭、音頻和過渡效果，以獲得最佳的視頻呈現效果。它涉及視頻素材的選擇、剪輯點的確定、音頻的調整和過渡效果的運用，通過對所拍攝畫面的組合剪輯，完成影像敘事、情感表達，產生視覺沖擊力。正如謝·米·愛森斯坦所說，“我們的影片所面臨的任務，不僅僅是合乎邏輯的條理貫通的敘述，而正是最大限度激動人心的、充滿情感的敘述。蒙太奇——就正是解決這項任務的強有力的助手”[12]。本雅明在《機械復制時代的藝術作品》第一稿中所使用的“藝術品的可裝配時代”（Zeitalter des montierbaren Kunstwerks）也正是與“蒙太奇”（法文montage）同一詞根[13]，可見本雅明的這一思考正是基于“蒙太奇”這一電影剪輯組接技術而進行的理論化產物。其三是“表演優化”。值得注意的是，這一理念在本雅明《機械復制時代的藝術作品》中也有所體現。演員面對攝影機時，需要展現出與平常面對觀眾時不同的特質，以滿足觀眾的期待。為了實現最佳的表演效果，還需要對演員的表演技巧和表情動作進行細致的調整。這不僅涉及對演員的指導，還包括演員對表情控制、動作協調以及場面調度等方面的訓練。隨著技術的不斷發展，這些方面已逐漸被高度技術化和模式化，演員的訓練因此更具針對性和實效性。

（三）數字創生時代的優化

本雅明在《機械復制時代的藝術作品》中主要討論了兩類典型現象：一是基于機械復制技術而誕生的以攝影和電影為代表的全新的藝術類型的特點；二是在機械復制技術的影響之下傳統的視覺藝術，如繪畫、塑造、建筑等發生的藝術新變。同樣，在數字技術逐漸發展成熟之后，也面臨著兩個問題：其一是基于全新的數字技術而誕生的新的藝術門類，如電子游戲、“元宇宙”以及當前的基于大語言模型的生成式AI；其二則是受數字技術的影響，此前主要應用以光學為主要手段的模擬技術的攝影、電影和電視如何實現向基于電學的數字技術的數字化和智能化轉型。這一過程其實已發展近百年，并經歷了不同的發展階段。最早的階段可以被稱為“數字存儲和傳播階段”。在模擬技術時代，無論是攝影還是電影，主要用于成像和保存的技術是膠片。而數字技術的理論基礎是電學，出現了從光學向電學的重要轉換。隨著信息論、控制論、系統論等科學理論的出現，數字技術發展出計算科學，人類開始進入計算機時代，其所有技術的核心和基礎都是“信息反饋控制”[14]95，即將所有要處理的對象轉化為信息，并構建一套信息反饋控制的系統，實現對客觀事物和對象的控制。還值得注意的是，維納的“控制論”是一種“既是機器中又是動物中的控制和通信理論”[14]19。換言之，這種控制論不僅僅采取電學手段，而且還包含生物技術，尤其是腦科學、神經科學的技術應用。也正是在這個意義上，諸如當前非常火爆的人工智能、“元宇宙”以及“腦機接口”技術，都是基于控制論的技術發明與演進。

在這一技術背景下，以生成式AI為代表的“智能優化”便具有了特殊的意義和價值。在人工智能技術的加持之下，生成式AI進行優化的基本方式從“參數優化”發展到“算法優化”。智能優化的核心在于對算法的優化，這與參數優化存在顯著差異。參數優化主要關注設備物質特性和物質機械關系的調整，而算法優化則聚焦于對算法的生成能力的提升。早期的人工智能技術的優化方式主要集中在模型參數的調整上，在訓練過程中調整有限參數的權重與偏置。但是到了生成式AI出現之后，這種參數的調整轉變成海量數據的預訓練方式，即通過參數的幾何倍數的遞增來提升響應的準確度。同時，對計算過程的優化、對數據結構的改進也成為提升模型性能的重要方式。嚴格來說，人工智能技術不是一種算法，而是基于眾多算法的集合而組建成的一種模型。因此，生成式AI的智能優化還包含著“模型優化”內容，即改進和優化模型架構、優化訓練算法、增強數據預處理能力、強化多任務學習和遷移學習等，以便提高大語言模型的性能和準確性。這種智能優化的技術也相應地成為生成式AI進行文本、圖像和視頻生成的策略。尤其是在文學、繪畫、影像的藝術創作過程中，這種調試、迭代、遷移的方式也成為AI生成藝術的重要手段。如在AI繪畫中，用戶可以讓生成式AI學習凡·高《星空》的風格，并通過神經網絡風格遷移的方式讓生成式AI繪制一幅具有凡·高《星空》風格的城堡、原野之類的藝術作品。雷菲克·安納多爾創作了一件以《深圳的風》為名的新媒體藝術作品。其創作方式是將深圳機場一整年隨著時間和溫度變化的風速、風向等數據采集好，然后通過一套定制軟件，使用這些數據制作成一個可視化的藝術作品。這件作品以每隔20秒為間隔，讀取、分析并呈現這些數據，從而讓觀眾可以以視覺的方式感受到深圳的風的形狀。[15]而獲得美國科羅拉多州博覽會藝術比賽一等獎的《太空歌劇院》，正是杰森·艾倫應用AI繪畫工具Midjourney，通過輸入關鍵詞并不斷調整而成，從多幅作品中挑選出一幅來參賽的。通過以上分析可以看出，以生成式AI為代表的智能優化路徑有兩條：一是對生成式AI裝置的媒介優化，包括調整模型算法、增加訓練數據鏈、提高計算能力，實現可迭代、可升級、可定制、可調試，同時還可設置權限。二是對AI生成作品內容形式的優化，即通過重復生成局部調試和生成，以實現更好的藝術效果。無論是對素材、人物、故事、主題、情感等內容，還是對結構、內容、技巧、修辭、風格和細節等形式方面，生成式AI都可以進行優化。

三、優化的生成悖論：均值·偏差·隨機

盡管優化具有不斷追求“最優”的價值取向，但其在文藝活動中的作用卻并非只是“正向”的。相反，由于優化側重于對藝術媒介、材料、裝置、設備等進行物質化處理，其效用更多表現在文藝活動中的物質性、媒介性、技術性和技巧性層面；盡管優化兼容了美化的部分內涵，但在實際優化過程中更傾向于“以快為好”，追求效率和效益的極值。因此，將優化引入文論的過程中，還需要特別注意優化自身的局限，對其用于文藝活動分析的有效性范圍有更加清晰的自覺。從當前生成式AI的技術實現來看，其優化具有以下三個層面的生成悖論。

（一）“均”之憂：均值和正態分布帶來的優化質量問題

所謂“優化”，其目標是追求“最”，這種追求可以體現在各種維度上，如“最大”“最小”“最快”或“最慢”。這里的“極值”，代表著唯一性和獨異性，它是優化過程中的最終目標。然而，優化實現的手段和方法主要來自于數學領域的統計學和博弈論，以及計算科學中的“算法”。算法必須具備穩定性和可靠性，這使得算法的結果往往表現為“均值”，符合正態分布的規律。這里的“均值”，代表著普遍性和普通性。可以看出，優化目標與實現手段之間存在著一種矛盾。這種矛盾使得計算科學和運籌學中的“最優化”其實是難以實現的。正因為如此，在實際操作時優化往往會采用一系列替代“最優解”的方案：如用“均值解”替代“最優解”，或者將“局部的最優解”視為“整體的最優解”，甚至將“較優解”當作“最優解”。這些方案實際上是對“最優解”的一種妥協。以優化算法中著名的“蟻群算法”為例，可以一窺這種“均值化的極值”所存在的問題。所謂“蟻群算法”是一種模擬螞蟻覓食行為所表現出來的群體智能而發展出來的算法。單個的螞蟻智力平平，視野有限，但是在覓食中會留下信息素。這些信息素一方面能吸引其他螞蟻也來走同樣的路，另一方面也會因更多的螞蟻加入而使得信息素不斷增強。這種正反饋的機制使得蟻群最終傾向于選擇最短的路徑，即獲得了“最優解”。“蟻群算法”能夠有效地給旅行商問題（TSP，如一個銷售員要同時跑五六十個城市，如何才能找到一條最短路徑？）提供解決思路。但蟻群算法也有它自身的問題，如其收斂速度比較慢，因此需要迭代多次才能獲得較優解；蟻群算法受初始解的影響較大，不同的初始解會得出不同的結果；蟻群算法的性能也受不同參數的影響；等等。

算法的正態分布規律的遵循、均值化的呈現與文學藝術的理想正好背道而馳。算法對穩定性和可靠性的追求與文學藝術對創新性和多樣性的追求正好相反。算法是實現計算機形成信息反饋回路的基本方式，也遵循信息論的基本規律，以確保在處理信息的過程中能夠實現最高的效率和最優解。“信息的價值在于消除不確定性（熵）。”所謂信息，即是“排除了冗余后的平均信息量”，也稱“信息熵”。因此，信息熵的基本規律是：變量的不確定性越大，熵就越大，得到確定答案需要問的問題也越多，也就是所謂的信息量越大。從信息論的觀點來看，日常語言是追求簡單的，應用文體是追求規范的，學術文體是追求精確的，它們都符合“消除不確定性（正熵）”的信息論規律。但是文學藝術不同。正如什克洛夫斯基所說：“藝術的目的是使你對事物的感覺如同你所見的視象那樣，而不是如同你所認知的那樣；藝術的手法是事物的‘反常化’手法，是復雜化形式的手法，它增加了感受的難度和時延，既然藝術中的領悟過程是以自身為目的的，它就理應延長；藝術是一種體驗事物之創造的方式，而被創造物在藝術中已無足輕重。”[16]什克洛夫斯基的“陌生化”理論非常好地詮釋了文學藝術的價值正在于追求復雜、反常、詩性，即“增加不確定性（負熵）”。這就導致了一個很重要的問題，即不能夠簡單地用信息學的方式去要求文學藝術。相反，要高度警惕的正是文學藝術的這種普通化、日常化、均值化，即“信息化”的可能性。

但是非常遺憾的是，在當前基于消費主義的大眾文化趣味和追求效率的加速主義盛行的文化生產方式下，這種追求“均值化的極值”的優化算法正好獲得了大行其道的機會。換言之，曾一直被視為圭臬的什克洛夫斯基的陌生化詩學、詹明信的奇異性美學已經淪落為韓炳哲的“平滑美學”。在詹明信那里，奇異性構成當下的困境，因為“現實是個奇異性世界，在其中的個體拒絕被普遍化（更不用說被整體化了），[奇異性]描述一切與抽象和普遍框架相對抗的個體事物”[17]。但是，在《美的救贖》中，韓炳哲明確將“平滑”（das Glatte）視為當今時代的標簽，認為“平滑”“是當今積極社會的縮影。平滑不會造成什么傷害，也不會帶來任何阻力。它要求的是‘點贊’。平滑之物消除了自己的對立面。一切否定性（Negativit t）都被清除”。因此，這種“平滑美學”的基本特征就是“消除否定性和所有形式的震撼（Erschütterung）與傷害”；相應地，平滑美學不再具有救贖功能，“審美化被視為麻醉。它使感覺變得遲鈍”。[18]以此觀之，生成式AI在智能優化的效果上體現為這種“平滑美學”：算法運行的穩定可靠、用戶操作的順滑無礙和算法結果的符合預期。“最優化”帶來的不是“陌生化”“奇異性”，而是“平滑性”。

（二）“偏”之憂：算法偏差帶來的優化偏見問題

生成式AI在本質上與仍然與一般的計算機軟件一樣，是對數據化信息進行計算的算法模型。它需要先對各種文本、圖像、視頻、行為等信息進行數據化的處理，進而運用數學方法對所要解決的問題進行建模，并設計成一套算法或算法的集合；與一般軟件不同的是，生成式AI在模型建構過程中經過了預訓練的過程，將學習海量數據的結果轉化成模型中的參數，形成向量。因此，當前的大語言模型中并沒有我們通常所說的事實數據庫，也不重點發展其記憶能力（或者說其主要功能不是記憶），它更多的只是一個推理引擎。這就導致生成式AI通過算法的推理而生成的內容與事實的差距成為一個問題。生成式AI之所以被吐槽為“一本正經地胡說八道”，正在于它的運行過程并不直接以事實為依據，因而容易出現算法偏差。

具體來說，這種算法偏差主要表現在兩個方面。其一是數據偏差，即訓練算法的數據本身存在質量問題，比如更多輸入特定群體樣本的數據，可能會導致算法對其他類型的群體或特定的數據類別的偏見。其二是變量偏差，即在算法中如果選擇不合適的特征或模型變量，有可能也會導致偏見，從而影響公平。這些偏差有可能會導致輸出效果的價值偏差。在實際的數據和變量處理過程中，這些偏差往往并不容易被糾正，相反，在迭代和調試這些優化過程中更容易被強化，進而強化這種偏見。在2020年1月的圣丹斯電影節上，莎里妮·坎塔雅執導的紀錄片《編碼偏見》（Coded Bias）引起了極大的關注。這部紀錄片講述的是MIT 媒體實驗室的研究員喬伊 布蘭維尼（Joy Buolamwini）發現，大多數人臉識別軟件無法準確識別深色皮膚的面孔，尤其是女性。但是當她戴上白色面具，識別效果便得到顯著改善。這一現象反映出，人臉識別技術在設計和訓練過程中可能存在種族和性別的偏見。喬伊 布蘭維尼作為“算法正義聯盟”（Algorithmic Justice League）的創始人，早在2016年便在TED上做了《我是如何與算法中的偏見做斗爭的》的演講，探討了人工智能和機器學習系統中存在的算法偏見問題，從而一炮走紅。與之相似，梅雷迪思·布魯薩德（Meredith Broussard）也在2018年出版的《人工無智能》（Artificial Unintelligence）一書中用“技術沙文主義”（technochauvinism）批判人類對通過技術來提供解決方案的盲目信仰。[19]

算法偏見的存在還提醒人們，作為一個人工智能的工具，生成式AI可能與此前的非智能技術有一個最大的區別，那就是它自身可能包含有意識形態傾向。換言之，生成式AI被預訓練出來的模型以及根據這一模型所生成的內容很可能并非想象中的純客觀、中性。由Fabio Motoki、Valdemar Pinho Neto和Victor Rodrigues合作開展的一項研究表明，ChatGPT表現出涉及種族、性別、宗教和政治取向上的偏見問題。這項研究要求ChatGPT冒充具有特定政治立場的人物來回答問題，并將這些答案與其默認響應（即不像大多數人那樣事前指定任何政治傾向）進行比較。經過一系列的測試，研究人員得出結論：“ChatGPT存在強烈且系統性的政治偏見，其政治立場明顯傾向于政治光譜的左側。”[20]類似的例子還可參見來自布魯金斯學會的一份研究報告《人工智能的政治：ChatGPT和政治偏見》，其中同樣發現，“ChatGPT在政治或社會問題上提供了一致的、通常是左傾的答案”。不過，這份報告的作者還認為，ChatGPT與人不同，“它們沒有核心信念，不能作為以普遍一致的方式對無盡的問題表達意見的基礎”[21]。從某種意義上說，建立“無偏見的”聊天機器人是一個不可能完成的目標。

如果說基于數據偏差和變量偏差而導致的算法偏差以及在預訓練過程中形成的大模型的意識形態傾向多少還有些“無心插柳”“無心之過”的話，那么，基于備受詬病的推薦算法而不斷強化的“信息繭房”（information cocoons）問題則屬于人工智能算法優化中的“居心叵測”，“有意為之”了。凱斯·R.桑斯坦將“信息繭房”界定為“我們只聽我們選擇的東西和愉悅我們的東西的通訊領域”，并認為，“信息繭房和回音室的構建是民主的真正問題，不僅僅因為放大錯誤、死角、串聯效應和極化是不可避免的。對于許多人而言，大錯和極端主義非常可能發生，恰恰是在博客領域”。[22]這種推薦算法不僅用于商品的推送，而且還廣泛應用于娛樂節目的欣賞，甚至被應用于外賣行業對快遞小哥取件送貨路線的規劃上。[23]

通過對以上各種現象的分析不難發現，數據和變量中的“偏差”在調試迭代中其實并不太容易被“糾偏”，相反更容易被強化為“偏見”。這種“偏之憂”正是優化過程中難以克服的問題。

（三）“隨機”之憂：算法黑箱帶來的優化不透明、不確定性和風格化問題

如前所述，大語言模型的算法并未因對極值的優化而帶來生成內容的唯一性，相反，由于算法自身的均值化傾向，以及Transformer模型所設計的“預測下一個詞”的生成方式，使得當前的生成式AI在內容生成上主要表現為隨機性和不確定性。

生成式AI的隨機性問題與“算法黑箱”密切相關。史蒂芬·沃爾弗拉姆認為，“人們說的‘隨機性’，其實是建模時用的黑箱：我不了解一個系統的全部規則，所以我假定這個系統有某些額外的因素在提供‘隨機’的輸入。這個意義上的‘隨機’，只是證明你還沒為這個系統建立完整的模型而已”[24]。簡而言之，所謂“算法黑箱”的意思就是開發者或用戶對算法如何執行、模型如何生成的過程不完全理解、不可解釋，也無法掌控。正如“人不可兩次踏入同一條河流”，“世界上不可能存在兩片完全一樣的樹葉”，大語言模型在內容生成的過程中受到各種變量因素的影響，因而即便是同一用戶用同一提示詞，即便是幾乎同時發出命令，也不太可能生成完全一樣的內容。因而，這種“隨機性”就等于“無窮可能性”，即“不確定性”或“不精確性”。也正是這種“隨機性”，使得生成式AI具備了某種創造性的潛能——每一次的提示都會出現新的、與此前不同的東西，對于用戶而言，這是難得的開啟創造性思維的機會，也是獲得靈感的契機。

但是，這種“隨機性”并不能完全等同于“創造性”。與“隨機性”相伴隨的，還有“相似性”，也就是說，雖然每一次大語言模型所生成的內容可能并不完全一樣，但是每次生成的內容之間仍然具有某種“相似性”。支撐這一“具有相似性的隨機性”或者“具有隨機性的相似性”的技術基礎就是，大語言模型的生成方式是根據給定的輸入生成與訓練數據類似的結果。比如在AI繪畫工具的使用中，人們往往喜歡用凡·高的《星空》作為測試的樣本。利用風格遷移技術，進行多次訓練、微調、迭代之后，人們便能讓生成式AI“畫”出與《星空》具有類似風格的作品了。2018年，法國藝術創作團隊Obvious使用GAN算法（GAN， Generative Adversarial Networks ）生成的《埃德蒙·德·貝拉米肖像》以約300萬元人民幣的高價被拍走。[25]這一典型個案中包含兩個非常重要的細節。其一是創作團隊所使用的GAN算法。它其實是通過“生成”與“判別”的互相博弈學習產生輸出的。它模擬了類似藝術偽造者與藝術偵探之間的互動性關系：“偽造者”模仿生成新的圖像，“偵探”評判圖像是生成的還是真實的，直到“偵探”再也無法分辨時才算結束。這一過程說明，這幅作品的生成不是一次性完成的，而是反復多次迭代的結果。其二，將團隊使用GAN算法“創作”出的多幅作品放在一起便會發現，它們具有風格的相似性。換言之，生成式AI的“隨機性”其實并非意味著“不同”，而只是“相似”，是“風格的重復”。這種風格化的怪圈現象說明，雖然這種大語言模型生成內容的隨機性具有激發創造性的潛能，但也要高度警惕在實際應用中出現的重復多次生成中的相似性，甚至走向了普通性和均值化。這種現象在文學、美學和藝術領域尤為明顯，因為這些領域的創作往往受到主觀感受和個人偏見的影響。AI生成藝術必須認真思考如何平衡隨機性與創新性、多樣性與獨特性的關系，以確保其真正帶來全新的藝術體驗和審美享受。

總的來說，當前對生成式AI優化問題的分析與反思僅限于大模型的生成式AI提供的文藝創作的潛能分析，也就是說，它現在未必就已經具有了現實性。隨著通用人工智能（AGI， Artificial General Intelligence）的成熟以及超級人工智能（SAI， Super Artificial Intelligence）的出現，未來是否會出現真正的“自動生成AI”以及“AI自動生成藝術”，相應地是否會出現不需要人工干預的“AI自我優化”，還有待技術的進步與實踐的檢驗。

參考文獻：

[1]海德格爾.藝術作品的本源[M]//海德格爾文集·林中路. 孫周興，譯. 北京：商務印書館，2015：4.

[2]本雅明.機械復制時代的藝術作品[M]. 王才勇，譯. 北京：中國城市出版社，2001：25.

[3]艾柯.開放的作品[M]. 劉儒庭，譯. 北京：新星出版社，2005.

[4]曾軍.算法闡釋：人工智能時代的文論問題[J]. 華中師范大學學報：人文社會科學版，2023（5）.

[5]柳宗悅.工藝之道[M]. 徐藝乙，譯. 桂林：廣西師范大學出版社，2011：14-15.

[6]麥克盧漢.理解媒介：論人的延伸[M]. 何道寬，譯. 北京：商務印書館，2000：392-393.

[7]本雅明.中國工藝品[M] //單行道. 李士勛，譯. 北京：人民文學出版社，2006.

[8]D.佛克馬.中國與歐洲傳統中的重寫方式[J]. 范智紅，譯. 文學評論，1999（6）.

[9]切薩雷·布蘭迪.修復理論[M]. 陸地，編譯. 上海：同濟大學出版社，2016.

[10]蘇珊·布賴特.攝影作為藝術[M]. 北京：世界圖書出版公司，2013.

[11]魯道夫·愛因漢姆.電影作為藝術[M]. 邵牧君，譯. 北京：中國電影出版社，2003.

[12]愛森斯坦.論蒙太奇[M] //電影理論文選. 邵牧君，等，譯. 北京：中國電影出版社，1990：82.

[13] Benjamin， Walter. \"Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit\"（Erste Fassung）[J]. Hrsg. von Rolf Tiedemann und Hermann Schweppenh user. Frankfurt am Main： Suhrkamp Verlag， 1991（447）.

[14]諾伯特·維納.控制論：或關于在動物和機器中控制和通信的科學[M]. 郝季仁，譯. 北京：北京大學出版社，2007.

[15]吳吉.全球最大電子藝術節來深，特別定制地域性作品《深圳的風》[N]. 深圳商報，2019-11-05（9）.

[16]什克洛夫斯基.作為手法的藝術[M] // 俄國形式主義文論選. 方珊，等，譯. 北京：生活·讀書·新知三聯書店，1989：6.

[17]詹明信.奇異性美學[J]. 蔣暉，譯. 文藝理論與批評，2013（1）.

[18]韓炳哲.美的救贖[M]. 關玉紅，譯. 北京：中信出版集團，2020：1-9.

[19]Broussard， Meredith. Artificial Unintelligence： How Computers Misunderstand the World [M]. Cambridge： The MIT Press， 2018.7.

[20] 汪浩東，編譯.Political理論志[EB/OL]. （2023-09-05）[2024-01-08]. https：//mp.weixin.qq.com/s __biz=Mzg2OTYwMDg3Mw==mid= 2247527440idx=1sn=4bb030073d41cfafbf4aa5121e719aa3.

[21] Jeremy Baum and John Villasenor. \"The Politics of AI： ChatGPT and Political Bias\"[EB/OL].（2023-05-08） [2024-01-08]. https：//www. brookings.edu/blog/techtank/2023/05/08/the-politics-of-ai-chatgpt-and-political-bias/ .

[22]凱斯·R.桑斯坦.信息烏托邦：眾人如何生產知識[M]. 畢竟悅，譯. 北京：法律出版社，2008：8-208.

[23]賴祐萱.外賣騎手，困在系統里[EB/OL]. （2020-09-08） [2024-01-08]. https：//zhuanlan.zhihu.com/p/225120404.

[24]斯蒂芬·沃爾夫勒姆.宇宙的本質是計算[EB/OL]. （2015-01-09）[2024-01-08]. http：//www.guokr.com/article/439770/ .

[25] 肖琴，編譯.世界首次，這幅GAN生成的肖像畫破天荒被佳士得拍賣[EB/OL]. （2018-09-02）[2024-01-08]. https：//www.jiemian. com/article/2436703.html.

（責任編輯：相曉燕）

a 盡管本雅明的觀點頗具啟發性，但由于其可能存在的缺陷或不完整性，或者也可能是因為他以一種過于絕對和武斷的方式表達了自己的觀點，導致本雅明在第二稿定稿時將其刪除。如他提出的電影不再追求永恒價值的觀點，也許表達得過于絕對；他涉及藝術品的可裝配時代以及雕塑的衰亡等觀點也還有待商榷；等等。

a 在《人機互動與輔助生成：人工智能時代的文論問題》（待刊稿）中，筆者將之區分為“一次提示—一次生成”“一次提示—多樣生成”“一次提示—重復生成”和“部分內容的調試性生成”四種類型。

a 有關“調音”部分的知識得益于王櫻子的提示和啟發，在此表示感謝。

a 擔任領導《最后的晚餐》修復工作的卡羅·伯特利認為，“對畫面損害最大的是那些在原作上重畫、修改、‘潤飾’的修復者們”。參見周彬彬：《伯特利教授談〈最后晚餐〉的修復工作》，《世界美術》1982年第3期。