生成式人工智能顛覆新媒體藝術的創作方法與探索

【摘要】AI技術經歷了多次冷暖交替的周期。從最初的規則引擎和基于知識的系統，到80年代和90年代的神經網絡和機器學習，AI不斷發展并突破其自身局限。過去的幾年里，隨著芯片技術的發展，算力和數據量的急劇增長推動了深度學習技術的崛起，為AI開啟了全新篇章。尤其是生成式對抗網絡（GANs）的引入，這種技術通過生成器和鑒別器兩個神經網絡進行對抗訓練，生成出近乎可應用的數據和圖像，成為創意領域的一大進步。2018年，巴黎藝術團體Obvious通過GANs創作的《Edmond de Belamy》即為代表之一。這幅作品屬于《La Famille de Belamy》系列，最終在拍賣會上以432500美元成交，首次將AI創作的藝術作品推向公眾視野。這不僅展示了GAN技術的藝術潛力，還宣布了一種嶄新的以人工智能為基礎的藝術形式應運而生。盡管如此，GANs在藝術創作中的應用仍面臨挑戰。因此，盡管這種技術在概念探索方面取得了進展，但實際應用在藝術創作中仍有局限。

【關鍵詞】生成式人工智能；新媒體藝術；藝術創作

【中圖分類號】TP391.9 " " "【文獻標識碼】A 【文章編號】2097-2261（2025）05-0063-03

【DOI】10.20133/j.cnki.CN42-1932/G1.2025.05.017

【基金項目】2022年廣州市教育規劃課題重點課題“產教融合新媒體運營機制研究”（項目編號：202213853）資助。

一、什么是生成式藝術

（一）生成式藝術的基礎和原理

生成式藝術的核心在于算法驅動的創作過程。具體應用中，這些算法可能包括從簡單幾何圖形到復雜數學公式，甚至是基于深度學習模型的復雜框架。生成的作品可能會具有一定程度的隨機性或不可預測性，因為計算機在每次運行時可通過隨機數生成器或不同數據輸入產生變動。這種不確定性使得每一件生成式藝術作品都獨一無二，體現了“控制與偶然”的結合。

早期的生成式藝術中，Harold Cohen與其開發的程序“AARON”被視為里程碑。AARON能夠通過預設規則自動生成復雜繪畫，模擬藝術家從草圖到成品的創作過程。Cohen不僅編寫了程序代碼，還使之有能力進行自我調整，以實現從簡單線條到復雜構圖的過渡。這是算法在藝術創作中發揮創造力的早期嘗試。在現代，生成對抗網絡（GAN）進一步推動了生成式藝術的發展。GAN通過兩個對抗性的神經網絡（生成器和鑒別器）合作生成數據。生成器負責創建圖像，鑒別器則判斷圖像的真實性。這個過程不斷迭代，直到生成器生成的圖像足以“欺騙”鑒別器，達到接近真實的效果。GAN技術被用于創作如Obvious的《Edmond de Belamy》等作品，為生成式藝術注入新的活力。

（二）生成式藝術的應用與影響

生成式藝術不僅限于視覺藝術，還涵蓋音樂和音頻創作。借助AI和生成式算法，如OpenAI的MuseNet等工具，藝術家可以通過神經網絡生成模擬不同風格的音樂片段，從而激發創意或輔助作曲。藝術家可通過調整算法和參數來實現個性化的音樂作品，豐富了音樂創作的多樣性。

生成式藝術的獨特之處在于它能呈現人類手工難以實現的復雜細節和模式。藝術家在其中扮演著“設計者”角色，算法和代碼則是他們表達想法的媒介。這使得生成式藝術作品能夠保持一定程度的不可預測性，帶來意想不到的美學體驗。

二、數字藝術的演化與人工智能的融合：一場數據可視化的創意革命

（一）數據藝術形式的多樣化探索

1.像素藝術，顧名思義，以單個像素為基本單位，通過精細的排列與組合，創造出獨具風格的圖像。這種形式不僅在視覺表現上極具吸引力，還通過點、線、形狀的精確編排，與傳統數據可視化方法形成了深層次的聯系。2.字符藝術則通過排列計算機字符（如ASCII字符）構建視覺形象，將編碼轉化為富有紋理和形式感的圖像，為數據呈現帶來新的審美維度。這種形式通過視覺化的解碼方式賦予了數據更為直觀的意義。3.故障藝術則挑戰了傳統可視化的完美性，利用數字系統中的錯誤和隨機性，賦予數據一種反常規的美感。通過引入無序和不確定性，它提醒我們在數據解讀過程中不可忽視的主觀性與變動性，為可視化研究提供了新的反思空間。這三種藝術形式分別以獨特的方式拓展了數據可視化的邊界，提供了多樣化的視覺表達，體現了數字藝術對信息審美與表達的深刻影響。

（二）AI驅動下的生成式藝術與數據敘事

隨著人工智能的興起，傳統的靜態數據可視化方式正被動態生成藝術所取代。AI技術賦予了數據“生命力”，通過生成式藝術實現了前所未有的動態呈現。許多藝術家將AI技術與傳統可視化手段相結合，創作出引人入勝的作品。這些作品通過深度學習和神經網絡技術，不僅為數字藝術開辟了新領域，也為數據可視化賦予了全新的深度與維度。它們讓我們看到數據藝術不僅是信息的表達，更是對人類感知和審美的再塑造。

（三）數字創世紀：虛擬世界的構建與交互

數字創世紀，作為虛擬環境創作的核心領域，早已在藝術家中得到廣泛實踐。通過3D建模、編程語言和交互設計，藝術家得以構建獨特的數字世界和沉浸式體驗。在這一領域，藝術家常使用工具如Blender、Maya和ZBrush，通過復雜的渲染技術為虛擬物體賦予真實感。

從20世紀早期的數字藝術到AI驅動的生成式藝術，再到數字創世紀，數據可視化經歷了一場創意革命。這些藝術形式不僅豐富了數據的表達方式，也為我們提供了全新的審美視角。它們以多樣化和深層次的方式揭示了數據背后的意義，同時挑戰了傳統的藝術和科技界限，預示著未來無限的可能性。

三、多模態系統與虛擬現實的交匯：探索機器意識與藝術創作的新邊界

（一）多模態系統的定義

隨著人工智能（AI）技術的迅猛發展，多模態智能體（multi-agent systems）在藝術創作中的應用不僅豐富了藝術表現的形式，也為機器意識的形成與演化提供了新的視角。多模態系統如何通過虛擬與現實的結合，在動態生態中創造藝術作品，并對人類與機器交互關系進行深刻反思。多模態系統是由多個自治智能體組成的系統，這些智能體能夠感知環境、做出決策并執行動作。例如動物群體行為、交通網絡與經濟市場。在藝術領域，多模態系統不僅是技術的延伸，更是一種新的創作范式，展示了個體與整體互動之間的動態平衡。在這個虛擬系統中，多個智能體通過自我驅動和相互協作，展現出高度動態的虛擬世界。每個智能體依據自己的規則進行互動，其結果反映出復雜的協同關系。這種基于算法的社會模型提供了對機器意識的深刻洞察。

（二）多模態系統與藝術創作的跨界應用

1.“共情集群”（Empathy Swarm）指的是由亞當·多諾萬（Adam Donovan）和卡特琳·霍赫舒（Katrin Hochschuh）創作的互動裝置《共情集群》，由多個機器人組成，這些機器人通過與觀眾的互動表達情感狀態。這種動態反饋機制不僅揭示了人類與機器之間的共情潛能，還使藝術作品具備了參與者與創作者共同生成的特性。2.鐘愫君的“人機共創”。實驗藝術家鐘愫君通過讓機器助手模仿其繪畫風格，展現了機器在學習人類創造性過程中的能力。這種協同方式反映了機器意識在不斷調整與優化中如何形成，并為藝術創作提供了新的可能性。3.萊奧·莫拉的“ArtS bot”。萊奧·莫拉（Leonel Moura）的機器人繪畫項目利用自主智能體（Mbots），通過對色彩的敏感響應，在畫布上生成隨機又和諧的藝術表達。

（三）虛擬與現實的結合：新型藝術表達的可能性

多模態系統的一個關鍵特性是虛擬與現實的交互融合。戈爾德堡（Ken Goldberg）的機械臂實驗允許在線用戶實時控制現實世界的機器人，實現了數字與物理空間的直接連接。類似的作品有鄭曦然的《BOB》，通過算法驅動的虛擬智能體影響現實中的行為模式，展現了虛實交錯的新藝術形式。

（四）數字時代的藝術社會學探索

多模態系統不僅是一種技術工具，也是一種社會模型的模擬器。斯坦福大學和谷歌合作開發的“Smallville”項目，創造了一個虛擬小鎮，其中25個具有獨特性格和背景的AI智能體進行社交互動。這種技術為理解人類社交網絡、文化傳播以及群體心理提供了實驗平臺，也為藝術家提供了新的敘事視角。通過模擬人類社會的復雜性，多模態系統幫助藝術家深入探討個體與群體、合作與競爭、文化與技術之間的關系。這一技術進步不僅促進了社會學和心理學的研究，還為藝術創作開辟了更廣闊的空間。

（五）生成式藝術與多模態系統的未來

生成式藝術（AIGC）自誕生以來便深刻影響了藝術史的進程。從最初的算法生成到如今的產品化和服務化，AIGC的發展已經使藝術家從被動的工具使用者轉變為AI模型的主動參與者。在這一過程中，多模態系統將成為未來藝術創作的關鍵驅動因素。通過引入更多的協同智能體，藝術家可以在數字與物理空間的融合中探索動態的、情感化的藝術表達。無論是探索人類與機器的情感互動，還是研究復雜社會的動態行為，這一技術都為藝術家和研究者提供了無盡的可能性。在未來，多模態系統不僅將繼續拓展藝術的表達形式，還將促使我們重新思考人與技術之間的關系，為藝術與科學的融合創造新的里程碑。

四、基于生成式人工智能的新媒體藝術創作流程

在基于生成式人工智能的新媒體藝術創作中，流程通常遵循以下步驟：

1.確定藝術創作主題和目標：首先，需要明確藝術作品想要傳達的信息、情感或概念。這一步是整個創作過程的指導，為后續的設計和實施提供方向。

2.數據收集與分析：根據確定的主題，收集相關的數據資源，如圖像、音頻、視頻等。然后，對這些數據進行預處理和分析，以便AI系統能夠理解和學習。

3.AI模型訓練：使用收集到的數據對生成式人工智能模型進行訓練。這一步涉及大量的計算工作，旨在讓AI模型學會如何根據輸入的數據生成符合預期的新媒體藝術作品。

4.藝術創作生成：訓練完成后，將藝術家的創意或特定的參數輸入到AI模型中，啟動創作過程。AI模型根據訓練時學習到的知識和規律，自動生成新媒體藝術作品。

5.作品評估與優化：生成的藝術作品需要經過評估，以確定其質量和是否符合初衷。評估可以由藝術家自己完成，也可以邀請專業人士參與。根據評估結果，對AI模型進行必要的調整和優化，以提高未來創作的質量。

6.最終呈現：完成所有創作和優化步驟后，藝術作品就準備好被展示給公眾了。這一步可能包括線上展覽、實體畫廊展出或其他形式的藝術交流活動。

值得注意的是，這一過程不僅僅依賴技術，藝術家的創意、審美觀念和文化背景同樣是不可或缺的因素。

在探索生成式人工智能對新媒體藝術創作方法的影響與應用時，通過具體案例分析可以更直觀地理解其作用和價值。幾個典型案例的分析見表1。

這些案例展示了生成式人工智能如何被應用于不同類型的新媒體藝術創作中，從而擴展了藝術家的創作邊界并為觀眾帶來了全新的藝術體驗。通過利用AI技術，藝術家們能夠實現以前難以想象的創作效果，同時也為新媒體藝術的發展開辟了新的路徑。此外，生成式人工智能在新媒體藝術創作中的應用還帶來了一系列的挑戰，包括版權問題、藝術創意的歸屬以及人機合作的藝術評價等。面對這些挑戰，需要藝術家、技術專家以及法律專業人士共同探討和尋找解決方案，以確保技術進步能夠在尊重原創性和創新性的基礎上推動藝術的發展。

總之，生成式人工智能（AI）不僅為新媒體藝術的發展注入了創新活力，還重新定義了藝術創作的邊界。隨著技術的進步，生成式藝術逐步從單純的算法驅動，發展到以產品化、服務化為核心的多樣化應用，并最終借助多智能體系統，開辟出協作性與生態化的新媒體藝術創作模式。生成式技術以其獨特的方式連接了人工智能與藝術，為新媒體藝術的創新提供了強大動力。

參考文獻：

[1]劉小青，陳琳.人工智能在藝術創作中的應用與突破[J].文學藝術周刊，2023（21）：93-96.

[2]許晚晴.人工智能繪畫對藝術創作的影響[J].新美域，2022（10）：24-26.

[3]吳凡.循序漸進：從本質出發的生成藝術創作理念探究[J].美術研究，2024（01）：114-117.

[4]鄧雅方.人工智能對數字媒體藝術發展及傳播的影響[J].新楚文化，2023（14）：48-51+67.

[5]劉偲佳.從算法到圖像——AI生成藝術的回顧與展望[J].藝術市場，2023（06）：80-81.

作者簡介：

陳榮彬（1981.9-），男，漢族，廣東江門人，博士在讀，講師，研究方向：藝術與人工智能。