模仿游戏马里奥卡普谈新人文主义艺术论坛杂志

杂志

模仿游戏

马里奥·卡普论新人文主义

来自 Daniel Bolojan/Nonstandardstudio 的机器认知的可视化：高迪 + 神经网络 (2021)。

人工智能驱动的图像生产的内在逻辑远非预示着未来的后人类发展趋势，而是似乎正在复兴某些沉睡多年的视觉策略。

人工智能诞生于1956年，从人口学角度来看，属于婴儿潮一代。 与许多同时代的公司一样，它常常过于乐观，承诺更多，但兑现的却更少。 人工智能的最初目标——一种可以通过大量、随机的试错过程解决任何问题的机器——很快就被搁置了，因为人们意识到计算机根本不足以实现这一目标。 在接下来的几十年里，计算机掌握了更简单的实际任务：到目前为止，基于规则的系统（也称为专家系统或基于知识的系统）未能创造奇迹，但已经取得了很大的成就。 有点无聊但有用的工作，可以创造经济价值。 至于人工智能本身，到了20世纪70年代中期，几乎没有人记得它，可以说它被彻底扔进了科技史和思想史的垃圾箱。 直到最近，它才卷土重来，这要归功于可搜索内存和处理能力的前所未有的结合，使得当今的计算机只要不断尝试就可以解决复杂的难题。 尤其是最近几个月，一个获得新能力的人工智能震惊了世界。 不仅突然超出了它的承诺，其结果甚至超出了大多数人的心理接受范围。

当然，失败的早期人工智能“联结主义”方法与今天的“机器学习”之间存在深刻的技术差异，但两者都同意计算机从实际操作或示例中学习的假设。 ，比从正规教学中学到更多更好的知识——如果卢梭和狄德罗都想象到电子机械的教育问题，这个消息会让他们高兴而令狄德罗失望。 2010年代中期，机器学习的革命性浪潮蔓延到视觉艺术领域，艺术家发现一种名为“生成对抗网络”（gan）的新人工智能模型特别适合操纵图像。 在我写这篇文章的时候（即2023年初），gan艺术或AI生成艺术已经成为数字艺术的一个主要类别，其图像处理策略也众所周知。 首先，gan艺术家需要收集彼此相关的图像，形成语料库； 然后，机器学习算法将处理这个“数据集合”，寻找这些图像可能具有的共同特征，并形式化它们的共性。 这个归纳过程将产生一个数学矩阵，计算机科学家将其称为“潜在空间”。 如果我们用过去哲学家的术语，可以粗略地说是原始数据集的定义、想法、公式或本质。 。 今天的这个定义既不是语言学的，也不是视觉的，而是数学（矢量）的，它将用于识别外部图像的内容或从同一数据集生成新图像。 例如，如果一个数据集包含狗的图像，当你向系统展示它时，系统可以识别出一只真正的狗，或者你可以要求系统创建各种逼真的假狗图像，这些图像似乎是从无到有的。 但实际上，每只新狗都是从系统当前拥有的所有（且仅有）狗图像映射而来的。

2022年春天以来，生成式人工智能热潮席卷全球，但上述概念框架并未发生根本改变。 Midjourney 或 DALL-E 2 等用户友好的文本到图像工具可以使用简单的文本或视觉提示生成图像，但就目前而言，最终结果往往过于笼统，因为它们源自大量标记图像（文本-图像组合）在互联网上搜索。 然而，在未来的某一天，也许有可能自动生成可以通过文本和视觉输入精确控制的定制图像。 设计界并没有释放这种技术潜力。 不出所料，它引发了新一轮关于人类与机器的争论。

因此，关于创作本质的争论和讨论掩盖了人工智能生成图像兴起的其他后果，而设计行业和学术界已经在经历这些后果。 机器学习工具，无论是基于旧的生成对抗网络还是新的文本到图像算法，不仅使我们越来越适应人工智能驱动的图像生产的技术逻辑，而且塑造了我们对视觉传达的理解，改变了依赖关于我们处理图像的整体方式。 所有颠覆性技术的文化采用往往会触发新旧范式之间的反馈循环； 但这个例子的不同寻常之处在于，人工智能驱动的图像制作的基本逻辑远不能预示未来的后人类发展。 相反，它似乎正在复兴某些已经休眠多年并一度主导当时艺术和艺术理论的视觉策略。

Sebastiano Serlio，《论古物》内页（Francesco Marcolini da Forli，1540）。

基于人工智能的图像生成，就其本质而言，是一种围绕双重意义上的相似性（视觉相似性）展开的活动，而 gan 算法必须找到相似性，然后复制这些相似性。 机器学习过程的第一部分本质上是分析性的：回到前面提到的例子，系统必须首先找出所有这些狗的图像有什么共同点。 哪些视觉特征使狗看起来像其他狗，从而只是名义上的狗？

这个归纳过程导致了对原型狗的（隐式）定义。 然后是图像生成部分：我们可以为这张理想的狗图像添加多少种变化，以将其与原型区分开来，并且仍然可以被识别为狗 - 只要它看起来与所有系统都知道的相同所有狗都相似吗？ 这个过程的第二部分，即生成部分，就是我们应该所说的“模仿”——而且一直这样称呼：在这里，人工智能系统表面上是在模仿它自己的原型狗（或者用最近的技术语言来说，它是系统在与犬类数据集或狗语料库进行比较后将其识别为名义上的狗的外部图像）。

然而，一旦完成这一步，就可能会有下一步。 假设我们想要同时模拟两个数据集，创建两个图像语料库的混合或融合。 实现这一目标的方法有很多，但这些方法都依赖于从一个数据集中提取一些基本特征，然后将它们集成到另一个数据集中。 后者将保留其原有的一些特征，同时失去其原有的其他部分特征。 。 让我们进一步假设，可转移的特征不是可以剪切和粘贴的独立元素，而是植根于某种不可言喻的微妙氛围、色调或风味。 过去，这种弥漫的整体感觉被称为“风格”，但在 2016 年左右，计算机科学家开始将这种操作称为“风格迁移”。 这个论点一直存在，现在许多最流行的人工智能图像创建工具都有这个选项。

“模仿”概念的技术复活是最近的事：虽然模仿学习一直是人工智能领域公认的分支，但模仿这个词本身在 2022 年 11 月谷歌的 DeepMind 发表了一项开创性的研究后成为了人们关注的焦点纸。 不管使用什么术语，基于人工智能的图像制作技术所做的事情，或者我们正在使用这些技术所做的事情，实际上是两件事：视觉模仿和风格转移。 因此，毫不奇怪，人工智能科学家试图以数学方式复制人类思维的一些明显不变的核心功能，在某种程度上感到有必要转向这些古老的概念。 然而，计算机科学家可能不知道（除非他们也研究过比较文学，或者有一个研究艺术史的伙伴），在二十世纪的大部分时间里，“模仿”和“风格”的概念都被用在了人文学科中。 它一直存在争议，尤其是在上世纪下半叶。 设计师和评论家要么刻意避免谈论它，要么尽力抹去它的存在。

可以写几本专着来解释二十世纪艺术理论和文学批评如何以及为何拒绝“模仿”和“风格”。 古人一直坚信，所有的艺术都应该是某种模仿（柏拉图和亚里士多德只是在画家和雕塑家应该模仿什么上存在分歧）； 西塞罗认为作家应该模仿其他作家的风格——尽管“风格”一词在英语世界中并不流行，这个词源自拉丁语 stilus（意为书写工具），被西塞罗借用来描述个人写作风格。直到很久以后的事情。 近代早期，文艺复兴时期的人文主义者是模仿西塞罗拉丁文写作风格的大师。 专业作家试图用西塞罗的词语和句子来表达西塞罗时代所没有的概念和思想。 为此，文艺复兴时期的人文主义者制定了高度复杂的写作策略。 这些策略反过来又影响了文艺复兴时期的建筑师，他们也常常需要让自己的新建筑看起来古色古香——由此诞生的创意模式显然是为了实现不同内容之间可识别的抽象外观或色调的转移。 大约在这个时候，意大利文艺复兴时期画家乔治·瓦萨里开始使用“方式”一词来指代十八世纪所谓的“品味”和十九世纪的“风格”。 正是在十九世纪，风格成为新兴艺术史学科的基本概念之一。

Kengo Kuma，M2 Architecture，东京，1991 年。照片：Wakii。

现代主义艺术家，尤其是设计师，对主导十九世纪欧洲艺术史的模仿和风格概念感到厌恶的原因有很多。 如果形式追随功能，那么当传统形式的原始功能消失时，模仿传统形式将是一个错误，甚至更糟。 从现代主义的角度来看，维多利亚时代的“风格之战”和随之而来的风格折衷主义代表了自工业革命以来困扰建筑的所有弊病。 除了上述的功能主义立场之外，另一个原因是二十世纪的许多建筑师仍然处于造物主的浪漫主义和普罗米修斯式的神话之下； 像霍华德·罗克（艾因·兰德的小说《源泉》中的建筑师主人公这样的创作天才，不会遵循先例，更不会模仿自然。话虽如此，建筑现代主义的创始人并没有完全放弃风格的概念；勒·柯布西耶、例如，致力于创造一种“新”的建筑风格，而众所周知，在上世纪30年代的美国，现代主义本身就成为了一种“风格”——一种被称为“国际主义”的风格。直到20世纪70年代和80年代，反对风格的运动才开始引起广泛的共鸣——这是一场晚期现代主义运动，而不是现代主义。此时，所有模仿都被视为彼此的完全相同的复制品，因此无异于抄袭，艺术理论和文学批评必须引入一大堆同义词、词形变化和委婉语，以避免明确命名。下面讨论“模仿”的问题：灵感来源、影响（通常与“焦虑”相关）、感知、倾向、作为古典模仿（涉及融合和迁移）的替代方案，后结构主义语言学在 20 世纪 70 年代发明了“互文性”的概念，据称是一种新的剪切和粘贴（cut-and-paste），其中唯一不可避免地参考先例的是拼贴，无数片段或引文的拼贴，所有这些都从其原始上下文中提取出来，使它们脱颖而出，甚至到了尴尬的地步。 人们感到不和谐的方式被重新组合在一起。 同一时期的后现代建筑师在每一个转折点都使用相同的技术——显然没有意识到拼贴画和现成品都曾经是、现在仍然是现代主义的典型产物。

因此，今天最新的电子技术有可能复活那些二十世纪现代主义试图从机器制造环境的视觉文化中消除的艺术理论修辞手段，这一事实具有一定的讽刺意义。 被现代主义者拒绝的模仿和风格正在通过技术之窗回到艺术实践现场。 问题在于，在过去的整整两代人中，模仿和风格在视觉艺术的大部分批判性话语中都缺失了，所以我们所有人——尤其是在以欧洲为中心的现代主义西方世界——目前都有点没有实践，我们觉得面对过去长期遭受诟病的传统影像制作方法的意外而悄然的复兴，这是一种茫然。 古典理论家、当时的古典主义者非常清楚，所有的创造都必然涉及对先例的某种认识，甚至是承认； 一切发明都是建立在某种形式的吸收之上，或者说得更直白一点，是在模仿之上（这也包括否定，否定就是反向模仿）。 从上述认识出发，随着时间的推移，一整套旨在增强和推进最佳模仿实践的美学和认知理论诞生了。 现在，随着技术开始使模仿自动化，从而支持和普及模仿的使用，我们必须重新获得对模仿的概念、它的含义、它如何运作以及我们如何使用它的批判性认识。 与所有工具一样，人工智能，无论是否具有生成性，其智能程度取决于我们赋予它的任务。

马里奥·卡波 (Mario Carpo) 是伦敦大学学院巴特利特建筑学院建筑理论和历史教授 Rainer Banham，以及维也纳应用艺术大学建筑理论教授。

杜可可译