編者按

如今由計算機進行的藝術創(chuàng)作逐漸進入大眾視野，一系列AI畫作層出不窮，同時也引發(fā)了對于藝術創(chuàng)作的哲學思考，目前由計算機進行的繪畫更多的是“生成”的美學，而非“創(chuàng)作”的藝術，但又不能直接斷言智能繪畫毫無創(chuàng)作性。

智能繪畫是深度分析了藝術家的創(chuàng)作模式下生成的，是算法，亦是模仿。模仿說是藝術起源問題最古老的理論一一藝術起源于“模仿”，而智能繪畫亦是對藝術家創(chuàng)作形式的模仿，那如果人類的模仿可算創(chuàng)作，機器的模仿又如何定義呢？圍棋人機大戰(zhàn)中，人工智能“阿爾法圍棋”（ AlphaGo）的勝利引起軒然大波，尤其是新版程序AlphaCo Zero，它甚至拋棄了“人類經(jīng)驗”，只輸入了最基本的圍棋規(guī)則，從零學起，便能以100：0的戰(zhàn)績擊敗舊版AlphoGo，這無疑是對人類的極大挑戰(zhàn)。但與圍棋的理性思維不同，繪畫藝術沒有“最優(yōu)解”，藝術的價值在于主觀情感的表達，并不是僅僅靠經(jīng)驗和“套路”。因此，如今對于人工智能藝術還存在較大的爭議，但不可否認的是，它是當下炙手可熱的藝術形式，也能在一定程度上激發(fā)藝術家的靈感與思辨。

《現(xiàn)代藝術》本期“前沿”欄目特意圍繞這一熱點話題，刊登四川大學計算機學院（軟件學院）計算藝術研究組的相關文章，該研究組多年致力于智能藝術領域的研究工作并取得顯著成果，同時文章中也指出了人工智能藝術與計算機生成藝術之間的細微差異，讓大眾能更深入細致地了解“智能藝術”。

四川大學計算機學院（軟件學院）計算藝術研究組

學術指導：呂建成教授

計算藝術研究組成員（智能繪畫方向）：李茂 王堅 賴志宸 湯臣薇 付菲菲

從上個世紀50-60年代開始，人們就逐漸看到了在計算機上進行藝術創(chuàng)作的潛力，發(fā)展到現(xiàn)在，利用計算機技術生成藝術已成為了一種被普遍認可的創(chuàng)作方式。我們現(xiàn)在接觸到的一些藝術，如影視、游戲中的音樂等，有許多早已不是人工完成的了，微軟還以“微軟小冰”的名義出版了首部人工智能詩集《陽光失了玻璃窗》。在一些應用藝術領域中生成的方式也被廣泛應用，如海報設計等?，F(xiàn)在將生成藝術作為藝術的一種形式，幾乎沒有什么大的爭議，在今天的各類當代藝術展覽中，也能夠看到這樣的作品。

一、生成藝術的概念

生成藝術是指借助計算機等設備通過程序直接得到結(jié)果的藝術創(chuàng)作，強調(diào)創(chuàng)作過程由機器自動執(zhí)行，而它的運行規(guī)則則由藝術家和工程師來制定。在不同歷史時期，也出現(xiàn)過一些其他概念，如電子藝術、新媒體藝術、數(shù)字藝術、基于規(guī)則的藝術、算法藝術、計算藝術等，每一個概念在不同時期又有不同含義，而生成藝術的概念一直被使用，是強調(diào)創(chuàng)作過程是機器執(zhí)行，自動得到一個結(jié)果。

生成藝術本身也存在多種定義，菲利普·加蘭特實驗。讓志愿者進行區(qū)分，哪些是計算機生成的畫面，哪些是藝術家手工完成的創(chuàng)作。以及讓志愿者評價，計算機生成的藝術與藝術家手工完成的作品，哪一種更好看一些。在以往公開的一些實驗中，生成藝術的表現(xiàn)往往更好。

學術領域?qū)ι伤囆g的評價和認可也表現(xiàn)在商業(yè)領域。生成藝術在上世紀60年代開始商業(yè)化，逐漸被機構和個人收藏，到20世紀90年代后期被美術館納入其展覽和支持計劃。2016年，谷歌與灰藝術基金還曾聯(lián)合舉辦過利用神經(jīng)網(wǎng)絡生成的藝術展，并進行了現(xiàn)場拍賣。2018年，佳士得拍賣行在紐約拍出了一幅法國藝術團體的人工智能繪畫，價格約300萬人民幣，這是在多個媒體被廣為報道的事件。

另外，在應用藝術領域，生成藝術也有它獨特的意義。如克里斯蒂諾·索杜（ Celestino Soddu）認為，設計的優(yōu)化階段適合于計算機完成。同時，還可以解決當代工業(yè)時代流水線生產(chǎn)出來的產(chǎn)品缺乏個體的問題，通過數(shù)控技術，利用生成技術制造出大批獨具特色但功能相同的商品。

目前，有爭議的問題主要在：在生成藝術的創(chuàng)作中，誰是藝術家的問題;生成藝術的情感問題;生成藝術的價值問題等。

五、四川大學計算機學院（軟件學院）計算藝術研究組的探索

十年前，在中國著名藝術家、四川大學藝術學院特聘教授程叢林與時任四川大學計算機學院（軟件學院）院長章毅教授的倡議下，開始關注智能藝術領域的研究工作。后來，四川大學計算機學院（軟件學院）院長呂建成教授在實驗室設立計算藝術研究組，進行結(jié)合計算機技術的藝術創(chuàng)作探索。

計算藝術研究組，依托學院在大數(shù)據(jù)、人工智能領域的研究基礎，進行了智能繪畫、智能詩詞、智能音樂等多個藝術相關領域的創(chuàng)作探索。智能繪畫結(jié)合深度學習等計算機前沿技術，進行了中國畫工筆、寫意，以及抽象畫的生成創(chuàng)作。既是將計算機技術作為一種藝術創(chuàng)作的媒介，遵循藝術家創(chuàng)作的思維，更是將生成藝術作為一種新的藝術形式，遵循智能藝術本身的特點進行創(chuàng)作研究。

智能繪畫的創(chuàng)作進行了多種方式的嘗試，包括遵循藝術家利用寫生、參考圖片進行創(chuàng)作的工作習慣和創(chuàng)作方式，利用計算機技術來理解參考圖像的色彩數(shù)理關系，進行創(chuàng)作;讓計算機學習一些傳統(tǒng)的形式美法則，以及畫面視覺要素的均衡、疏密、節(jié)奏、韻律、黃金比率、三分法等，形成抽象畫的生成模型，將最純粹的藝術語言點、線、色彩、肌理等元素作為抽象畫的表現(xiàn)要素進行創(chuàng)作;以及由藝術家進行宏觀設計，計算機結(jié)合之前的學習結(jié)果，再進行細節(jié)創(chuàng)作等。

如果參照人工智能的定義，以往的生成藝術還很難定義為智能。四川大學呂建成教授認為，計算機生成藝術從借助計算機工具來表現(xiàn)人的創(chuàng)新、想法和情感階段，將發(fā)展到人工智能藝術階段;人工智能藝術最本質(zhì)的特征在于，藝術的創(chuàng)意、想法和情感，部分或者全部由機器所產(chǎn)生。人工智能藝術將成為未來幾年人工智能發(fā)展的重要領域。

菲利普·加蘭特爾（ Philip Calanter）認為，生成高度有序與高度無序，對計算機來說都是相對容易實現(xiàn)的，未來的研究重點與難點是實現(xiàn)有序與無序結(jié)合的探索。

總之，科技在飛速發(fā)展，計算機生成藝術的未來，值得我們期待。Photoshop在1985年進入開發(fā)。Photoshop最終集合圖像處理所需的基本功能，涵蓋了之前的一些研究內(nèi)容，結(jié)合色彩的主要屬性，使圖像處理大眾化。它的通用性提供了極大的靈活性，普通用戶就能獲得一定的視覺效果。隨著計算機圖形學的持續(xù)發(fā)展，圖像質(zhì)量獲得極大提升，這源于計算機繪畫技術系統(tǒng)的發(fā)展成熟和通用圖形語言的出現(xiàn)。

20世紀90年代，更多開源軟件出現(xiàn)，并形成系統(tǒng)，得到推廣，這與應用軟件的方便性、通用性有很大關系，使更多的愛好者參與到生成藝術的創(chuàng)作中。通過程序設計可能獲得的一些特殊視覺效果、對已有藝術特征的模擬，以及對藝術創(chuàng)作流程的模擬等，一直是生成藝術創(chuàng)作參與者的興趣點。

隨著深度學習取得進展，也促進了計算機生成藝術的發(fā)展。2014年伊恩·古德費洛（ Ian Goodfellow）等提出的生成對抗網(wǎng)絡（ Generative AdversarialNetworks，GAN），對于藝術生成有特別的意義。近幾年在各類媒體上出現(xiàn)的一些AI藝術作品，也大多是基于CAN生成的。

三、生成藝術的主要內(nèi)容

對于計算機生成藝術，人們普遍關心它是如何進行創(chuàng)作的，以及它創(chuàng)作的內(nèi)容來自哪里。

藝術家的創(chuàng)作方式千差萬別.有的使用已有的圖片內(nèi)容作為創(chuàng)作素材，包括對某位藝術家的作品進行某種方式的改變等。每一位藝術家都有自己特定的創(chuàng)作方式或制作過程，有的藝術家甚至最初連自己都不知道要畫什么，而是邊創(chuàng)作邊思考，在創(chuàng)作的過程中，根據(jù)畫面的情況，再一步步確定最終要繪制的形態(tài)以及完成的效果。但無論哪一種，藝術家的創(chuàng)作內(nèi)容都或多或少受到生活、學習經(jīng)驗的影響，與已有的藝術作品或現(xiàn)實有一定的聯(lián)系。對照藝術家手工完成創(chuàng)作的思路來看，計算機生成藝術發(fā)展到當下，主要的研究內(nèi)容大致可以分為以下兩類。

一是基于學習的風格模擬。隨著深度學習和神經(jīng)網(wǎng)絡技術的發(fā)展，計算機能夠以計算的方式理解和記憶圖像特征和文本內(nèi)容，因此可以實現(xiàn)對某種風格特征的學習，并將這種風格學習后應用于另外的圖像中，實現(xiàn)對風格的模仿，這就是近幾年出現(xiàn)在生成藝術領域的風格遷移。谷歌公布的視覺工具DeepDream項目所實現(xiàn)的圖像效果，Prisma以及其它一些應用軟件等，都是如此。

在生成藝術的發(fā)展歷史中，對傳統(tǒng)藝術形式的模擬一直是一些工程師、藝術家的追求。GAN網(wǎng)絡的提出，對于這類方式的創(chuàng)作提供了支持。GAN中主要包含生成器和判別器兩個網(wǎng)絡，生成器是要盡量生成真實的圖片去欺騙判別網(wǎng)絡，而判別器則是要盡量將生成器生成的圖片和真實的圖片進行區(qū)別，兩個網(wǎng)絡博弈的結(jié)果就是得到一個生成模型，使生成的圖像既盡可能真實，又與真實有所區(qū)別。這種思想很適合于對某一類藝術作品風格的模擬，應用于藝術創(chuàng)作中。 第二是基于一定規(guī)則的創(chuàng)作。不同于風格模擬的是，這里沒有輸入的圖像，如分形藝術，以及一些以抽象幾何為表現(xiàn)內(nèi)容的生成藝術家，如曼弗雷德·莫爾（ Manfred Mohr）、計算機藝術開拓者之一的薇拉·莫爾娜（ Vera Molnar）等?；谝欢ㄒ?guī)則的創(chuàng)作，也包括對于一些特殊視覺效果的追求，這里的特殊視覺效果不同于前面的風格，不是對已有的效果的模擬。

四、生成藝術的價值評價

對生成的藝術的評價，包括大眾的評價和學術領域的評價。按照生成藝術創(chuàng)作研究工作通常的做法，以繪畫為例，是進行用戶參與對生成藝術與世界知名藝術家手工完成的藝術作品進行匿名后區(qū)別、評價的實驗。讓志愿者進行區(qū)分，哪些是計算機生成的畫面，哪些是藝術家手工完成的創(chuàng)作。以及讓志愿者評價，計算機生成的藝術與藝術家手工完成的作品，哪一種更好看一些。在以往公開的一些實驗中，生成藝術的表現(xiàn)往往更好。

學術領域?qū)ι伤囆g的評價和認可也表現(xiàn)在商業(yè)領域。生成藝術在上世紀60年代開始商業(yè)化，逐漸被機構和個人收藏，到20世紀90年代后期被美術館納入其展覽和支持計劃。2016年，谷歌與灰藝術基金還曾聯(lián)合舉辦過利用神經(jīng)網(wǎng)絡生成的藝術展，并進行了現(xiàn)場拍賣。2018年，佳士得拍賣行在紐約拍出了一幅法國藝術團體的人工智能繪畫，價格約300萬人民幣，這是在多個媒體被廣為報道的事件。

另外，在應用藝術領域，生成藝術也有它獨特的意義。如克里斯蒂諾·索杜（ Celestino Soddu）認為，設計的優(yōu)化階段適合于計算機完成。同時，還可以解決當代工業(yè)時代流水線生產(chǎn)出來的產(chǎn)品缺乏個體的問題，通過數(shù)控技術，利用生成技術制造出大批獨具特色但功能相同的商品。

目前，有爭議的問題主要在：在生成藝術的創(chuàng)作中，誰是藝術家的問題;生成藝術的情感問題;生成藝術的價值問題等。

五、四川大學計算機學院（軟件學院）計算藝術研究組的探索

十年前，在中國著名藝術家、四川大學藝術學院特聘教授程叢林與時任四川大學計算機學院（軟件學院）院長章毅教授的倡議下，開始關注智能藝術領域的研究工作。后來，四川大學計算機學院（軟件學院）院長呂建成教授在實驗室設立計算藝術研究組，進行結(jié)合計算機技術的藝術創(chuàng)作探索。

計算藝術研究組，依托學院在大數(shù)據(jù)、人工智能領域的研究基礎，進行了智能繪畫、智能詩詞、智能音樂等多個藝術相關領域的創(chuàng)作探索。智能繪畫結(jié)合深度學習等計算機前沿技術，進行了中國畫工筆、寫意，以及抽象畫的生成創(chuàng)作。既是將計算機技術作為一種藝術創(chuàng)作的媒介，遵循藝術家創(chuàng)作的思維，更是將生成藝術作為一種新的藝術形式，遵循智能藝術本身的特點進行創(chuàng)作研究。

智能繪畫的創(chuàng)作進行了多種方式的嘗試，包括遵循藝術家利用寫生、參考圖片進行創(chuàng)作的工作習慣和創(chuàng)作方式，利用計算機技術來理解參考圖像的色彩數(shù)理關系，進行創(chuàng)作;讓計算機學習一些傳統(tǒng)的形式美法則，以及畫面視覺要素的均衡、疏密、節(jié)奏、韻律、黃金比率、三分法等，形成抽象畫的生成模型，將最純粹的藝術語言點、線、色彩、肌理等元素作為抽象畫的表現(xiàn)要素進行創(chuàng)作;以及由藝術家進行宏觀設計，計算機結(jié)合之前的學習結(jié)果，再進行細節(jié)創(chuàng)作等。

四川大學呂建成教授認為，如果參照人工智能的定義，以往的生成藝術還很難定義為智能。四川大學呂建成教授認為，計算機生成藝術從借助計算機工具來表現(xiàn)人的創(chuàng)新、想法和情感階段，將發(fā)展到人工智能藝術階段;人工智能藝術最本質(zhì)的特征在于，藝術的創(chuàng)意、想法和情感，部分或者全部由機器所產(chǎn)生。人工智能藝術將成為未來幾年人工智能發(fā)展的重要領域。

菲利普·加蘭特爾（ Philip Calanter）認為，生成高度有序與高度無序，對計算機來說都是相對容易實現(xiàn)的，未來的研究重點與難點是實現(xiàn)有序與無序結(jié)合的探索。

總之，科技在飛速發(fā)展，計算機生成藝術的未來，值得我們期待。