編輯：劉可為 圖：克雷格·艾姆斯（Craig Ames）文：砣地

《大英藻類影集：藍藻印象》

AI 重新解構攝影先驅安娜·阿特金斯的藻類作品，是對她的致敬，也是新媒介對長期確立的視覺表現(xiàn)實踐的影響的深刻探討。

與 安娜 ·阿泰金斯藍曬作品（右）

同一藻類的 AI（右）

與 安娜 ·阿泰金斯藍曬作品（左）

攝影之友×克雷格·艾姆斯

首先請闡述一下你對 AI 作品的態(tài)度，攝影與 AI 創(chuàng)作的邊界感在哪里？

生成人工智能圖像不是攝影。至少不是傳統(tǒng)意義上的攝影。當我使用人工智能時，我在大部分作品中都避免將其稱為“攝影”。然而，生成式人工智能圖像在外觀上可能非?！罢掌?，并且隨著算法渲染能力的不斷提高，圖像變得越來越逼真。不可避免地，這將迫使我們重新思考我們與攝影的關系，以及我們?nèi)绾味x它。盡管我目前將它們視為不同的媒介，但它們之間有著千絲萬縷的聯(lián)系。攝影和生成人工智能圖像之間的界限越來越模糊，但我認為其含義尚未完全明確、明朗。

你的這一組AI作品在封面上與安娜·阿特金斯（Anna Atkins）的作品封面非常相似，在介紹中得知，你也是對她作品中的圖像表達有了新的詮釋，你是如何想到使用AI來重新制作《大英藻類影集：藍藻印象》（Photographs of British Algae：Cyanotype Impressions）作品集的？

作為一名攝影師和藝術家，我對探索生成式人工智能的潛力、局限性和風險非常感興趣。憑借我的攝影知識，對這一媒介歷史上的關鍵時刻和作品進行比較研究似乎很有意義。鑒于阿特金斯是攝影的早期采用者，攝影是她那個時代的尖端成像技術，并且考慮到她的作品如此知名和有影響力，她的圖像無疑將在機器學習活動中占據(jù)重要地位，并被包含在龐大的數(shù)據(jù)集中從互聯(lián)網(wǎng)上抓取。她的作品還融合了藝術和科學問題，這又與生成人工智能的發(fā)展密切相關。為了強調兩個系列之間的比較，我收藏的圖像與阿特金斯的原始藍曬版畫具有相同的尺寸和格式。然而，我沒有在圖像中嵌入手寫標簽，而是使用文字處理的文本來引用圖像創(chuàng)建中使用的自動化過程。

在你的創(chuàng)作中，你認為當下 AI 技術與100 年前的影像有怎樣的關系？是否認為AI 會是一種更好的呈現(xiàn)方式？相比于實拍，你覺得 AI 作品的不同點在哪里？

我認為早期攝影和當代生成人工智能成像有很多相似之處。攝影出現(xiàn)時，藝術家和插畫家都提出了反對的聲音，他們擔心新媒介對長期確立的視覺表現(xiàn)實踐的影響。這種擔憂是合理的，機械圖像捕捉和攝影再現(xiàn)的過程改變了視覺表現(xiàn)的本質。然而，也有許多藝術家接受了這種變化，并出于藝術和科學目的以多種方式進行攝影工作。

英國植物學家兼攝影師安娜·阿特金斯（Anna Atkins）和她著名的藍曬法植物群就是一個很好的例子。她最初是一名植物插畫家，使用水彩畫來繪制標本。然而，作為攝影先驅，她認識到攝影能夠以更準確、客觀的方式呈現(xiàn)事物的能力。

以同樣的方式，當代人工智能在某些事情上表現(xiàn)出色，但在另一些事情上卻很糟糕。我們需要記住這一點，特別是隨著人工智能越來越融入我們的日常生活，視覺表現(xiàn)被外包給算法，作為企業(yè)客戶效率節(jié)省的一部分。我的項目“英國藻類的照片：人工智能印象（2022）旨在提醒我們現(xiàn)實與技巧的模糊所帶來的緊張局勢。人工智能生成的標本的不同顏色、形式以及圖像的逼真美學可能看起來誘人且令人信服，然而，它們作為真實的忠實復制品是完全不可靠的。

我在 20 世紀 80 年代末開始了我的攝影之旅，使用 35 毫米膠片相機并在我自制的暗室中制作模擬照片。我記得Photoshop 出現(xiàn)之后，便是數(shù)碼攝影，攝影界有許多聲音宣稱“攝影已死”，但據(jù)我們所知，這實際上從未發(fā)生過。相反，攝影媒介不斷發(fā)展和擴展。我們也容易忘記，人工智能已經(jīng)無縫集成到數(shù)碼相機系統(tǒng)中很多年了。例如，計算攝影現(xiàn)在是大多數(shù)智能手機相機的基礎。這是大多數(shù)人經(jīng)常使用的東西，但很少考慮過。

這一次，生成式人工智能確實讓人感覺有些不同，因為這種新興技術的開發(fā)、采用和集成呈指數(shù)級增長。然而，我當然不認為這會預示著攝影的終結，但它不可避免地會改變我們對它的理解。

如果用于圖簽創(chuàng)作，你認為嚴謹?shù)腁I創(chuàng)作能否對科學探索、科學教學、科普有不同的幫助？

本期影人

克雷格·艾姆斯

Craig Ames

英國藝術家，圍繞攝影/后真相時代證據(jù)、模擬和重現(xiàn)進行重點研究，圍繞主題進行了多樣化的實踐，涵蓋攝影、人工智能等材料研究工作

當訓練數(shù)據(jù)集經(jīng)過仔細檢查并且結果非?？煽繒r，人工智能圖片或內(nèi)容標簽可能在非常特定的情況下有用。然而，對大多數(shù)消費者級物體識別人工智能系統(tǒng)來說，該技術還不夠可靠。它正在不斷改進，我認為實現(xiàn)穩(wěn)健性只是時間問題。

你在 AI 創(chuàng)作這一組作品時應用了哪種軟件？在設計畫面時是根據(jù)何種內(nèi)容？又是如何訓練 AI 的？

目前，我只使用商用的生成式人工智能平臺。這樣做的原因是因為這是大多數(shù)人使用生成式人工智能最容易訪問的方式。我對這些大規(guī)模采用的算法很感興趣，因為它們是最廣泛使用的。原因之一是任何擁有計算機和互聯(lián)網(wǎng)連接的人都可以使用它們，而無需了解計算機編碼或必須安裝、設置和培訓開源版本，如果您不這樣做，這可能會成為障礙。

我使用的 AI 包括 Dall-E、Midjourney、Adobe Firefly 和 Stable Diffusion。由于它們都能夠以類似的方式生產(chǎn)類似的東西，因此我通常不會說明我為每個特定項目使用哪個版本或模型。