［摘要］數(shù)字人文方法曾長(zhǎng)期隱而不顯地被運(yùn)用于藝術(shù)人文領(lǐng)域；在人工智能時(shí)代，數(shù)字人文方法以其革命性開始呈現(xiàn)為一種“顯學(xué)”，其表征包括人工智能在藝術(shù)價(jià)值評(píng)估、藝術(shù)教育創(chuàng)新、文化傳承與交流甚至藝術(shù)生產(chǎn)等方面大范圍顯現(xiàn)其充沛能量，以及“數(shù)字藝術(shù)史”在研究視域中的革新。基于深度學(xué)習(xí)，機(jī)器智能模型以高效、精確的藝術(shù)大數(shù)據(jù)挖掘，對(duì)藝術(shù)生成、藝術(shù)傳播的當(dāng)代場(chǎng)景予以持續(xù)創(chuàng)新。然而，在積極擁抱人工智能新技術(shù)的同時(shí)，數(shù)字人文也應(yīng)在對(duì)人文關(guān)懷傳統(tǒng)的堅(jiān)守中重構(gòu)其“人文”和“數(shù)字”的平衡。

［關(guān)鍵詞］人工智能數(shù)字人文藝術(shù)大數(shù)據(jù)深度學(xué)習(xí)生成式藝術(shù)

“數(shù)字人文方法”是一種利用計(jì)算機(jī)和數(shù)字技術(shù)對(duì)人文學(xué)科予以“科學(xué)”的研究、分析、展示的觀念和方法。“藝術(shù)人文”則突出創(chuàng)造性，注重感性，強(qiáng)調(diào)藝術(shù)與文化、哲學(xué)的學(xué)科關(guān)聯(lián)性，往往被劃定在與科學(xué)技術(shù)相對(duì)立的范疇，從而似乎呈現(xiàn)為一個(gè)與數(shù)據(jù)統(tǒng)計(jì)等計(jì)算技術(shù)格格不入的獨(dú)特場(chǎng)域。然而，基于對(duì)感性研究方法的不滿足而興起的對(duì)理性、科學(xué)之表達(dá)的追求，“數(shù)字”事實(shí)上一直在藝術(shù)人文領(lǐng)域內(nèi)發(fā)揮著作用。人工智能（artificial intelligence，簡(jiǎn)稱AI）正在推動(dòng)人類進(jìn)入一個(gè)由機(jī)器學(xué)習(xí)模型全方位介入社會(huì)生活的時(shí)代。在這個(gè)時(shí)代，以ChatGPT等為代表的通用語言模型在包括藝術(shù)人文在內(nèi)的廣闊領(lǐng)域里展現(xiàn)出了日益與人類頭腦相媲美，甚至在特定方面超越人腦的能力。由此，數(shù)字人文方法的地位也逐漸凸顯，不僅讓藝術(shù)史研究進(jìn)入“數(shù)字藝術(shù)史”（digital art history）Claire Bishop，“Methods and Approaches：Criticism on the History of Digital Art，”Franklin Humanities Institute（humanities futures.org），November，2015，accessed November 11，2023，https：//humanitiesfutures.org/papers/digital-art-history/.階段，亦使藝術(shù)生成及傳播場(chǎng)景的革新盛況空前——數(shù)字人文方法的革命性運(yùn)用，開始走出其原先隱而不彰的狀態(tài)。一、從隱匿到彰顯：對(duì)新技術(shù)的響應(yīng)數(shù)字人文方法的運(yùn)用，是以計(jì)算為核心，基于對(duì)“人文計(jì)算”的追求而展開的。在19世紀(jì)的歐美文學(xué)界，門登霍爾（Orlando Ward Mendenhall）曾嘗試通過詞頻去辨析狄更斯和威廉·薩克雷的風(fēng)格差異，謝爾曼（William C.Sherman）則通過句子長(zhǎng)度的不同來觀察英國(guó)文學(xué)作品的風(fēng)格變化。參見李天：《數(shù)字人文方法論反思》，《中國(guó)文學(xué)批評(píng)》2022年第2期。上述嘗試改變研究文學(xué)觀念及現(xiàn)象時(shí)所用方法過于感性之境況的努力，堪稱早期致力于“量化”的數(shù)字人文方法的代表性實(shí)踐。在“前數(shù)字時(shí)代”，視覺藝術(shù)領(lǐng)域一直內(nèi)隱著蘊(yùn)含數(shù)字人文方法或其原理的實(shí)踐。比如，在文藝復(fù)興鼎盛期，達(dá)·芬奇基于解剖學(xué)，致力于發(fā)掘真實(shí)人體結(jié)構(gòu)中的某種數(shù)理規(guī)律。他說“只有緊緊地依靠數(shù)學(xué)，才能穿透那捉摸不透的思想迷魂陣”參見蔡天新：《數(shù)學(xué)與藝術(shù)》，江蘇人民出版社2021年版，第4頁。。在他手繪的《維特魯威人》（見圖1）中，健壯的中年男子微斜上舉的雙臂與叉開的兩腿正好外接一個(gè)圓形；而在另一幅疊加圖像中，男子站立著平伸兩臂，以其頭、足和手指為端點(diǎn)正好可外接一個(gè)正方形。在17、18世紀(jì)，歐洲的古典主義藝術(shù)家不滿于過度突出的感性及其浮夸的表達(dá)，而強(qiáng)調(diào)對(duì)稱、比例、理性；裸體的肌肉結(jié)構(gòu)或古代服飾、人物身體，均有精確的尺寸和比例計(jì)算，以及精細(xì)的畫面設(shè)計(jì)。

圖1《維特魯威人》，達(dá)·芬奇，1487年前后，鋼筆和墨水繪制，34.4×25.5cm，藏于威尼斯學(xué)院美術(shù)館（Gallerie dellAccademia di Venezia）數(shù)字人文方法在藝術(shù)人文領(lǐng)域長(zhǎng)期被隱匿，緣于根深蒂固的藝術(shù)成見的壓力。超越功利世界與工具理性的藝術(shù)觀，更強(qiáng)調(diào)藝術(shù)家的靈感、天才式的技巧及創(chuàng)造性，因此天然有拒斥數(shù)字技術(shù)的傾向，并潛藏了對(duì)數(shù)字人文方法的漠視甚至敵視。但在進(jìn)入以數(shù)字技術(shù)為運(yùn)作規(guī)則、趨向數(shù)字形式的時(shí)代之后，人工智能技術(shù)的革命性運(yùn)用不僅使數(shù)字人文方法很快獲得了正當(dāng)性，也似乎很快使其重要性得到凸顯。數(shù)字人文方法的彰顯，很大程度上受惠于人工智能技術(shù)由單一領(lǐng)域的人工智能（Narrow AI）向具有普遍理解、學(xué)習(xí)能力的通用人工智能（AGI）的革命性躍升。媒介理論家麥克盧漢提出，媒介是人類感官的延伸或拓展。參見［加］馬歇爾·麥克盧漢：《理解媒介：論人的延伸》，何道寬譯，譯林出版社2011年版，第4頁。得益于深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，簡(jiǎn)稱DNN）及遞歸神經(jīng)網(wǎng)絡(luò)（Recursive Neural Network，簡(jiǎn)稱RNN）給機(jī)器的圖像和語言處理能力帶來的革命性提升，人工智能不僅大幅度延伸了人的感官感知能力，更有望以模仿甚至超越人腦的智能實(shí)現(xiàn)智力的延伸。人工智能的深度學(xué)習(xí)及大數(shù)據(jù)（big data）挖掘能力，呼應(yīng)了信息的海量增長(zhǎng)態(tài)勢(shì)和強(qiáng)烈的信息處理需求。在藝術(shù)圖像的大數(shù)據(jù)挖掘及利用方面，人工智能憑借強(qiáng)大的藝術(shù)信息處理能力，既能有力克服專家在藝術(shù)知識(shí)及視覺經(jīng)驗(yàn)上的局限或滯后，又能擺脫主觀情緒及利害得失心理對(duì)信息處理造成的干擾。面對(duì)全球范圍內(nèi)規(guī)模日益龐大的藝術(shù)作品及其數(shù)據(jù)，專家目鑒恐將越發(fā)力不從心。因此，基于人工智能的數(shù)據(jù)挖掘和深度學(xué)習(xí)工具，如“Artificial Art Expert”（AAE）以及“Art Recognition”等計(jì)算機(jī)程序應(yīng)運(yùn)而生。它們基于對(duì)藝術(shù)品風(fēng)格、技巧及歷史背景等信息的挖掘，可以展開精細(xì)的質(zhì)料性分析，或?qū)λ囆g(shù)品的真?zhèn)渭捌渌囆g(shù)價(jià)值作出準(zhǔn)確、高效的判斷。例如，“杜絕贗品和制定藝術(shù)品鑒定新標(biāo)準(zhǔn)，建立一個(gè)安全透明的藝術(shù)品市場(chǎng)”參見“Art Recognition”網(wǎng)頁中的介紹，https：//art-recognition.com/about-us/，訪問日期：2023年12月1日。之所以在今天能成為“Art Recognition”的明確目標(biāo)，便是因?yàn)樵摮绦蛲ㄟ^基于深度學(xué)習(xí)的大數(shù)據(jù)挖掘，可獲得經(jīng)過精細(xì)分析的美術(shù)作品風(fēng)格、筆觸、顏料等信息，并能立刻將其與歷史數(shù)據(jù)和專家意見進(jìn)行比對(duì)，從而幫助用戶快速鑒定藝術(shù)品真?zhèn)?。二、藝術(shù)的大數(shù)據(jù)與深度學(xué)習(xí)在人工智能撲面而來的時(shí)代，藝術(shù)的數(shù)據(jù)集規(guī)模龐大，不僅包括藝術(shù)數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù)（如數(shù)據(jù)庫(kù)中的記錄）及非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖像、音頻、視頻等），更包含藝術(shù)世界中每時(shí)每刻都在迅速生成的海量藝術(shù)信息。對(duì)藝術(shù)大數(shù)據(jù)的高效、準(zhǔn)確處理，由此成為數(shù)字人文方法運(yùn)用取得突破性進(jìn)展、呈現(xiàn)“報(bào)復(fù)式增長(zhǎng)”的關(guān)鍵。近年來，中國(guó)高度重視文化數(shù)字化工作，“十四五”時(shí)期結(jié)束時(shí)要基本建成文化數(shù)字化基礎(chǔ)設(shè)施及服務(wù)平臺(tái)的目標(biāo)《中共中央辦公廳 國(guó)務(wù)院辦公廳印發(fā)〈關(guān)于推進(jìn)實(shí)施國(guó)家文化數(shù)字化戰(zhàn)略的意見〉》，中國(guó)政府網(wǎng)，2022年5月22日，https：//www.gov.cn/zhengce/2022-05/22/content_5691759.htm，訪問日期：2023年11月10日。既包括了文化信息的數(shù)字化，也包括了數(shù)字化文化信息處理能力的建設(shè)。從全球范圍來看，視覺藝術(shù)的大數(shù)據(jù)化工作，是20世紀(jì)80年代才大規(guī)模啟動(dòng)的。美國(guó)紐約大都會(huì)歌劇院檔案館（Metropolitan Opera Archives）作為最早推進(jìn)數(shù)據(jù)庫(kù)項(xiàng)目的藝術(shù)機(jī)構(gòu)，在當(dāng)時(shí)對(duì)其自1883年開業(yè)以來收藏的大量文件、照片、藝術(shù)品和服裝等資源進(jìn)行了數(shù)據(jù)化處理。在20世紀(jì)80年代末90年代初，美國(guó)洛杉磯縣藝術(shù)博物館（Los Angeles County Museum of Art，簡(jiǎn)稱LACMA）也著手對(duì)其收藏的繪畫、雕塑和攝影作品進(jìn)行數(shù)字化處理和分析，并對(duì)其中部分藝術(shù)家的創(chuàng)作過程和風(fēng)格變化展開了計(jì)算機(jī)模擬研究。20世紀(jì)90年代初，紐約大都會(huì)藝術(shù)館（Metropolitan Museum of Art，簡(jiǎn)稱The Met）開始建立數(shù)字化圖像庫(kù)和數(shù)據(jù)庫(kù)，并在此基礎(chǔ)上推進(jìn)了一批專題研究，包括對(duì)藝術(shù)品圖像展開數(shù)字化處理和分析、對(duì)藝術(shù)家創(chuàng)作過程和作品風(fēng)格進(jìn)行計(jì)算機(jī)模擬等。1995年，美國(guó)國(guó)會(huì)圖書館（Library of Congress）以其“美國(guó)記憶”（American Memory）數(shù)字圖書館項(xiàng)目，開始了對(duì)包括歷史文獻(xiàn)和圖片等在內(nèi)的多種資源的數(shù)字轉(zhuǎn)化。在中國(guó)，早在20世紀(jì)80年代末，敦煌研究院就提出了“數(shù)字敦煌”構(gòu)想，而國(guó)內(nèi)文博機(jī)構(gòu)最早的數(shù)字化工作啟動(dòng)于1993年到1996年間“敦煌壁畫計(jì)算機(jī)存貯與管理系統(tǒng)研究”科研課題的實(shí)施。2008年，歐洲委員會(huì)啟動(dòng)了覆蓋歐洲全境的數(shù)字圖書館項(xiàng)目“Europeana”。該項(xiàng)目強(qiáng)化數(shù)據(jù)資源的大眾面向和共享服務(wù)，致力于將歐洲各國(guó)博物館、圖書館、檔案館和文化機(jī)構(gòu)的藝術(shù)品、歷史文獻(xiàn)、音頻、視頻和三維對(duì)象以開放的數(shù)據(jù)標(biāo)準(zhǔn)上傳到面向公眾開放的“Europeana”平臺(tái)。參見https：//www.europeana.eu/en。進(jìn)入21世紀(jì)以來，谷歌公司等跨國(guó)商業(yè)機(jī)構(gòu)也加入了全球范圍內(nèi)的藝術(shù)品和文物的數(shù)字檔案及數(shù)據(jù)庫(kù)建設(shè)進(jìn)程。2011年啟動(dòng)的“谷歌藝術(shù)與文化”（Google Arts & Culture）項(xiàng)目，由谷歌公司利用其高分辨率的圖像技術(shù)（如Gigapixel）對(duì)全球多家重要博物館內(nèi)超過20萬件藝術(shù)藏品進(jìn)行圖像數(shù)據(jù)采集，目前中國(guó)國(guó)內(nèi)也有多家文化機(jī)構(gòu)參與了和該項(xiàng)目的合作。藝術(shù)人文領(lǐng)域內(nèi)的數(shù)字化技術(shù)開發(fā)，以及相關(guān)文學(xué)典籍、藝術(shù)品的數(shù)據(jù)庫(kù)建設(shè)，為藝術(shù)大數(shù)據(jù)奠定了最初也是最重要的基礎(chǔ)。40余年來，全球范圍內(nèi)建立起了不少關(guān)于藝術(shù)作品、藝術(shù)家、展覽及其歷史文獻(xiàn)信息的數(shù)據(jù)庫(kù)，總規(guī)模非常龐大，其所收納信息既包括藝術(shù)品色彩、線條、構(gòu)圖、筆觸及質(zhì)料等視覺上的“數(shù)字信息”，也包括藝術(shù)品相關(guān)文獻(xiàn)及其他物質(zhì)證據(jù)等非結(jié)構(gòu)化數(shù)據(jù)。與此同時(shí)，當(dāng)代人實(shí)時(shí)進(jìn)行的藝術(shù)生活，也在不斷生成具有“大量”（Volume）、“高速”（Velocity）、“多樣”（Variety）、“低價(jià)值密度”（Value）、“真實(shí)性”（Veracity）這“5V”特點(diǎn)Jose Andre Moura and Carlos Serro，“Security and Privacy Issues of Big Data，”in Handbook of Research on Trends and Future Directions in Big Data and Web Intelligence（an imprint of IGI Global，2015），p.23，https：//www.researchgate.net/publication/281404634.的數(shù)字信息，從而大大豐富了藝術(shù)大數(shù)據(jù)的內(nèi)容和數(shù)據(jù)挖掘的對(duì)象。當(dāng)今，人腦及傳統(tǒng)數(shù)據(jù)工具已遠(yuǎn)不能滿足對(duì)藝術(shù)大數(shù)據(jù)/海量信息進(jìn)行實(shí)時(shí)處理的需求。而人工智能技術(shù)在軟件和硬件上的突破性進(jìn)展，已使機(jī)器學(xué)習(xí)模型的深度學(xué)習(xí)能力及其推進(jìn)下的大數(shù)據(jù)挖掘能力順勢(shì)飛速發(fā)展。機(jī)器學(xué)習(xí)模型建構(gòu)的深度學(xué)習(xí)（Deep Learning，簡(jiǎn)稱DL）深度學(xué)習(xí)，是機(jī)器學(xué)習(xí)（Machine Learning，簡(jiǎn)稱ML）領(lǐng)域研究的新方向。它被引入機(jī)器學(xué)習(xí)，是為了讓人工智能的分析學(xué)習(xí)能力盡量追趕真人。這里的“深度”作為一個(gè)商業(yè)概念時(shí)，只要有三個(gè)隱藏層，就可以被業(yè)界稱為“深度學(xué)習(xí)”；而在機(jī)器學(xué)習(xí)領(lǐng)域，名字中有“深度”（Deep）的網(wǎng)絡(luò)至少有五至七個(gè)隱藏層。能力，體現(xiàn)為這種模型有如人腦甚至超越人腦的分析學(xué)習(xí)能力。其工作原理為：多層次神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)以及多個(gè)隱藏層的深度神經(jīng)網(wǎng)絡(luò)協(xié)同，形成了多層感知機(jī)（Multilayer Perceptron，簡(jiǎn)稱MLP）多層感知機(jī)是一種前向結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，包含輸入層、輸出層及多個(gè)隱藏層。，結(jié)合對(duì)多模態(tài)數(shù)據(jù)源（例如文本、圖像和聲音）的集成，強(qiáng)化了機(jī)器學(xué)習(xí)模型從多個(gè)角度或多個(gè)層面理解并解釋數(shù)據(jù)的能力。在多層神經(jīng)網(wǎng)絡(luò)中，較低層次會(huì)學(xué)習(xí)輪廓、顏色之類的基礎(chǔ)特征，較深層次則學(xué)習(xí)形狀、模式等更為抽象和復(fù)雜的特征。面對(duì)藝術(shù)圖像，深度學(xué)習(xí)模型能夠從中提取高級(jí)特征，并通過語義分割，將每個(gè)像素分配到相應(yīng)的語義類別，從而精確理解圖像中的對(duì)象邊界和內(nèi)容?；谏疃葘W(xué)習(xí)，人工智能技術(shù)可以輕松提取圖像特征，完成圖像搜索以及對(duì)社交媒體標(biāo)簽及圖像的管理工作；基于大規(guī)模圖像數(shù)據(jù)集的訓(xùn)練，它可以不斷提升性能，輕松識(shí)別物體、人臉、文字和場(chǎng)景等的復(fù)雜視覺特征，從而檢測(cè)同一圖像中的多個(gè)物體，并在圖像中標(biāo)識(shí)它們的位置。如“Google Lens”這一圖像識(shí)別應(yīng)用程序，在2017年就已經(jīng)能輕松識(shí)別超過10億件包括藝術(shù)品、建筑、植物和動(dòng)物等在內(nèi)的事物圖像，并為之標(biāo)注類型信息。另外，在“谷歌藝術(shù)與文化”的同名應(yīng)用程序提供的多項(xiàng)互動(dòng)性場(chǎng)景應(yīng)用（見下頁圖2）中，參與者可以通過點(diǎn)擊項(xiàng)目的任意標(biāo)簽，迅速獲取相關(guān)主題作品來觀賞。圖2蘋果應(yīng)用商店的“谷歌藝術(shù)與文化”應(yīng)用程序中豐富的應(yīng)用項(xiàng)目（截屏）在當(dāng)代，人工智能在圖形處理單元（GPUs）的硬件進(jìn)步推動(dòng)下，基于充分訓(xùn)練的積累，在圖像識(shí)別領(lǐng)域擁有了以往難以置信的準(zhǔn)確性。例如2017年，在被稱為“圖像處理算法試金石”的可視化數(shù)據(jù)庫(kù)“ImageNet”組織的一場(chǎng)挑戰(zhàn)賽中，38支參賽隊(duì)伍中有29支的識(shí)別準(zhǔn)確率超過95%?！癐mageNet：A Pioneering Vision for Computers，”History of Data Science，August，27，2021，accessed November 13，2023，https：//www.historyofdatascience.com/imagenet-a-pioneering-vision-for-com

puters.而統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、模式識(shí)別、分類分析、關(guān)聯(lián)分析、集群分析等多種挖掘技術(shù)及方法的并用，更使機(jī)器模型展現(xiàn)出強(qiáng)大的能力，將數(shù)字人文方法推上了藝術(shù)史研究舞臺(tái)的重要位置，也將藝術(shù)史研究送進(jìn)了“數(shù)字藝術(shù)史”階段。三、基于人工智能技術(shù)運(yùn)用的

“數(shù)字藝術(shù)史”“社會(huì)科學(xué)是被‘樣本＝總體撼動(dòng)得最厲害的學(xué)科”［英］維克托·邁爾-舍恩伯格、肯尼思·庫(kù)克耶：《大數(shù)據(jù)時(shí)代》，盛楊燕、周濤譯，浙江人民出版社2013年版，第41頁。。在當(dāng)代，藝術(shù)史研究開始運(yùn)用可視化、網(wǎng)絡(luò)分析、主題建模、模擬、模式識(shí)別、不同地理位置的材料聚合等新的技術(shù)手段，并以大數(shù)據(jù)代替樣本分析，由此不再依賴于分析經(jīng)驗(yàn)數(shù)據(jù)，并開始呈現(xiàn)帶有新的計(jì)算方法及分析技術(shù)特點(diǎn)的數(shù)字人文方法。美國(guó)藝術(shù)批評(píng)家克萊爾·畢夏普以“數(shù)字藝術(shù)史”概念來指稱以“由新技術(shù)激發(fā)的計(jì)算性方法論和分析技術(shù)在藝術(shù)史研究領(lǐng)域中的運(yùn)用”［美］克萊爾·畢夏普：《方法與途徑——“數(shù)字藝術(shù)史”批判》，馮白帆譯，《美術(shù)》2018年第7期。為特點(diǎn)的藝術(shù)史研究新階段。區(qū)別于對(duì)數(shù)字藝術(shù)的歷史研究，這個(gè)新階段被稱為“藝術(shù)史上的數(shù)字大轉(zhuǎn)彎”Anna Nslund Dahlgren and Amanda Wasielewski，“The Digital U-Turn in Art History，”Konsthistorisk tidskrift/Journal of Art History 90，Issue 4（2021）：249-266.?！八囆g(shù)史學(xué)家和計(jì)算機(jī)似乎是古怪的伴侶。藝術(shù)史學(xué)家開始關(guān)注慢慢顯露出來的定性歧視……以訓(xùn)練有素的頭腦和敏感的眼睛進(jìn)行調(diào)查。計(jì)算機(jī)……以不變的速度和令人難以置信的速度處理定量計(jì)算。它單調(diào)、僵化、不假思索的效率讓任何有自尊心的藝術(shù)史學(xué)家都感到不寒而栗。”Jules David Prown，“The Art Historian and the Computer：An Analysis of Copleys Patronage，1753-1774，”in Art as Evidence：Writings on Art and Material Culture（New Haven，CT：Yale University Press，2001），p.36.然而，正如波士頓伊莎貝拉·斯圖爾特·加德納博物館（Isabella Stewart Gardner Museum）的助理策展人戴安娜·西芙·格林沃爾德（Diana Seave Greenwald）所言，被保存下來的藝術(shù)品是有限的，所以當(dāng)代所研究的是一批被局限的、可能有偏見的經(jīng)典作品，不一定代表特定時(shí)期或特定地理區(qū)域內(nèi)的全部創(chuàng)作。通過對(duì)流傳下來的創(chuàng)作建立大型數(shù)據(jù)集并進(jìn)行分析，可以窺見藝術(shù)界的各種趨勢(shì)以及藝術(shù)與更廣泛的社會(huì)經(jīng)濟(jì)變化之間的關(guān)系。Diana Seave Greenwald，“The Surprising Partnership of Art and Data，”Princeton University Press，F(xiàn)ebruary 18，2021，accessed November 14，2023，https：//press.princeton.edu/ideas/the-surprising-partnership-of-art-and-data.在進(jìn)入這個(gè)“數(shù)字藝術(shù)史”階段后，美國(guó)許多著名的大學(xué)不約而同開始了對(duì)藝術(shù)史研究方法、維度及領(lǐng)域的計(jì)算化創(chuàng)新。比如，斯坦福大學(xué)數(shù)字藝術(shù)史實(shí)驗(yàn)室（Stanford University Digital Art History Lab）既進(jìn)行對(duì)藝術(shù)品圖像的計(jì)算機(jī)視覺分析，也進(jìn)行對(duì)藝術(shù)家的網(wǎng)絡(luò)社交活動(dòng)以及藝術(shù)市場(chǎng)和觀眾反饋的大數(shù)據(jù)分析。又如，哈佛大學(xué)數(shù)字人文中心（Harvard University Digital Humanities Center）將數(shù)字技術(shù)應(yīng)用于人文學(xué)科研究和教學(xué)的整體過程，除對(duì)藝術(shù)品圖像展開計(jì)算機(jī)視覺分析之外，還對(duì)藝術(shù)家的創(chuàng)作過程、作品風(fēng)格、藝術(shù)市場(chǎng)開展了計(jì)算機(jī)模擬研究。相關(guān)研究基于藝術(shù)探索的手段和材料在數(shù)字藝術(shù)史階段的創(chuàng)新，可以在藝術(shù)的歷史、風(fēng)格、文化影響和創(chuàng)作趨勢(shì)等更多的維度上展開。借助人工智能技術(shù)的模型工具，藝術(shù)史家們樹立了追溯大范圍或大時(shí)間跨度內(nèi)的審美變化的雄心。比如，有藝術(shù)史家基于面部識(shí)別軟件展開了對(duì)13世紀(jì)到20世紀(jì)間的12萬張肖像畫的整體研究，利用大數(shù)據(jù)驗(yàn)證了“美的準(zhǔn)則”會(huì)隨著時(shí)間推移而改變的觀點(diǎn)，空前有力地得出了“美”在20世紀(jì)明顯減少的結(jié)論。Javier de la Rosa and Juan-Luis Suárez，“A Quantitative Approach to Beauty：Perceived Attractiveness of Human Faces in World Painting，”International Journal for Digital Art History，no.1（2015）：112-129.2015年，K.本德（K.Bender）的一篇論文為了揭示那些致力于描繪美神形象的藝術(shù)家一生中轉(zhuǎn)向這一主題的具體次數(shù)，展開了對(duì)阿芙羅狄蒂（維納斯）形象藝術(shù)作品的精細(xì)數(shù)據(jù)分析，通過對(duì)13世紀(jì)到20世紀(jì)間的1840件作品的分析，得出了平均會(huì)有2.8次的結(jié)論。K.Bender，“Distant Viewing in Art History.A Case Study of Artistic Productivity，”International Journal for Digital Art History，no.1（2015）：100-110.研究對(duì)象的規(guī)模如此之大，是此前的藝術(shù)史研究難以企及的。人工智能正在改變藝術(shù)史的研究走向，將此前可能根本無法想象或無法提出的目標(biāo)納入研究者的視域。在格林沃爾德看來，過去的藝術(shù)史或許陷入了一種抽樣偏見或者過度關(guān)注之中。由于藝術(shù)品遺失或損壞，或者無法出售，或者因展覽實(shí)踐的歧視性，只有少數(shù)藝術(shù)家創(chuàng)作的一小部分作品被保存并供當(dāng)代學(xué)者研究，而且研究者容易過度關(guān)注知名的或易接近的藝術(shù)家。她認(rèn)為，由數(shù)據(jù)驅(qū)動(dòng)的研究或許是解決上述問題的根本出路。Diana Seave Greenwald，Painting by Numbers：Data-Driven Histories of Nineteenth-Century Art（Princeton University Press，2021）.進(jìn)入人工智能時(shí)代后，藝術(shù)史研究者不僅能利用圖像處理和計(jì)算機(jī)視覺技術(shù)分析作品中的顏色、構(gòu)圖和圖案等元素，探討藝術(shù)家的風(fēng)格及技巧，還可以通過分析大量藝術(shù)評(píng)論或藝術(shù)品描述文本中的形容詞及名詞使用情況，來最大限度地把握對(duì)藝術(shù)品的真實(shí)評(píng)價(jià)，以更準(zhǔn)確地評(píng)估藝術(shù)品的質(zhì)量及價(jià)值，或者通過揭示相關(guān)文獻(xiàn)的關(guān)鍵詞、主題和趨勢(shì)，精準(zhǔn)分析和預(yù)測(cè)藝術(shù)史研究領(lǐng)域未來較長(zhǎng)時(shí)期內(nèi)的演變方向。然而，這一數(shù)字人文趨勢(shì)，是否會(huì)使藝術(shù)史研究和藝術(shù)評(píng)論更加依賴數(shù)字，使藝術(shù)批評(píng)文本因缺少感性和激情而失去其特殊的美感呢？這當(dāng)然值得進(jìn)一步觀察和探討。四、生成式人工智能

與生成式藝術(shù)在人工智能的技術(shù)價(jià)值中，深度學(xué)習(xí)能力既體現(xiàn)為一種消化、理解輸入信息或指令的內(nèi)在智能，也體現(xiàn)為智能外化輸出的特殊創(chuàng)造能力及其成果。生成式人工智能（生成式AI）及生成式藝術(shù)，是深度學(xué)習(xí)能力的重要體現(xiàn)之一。當(dāng)前，生成式AI依賴于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)這樣的先驅(qū)性技術(shù)，在圖像識(shí)別、自然語言處理（NLP）和翻譯等非傳統(tǒng)計(jì)算任務(wù)中對(duì)人類智能進(jìn)行模仿?；趯?duì)人類語言、編程語言、藝術(shù)、化學(xué)、生物學(xué)等豐富內(nèi)容的學(xué)習(xí)或復(fù)雜主題的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)可識(shí)別現(xiàn)有數(shù)據(jù)中的模式和結(jié)構(gòu)并生成新的原創(chuàng)性內(nèi)容。ChatGPT的問世則重塑了智能終端的使用體驗(yàn)，可以讓用戶充分發(fā)揮想象力，工作效率極大提高。通過借助算法生成新的想法、形式、顏色或圖案，生成式AI催生了全部或部分使用自動(dòng)創(chuàng)作系統(tǒng)的生成式藝術(shù)（generative art）。以毫秒為單位對(duì)數(shù)千個(gè)想法的視覺化，不僅極大地減少了藝術(shù)和設(shè)計(jì)工作在探索階段的投入，而且可以利用倍增性和速生性推出令人驚訝且復(fù)雜的藝術(shù)新成果。藝術(shù)家基于Processing編程語言或其橫向拓展的p5.js等軟件，可以輕松學(xué)習(xí)創(chuàng)建代碼，將創(chuàng)意轉(zhuǎn)換為計(jì)算機(jī)創(chuàng)作的程序設(shè)計(jì)，Processing最開始只是一門編程語言，后因發(fā)展勢(shì)頭好，橫向拓展了如p5.js及Processing的R模式等其他項(xiàng)目。其中p5.js作為JavaScript創(chuàng)意編程程序庫(kù)，專注于讓編程手段更易用且用途更廣泛，是藝術(shù)家、設(shè)計(jì)師、教育工作者、初學(xué)者等可以自由使用的工具。而且這一過程很大程度上是由計(jì)算機(jī)基于通過其內(nèi)部規(guī)則獲得的指導(dǎo)自行完成的。傳統(tǒng)的藝術(shù)家創(chuàng)作過程中存在太多枯燥的重復(fù)性技術(shù)勞作。減少此類枯燥工作的愿望，推動(dòng)了替代性機(jī)器智能的開發(fā)，引導(dǎo)了計(jì)算機(jī)智能輔助藝術(shù)創(chuàng)造的進(jìn)程。不過，如今的人工智能技術(shù)因?yàn)橐奄x予機(jī)器自主開展藝術(shù)想象的能力，所以超越了最初的工具性目標(biāo)，其作品也超越了早期通過“硬編碼”按系統(tǒng)的知識(shí)來源，算法創(chuàng)作可以分為三類：硬編碼的、輸入的和學(xué)習(xí)式的（比如語料學(xué)習(xí)）。在計(jì)算機(jī)輸入端進(jìn)行創(chuàng)作的計(jì)算機(jī)藝術(shù)或網(wǎng)絡(luò)藝術(shù)。當(dāng)代生成式藝術(shù)主要依靠藝術(shù)家輸入指令或者“投喂”大量語料，機(jī)器在生成過程中的自主度更高。哈羅德·科恩（Harold Cohen）被視為生成式藝術(shù)的開拓者和長(zhǎng)期實(shí)驗(yàn)者。他從1973年開始的長(zhǎng)達(dá)半個(gè)世紀(jì)的繪畫創(chuàng)作實(shí)踐，正是基于他開發(fā)的名為“艾倫”（AARON）的系統(tǒng)展開的。該系統(tǒng)將軟件人工智能與機(jī)器人繪畫設(shè)備相結(jié)合，在沒有照片或其他由人類輸入的參考資料的情況下，讓機(jī)器自動(dòng)創(chuàng)作水彩畫。在很長(zhǎng)一段時(shí)期中，人工智能技術(shù)進(jìn)展緩慢，所以“艾倫”的繪畫能力進(jìn)步也不明顯。計(jì)算機(jī)系統(tǒng)直到80年代才學(xué)會(huì)將物體或人物放置在三維空間中，而且只能創(chuàng)作單色繪畫，所以大部分彩色創(chuàng)作需要由藝術(shù)家協(xié)助添加色彩才能完成（見下頁圖3）。1995年，新版本的“艾倫”系統(tǒng)在把程序語言從C語言更新為人工智能通用語言LISP后，才創(chuàng)作出了自己的第一幅彩色繪畫（見下頁圖4）。Chris Garcia，“Harold Cohen and AARON—A 40-Year Collaboration，”C- CHM（computerhistory.org），August 23，2016，accessed November 20，2023，https：//computerhistory.org/blog/harold-cohen-and-aaron-a-40-year-collaboration/.圖3哈羅德·科恩在美國(guó)馬薩諸塞州波士頓的計(jì)算機(jī)博物館為“艾倫”繪制的《海龜》（Turtle）著色，1982年，美國(guó)計(jì)算機(jī)歷史博物館收藏（編號(hào)：102627459）

圖4“艾倫”在美國(guó)馬薩諸塞州波士頓計(jì)算機(jī)博物館創(chuàng)作的第一幅彩色圖像，1995年，美國(guó)計(jì)算機(jī)歷史博物館收藏（編號(hào)：102741168）在科恩看來，生成式藝術(shù)似乎還很難挑戰(zhàn)藝術(shù)家的地位。他在1988年的一次訪談中特別強(qiáng)調(diào)了藝術(shù)家的主體地位：“也許‘艾倫更適合被描述為一個(gè)專家的系統(tǒng)，而不是一個(gè)專家系統(tǒng)：不僅僅是因?yàn)槲壹仁谴讼到y(tǒng)的知識(shí)工程師，又是常駐專家，還因?yàn)樵摮绦蚴菙U(kuò)展我自己專業(yè)知識(shí)的研究工具，而不是封裝知識(shí)供他人使用。”參見Harold Cohen，“How to Draw Three People in a Botanical Garden，”Proceedings of the Seventh AAAI National Conference on Artificial Intelligence，August 21，1988，accessed November 7，2016，https：//dl.acm.org/doi/10.5555/2887965.2888115.在過去的30多年里，藝術(shù)家與生成式藝術(shù)系統(tǒng)的合作總體上也確實(shí)處于這樣的一個(gè)階段。然而，當(dāng)前深度學(xué)習(xí)模型的藝術(shù)創(chuàng)作呈現(xiàn)的超越性，或許已經(jīng)超出了許多藝術(shù)家的想象——既可以快速生成全新的“藝術(shù)”，也可以模擬特定藝術(shù)流派的風(fēng)格或特定藝術(shù)家。例如，2024年1月，中央美術(shù)學(xué)院美術(shù)館宣布啟動(dòng)“人工智能實(shí)驗(yàn)室”，發(fā)布了人工智能藝術(shù)創(chuàng)作大模型及“Katacata Ai”繪畫平臺(tái)，致力于中國(guó)美術(shù)風(fēng)格的傳承與創(chuàng)新。該平臺(tái)被認(rèn)為可以充分發(fā)揮其將文字轉(zhuǎn)化為圖片或視頻的功能（支持從文本到圖片、手繪草圖到效果圖，以及視頻優(yōu)化與合成等各種“轉(zhuǎn)化”），成為從“創(chuàng)”到“思”全能的多面手角色?！丁爸袊?guó)版midjourney”來了？全中文Ai視覺制作工具Katacata Ai亮相》，“投資界”網(wǎng)站，2024年1月17日，https：//news.pedaily.cn/20240117/78639.shtml，訪問日期：2024年2月28日。如今，生成式藝術(shù)在形式豐富程度或創(chuàng)新程度上已經(jīng)不亞于許多藝術(shù)家的作品。這便提出了一個(gè)問題：作為創(chuàng)作主體的機(jī)器或應(yīng)用程序，是否可以作為著作權(quán)人而被（至少在名義上）授予著作權(quán)？此前的計(jì)算機(jī)藝術(shù)或網(wǎng)絡(luò)藝術(shù)，是藝術(shù)家的藝術(shù)表達(dá)及形象創(chuàng)造在計(jì)算機(jī)或網(wǎng)絡(luò)虛擬空間內(nèi)的實(shí)現(xiàn)或移植，藝術(shù)家顯然對(duì)其享有著作權(quán)；而就基于機(jī)器算法創(chuàng)作（computational creativity）的、由機(jī)器智能自主生產(chǎn)的生成式藝術(shù)而言，作為授意者的藝術(shù)家變成了觀念發(fā)動(dòng)者、對(duì)作品作出選擇或處理者，是藝術(shù)結(jié)果的審核者、挑選者。面對(duì)機(jī)器創(chuàng)作與藝術(shù)家的復(fù)雜關(guān)聯(lián)，當(dāng)前國(guó)內(nèi)外的判例通常不確認(rèn)人工智能作品的著作權(quán)，以便緩解要馬上向藝術(shù)家或智能機(jī)器作出權(quán)屬劃定的壓力。對(duì)發(fā)起授意的藝術(shù)家，有專家建議借鑒德國(guó)著作權(quán)法為那些不屬于藝術(shù)性攝影的普通攝影作品提供保護(hù)的做法，確認(rèn)藝術(shù)家對(duì)其生成式藝術(shù)享有鄰接權(quán)。參見李菊丹：《“人工智能創(chuàng)作物”有沒有著作權(quán)》，《經(jīng)濟(jì)參考報(bào)》2018年4月4日第A8版。既然那些不屬于藝術(shù)性攝影作品的照片凝結(jié)了制作人的某種勞動(dòng)投入，其具體的再現(xiàn)權(quán)需要保護(hù)，那么人工智能作品也需要保護(hù)藝術(shù)家在參與過程中付出的勞動(dòng)及其回報(bào)要求。2019年，北京互聯(lián)網(wǎng)法院在一項(xiàng)判決中為AI生成式藝術(shù)的權(quán)屬爭(zhēng)議提出的平衡性意見即作如此認(rèn)定：AI創(chuàng)作不屬于作品范疇，所有者不具有著作權(quán)，但限于自動(dòng)生成內(nèi)容凝聚了研發(fā)者和使用者的投入，具有傳播價(jià)值，公眾也需要為其投入支付費(fèi)用才能自由使用。參見徐雋：《人工智能“創(chuàng)作”沒有著作權(quán)（以案說法）》，《人民日?qǐng)?bào)》2019年7月11日第19版。同是近年，美國(guó)人史蒂芬·泰勒（Stephen Thaler）向美國(guó)版權(quán)局提出申請(qǐng)，主張對(duì)由AI系統(tǒng)“創(chuàng)意機(jī)器”（Creativty Machine）自行生成的一件虛擬藝術(shù)作品《通往天堂的捷徑》（見圖5）予以登記并享有其著作權(quán)。結(jié)果，美國(guó)版權(quán)局以“著作權(quán)法僅適用于人類創(chuàng)作的作品”為由駁回。2023年8月18日，華盛頓特區(qū)地方法院對(duì)美國(guó)著作權(quán)局的結(jié)論給出了最終確認(rèn)。“Court Finds AI-Generated Work Not Copyrightable for Failure to Meet ‘Human AuthorshipRequirement—But Questions Remain，”JONESDAY，August，2023，accessed January 2，2024，https：//www.jonesday.com/en/insights/2023/08/court-finds-aigenerated-work-not-copyrightable-for-failure-to-meet-human-authorship-requirementbut-questions-remain.

圖5《通往天堂的捷徑》（A Recent Entrance to Paradise），AI生成作品，人工智能系統(tǒng)“創(chuàng)意機(jī)器”（Creativity Machine）創(chuàng)作在“微軟小冰”于“天涯”“豆瓣”“簡(jiǎn)書”等平臺(tái)上以27個(gè)筆名發(fā)表詩歌創(chuàng)作，而無人察覺其人工智能生成性的當(dāng)下，算法創(chuàng)作的著作權(quán)爭(zhēng)議會(huì)廣泛存在于音樂、文學(xué)、表演等廣義藝術(shù)領(lǐng)域內(nèi)的各種創(chuàng)造性活動(dòng)當(dāng)中。由生成式AI助推的生成式藝術(shù)，以其對(duì)想象、創(chuàng)造、發(fā)明、發(fā)現(xiàn)、預(yù)測(cè)等創(chuàng)作智能參見［美］羅伯特·J.斯滕伯格：《劍橋創(chuàng)造力手冊(cè)》，施建農(nóng)等譯，東方出版中心2021年版。該書就創(chuàng)造性指出了最重要的三類智能：其一為包括分析、評(píng)論、判斷、比較、評(píng)估的分析智能（analytical intelligence）；其二為包括使用、實(shí)施的實(shí)用智能（practical intelligence）；其三為包括想象、創(chuàng)造、發(fā)明、發(fā)現(xiàn)、預(yù)測(cè)等的創(chuàng)作智能（synthetic/creative intelligence）。的運(yùn)用，既催生了一種新的藝術(shù)形態(tài)，也促成了一種新的藝術(shù)生產(chǎn)機(jī)制，并延伸出對(duì)藝術(shù)家的價(jià)值等多重話題的討論。因現(xiàn)行著作權(quán)法強(qiáng)調(diào)知識(shí)產(chǎn)權(quán)主體應(yīng)為自然人或法人，人工智能的成果似乎輕易落到了作為自然人的“藝術(shù)家”身上，但這同時(shí)也給藝術(shù)家的創(chuàng)造者地位帶來了挑戰(zhàn)。在強(qiáng)人工智能時(shí)代，生成式藝術(shù)恐已在最關(guān)鍵的兩個(gè)層面對(duì)藝術(shù)家展開了替代：其一，基于深度學(xué)習(xí)、大數(shù)據(jù)挖掘的機(jī)器智能正在超越人腦的創(chuàng)意能力；其二，機(jī)器智能指導(dǎo)下的機(jī)械臂在精準(zhǔn)實(shí)現(xiàn)創(chuàng)作意圖方面，正在超越藝術(shù)家曾引以為豪的手工技藝的精湛性。當(dāng)然，生成式AI在給藝術(shù)家?guī)韯?chuàng)作方面的“煩惱”的同時(shí)，也在為藝術(shù)受眾揭開具有豐富想象力的創(chuàng)新場(chǎng)景。五、融合人工智能技術(shù)的

藝術(shù)場(chǎng)景創(chuàng)新智能機(jī)器模型在增強(qiáng)可訪問性、提升參與度、提供新的研究方法和視角、推進(jìn)跨學(xué)科研究以及文化遺產(chǎn)保護(hù)等方面釋放出的革命性力量，正在加速藝術(shù)與生活的全面融合。其結(jié)合虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)，為觀眾提供實(shí)時(shí)互動(dòng)及不斷延續(xù)生成的沉浸式體驗(yàn)的水平一直在提升。比如，在名為“DeepArt.io”的人工智能創(chuàng)意程序中，大眾即時(shí)上傳的自選照片可以被輕松地改造為各種現(xiàn)代藝術(shù)風(fēng)格的圖像供下載。顯然，基于對(duì)現(xiàn)代藝術(shù)不同風(fēng)格特征的識(shí)記和提取，人工智能在大眾生活維度開展的傳播創(chuàng)新，已在更廣的范圍內(nèi)提供了某種程度上超越博物館水準(zhǔn)的互動(dòng)和參與體驗(yàn)。具體到各類場(chǎng)景來看，首先，機(jī)器對(duì)藝術(shù)大數(shù)據(jù)的深度學(xué)習(xí)，可以讓大眾在移動(dòng)端輕而易舉地獲得精細(xì)的藝術(shù)品鑒定結(jié)果、鑒賞信息及市場(chǎng)走勢(shì)分析報(bào)告。人工智能在分析藝術(shù)圖像時(shí)是不受情緒干擾的，因而具備了一種快速、全面、精準(zhǔn)檢索和分析藝術(shù)作品的“專家”素養(yǎng)：依托精細(xì)檢測(cè)能力，可辨識(shí)真?zhèn)?、評(píng)估價(jià)值；依托區(qū)塊鏈技術(shù)，可對(duì)藝術(shù)品風(fēng)格、特征進(jìn)行識(shí)別，并對(duì)可能的作者展開有力查證；通過數(shù)據(jù)挖掘和分析，可識(shí)別藝術(shù)市場(chǎng)的關(guān)鍵因素，展開對(duì)藝術(shù)市場(chǎng)趨勢(shì)及動(dòng)態(tài)、價(jià)格波動(dòng)及走向，以及特定藝術(shù)品的流通可能性的分析?；谏鲜瞿芰?，人工智能模型能夠被藝術(shù)拍賣行、畫廊和投資者廣泛應(yīng)用，為其提供“科學(xué)”的分析和決策參考。其次，藝術(shù)大數(shù)據(jù)的挖掘通過對(duì)新素材和新工具的運(yùn)用，推進(jìn)了藝術(shù)機(jī)構(gòu)或教育機(jī)構(gòu)的在線藝術(shù)教育活動(dòng)及其課程的開發(fā)。模擬藝術(shù)作品的呈現(xiàn)及觀眾體驗(yàn)、創(chuàng)建虛擬實(shí)驗(yàn)室或者創(chuàng)新可視化工具、構(gòu)建特殊專題的藝術(shù)博物館等，是數(shù)字人文方法在當(dāng)前大眾藝術(shù)生活中最為重要的運(yùn)用形式。數(shù)字影像以其互動(dòng)特色及參與性上的優(yōu)勢(shì)打造的學(xué)習(xí)體驗(yàn)場(chǎng)景，可以將藝術(shù)史等通常被認(rèn)為相對(duì)“枯燥”的內(nèi)容面向更大范圍的公眾進(jìn)行更加生動(dòng)的傳播。例如，一款名為“Smartify”的應(yīng)用程序能作為“數(shù)字講解員”提供一對(duì)一的“藝術(shù)畫廊之旅導(dǎo)游”服務(wù)。Kenya Foy，“Instantly Identify Art with This Shazaam-Like App，”O(jiān)ct 15，2017，accessed January 3，2024，https：//www.apartmenttherapy.com/instantly-identify-art-with-this-shazaam-like-app-251343.基于龐大的藝術(shù)數(shù)據(jù)庫(kù)及豐富的在線藝術(shù)教育資源，藝術(shù)教育機(jī)構(gòu)可以更有針對(duì)性地策劃數(shù)字藝術(shù)展覽，這不僅可為藝術(shù)教育領(lǐng)域的研究人員及一線工作者深入進(jìn)行科研和實(shí)踐提供幫助，更可幫助公眾直觀、形象地理解藝術(shù)佳作。再次，更富個(gè)性化的藝術(shù)體驗(yàn)，推動(dòng)了更具創(chuàng)新性的藝術(shù)市場(chǎng)服務(wù)，以及縱向的文化傳承保護(hù)與橫向的文化交流溝通。人工智能已經(jīng)發(fā)展出了快速、精準(zhǔn)地分析社交媒體數(shù)據(jù)的能力，而對(duì)受眾興趣的調(diào)查和反饋，正是藝術(shù)市場(chǎng)制定精準(zhǔn)營(yíng)銷策略的重要基礎(chǔ)。通過對(duì)藝術(shù)與文化、社會(huì)和政治因素之間關(guān)聯(lián)的及時(shí)分析，藝術(shù)市場(chǎng)服務(wù)的精準(zhǔn)度可以迅速提升。比如，對(duì)藝術(shù)家、評(píng)論家和收藏家之間聯(lián)系和互動(dòng)的社會(huì)網(wǎng)絡(luò)分析，有助于分析文化和社會(huì)因素對(duì)藝術(shù)市場(chǎng)及藝術(shù)實(shí)踐的影響；虛擬藝術(shù)展覽和在線銷售平臺(tái)的創(chuàng)建，可以大幅度拓展藝術(shù)觀眾群體及其市場(chǎng)規(guī)模；互動(dòng)性更強(qiáng)的參與性藝術(shù)項(xiàng)目的供應(yīng)，可以使觀眾與藝術(shù)家更容易積極互動(dòng)甚至攜手創(chuàng)作；大數(shù)據(jù)分析則使藝術(shù)機(jī)構(gòu)和在線平臺(tái)更好地掌握用戶的興趣和喜好。再如，根據(jù)消費(fèi)者需求推薦的藝術(shù)品、展覽和活動(dòng)更容易被發(fā)現(xiàn)和購(gòu)買；更有沉浸感的數(shù)字化藝術(shù)呈現(xiàn)場(chǎng)景會(huì)提供更具吸引力的藝術(shù)體驗(yàn)；更有針對(duì)性地運(yùn)用社交媒體和數(shù)字營(yíng)銷工具可以更大范圍地推廣藝術(shù)家、展覽和活動(dòng)；全球的藝術(shù)圖像、文獻(xiàn)及相關(guān)知識(shí)借助藝術(shù)大數(shù)據(jù)挖掘，更有益于推進(jìn)藝術(shù)機(jī)構(gòu)、研究人員和愛好者間自由而充分的分享與交流。深度學(xué)習(xí)和超級(jí)算力，正讓數(shù)字人文方法在當(dāng)代藝術(shù)世界找到越來越龐大的創(chuàng)造空間。新的視聽技術(shù)創(chuàng)造出了新的展示和觀賞方式，積極拓展著藝術(shù)的邊界。生成式藝術(shù)的“秒實(shí)現(xiàn)”，為藝術(shù)展演、藝術(shù)管理實(shí)務(wù)、藝術(shù)圖像的價(jià)值創(chuàng)造帶來了無限可能性。然而，當(dāng)人工智能彰顯為一種普及性的大眾應(yīng)用之后，由數(shù)字人文所掀起的方法革命恐怕也要不可避免地被“神化”——此時(shí)，對(duì)機(jī)器智能的迷信就到了需要被打破的時(shí)候。六、問題與反思人工智能正在日益廣泛地應(yīng)用于藝術(shù)創(chuàng)作及相關(guān)場(chǎng)景，同時(shí)也正在更廣的場(chǎng)域內(nèi)持續(xù)不斷地生成“問題”。基于人工智能，缺少相關(guān)技能訓(xùn)練的普通人也可以輕易地進(jìn)行藝術(shù)創(chuàng)作了，這種情形似乎已無限接近“人人都是藝術(shù)家”的愿景。然而，人工智能作為新知識(shí)，是否會(huì)很快形成新的壟斷呢？人工智能成果是否會(huì)輕易被部分人優(yōu)先占據(jù)？技術(shù)條件差異及信息鴻溝問題、社會(huì)的分配公平性問題是否會(huì)更加嚴(yán)重？還有，人工智能是否真如人們預(yù)想的那樣可靠？對(duì)這些問題，目前顯然還難以作出十分確定的回答。當(dāng)今，人工智能應(yīng)用程序可以處理的海量信息固然還在呈幾何級(jí)數(shù)式遞增，但其信息來源的時(shí)效性，以及這些素材作為現(xiàn)實(shí)之一維或幾維的片面性，仍使其在被用作決策和判斷的參考或依據(jù)時(shí)，可靠性存在疑問。2021年，斯坦福大學(xué)的統(tǒng)計(jì)學(xué)家大衛(wèi)·斯托克（David G.Stork）指出，作為彩色繪畫和素描的藝術(shù)圖像的特殊性和復(fù)雜性也可能導(dǎo)致其人工智能判斷的失效。他認(rèn)為，作為表達(dá)藝術(shù)家特殊意圖或意義的藝術(shù)畫面既可以高度風(fēng)格化，也可以描繪不存在的場(chǎng)景、物體，或者畫面中根本沒有物體，又或畫面可能違反透視原則，而且其作品數(shù)量也遠(yuǎn)遠(yuǎn)少于用于訓(xùn)練傳統(tǒng)圖像分析算法的照片。基于藝術(shù)圖像的上述特殊性，他提出，人工智能面對(duì)藝術(shù)圖像的計(jì)算分析結(jié)果可能需要修正，甚至需要全新的技術(shù)方法。David G.Stork，“Statistical Analysis in the Study of Fine Art Paintings and Drawings，”Department of Statistics（stanford.edu），September 21，2021，accessed December 5，2023，https：//statistics.stanford.edu/events/statistics-seminar/statistical-analysis-study-fine-art-paintings-and-drawings.隨著人工智能技術(shù)的不斷進(jìn)步、數(shù)字人文方法更豐富的創(chuàng)新性應(yīng)用，藝術(shù)創(chuàng)作與藝術(shù)市場(chǎng)繁榮興盛，文化和創(chuàng)意產(chǎn)業(yè)平衡發(fā)展，極大提升了當(dāng)代人的藝術(shù)體驗(yàn)和生活品質(zhì)。然而，狂熱或激進(jìn)地?fù)肀录夹g(shù)，也很容易導(dǎo)致沉溺于這些技術(shù)。尼爾·波斯曼在20世紀(jì)90年代提出，技術(shù)壟斷會(huì)導(dǎo)致文化的表面化，而人們要避免陷入在技術(shù)標(biāo)準(zhǔn)中為自我行動(dòng)尋找依據(jù)的狀態(tài)。他還認(rèn)為，“如果意識(shí)到技術(shù)壟斷的危險(xiǎn)并奮起抵抗，那就有理由（對(duì)未來抱有）希望”①。人工智能技術(shù)的應(yīng)用大行其道，意味著人類受制于技術(shù)的風(fēng)險(xiǎn)與日俱增。面對(duì)處在“十字路口”的人文藝術(shù)財(cái)富，數(shù)字人文方法在重視“數(shù)字”時(shí)，決不能遺忘“人文”。消除對(duì)超強(qiáng)人工智能②控制人類的擔(dān)憂及普遍焦慮，不能依靠降低技術(shù)發(fā)展熱度和對(duì)技術(shù)的依賴度；破除對(duì)“技術(shù)壟斷文化”趨勢(shì)的迷信，要通過重塑人對(duì)自身的信心、繼承人文關(guān)懷傳統(tǒng)去實(shí)現(xiàn)。本文系重慶市教委人文社科研究一般項(xiàng)目“中華文化復(fù)興與傳統(tǒng)手工藝跨媒介文本創(chuàng)新研究”（編號(hào)：20SKGH159）的階段性成果。

①［美］尼爾·波斯曼：《技術(shù)壟斷：文化向技術(shù)投降》，何道寬譯，中信出版集團(tuán)2019年版，第205頁。②參見［英］尼克·波斯特洛姆：《超級(jí)智能：路線圖、危險(xiǎn)性與應(yīng)對(duì)策略》，張?bào)w偉、張玉青譯，中信出版社2015年版。該書將超強(qiáng)人工智能定義為在科學(xué)創(chuàng)造力、智慧和社交能力等每一方面都比最強(qiáng)的人類大腦聰明很多的機(jī)器智能。

作者簡(jiǎn)介：鄭川，四川美術(shù)學(xué)院藝術(shù)人文學(xué)院副教授、主任編輯

The Revolutionary Application of Digital Humanistic Methods in the AI Era：

The Era Problems and Challenges of Art Generation and Communication

Zheng Chuan

Abstract：Digital humanities methods have long been subtly applied in the field of art and humanities.In the era of AI，with artificial intelligence in art value evaluation，art education innovation，cultural heritage and communication，and even art production in a wide range of abundant energy，“digital art” in the innovation of the research field，digital humanities method began to use its revolutionary present as a highly anticipated and prominent discipline.Based on deep learning，machine intelligence models continuously innovate contemporary scenes of art generation and art communication through efficient，accurate，and fast art big data mining.However，while actively embracing new technologies in artificial intelligence，digital humanities need to reconstruct the balance between “humanity” and “digital” in the traditional persistence of humanistic care.

Keywords：artificial intelligence；digital humanities；art big data；deep learning；generative art