1. 项目概述当艺术史的透镜对准生成式AI我们正处在一个奇特的时刻每天我们与ChatGPT对话向Midjourney描述脑海中的画面或者用Stable Diffusion生成一张从未存在过的照片。这些生成式人工智能Generative AI的产出常常让我们感到一种熟悉的“审美眩晕”——它像诗但缺乏诗人的体温它像画但找不到画家的笔触。我们本能地开始评判这段文字有“深度”吗这幅图像有“灵魂”吗这种追问“意义”和“本质”的冲动并非偶然。它深植于我们几个世纪以来观看、理解和评判艺术的方式之中。艺术史这门研究人类创造性表达如何被观看、分类和赋予价值的学科为我们提供了一套精密的认知工具。如今我们正不自觉地用这套工具来审视AI试图在一个由算法驱动的“创造性”面前找到自己的位置。这不仅仅是技术问题更是一个深刻的认知与哲学问题。当我们称赞一幅AI生成的画作“有莫奈的风格”或批评一段AI文字“缺乏真情实感”时我们究竟在评判什么是算法的优劣还是我们自身审美框架的投射本文旨在进行一次思想实验暂时放下对模型参数、训练数据和算力规模的讨论转而借用艺术史的视角审视我们与生成式AI互动时那种根深蒂固的“审美判断”倾向。我们将看到这种倾向如何塑造了我们对AI的恐惧、期待与误解又如何可能让我们忽视技术本身更紧迫的伦理与社会现实。理解这一点或许能帮助我们在“AI狂潮”中保持一份清醒更公允地看待这项既非纯粹艺术、也非冰冷工具的新生事物。2. 核心思路拆解审美判断作为认知滤镜2.1 审美判断的“自动化”与“宏大叙事”陷阱人类在面对任何具有“表象”且需要解读的对象时——无论是文艺复兴的油画、一首现代诗还是ChatGPT生成的一段对话——都会不自觉地启动一套“审美判断”机制。这套机制的核心功能是赋予对象以连贯的意义和叙事。艺术史学者唐纳德·普雷齐奥西Donald Preziosi曾指出现代博物馆学将艺术品置于一种“既在历史之中又在历史之外”的悬置状态让观者既能回顾过去汲取的养分又能展望其未来的潜能。这种观看方式被我们完美地移植到了对生成式AI的审视上。当我们与ChatGPT互动时我们常常感到自己站在一个特殊的时间点上一边是模型训练所依赖的、无法追溯的庞杂历史数据一个“不确定的过去”另一边是AI被部署应用后可能指向的、充满想象的未来。而“当下”的我们则肩负着为这项技术“寻找意义”和“确定终极目标”的责任。这种心态催生了对“宏大叙事”The Big Picture的迫切寻求。我们总想追问AI到底意味着什么它会把我们带向何方这种追问与我们在美术馆凝视《蒙娜丽莎》时试图解读其微笑背后“人性奥秘”的冲动如出一辙。我们将AI的输出“审美化”了将其视为一个需要被解读的“文本”或“意象”而非一个由统计概率驱动的复杂函数输出。注意这种“审美化”倾向的危险在于它可能让我们过度关注AI输出的“象征意义”和“未来潜能”而忽视其作为技术系统在当下产生的具体、现实的影响如算法偏见、数据隐私、能源消耗和劳动力替代等问题。我们热衷于讨论“奇点”Singularity何时到来却可能对当前AI招聘系统中存在的性别歧视视而不见。2.2 “水晶宫”隐喻普世化与差异的抹除1851年伦敦世博会的“水晶宫”以其透明的玻璃和钢铁结构象征着现代性的一个核心理想创造一个无限扩展、尺度模糊、匿名且透明的空间让全世界各民族的“产品”在此并置、比较并在此过程中建立起一套认知的、审美的乃至伦理的等级秩序。艺术史批判指出这种模式基于抽象和隐含的普世性导致了对不同文化、种族、性别间差异的“抹除”erasure用一种统一的可见性“去他者化”de-others Others。当前大型生成式AI的开发逻辑与“水晶宫”的愿景惊人地相似。其核心追求是规模Scale、效率Efficiency和泛化Generalization。为了达到“通用人工智能”AGI的宏伟目标研究者们致力于构建能够处理“全世界一切”的庞大数据集和基准测试。这种追求在批判者看来是“以效率牺牲关怀以普世性牺牲情境性以中立性牺牲立场性”。这种技术路径的直接文化后果已经在AI的输出中显现。例如有研究发现当要求DALL-E 2生成“微笑的 Native Americans美洲原住民”图像时模型倾向于输出一种统一的、咧嘴大笑的表情。这种“微笑”是美国主流文化中表达友好和快乐的符号但它被不加区分地强加于一个拥有复杂、多元情感表达文化的群体形象上。同样ChatGPT在生成人物传记时可能会“美化”事实例如将社区学院的经历替换为更知名的大学以符合数据集中更“典型”、更“成功”的人生叙事模板。这本质上是一种算法驱动的文化同质化它用数据集中最主流的模式覆盖了世界应有的丰富性与差异性。实操心得作为开发或应用者我们必须警惕这种“普世化”陷阱。在策划训练数据时应有意识地纳入边缘化、小众化的声音和表达并建立机制来识别和纠正模型输出中的文化刻板印象。这不仅仅是伦理要求更是提升模型在多样化现实世界中实用性的关键。2.3 艺术 vs. 产品本体论的混淆与恐惧古希腊哲学家亚里士多德曾区分“自然物”包含自身存在的原则和起源与“人造物”。但在工业革命前“人造物”内部并未进一步区分。工业革命和劳动分工催生了一个关键分野艺术品与产品。艺术品Work of Art被认为与其起源保持永久的亲近性具有如自然物般的“完整性”或“自在性”。它关联着原创性、真实性这些属性在传统上排斥可复制性。一幅梵高的《星空》之所以是艺术部分原因在于其不可复制的笔触与情感。产品Product其形式原则仅仅是产生它的外部范式如设计图纸、模具因此可复制性是其本质属性。一个流水线上生产的杯子是产品。生成式AI的产出尴尬地卡在了这个分野之间。一方面像DALL-E 2生成的每一幅图像都是独一无二的在像素层面它似乎抵抗着工业产品的完全可复制性。另一方面它又显然缺乏传统艺术品那种与人类创作者意图紧密相连的“真实性”和“起源”。它更像是一种“现成品”Ready-made的数字版本——就像杜尚的小便池《泉》一个原本是工业产品的物件被置入美术馆的语境后被赋予了艺术品的地位。这种本体论的模糊性正是我们面对AI时深层不安的来源。我们恐惧的是AI可能突破“艺术品”的固有限制获得“产品”的实用影响力。柏拉图曾恐惧诗人会“道德腐蚀”公民因为在他那个时代诗歌艺术被认为具有直接作用于灵魂的力量。现代社会中艺术已被“驯化”被圈定在审美享受的领域。但生成式AI不同它的输出可以直接用于撰写新闻、生成法律文件、进行心理咨询——它随时可能离开审美领域进入实践领域。这种“随时可能越界”的不确定性让我们感到“恐怖”。我们急于在它与我们互动的“当下”做出审判它到底算不算“智能”有没有“意识”这种审判的紧迫感与艺术评论家站在一幅画前断定其价值的瞬间何其相似。3. 审美判断主导下的认知陷阱当我们放任审美判断主导对AI的认知时会不自觉地陷入几个历史悠久的思想陷阱。3.1 “机器中的幽灵”通过“缺席”来定义本质在艺术批评中最高明的手法往往是指出作品“缺少”某种难以言喻的本质。正如哲学家阿甘本Agamben所言“当我们否认一件作品是艺术时我们的意思是它拥有艺术作品的所有物质元素唯独缺少某种其生命所依赖的、本质性的东西。” 我们通过指出“它不是什么”来定义“它应该是什么”。对AI的批判也遵循同样的逻辑。无论是侯世达Douglas Hofstadter批评ChatGPT的回应缺乏“真正的理解”还是我们抱怨AI绘画没有“灵魂”我们都在指向一种无法被明确定义的“缺席”。智能就像“美”一样成了一个“否定性神学”的范畴——我们通过列举计算机“还不能做什么”来定义它。这导致了“无真苏格兰人”No-true-Scotsman或“填补上帝空白”God-of-the-gaps的谬误一旦某项任务被AI完成如下棋、翻译我们便立刻将其排除出“真正智能”的清单。侯世达自己早在1979年就指出“一旦某个心智功能被程序化人们很快就会不再认为它是‘真正思考’的基本要素……人工智能就是任何尚未完成的事情。”这种思维模式将我们置于一个永无止境的追逐游戏中并巩固了人类作为“评判者”的中心地位。只要价值的判定权掌握在审美判断手中作为“观众”或“批评家”的我们就依然是那个不可或缺的、能够“理解”和“定义”本质的权威。3.2 “天才”与“算法”对协作与过程的忽视艺术史在塑造“品味”Taste概念的同时也神化了“孤独天才”Lone Genius的神话。艺术家被想象成一个与世俗对抗、被艺术吞噬的个体其创作过程被笼罩在神秘的光环中。这种叙事刻意忽视了艺术创作中固有的协作性、算法性和自动化成分。从文艺复兴时期的工作室学徒负责打底、绘制背景到现代作家使用提纲软件、画家参考照片创作从来不是完全从虚无中迸发。许多艺术家和作家寻找方法将创作过程“算法化”和“自动化”本就是创作的内在部分。马克·吐温就曾一直试图为自己的写作寻找一套“系统”来自动化。当我们面对AI时却坚持用“天才vs.算法”的二元对立来思考。我们认为人类的创造是神秘、不可解释、不可复制的“魔法”而算法的产出是机械、可解释、可复制的“过程”。这种对立是虚假的。人类的许多创造性行为本身就是一种对既有模式的重组、迭代和优化与生成式AI的运作方式从人类创造的数据中学习模式并重组并无本质不同。我们对于“解释”的要求某种程度上是试图在人类和机器之间划清界限人类可以被问责但无需完全解释其行为根源“我就是这么做了我不知道为什么”而如果AI不能解释其输出我们便认为它不可信。这种双重标准源于我们将审美领域的“神秘性”特权化。3.3 因果推断的困境隐喻与转喻的无限游戏当我们以审美模式解读AI时我们允许自己同时进行隐喻式和转喻式的阅读。隐喻将AI的输出视为某种普遍人类本质或时代精神的象征例如将AI的“胡言乱语”视为现代人精神空虚的隐喻。转喻将AI的输出视为其训练数据、算法架构或社会背景的直接结果或症状例如将AI的偏见视为社会偏见的镜像。艺术史的前提假设是“形式的变化或缺乏变化被认为对应并反映或体现了信仰、态度、心态、意图的变化或缺乏变化或社会、政治、文化条件的变化或不变”。这意味着审美对象可以被解读为任何可能促成其外观的事物的“症状”。AI的输出既可以解读为资本主义技术乐观主义的象征隐喻也可以解读为特定有偏数据集的必然产物转喻。这就导致了一个因果推断的悖论我们依赖一种看似科学的因果关系分析但它拒绝任何固定的因果解释。任何具体的因果主张例如“这个输出反映了西方中心主义的价值观”都可以被另一个同样合理的解释所挑战“这不过是人类语言普遍模式的体现”。我们陷入了能指AI输出的无限游戏而所指其真实原因却永远滑脱。这种状态使得任何关于AI影响的确切结论都难以达成也让公共讨论容易陷入各说各话的僵局。4. 超越审美判断迈向一种更务实的技术认知那么我们该如何调整视角避免这些审美判断带来的认知陷阱更有效地理解并与生成式AI共存4.1 从“它是什么”转向“它做了什么”与其纠结于AI是否具有“智能”、“意识”或“创造力”这些本质主义问题不如采用一种更功能主义、更务实的视角关注AI系统的具体行为、效果及其社会技术嵌入性。这被称为“机器行为学”Machine Behaviour的研究路径它将AI系统视为一种具有自身行为模式的“行动者”研究其与人类、其他系统及社会环境互动时产生的实际影响。例如与其争论一个大型语言模型是否“理解”语言不如研究它在何种语境下会产生有害或带有偏见的内容行为描述它的输出如何被不同用户解读和使用产生了何种社会后果影响评估它的接口设计和交互模式如何塑造了用户对它的认知和信任技术社会学这种转向要求我们放下对“内在本质”的执着转而分析外显的、可观察的、可干预的系统特性。这更像工程师或社会科学家的工作而非艺术评论家。4.2 拥抱“情境化”而非“普世化”对抗“水晶宫”式普世化倾向的解药是彻底拥抱情境化Contextualization。这意味着在开发、评估和部署AI时必须明确其边界、预设和适用场景。数据集层面放弃构建“一切事物”的幻想转而创建目标明确、背景清晰、数据来源和收集过程透明化的数据集。为数据集配备“数据手册”Datasheets详细说明其创建目的、组成、预处理步骤、已知偏差和使用注意事项。模型层面开发针对特定领域、特定任务优化的“小模型”而非一味追求“通才”。承认没有“一刀切”的解决方案一个在医疗诊断上表现优异的模型在创作诗歌时可能毫无用处。评估层面用多元的、情境化的基准测试取代单一的、抽象的“通用智能”测试。评估应在具体的应用场景中进行并充分考虑不同文化、群体和使用者的差异。这类似于艺术中的“工艺美术运动”Arts and Crafts Movement反对工业革命初期对规模化和标准化的盲目崇拜强调本地化、手工艺和与具体材料的亲密关系。4.3 重新构想“作者”、“责任”与“协作”生成式AI迫使我们必须重新思考“作者”Authorship和“创造性协作”的概念。当一幅AI生成的画作获奖或一篇AI辅助的论文发表荣誉和责任该如何归属分布式作者权我们可以将AI视为一个协作伙伴而非工具或替代者。创作过程变成了人类提供意图、框架和审美判断AI提供可能性、执行力和变异人类再在此基础上进行筛选、编辑和精炼的循环。最终的产物是“人机协作体”的共同作品。责任框架的更新法律和伦理框架需要适应这种新的创作模式。这可能需要发展新的概念如“提示工程师”Prompt Engineer的责任模型开发者在数据选择和算法设计上的责任以及平台在内容分发和过滤上的责任。责任不再是单点的而是贯穿整个技术生态链的。算法化作为创造性过程我们应该公开承认并庆祝创作中“算法化”的部分。制定写作模板、使用和弦进行库作曲、参考构图法则绘画——这些本身都是人类创造力的体现是智慧的结晶。AI只是将这种能力扩展和自动化了。将人类创作“去神秘化”承认其过程中的理性、重复和算法成分有助于我们更平和地看待AI的创作。4.4 将AI本身作为批判与反思的工具最后生成式AI最有趣的潜力之一或许是成为一面镜子或一种新型的批判与反思工具。正如艺术家曾用讽刺画如杜米埃、拼贴如哈特菲尔德来揭露社会弊病AI也可以被用来大规模地、合成性地剖析我们的文化。那些令人不适的、千篇一律的“AI微笑”图像本身就可以成为研究文化刻板印象的绝佳材料。我们可以训练AI分析数百年文学中性别角色的演变或生成音乐来暴露某个时代和声进行的单调性。AI可以成为一种“文化X光机”以我们人力难以企及的规模和速度揭示潜藏在海量人类创造物中的模式、偏见和空白。在这种情况下AI不再是艺术创作的替代者而是艺术史学家、文化评论家的新型研究工具。它帮助我们看清自身文化的轮廓包括那些我们不愿直视的部分。这要求我们转变角色从AI输出的“审美评判者”转变为利用AI进行文化批判的“策展人”和“分析师”。5. 结语在审美与实用之间寻找平衡以艺术史的视角审视生成式AI并非要否定审美体验的价值。人类从美的形式中寻求意义和共鸣这是一种深刻且宝贵的能力。问题在于当我们面对生成式AI这种模糊了艺术与产品、人类与机器、创造与计算边界的新事物时过度依赖旧的审美判断框架会让我们陷入本质主义的追问、普世化的陷阱和对“天才”的怀旧从而看不清技术的现实影响和真正潜力。我们需要的是一种双重视角一方面我们可以欣赏AI生成物带来的审美惊奇将其视为一种新的文化现象另一方面我们必须以清醒的、务实的态度去分析、设计和规制作为技术系统的AI。这意味着开发者需要像社会学家一样思考数据背后的文化政治像伦理学家一样考量系统的影响而用户和评论者则需要像技术批评家一样穿透“智能”或“艺术”的迷雾去追问谁从中受益谁可能受损它强化了哪些权力结构又为谁打开了新的可能性生成式AI不是艺术的终结也不是人类的僭越者。它是一面复杂的镜子既反射出我们技术能力的飞跃也照见了我们自身认知的局限与历史的幽灵。唯有当我们学会同时用艺术之眼和工程之手去把握它时才能真正驾驭这股力量让它服务于一个更丰富、更公正、更具创造性的未来——这个未来注定是由人类和机器共同书写的。