人工智能艺术：机器学习时代的新艺术形式 pdf下载

人工智能艺术作为一个新的研究领域，目前更多的是新媒体艺术家构建理论分析实践，机器学习作为人工智能生态系统的重要组成部分，从艺术角度分析机器学习系统是一个挑战。本书意在探讨人工智能艺术如何在错综复杂的环境中解决正面的美学和实践问题，如何处理艺术与科学、人与机器、身体与行为之间的问题，便于广大新媒体艺术研究者与从业者理解机器学习系统，夯实人工智能艺术研究基础。

作者以艺术创作者的身份，通过亲身实践和专业视角来关注AI技术的工具性，还将其置于艺术创作的核心，以此为技术与艺术的深度结合提供具体有力的案例分析。此外，跨学科的教育经历使他能够以独特的多维视角看待科技与艺术。他从技术结构层面剖析AI艺术的生成机制与操作逻辑，结合科技的逻辑维度与艺术文化的历史视角来理解AI艺术创作，为AI艺术研究提供了理论和实践的双重支撑。智能时代以来，人工智能技术的进步一直是艺术家们广泛关注和探索的焦点。事实上，一场利用人工智能作为灵感和媒介的艺术运动悄然显现。在本书中，作者以通俗易懂的语言整合了人工智能艺术组成部分的科学理论、概念和定义，具体讲述了人工智能系统的三个核心构成部分：训练过程、模型和数据，以此分为三个板块进一步帮助我们深入理解机器学习系统的定义与复杂的理论概念，并提供了一系列深入理解人工智能艺术的历史视角、实践指南和概念工具。

作者简介：
索非安？奥德里（Sofian Audry）教授，蒙特利尔魁北克大学（UQAM）媒体学院互动媒体系教授。奥德里受人工智能、人造生活、生物学和认知科学的启发，其计算艺术实践涉及多种媒介：包括机器人学、交互装置、沉浸式环境、物理计算干预、互联网艺术和电子文学。

译者简介：
郑达，跨媒体艺术家，低科技艺术实验室（Low Tech Art Lab）创立者,任教于华中师范大学美术学院。

目录

中文版序言 I

致“人工智能艺术：机器学习时代的新艺术形式” V

引言 IX

1 绪论 1

迷思和误解 7

领会机器学习艺术 9

为什么机器要学习 10

监督学习、无监督学习和强化学习 12

机器学习系统的构成 13

从控制论到深度学习 15

范式的转变 20

章节划分 24

Ⅰ　训练

2 优化算法与艺术 29

艺术、目的、目的论 32

*好的艺术 34

计算创造力 37

模仿与艺术 40



实时学习 44

总结 46

3 控制训练过程 49

计算涌现与作者身份 51

主观函数 53

交互式遗传算法 53

人工好奇心 57

智能体追逐行为 58

摇摆、碰撞与滚动：调整成本函数 60

总结 61

4 适应性行为的美学 63

行为美学 65

行为阶级 68

行为形态学 71

自适应耦合 74

总结 77



Ⅱ　模型

5 超出人类认知 81

人体电气 88

黑箱 88

逐渐可知 90

*佳观众 92

烘焙模型 94

丰富的模型 95

总结 97

6 演化学习 99

参数化系统 103

非参数化系统 104

遗传编程 106

生态系统 108

总结 111

7 浅层学习 113

神经网络 115



早期的联结主义 117

联结主义复兴 118

音乐与联结主义 120

联结主义与人工生命相遇 122

联结主义的愿景 125

新兴表示 126

语境机器 128

总结 130

8 深度学习 131

从联结主义到深度学习 133

企业之梦 136

神经美学 138

生成对抗网络与艺术 139

潜在空间 142

再次阐明潜在空间 147

神经故障 149

循环写入 152

总结 154



Ⅲ　数据

9 数据作为代码 159

通过示例进行编程 161

互动机器学习 163

认知与聆听 166

共生绘画 168

自带数据 169

病毒集合 170

众包日常 173

发现数据 174

不是唯一 175

总结 177

10 深度混搭 179

混搭文化 182

开源文化 184

机器学习的混搭 185

探索预训练模型 186



替换人脸 186

重新混合生成 189

人工智能歌剧 192

总结 193

11 观察和想象 195

归纳偏置 199

技术文化干扰 200

超越人类的书写 202

学习与生成 203

隐喻的图像信息 205

探索集体想象 206

总结 208

12 结论 211

拉远视角 215

查漏补缺 216

超越元创作 218



人机关系 219

驯服不可知的事物 220

艺术界的范式转变 222

*后的思考 225

注释 227

参考文献 238

致“人工智能艺术：机器学习时代的新艺术形式”

郑达

2022年的初夏我在网络直播间看到了索非安.奥德里（Sofian Audry）和克里斯.索尔特（Chris Salter）两位作者讨论关于MIT出版社的两本新书的发布，其中一本就是奥德里的《人工智能艺术：机器学习时代的新艺术形式》 （Art in the Age of Machine Learning）。本书英文版刚好是在AI大模型盛行前夕出版，帮助我们冷静地分析了当下AIGC在中国的创意产业、艺术教育中盛行的话题，回应了艺术家是否会被AI替代的焦虑。

这本书是人工智能+科技艺术系列丛书的第二部作品，也是我们团队低科技艺术实验室（Low Tech Art Lab）继《互动艺术的美学》 译著出版后，持续关注全球科技艺术研究成果的新呈现。低科技艺术实验室近年来创作的具有“自主性”的艺术作品，探讨了智能体与艺术家的“耦合”与“自主”，这恰巧在奥德里教授的著作中也找到了同样的诉求。这本书用通俗易懂的语言帮助缺少技术背景的读者全面深入地理解人工智能艺术研究的方法、路径与框架，将其视线从主流大模型转向个性化数据与创作，为读者带来了认识人工智能艺术的跨学科视角，提供了一本系统性很强的理论框架与实践方法的“通用指南”。

好的艺术作品是可以被智能优化出来的吗？书中对“人工智能”与“艺术”两者关系的深度剖析，为读者提供了完整清晰的理解框架，AIGC等“生成式人工智能”（Generative AI）技术在文本、图像、视频内容生成方面展现出了高效的能力，这得益于“智能优化”技术的不断完善，进而使机器生成的图像、视
频等变得“更美”“*优”。回望人工智能的发展，其优化方法经历了几个阶段：从早期的“参数优化”，到20世纪的“算法优化”与“模型优化”，再到如今的“智能优化”。以目的论为导向的人工智能优化规则目前并不适用于艺术创作领域，究其原因，是艺术的本质属性决定了其无法被视为可“优化”的对象，即艺术是
无法被“优化”的。

从艺术史的角度来看，对艺术的定义主要围绕两个基本层面展开：在精神层面，艺术是一种智慧的创造，是人类的理智和情感的外化；在物质层面，艺术是人类经验与劳作的产物。然而，“生成式人工智能”技术的出现，主要“优化”了人类经验与能力的局限性，这些技术所取得的进步充其量仅是艺术在物质层面中对创作工具的革新，远远不及艺术的精神层面，难以触及人工智能艺术的核心。生成式人工智能优化选择的计算能力并不能取代人类的创造力，更不可能提供新的审美类型。

新的智能系统如同一个巨大的“黑盒子”摆放在众人的面前，我们不应该沉迷于魔法式的生成内容，而应该更深入地窥探盒子的结构与艺术活动的联系。人工智能艺术有两个核心。一是创造主体身份的转变。以机器学习为代表的人工智能并非简单的工具，而是具备了自主学习和自主生成能力的智能体。这种特性模
糊了艺术家的主导地位，使其作者身份不再具有唯一性，从而人工智能艺术创作的主体性由单一的“人类中心”转向“分布式主体”，这一转变促使我们重新思考创作主体的定义。二是跨学科艺术创作的变革。奥德里教授在本书中强调，人工智能艺术实践天然地具有跨学科特性，涉及计算机科学、数学等技术领域。此外，他还关注智能体随时间展开的行为美学，以此提出智能机器系统的行为等级理论，从而完善艺术家西蒙.彭尼（Simon Penny）提出的“行为美学”理论框架，进一步关注具有适应性特质的具身智能体。奥德里教授的观点催生了智能化时代的新艺术形式，带来了前所未有的AI艺术审美体验，进而推动了新的美学系统形成。

作者索非安.奥德里从本科到博士阶段接受了不同学科的教育，积累了多个领域的实践与研究经验。因此，奥德里教授不仅将计算机编程视为艺术创作的工具，更将其视为一种媒介和创造性实践的核心要素。这种理念驱动他在艺术实践中充分利用各种开源软件与材料，并注重艺术与技术的具体融合。他通过深入
理解和研究机器学习算法的代码和物质化表现形式，来探索机器学习在艺术创作中的应用与意义。他的艺术作品为本书提供了有力的跨学科实证研究，也为AI艺术创作提供了宝贵的资源。正是这种将技术与艺术高度融合的实践，不容置疑地体现出了人工智能艺术跨学科性的核心特征，进而使艺术家、设计师、研究者、行业从业者更容易理解在技术语境下诞生的新艺术形式及其美学系统。

中文版序言

索非安.奥德里

非常荣幸能为大家介绍《人工智能艺术：机器学习时代的新艺术形式》这本书。我与麻省理工学院出版社在2021年合作出版了这本书，旨在将机器学习作为媒体艺术和音乐的一种艺术实践进行深入探索。我试图为艺术家、音乐家、作曲家、理论家和其他对艺术与机器学习交叉发展感兴趣的读者提供新的概念工具和历史视角。然而，我没有预料到这一领域会发展得如此之快，并对围绕机器学习和创造力的全球对话产生如此深远的影响。

鉴于过去几年中围绕人工智能和创造力的讨论无处不在，所以当这本书于2021年11月发行之初，我觉得它来得稍晚了一些。在2020年底和2021年初，已经出现了一些关于艺术与人工智能主题的书籍和学术论文，但没有一本书着重聚焦于机器学习、艺术与科学历史的交汇发展，以及实践导向的研究视角。此外，也很高兴看到这本书很快得到了学术界、艺术界、学生、技术工作者以及其他渴望了解这一领域的公众的关注和热烈反响。《人工智能艺术：机器学习时代的新艺术形式》无疑在当代关于艺术与人工智能的讨论中占有一席之地，并且对于其目标读者以及更广泛的公众都极具实用价值。

在这本书出版约一年后，ChatGPT等人工智能生成技术的发布将机器学习艺术推进了主流的大门。原本小众的主题，瞬间成为人们关注和辩论的焦点，关于人工智能能力及其社会和伦理影响的讨论如海啸般涌入公众视野。面对突如其来的信息洪流和互相矛盾的观点，公众在《人工智能艺术：机器学习时代的新艺术形式》中找到了与主流叙述不同的视角，这本书清晰阐释了机器学习系统的结构、艺术与机器学习之间联系的历史背景，以及它给艺术带来的挑战和机遇。

自书籍出版以来，该领域*显著的发展无疑是我们如今所称的“生成式人工智能”（Generative AI）技术的崛起，特别是基于大型语言模型（LLMs）、Transformer模型及相关的基于提示的媒体内容生成技术，如写作、图像、视频和音频。这些强大而易于使用的工具的出现，从根本上改变了创作生态，将机器学习从专业人士和实验者的领域带到了普通大众的手中。从某种意义上说，这种民主化正是我所预测的“混搭文化”，它不仅能对内容进行混搭，更能够对声音、流派、风格、情绪等生成过程进行混搭。

然而，这些技术的普及也致使围绕机器学习和艺术的讨论一度乏善可陈。如今，话语权被那些只有大型企业才能训练和支持的算法模型所主导。这些大模型系统让人印象深刻，但它们却掩盖了过去、现在以及未来存在的无数机器学习的艺术创作方法。针对这种情况，近年来艺术家和研究者们开始远离庞大而昂贵的企业级算法模型，转而探索更开源的小型模型，以此允许艺术家利用自己的数据进行模型训练，并在社区中自由分享。这种更本土化和多样化的方法对于机器学习艺术的未来至关重要。我希望中国读者能从自身丰富的文化、艺术、科学与技术传统中找到灵感，探索未被深入挖掘的机器学习“创作路径”。

本书的核心论点之一是，机器学习艺术与所有艺术一样，也需要有其存活的生态环境，其创造潜力本质上与人类在社会文化背景下的解读息息相关。即使在生成式人工智能系统不断进步和普及的今天，这一论点依然成立。在这本书首次出版时，争论的焦点主要围绕通用人工智能（AGI）以及机器能否完全独立进行艺术创作的概念上。虽然这些讨论到今天仍在继续，但人工智能技术的广泛应用暴露了其局限性，并在人们眼中赋予了更多人性化的特征。因此，曾经主导舆论的诸多言论，例如对超人类智能的恐惧，或将人工智能作为神奇“同谋者”的幻想，逐渐让位于更接地气、更多元的理解。

机器学习技术的发展使我对某些话题的看法变得更加细致入微。例如，尽管在这本书中我*初明确反对机器取代人类艺术家的观点，但在艺术博览会和音乐流媒体服务等艺术展示框架中加入人工智能生成作品的做法，让我对这个问题的思考有了改进，因为很明显，机器确实能够在一定程度上动摇早已固化的作者权概念。这并不是说机器正在成为与人类相同意义上的艺术家，而是说在特定条件下，机器生成的作品可以被感知和赋予艺术价值。然而至关重要的是，作品被认定为“艺术”的过程仍旧依赖于人类的解释和价值体系。

此外，我格外期待这本书在中国的关注度和公众反响。尽管我努力将多元的视角和艺术实践纳入其中，但本书在观点上仍有些西方化。希望中国读者能在自己的文化语境中找到应用这些概念的方法。在西方语境中，人工智能往往被框定为潜在的威胁或神奇的合作伙伴，这种过于简化的二元论并不总能与其他文化框架产生共鸣。中国文化中蕴含的丰富哲学和艺术传统理论，可能会促使人们对人工智能形成更为平衡和谐的理解，从而以更加流畅的方式驾驭这项复杂技术。在中国的参展经历让我看到了这种跨文化对话的潜力：我与伊什特万.康特（Istvan Kantor）共同创作的装置作品《人工反智能机器：新主义？！感知》（The Sense of Neoism?！Artificial Counter-Intelligence Machine）曾在中国的重要展览中展出，这类作品表明艺术，尤其是与技术结合的艺术，可以成为弥合文化鸿沟、促进相互理解的有力媒介。

展望未来，我们有必要重申，当前占主导地位的“生成式人工智能”技术——这些由科技巨头提供的技术，仅代表了艺术创作可能性的小部分。正如本书所记录的那样，机器学习和艺术的历史包含了丰富多样的方法，远远超出今天的主流工具。从对学习算法本身的改进，到对新型模型、数据和训练过程的实验，机器学习系统中有着无穷的艺术创作可能性。

对于第一次接触这些信息的读者来说，我想传达的核心观点是：你在主流媒体中看到的仅是冰山一角。请将目光投向头条新闻之外，去探索那些在人工智能技术边缘实验的艺术家、音乐家、作曲家和团体的作品，这些作品才代表了*令人兴奋和具有变革性发展的潜在空间。

*后，我希望本书能激励中国读者为机器学习和艺术领域贡献自己的创新点。当前主导公众讨论的人工智能由相对单一的开发者群体所研发，服务于更为同质化和小众化的特定群体。我坚信，人工智能的研发并非只有一种途径，艺术家、理论家和文化从业者在内的不同群体必须积极参与人工智能的发展。这不仅关乎公平性与代表性，更是创造更丰富、更有意义并与文化密切相关的人工智能系统所不可或缺的。我相信未来几年，当中国在技术创新中持续发挥领先作用时，中国的艺术家和思想家将拥有在全球范围内塑造人工智能与创造力的对话机会。

由衷感谢使《人工智能艺术：机器学习时代的新艺术形式》中文版问世的译者、 编辑和出版社。我希望本书不仅能作为一种资源，还能成为新思想、新对话和新艺术形式的催化剂，继续推动机器学习艺术的发展。

感谢大家，期待未来人工智能与创造力的全球对话发展。

2024年9月于加拿大蒙特利尔