《Science》杂志：变革不是“艺术的终结”，生成式 AI 将重塑当代媒体美学

撰文：Ziv Epstein（麻省理工学院）, Aaron Hertzmann（Adobe Research）, The Investigators Of Human Creativity（Adobe）

来源：Science

图片来源：由无界 AI工具生成

了解创意工作的转变将有助于指导 AI 对媒体生态系统的影响。

生成式人工智能（AI）是一个备受争议的话题。迄今为止，一个突出的应用是为视觉艺术、概念艺术、音乐和文学，以及视频和动画制作高质量的艺术媒体。例如，扩散模型可以合成高质量的图像（1），大型语言模型（LLMs）可以在广泛的背景下产生听起来合理、令人印象深刻的散文和诗句（2）。这些工具的生成能力可能会从根本上改变创作者形成想法并将其投入生产的创造性过程。随着创造力被重新想象，社会的许多领域也可能被重新构想。了解生成式 AI 的影响，并围绕它做出政策决定，需要对文化、经济、法律、算法以及技术和创造力的互动进行新的跨学科科学调查。

变革的时刻并没有表明“艺术的终结”，而是产生了更为复杂的影响，重新塑造了创作者的角色和实践，并改变了当代媒体的美学（3）。例如，一些 19 世纪的艺术家将摄影的出现视为对绘画的威胁。然而，摄影并没有取代绘画，而是最终将其从现实主义中解放出来，产生了印象派和现代艺术运动。相比之下，肖像摄影确实在很大程度上取代了肖像画。同样，音乐制作的数字化（例如，数字采样和声音合成）被谴责为“音乐的终结”。但实际上，它改变了人们制作和聆听音乐的方式，并帮助产生了新的流派，包括嘻哈和贝斯鼓。就像历史上这些类似的情况一样，生成性 AI 并不是艺术消亡的预兆，而是一种新的媒体，有它自己独特的能力。作为人类创作者使用的一套工具，生成性 AI 的定位是颠覆创意产业的许多领域，并在短期内威胁到现有的工作和劳动模式，同时最终实现新的创意劳动模式并重新配置媒体生态系统。

然而，与过去的颠覆不同，生成式 AI 依赖于人们所做的训练数据。这些模型通过从现有艺术媒体中提取统计模式来“学习”生成艺术。而这种依赖也带来了新的问题 -- 例如数据的来源，如何影响输出，以及如何确定作者身份。通过利用现有的工作来实现创作过程的自动化，生成性 AI 挑战了作者身份、所有权、创作灵感、采样和重新混合的传统定义，从而使现有的媒体制作概念变得复杂。因此，考虑生成性 AI 对美学和文化的影响、所有权和信用的法律问题、创意作品的未来，以及对当代媒体生态系统的影响是很重要的。在这些主题中，有一些关键的研究问题可以为政策和这项技术的有益使用提供参考（4）。

关于“人工智能”

为了正确研究这些主题，首先需要了解用于描述人工智能的语言如何影响对该技术的看法。“人工智能”这个词可能会误导人们，暗示这些系统表现出类似人类的意图、能动性，甚至是自我意识。生成式 AI 模型基于自然语言的界面，包括使用“我”的聊天界面，可能会给用户一种类似与人类互动的感觉。这些感知会破坏创造者的信誉，而创造者的劳动是系统产出的基础（5），并且当这些系统造成伤害时，会转移开发者和决策者的责任（6）。未来的工作需要了解对生成过程的看法如何影响对产出和作者的态度。这将有助于设计披露生成过程的系统，避免误导性的解释。

生成式 AI 与美学

生成式 AI 的特殊能力反过来产生了新的美学，可能对艺术和文化产生长期影响。随着这些工具的普及，以及它们的使用变得普遍（就像一个世纪前的摄影一样），它们产出的美学将如何影响艺术产出仍然是一个开放的问题。生成式 AI 的低门槛可以通过扩大参与艺术实践的创作者群体来增加艺术产出的整体多样性。同时，嵌入在训练数据中的审美和文化规范及偏见可能会被捕捉、反映，甚至放大，从而减少多样性（7）。AI 产出的内容也可能为未来的模型提供素材，创造一个自我参照的审美飞轮，使 AI 驱动的文化规范得以延续。未来的研究应该探索量化和增加输出多样性的方法，并研究生成式 AI 工具如何影响美学和审美多样性。

社交媒体平台的不透明、参与度最大化的推荐算法可以通过反馈回路（8）进一步强化审美规范，产生轰动性的，可分享的内容。由于算法和内容创作者试图最大化参与度，这可能会进一步使内容同质化。然而，一些初步的实验（9）表明，在策划 AI 生成的内容时纳入参与度指标，在某些情况下，可以使内容多样化。至于哪些风格会被推荐算法放大，以及这种优先次序如何影响创作者制作和分享的内容类型，仍然是一个开放的问题。未来的工作必须探索生成模型、推荐算法和社交媒体平台之间的相互作用所形成的复杂、动态系统，以及它们对美学和概念多样性的影响。

生成式 AI 与版权