人类艺术家与人工智能的交锋正愈演愈烈，这场如火如荼的较量不仅搅动着艺术界，更引发了全社会的深刻思考。去年，游戏设计师杰森·艾伦借助Midjourney模型创作的《太空歌剧院》横空出世，不仅斩获了首个AI生成艺术奖项，更成为生成式人工智能在艺术领域掀起巨浪的导火索。从游戏设计到动画制作，无数画师们纷纷感受到前所未有的压力，而好莱坞编剧与演员的全面罢工，也与此密切相关——人类艺术家正集体拒绝用自己的影像、声音和文字作品去训练AI。就在近期，当代艺术巨匠大卫·霍克尼宣布加入使用生成式人工智能作画的行列，他即将推出的AIGC作品，无疑将再次引爆舆论场。
《太空歌剧院》的横空出世并非孤例，AIGC在艺术创作领域的应用正呈现出爆炸式增长。在图像领域，以Midjourney为代表的LLMs彻底改变了创作方式，让普通大众也能通过自然语言输入文字，就能生成令人惊叹的图像作品，艺术创作的门槛被前所未有地降低。视频制作领域同样迎来了革命性突破，GEN-2等多模态人工智能系统让创作者能够用文本、图像或视频片段生成全新视频，许多创作者开始尝试先用Midjourney生成图片，再用GEN-2生成镜头，最终剪辑成完整视频。在设计领域，AIGC的潜力也日益凸显，建筑领域已出现诸多应用案例，其在各个设计领域的普及只是时间问题。
这些创新成果不仅带来了视觉上的震撼，更被敏锐的艺术从业者迅速转化为生产工具，引发了广泛的讨论与思考：AI是否将彻底取代人类艺术家？本文试图将这一疑问转化为更具体的问题——AIGC应用于艺术领域的”限度”究竟在哪里？AI在艺术领域中能做什么，又不能做什么？要回答这些问题，我们需要深入探讨几个关键点：深度学习的原理机制如何决定AI的能力边界？艺术概念在当代语境下有哪些重要内涵？以及心智哲学如何影响我们对AI主体地位的认定？
在思考这些框架内，我们才能更理性地探讨AI能否改写艺术、取代人类艺术家。深度学习的原理机制自AlphaGo引发热议以来，深度学习技术已成为AI发展的核心驱动力。其最大优势在于能够自主发现海量数据中的规律和结构。简单来说，深度学习通过让机器拟合大量样本，建立编码了样本特征的参数集，从而实现对样本模式的构建和结构刻画。由此我们不难发现，深度学习的训练目的在于寻找样本中的共同模式与结构，因此它能有效处理样本范围内的重复性问题。就像AlphaGo能从海量棋谱中总结出围棋的取胜之道，却无法直接用于五子棋。所以深度学习式AI擅长以”模仿”的方式处理那些具有重复性质的复杂工作，这正是其得以广泛应用的重要原因。
然而，深度学习的原理又决定了它很难进行从无到有的创造性活动。因为它的发挥空间始终受限于给定的样本范围，无法实现范式性的突破。正是这个技术特性构成了AI在艺术领域应用的根本限制。深度学习本质上是一种基于人工神经网络的机器学习和人工智能子集，其原理也决定了AI注定采用一种”外延式”处理方式。AI擅长处理结果导向的问题，却无法像人类那样理解操作背后的深层含义。塞尔的中文屋思想实验生动地展现了这一点：一个完全不懂中文的人被关在房间里，通过一本英文规则书来排列中文符号，外人看来他懂中文，实则只是在机械执行指令。这个特性也构成了AI在艺术领域应用的另一限制。
艺术概念的内涵提到艺术，我们首先想到的可能是画作。但一幅”画作”远不止是物理层面的画布与颜料，也并非简单的色块排列或图像本身，而是这些因素与创作者和欣赏者特定主观意向的叠加。阿瑟·丹托在《寻常物的嬗变》中提出了一个经典案例：九块物理性质完全相同的红色画布，分别由九位不同艺术家创作，展示给不同观众，因语境不同，这些红色块被赋予了不同意义——有的成为肖像画，有的成为风景画，有的成为静物画，有的成为抽象画。尽管外观相同，艺术意义却截然不同。即使是写实类作品，也并非机械复制，没有客观标准来评判好坏，依然依赖于作者和观者的主观判断，这个过程就是”赋义”。
当代艺术更是突破了传统形式，强调思想表达和观念传递。现成物艺术作为极端案例，其艺术价值完全依赖于作者与观众超越实物层面的意会。当代艺术往往以反传统为取向，不断打破既有范式，追求创新与独特性。媒介和形式的多样性，以及对作品背后观念的强调，使得当代艺术极难被简单定义。按照深度学习的原理，这个关键的意义产生过程恰恰是AIGC所不涉及的。换言之，AIGC作品虽然能通过符号和图像排列表征人类情感，但这种情感表达只是对人类情感表征方式的模仿，而非情感内涵本身。2022年底，纽约现代艺术博物馆（MoMA）的《无人监控》展览中，雷菲克·阿纳多尔利用AI演绎的馆藏作品，在LED墙中呈现出机器的幻觉与梦境，正是这一点的生动体现。
心智哲学问题前面强调的赋义能力和创造力与人类作为意识主体的特质密切相关，而AI目前还无法具备这些能力。这就引出了一个深层次的哲学问题：AI是否可能具有意识，成为人类这样的意识主体？功能主义/计算主义认为答案是肯定的，主张人类心智可以还原为特定功能的计算结构，如果特定计算结构能实现人类心智的全部功能，那么它就具有了意识。许多科幻作品正是基于这个前提展开的。但这一预设本身充满争议。如果计算主义成立，AI就能成为硅基意识主体，在艺术领域全面超越人类艺术家，那么讨论AI的应用限度就失去了意义。
对计算主义的主要质疑在于，除了计算等特定智能功能，人类意识的其他方面如情感、感觉、创造力等能否被还原为计算结构？塞尔的中文屋思想实验表明，即使计算机能完美模仿人类行为，也不能证明它真正理解了语言或具有相同意识内容。当然，计算主义者会提出反驳，但在此我们不作深入讨论。我们姑且认为，至少基于深度学习的AI暂时无法具有与人类等同的心智能力，特别是创造能力。这也是本文的立足点。基于这个前提，我们就可以考察AIGC在艺术领域的应用限度。
AIGC能做什么我们可以确定，像工程领域一样，AI可以替代艺术实践中大部分的重复性工作。正如开头提到的那样，AIGC已得到广泛应用并展现出巨大潜力，其愿景指日可待。作为工具助手，AI能显著提高生产力。我们可以预见AI将深度参与当代艺术创作，因为大部分当代艺术作品都源于语言描述的方案，而ChatGPT这样的通用语言模型完全可以参与其中。虽然我们已指出深度学习无法提供真正的突破，但实践中大部分当代艺术作品并不总是跳出既有范式，所以AI依然能为艺术家提供巨大帮助。
总的来说，AI在艺术领域的作用可以体现在三个方面：一是替代非创意性的技术性工作，如体力或低级脑力劳动，成为艺术家的执行助手；二是为艺术家提供辅助性参考，无论是视觉图像还是文字方案，AI都能提供前期材料，帮助艺术家扩展思路、激发灵感；三是降低艺术门槛，让没有造型能力但有想法的人也能参与创作，比如用提示词创作画作，或自主生成电影。
AIGC的应用限度另一方面，根据前述原理与概念分析，特别是基于深度学习式AI无法拥有人类所有心智能力的前提，我们可以看到AI在艺术领域的局限性。深度学习本质上是经验回溯式的，其在重复性工作领域的高效恰恰意味着其在创新领域的失效。对既有艺术作品的充分模仿也决定了如此产生的作品注定缺乏艺术强调的创新性。一件艺术作品只有不能被深度学习根据艺术史经验建立的模型所拟合，才算得上”创新之作”。因此，深度学习式AI无论如何也无法产生出杜尚的《泉》这样划时代的作品。这种失效内在于深度学习原理机制和艺术概念本身，不可能随着算法改进而解决。
AI或许能完成作品中的很多步骤，但始终只是作为工具手段而存在，无法承担作者责任、拥有作者权利。如同艺术家的助手参与了一件作品的制作却不会成为作者一样，真正确定主题方向、下达指令并敲定最终效果的人才是作品的作者。在借助AI进行的艺术创作中，AI可能提供现成的图像或多个参考方案，使用者只需略作修改甚至只需做出选择，但正是使用者提供的提示词以及做出的筛选和敲定，才让一幅图像成为他的一件作品的关键。正是这个过程实现了”创造”与”赋义”。
因为决定作品质量依然是人为的选定，所以AI的普及看似降低了操作层面的艺术门槛，但对于使用者的艺术素质要求并没有降低。AI能产出什么样的作品，依然取决于使用者的艺术水平。缺乏专业素养的使用者并不能持续产出高质量作品，正如照相机本身不会让所有使用者都成为摄影师。
AI与艺术的未来？在现阶段，只要AI不被视为意识主体，其意义就仍在于作为工具将人从重复性脑力劳动中解放出来。在艺术创作过程中存在的低创意要素，对AI来说具有很强的可替代性。但AI的介入并不会损害人类艺术家的主体地位，犹如艺术家借助助手创作并不会否定艺术家的成就，AI在此始终是辅助工作，一部作品最有价值的部分依然有赖于人类艺术家完成。
AI技术的普及也可以让艺术家摆脱低级脑力活动，集中精力于核心创意本身，从而拓展能力范围，提升创作效率。长期来看，AI介入艺术将加快艺术史的进化速度。每当进入新的艺术范式，AI就可以以已有作品为样本库，迅速挖掘相关可能性，从而加快艺术范式成熟，促使艺术家们更早开始新突破，打开新的维度。
同时应该看到，当AI快速模仿从古至今的艺术作品，生成出关于艺术也是现实的拟象。当人类的创造力受桎梏于人工智能时，当AI的训练素材已经穷竭，新的艺术范式如何诞生，也是一个无法回避的问题。
