HOW TOPIC | 崔斗银《后人类时代的艺术与科技探新》

崔斗银：当在谈论媒体艺术时，“艺术”当然是其中的一个组成部分，“科技”也是，当然还有“人”。这三个组成部分是探讨媒体艺术时不可或缺的核心元素。

而现在，还有两个拓展的关键词进入了这番讨论——“科学”和“机器”。如果你们看过夸尤拉的个展，这有助于大家理解机器作为艺术的合作者，甚至是创造者的身份——这正是展览中影像艺术、 计算机创作艺术，即科学技术参与艺术创作的重要部分。

图示：媒体艺术的参与者：艺术、科技、人。以及在此基础上衍伸的关键词：科学和机器。

当讨论媒体艺术时，我常借用两位著名艺术家的观点——罗伊·阿斯科特(Roy Ascott)和布莱恩·伊诺(Brian Eno)。

罗伊·阿斯科特出生于英国，是国际公认的媒体艺术先驱，并以艺术家和理论家的双重身份活跃在媒体艺术领域。他曾在脸书页面上发布了“Tempus fugit …”，在拉丁语中是“时间飞逝”的意思。

 布莱恩·伊诺是英国音乐人、作曲家、制作人和音乐理论家，氛围音乐(Ambient music)的先锋。同时，他也是一位视觉艺术家，会跨界进行影像装置的创作。

 布莱恩·伊诺认为：“不要再将艺术视为思考的对象，而是将它们视为体验的触发器。” 这正是罗伊·阿斯科特观点的一个阶段，他认为应“继续将艺术视为触发器，但同时也将其视为思考的对象。”这正是媒体艺术从上个阶段进入到当下的最佳表述。

史蒂芬·霍金(Stephen Hawking)在2015年伦敦“时代思潮”(Zeitgeist)会议上曾言及，“我们的未来是一场日渐壮大的科技之力和我们运用科技的智慧之间的角力。” 他指出，如何使用科技，将会对我们的未来产生重大影响。在夸尤拉的展览中，我们就可以看到艺术家和机器，和技术是如何协作的。对这一问题的探讨，在我的研究和策展实践中是一以贯之的。

我策划的展览“为什么未来仍需要我们：人工智能和人类”于2016年在首尔彩蝶艺术中心(Art Center Nabi, Seoul)面向公众开放，2017年巡回至新西兰布里斯班昆士兰科技大学美术馆(QUT Art Museum, Brisbane)。那次展览囊括了15件作品，探讨了人类在人工智能时代的重要性这一议题。

韩国艺术家梁敏河的展览委任作品《列举的词汇和碎片化的意义》

韩国艺术家梁敏河(Yang Minha)的展览委任作品《列举的词汇和碎片化的意义》(The Listed Words and the Fragmented Meanings)关注语义问题，这一人工智能研究中的不完整领域。作品中的机器学通过 “长期短时记忆回归神经网络”学习了不同的科学家和哲学家的35万个句子，并组合创造出关于技术的新句子。

韩国艺术家梁敏河的展览委任作品《列举的词汇和碎片化的意义》

戈兰·莱文(Golan Levin)的作品《地形模式》(Terrapattern)是一个开源软件项目， 由艺术家、创意技术专家和学生组成的协作团队合力创建。这项在大学环境中开发的实验性研究挑战旨在提供探索、理解和视觉组织世界的新方法。

戈兰·莱文的作品《地形模式》

《地形模式》使用人工智能来学习开放街道地图(OpenStreetMap，OSM)中的地图数据，并将之与谷歌地图的卫星图像数据进行比较。它可以被作为探索在地图上未标明或不可标明位置的工具，也可被视为能在景观中搜索、定位相似地形模式的图像搜索引擎，或者说是“用于地理空间示例查询的样本”。

基恩·科根的作品《立体主义之镜》和《康定斯基之镜》

基恩·科根(Gene Kogan)的《立体主义之镜》(Cubist Mirror)和《康定斯基之镜》(Kandinsky Mirror)以连接显示屏的网络摄像头充当人工智能的视线。当观众走入摄影头拍摄范围，它便会捕获实时图像，由编程算法将人的肖像转换为瓦西里·康定斯基(Wassily Kandinsky)及乔治·布拉克 (Georges Braque)的立体派绘画风格。

哈谢特·阿格拉沃的作品《串联》

哈谢特·阿格拉沃(Harshit Agrawal)的《串联》(Tandem)尝试呈现人工智能和人类之间不同视觉语言的交换。每当用户在触屏控制器绘制出图像，人工智能便应用谷歌深梦(Google Deep Dream)这款计算机视觉图像识别程序，完成图像转换，是人类和人工智能合作完成创作的互动作品。这个项目由麻省理工媒体实验室完成，旨在探索人机创意合作和对话的可能性。

彩蝶艺术中心也特别成立有人工智能实验室(Nabi E.I Lab)，由该实验室完成的《不来梅音乐机器 人》(Bremen Music Bot)、《人工智能曲棍球台》(Al Air Hockey)和《机器熊猫》(RoboPanda)也有展出。

位于彩蝶艺术中心的人工智能实验室

《不来梅音乐机器人》是一款人工智能机器人系统，在谷歌开源机器学习平台TensorFlow上将噪音转化为音乐。《人工智能曲棍球台》则是一款让玩家体验人类与机器手臂间竞赛的游戏。它使用名为“Deep Q-Learning”的深度强化学习技术增强机器手的游戏技能，使机器在不断学习的过程中与作为观众的人类博弈，因此，观众获胜的难度在互动过程中被不断增加。

Neofect的《拉斐尔康复解决方案》 

其中一些是艺术作品，也是探索技术在其他领域可能性的实践，譬如Neofect的《拉斐尔康复解决方案》(Rapael Rehabilitation Solutions)，对复健就具有一定价值。

韩国艺术家申承帛和金容勋的作品《动物分类器》

韩国艺术家申承帛和金容勋(Shinseungback Kimyonghun)的《动物分类器》(Animal Classi?er)对人工智能“分类”的任意性提出了疑问。 这件作品使用TensorFlow训练人工智能，根据豪尔赫· 路易斯·博尔赫斯的文章对动物图像进行分类。

泰伦斯·布罗德的作品《自动解码刀锋战士》

《自动解码刀锋战士》(Autoencoding Blade Runner)是泰伦斯·布罗德(Terence Broad)在伦敦大学金匠学院的创意计算机项目时的研究项目论文。艺术家采用“自动编码器”，一种专注于压缩和分配图像数据的人工神经网络，制作了这部由人工智能重建的影片，即一部透过计算机之眼看到的影片。从中，我们可以了解到计算机的观看方式。

夸尤拉在展览开幕讲座中有提到：有些时候，他的创作过程并非是在作为人类创作者直接给予机器指令，而是去理解机器的观看方式和视角。这一点对夸尤拉的艺术实践是至关重要的。布罗德的作品就与机器视角相关。

法国艺术家莫奔的作品《脑工厂》

展览中的其他作品对人工智能给予了不同的解读。当然，人工智能早不是新兴事物。机器分析、解码数据在当今社会中已得到广泛应用。法国艺术家莫奔(Maurice Benayoun)的《脑工厂》(Brain Factory)是一件将抽象的人类“思想/情感”转译成类似工业制造品的三维打印材料的作品。它呈现了在计算机和人工智能时代，非实体是如何转化为实体的。艺术家在此讨论了情绪和思想实体化的可能，这并非“敌托邦” 或“乌托邦”的手段，而是为了激发思考作为人类的我们身份为何，以及身处何处，展现了代表人类最高形态的“意识”进行创作的可能性。

法国艺术家莫奔的作品《脑工厂》

莫奔提出人机合作在社会发展中的重要性。图片中的监视 器上显示了非常观念性的图像。通过脑电图描记器，椅上之人的脑电波数据被电子设备获取，并以此为依据完成观念性的作品。当观看具体作品时，你会发现成千上万人的脑电波会产生各种相似的数据。这意味着我们可以将这些数据教给机器，机器由此得以模仿，或者说逐渐学会人类的思维方式和情绪表达。这就是艺术家在创作中完成的实验。

申承帛和金容勋的作品《花》

这件名为《花》(Flower)的作品由之前提到过的韩国艺术家组合申承帛和金容勋创作。该作品探索了与人工智能之眼对应的计算机视觉。运用一种自行研发的算法，作品呈现出的花卉图像都是由人工智能从一系列被扭曲和抽象化的花卉图像中识别到的“花”的部分。这件作品探索的依旧是视角问题。

申承帛和金容勋的作品《花》

上图呈现的就是计算机视觉下的花。这个项目探讨了机器如何将花视之为花。图中显示的具体数据给出了一个明确 的答案——在这一被扭曲的程度下，机器可将其视为花卉。这与人眼的辨识方式相距甚远，机器和人眼之别也得以进行了比较。这件作品并纳为城市放映计划的一部分，在某种程度上也拉近了人机之间的距离，带来互相了解的契机。

申承帛和金容勋的作品《云的面容》

《云的面容》(Cloud Face)是申承帛和金容勋更早的作品。就如人会在天空中寻找人物形象一般，在这件作品中，人工智能在天空的云层中找寻类似人的面容，并在建筑的外立面上呈现。

土耳其艺术家迈墨·阿克顿(Memo Akten)的作品《学习观看/学习做梦》(Learning to See/ Learning to Dream)

迈墨·阿克顿是一位开源式的艺术家，他写了许多算法，这些算法也被其他艺术家采用。如果你尝试去下载一些资源开放的算法，你会发现很多算法都是阿克顿写的。他目前正在伦敦大学的金匠学院攻读人工智能和表达人机交互的博士学位，致力于拓展人机协作的创造力。

谷歌创意实验室采用的T-SNE MAP算法

浏览谷歌创意实验室(Google Creative Lab)的页面，会看到很多与人工智能相关的内容。T-SNE MAP正是其中作品采用的算法，是谷歌创意实验室艺术驻留项目的一部分。该驻留允许艺术家使用谷歌程序的算法。

T-SNE MAP算法的页面看上去很像大规模的景观，但当你观看细节时就会发现相似的色彩、年份、或是图片中物品的关联。这有点像策展人，在艺术作品或物件之间寻找关联和语境。这一算法是专注于机器如何创造两张不同图片间的语境。因此，有时你会看到全然不同类型的图片间的关联，反馈到策展人和艺术家可能会激发不同的观点和视角。这对那些寻找两张不同类型图像间关联的研究大有裨益。

由数名艺术家合作完成的作品《鸟鸣》

谷歌创意实验室不仅限于图像，也有声音方面的探索。这件名为《鸟鸣》的作品同样由数名艺术家合作完成。

懂得如何采用这些开源的算法和技术，这是创作中极为重要的部分。2016年至今，这方面的探索呈现井喷式增长，如何在运用科技创作时独树一帜，就是艺术家在实践中需要解决的问题了。

想了解艺术家本人对作品创作理念的阐述，请点击：

同时，在夸尤拉个展“非对称考古学：凝视机器”的展期内（2019年3月23日-2019年6月2日），昊美术馆（上海）会推出每周3场的免费公众导览计划，点击查看详情。