刍议人工智能艺术审美范式转移与嬗变
摘要:人工智能(AI)技术的迅猛发展,特别是生成式模型的广泛应用,正以前所未有的力量“介入”并重塑艺术领域。生成式人工智能介入艺术领域,不仅是一种新的创作工具或媒介形式,更是触发艺术创作主体、创作过程、作品本体与接受美学全面革新的催化剂,其既拓展了艺术领域的边界,也促使我们重新审视“艺术的定义”以及“什么是美”。传统的以人为主体、强调“技艺”与“情感表达”的审美范式,正在向“人机协同”“算法生成”与“意义涌现”的后人类范式转移。这一过程伴随着创作主体性的消解与重构、作者身份的模糊化,以及审美评判标准的失范与重建。本研究通过分析AI艺术的生产机制与接受机制,试图勾勒这一新兴审美范式的轮廓,并对其未来发展方向及潜在哲学困境进行展望。
关键词:人工智能艺术;审美范式;范式转移;审美接受
关于艺术的发展,在某种程度上可视为一部技术与媒介交融的演进史。早在古希腊时期,“艺术”一词对应“techne”,原指技术、技艺;柏拉图提出“艺术是模仿、再现的技艺”,这一观念延续了相当长的时间。随着科学技术的持续跃进,技术不断拓展艺术的边界——从颜料的改良到摄影术的发明,再到数字艺术的兴起,每一次技术革命均推动艺术理念更新,催生新的创作方法与艺术形式,也或多或少引发艺术观念与审美标准的震荡。然而,人工智能(尤其是具备超乎寻常理解力与创造力的基于大语言模型的生成式人工智能)的出现,带来的并非仅是传统意义上的艺术创作媒介或技术工具,而是一场具有重大意义的“范式革命”。它直接对传统美学中的主体性命题构成深刻挑战,迫使人们重新审视“创作主体”“审美体验”与“艺术价值”等核心概念的边界。本文将从创作论、本体论与接受论三个维度,系统论述人工智能如何驱动艺术审美范式的转移与内在嬗变。
一、创作论的转移:从“主体表现”到“算法生成”
艺术作为特殊的社会意识形态与特殊的精神生产,主体性是其基本特征之一。传统艺术创作范式建立在人类主体的绝对中心地位之上,艺术家在艺术创作活动中具有能动性与独创性。艺术家从浩瀚的生活素材中萃取精华,经选择、提炼、加工、改造后,将自身的意识、情感与生命经验等主观因素投射其中,最终通过艺术形式“物化”为作品。艺术创作的独创性体现在,每一件优秀的艺术作品均凝聚着艺术家独特的审美体验与审美情感,带有其个人的主观色彩与艺术追求,彰显出鲜明的创作风格与艺术个性。因此,传统艺术创作过程是“内在世界的外化过程”,是“表现”与“再现”的统一。
然而,AI艺术的兴起彻底动摇了这一根基。其基本运作依赖数据、算法与算力,是可计算、可优化、可复制的技术系统,创作过程呈现出全新特征:
(一)主体性消解与作者身份模糊
AI艺术系统的运作机制通常建立在大规模数据集训练生成模型的基础之上,最终的视觉输出并非直接源于单一人类作者的意图,而是人类用户(提供Prompt)、海量训练数据(被学习的艺术史风格与图像)、算法模型(其架构与参数)及生成过程中随机性共同作用的复杂结果。作者身份由此变得弥散、集体化与非人化,形成“人-机-数据库”的混合系统。人类的角色从“创作者”部分转变为“引导者”或“对话者”,艺术作品中“作者作为唯一意义来源”的地位被消解。
(二)过程重构:从“手工艺”到“提示工程”
传统艺术中的“技艺”,核心在于对手部动作、材料特性的精妙控制;而在AI艺术中,核心“技艺”转向“提示工程”——即基于AI对大量数据的学习与既定算法,通过自然语言处理与AI模型互动,以指示词引导程序生成符合预期的艺术作品,本质是无意识的符号处理过程。这种创作过程的价值,不再取决于手上的技法,而在于脑中的构想与对机器“思维”的洞察。
(三)“灵感”来源的变迁
人类的灵感多源于个人经验与无意识活动;而AI艺术创作本质是数据驱动的模式重组,其“灵感”源于对数以亿计数据样本的统计学习与组合。AI的创作是基于概率的“插值”与“外推”,新颖性来自高维空间中的向量运算,而非人类的情感波动。
至此,创作范式从表现主义范式转向生成主义范式,艺术的核心不再仅是“表达什么”,更是“如何被生成”。
二、作品本体论的嬗变:从“灵韵”消散到“拟像”登场
“灵韵”概念由德国思想家本雅明于20世纪30年代在《机械复制时代的艺术作品》中提出。本雅明指出,摄影、电影等机械复制技术的普及,使艺术作品失去原真性、历史性与在场性这类“独一无二、不可复制”的特性,沦为可无限复制与传播的产品,艺术的“灵韵”随之消解。“灵韵”至少具备三方面特征:一是独特性,即深邃的时空交织感,是历史积淀与特定时空下不可重复的特质,能打动心灵、触发情感,对观者产生强大吸引力;二是距离感,即便观者与作品物理距离极近,仍能感知到对象与自身间无法消弭的不可接近性;三是模糊性,它是可感知却难以名状的氛围,能触动心灵、引人沉思,却无法被清晰界定或完全言传。
在人工智能时代,生成式AI艺术的出现使“灵韵”面临更深层次的危机:
其一,作品的非确定性与无限复制性加剧。AI模型通过学习海量已有图像数据,将艺术元素拆解为色彩、构图、风格等可量化的符号参数,创作过程本质是算法对符号的重组与生成——既不存在唯一“原作”,也不依赖特定时空语境,同一组参数可无限次生成视觉高度相似的作品。每一次生成虽具有唯一性,但没有任何一个版本是“最终的”或“权威的”。作品不再是封闭的完成品,而更接近开放的、具有无限潜能的“过程”或“事件”,其核心从“存在”转向“生成”。
其二,作品缺乏历史痕迹与情感印记。人类艺术创作是创作者“在世存有”的物质性痕迹:画布上承载的艺术家生理性笔触力度、雕塑中被岁月侵蚀的材质肌理、创作过程中基于生命经验(如痛苦、爱欲、信仰)的无意识抉择,均使作品成为具有时空坐标与生命历程的“此在”化石。反观AI艺术,其生成过程是纯算法驱动的数据模式重组,缺乏具身化的、处于具体历史情境中的创作主体。因此,AI作品本质上是“无根”的——既无法承载物质性时间流逝带来的“岁月之痕”(如颜料氧化、材料疲劳),也无法编码源于血肉之躯与世界观碰撞的“情感印记”。
在AI艺术的创作语境中,本雅明所界定的艺术“灵韵”正发生不可逆的消散,以符号重构为核心的“拟像”则成为新的审美载体。拟像理论由法国思想家鲍德里亚于20世纪下半叶提出,其核心观点为:“在当代社会,现实已逐渐被图像、符号与媒介构成的‘拟像’取代,人类感知与理解的世界不再基于客观真实,而是处于‘超真实’环境中。”根据鲍德里亚的理论,拟像的生成经历了“对真实的模仿”到“脱离真实的自主符号”的演变,而AI艺术的拟像正处于这一演变的终极阶段。
一方面,AI生成的图像不指向任何具体现实原型,仅是对已有艺术符号的拼贴与重构。例如,AI绘画工具生成的“古典肖像”,并非对某一真实人物或经典画作的复刻,而是算法对“古典风格”符号(如光影处理、服饰纹理、构图比例)的整合,其意义仅存在于符号自身的逻辑闭环中;另一方面,拟像的传播与接受完全依赖数字媒介的复制性——观者通过屏幕接触作品,感知到的并非艺术本体的精神内涵,而是拟像构建的“超真实”视觉体验,这种体验脱离了传统艺术的历史语境与人文价值,沦为纯粹的符号消费。
三、接受美学的革新:评判标准的失范与重建
接受美学以“读者对作品意义的生成作用”为核心,构建了传统艺术审美中“作者意图-文本语境-读者经验”的三元评判体系。然而,AI艺术通过算法替代人类部分创作功能、以数据重构艺术生成逻辑,彻底打破了这一体系的稳定性,使接受美学的评判标准陷入“失范-革新-重建”的动态演进。这种演进并非理论的断裂,而是接受美学在新型艺术形态冲击下,对自身核心范畴的重构与拓展,其核心驱动力正是评判标准的失范与重建。
(一)AI艺术对传统评判体系的解构:失范的三重表现
传统接受美学的评判标准建立在“人类创作主体性”基础之上——无论是姚斯强调的“期待视野融合”,还是伊瑟尔提出的“文本召唤结构”,均以人类创作者的意图为隐性锚点。而AI艺术通过消解创作主体、模糊文本边界、断裂读者经验,直接导致评判标准失范,具体体现为三方面:
首先,创作主体的“算法化”消解“意图评判”标准。传统艺术中,创作者的情感表达与价值立场是作品意义的重要来源,读者通过“还原作者意图”完成审美评判;但AI作为创作参与方,本质是“数据处理与算法执行的工具”,不具备人类的主观意识与情感体验,读者无法通过“意图还原”评判作品,评判维度被迫从“情感价值”转向“技术实现”。
其次,文本意义的“算法随机性”导致“价值评判”模糊。接受美学认为文本意义具有“未完成性”,但这种未完成性以文本核心语境为边界;而AI艺术的文本生成依赖算法随机性与数据多元性,同一算法在不同参数设置下可生成意义完全对立的作品。这种意义的极端不确定性,使传统“思想深度”“文化内涵”等价值评判标准失去适用场景,标准边界逐渐模糊。
最后,读者审美经验的“技术断层”引发“审美评判”失衡。接受美学中的审美经验具有“连续性积累”特征,读者通过长期接受传统艺术,形成对“绘画笔触”“音乐旋律”“文学叙事”的稳定评判框架;而AI艺术突破了人类审美规律的限制,可生成超越物理媒介的艺术形式(如AI生成的“沉浸式数字雕塑”)——这类作品既无传统雕塑的“材质质感”,也无“空间体积”的物理约束,读者既有的审美经验无法对其进行评判,只能以“技术新奇度”“视觉冲击力”为核心标准,导致审美评判从“艺术本质属性”向“技术表象特征”偏移,标准严重失衡。
(二)以理论革新为锚点,重建AI艺术评判标准
接受美学的革新并非否定传统,而是在保留“读者主体性”“意义生成性”核心精神的基础上,通过理论调整重建评判标准,实现与AI艺术的适配:
其一,重构审美关系,建立“三维互动”评判框架。重新界定“创作主体-作品-读者”的角色:将AI定位为“辅助创作工具”,强调人类艺术家在算法设计、数据筛选中的主导作用,赋予作品“人类意图+算法生成”的双重属性;将读者定位为“意义共建者”,而非“绝对主导者”。在此基础上,构建“技术合理性-意图传递性-意义共识性”三维框架:评判AI作品时,先考察算法创新性与数据合法性(技术维度),再分析是否传递人类意图(意图维度),最后验证读者解读的共识度(意义维度)。
其二,拓展理论范畴,构建“动态适配”评判机制。将“期待视野”从“文化经验导向”拓展为“文化经验+技术认知导向”,通过艺术教育普及AI知识,帮助读者建立新型期待;将“审美经验”从“情感体验导向”拓展为“情感体验+技术认知导向”,把“算法理解”“数据认知”纳入经验范畴。基于此建立动态机制:在AI艺术发展初期,侧重技术合理性评判;当技术成熟后,转向提升审美价值权重——例如,对早期AI绘画侧重“算法生成精度”,对成熟AI绘画则侧重“审美创新性”,确保标准的灵活性。
其三,建立双重约束,明确评判边界。在“艺术规律”层面,保留形式美法则、情感共鸣等传统标准;在“技术规范”层面,制定数据合法性、算法透明度等标准(如AI文本创作需确保训练数据无版权争议)。双重约束可避免“技术至上”或“主观随意”的偏向——例如,评判AI小说时,需同时满足“叙事符合文学规律”与“训练数据合法”,以此明确评判边界。
综上,AI艺术通过解构传统评判体系引发标准失范,而失范又倒逼接受美学重构理论范畴,最终推动评判标准的重建。这一过程不仅是接受美学适应新型艺术形态的必然选择,更是艺术理论在技术时代实现自我突破的重要路径——既为AI艺术的健康发展提供理论支撑,也为接受美学的现代化发展注入新活力。
- GB/T 7714-2025与GB/T 7714-2015相比,变更了哪些,对期刊参考文献格式有什么影响?
- 别被这个老掉牙的报纸理论版投稿邮箱误导了!最新核实91个报纸理论版投稿邮箱通道,一次集齐
- 喜报!《中国博物馆》入选CSSCI扩展版来源期刊(最新CSSCI南大核心期刊目录2025-2026版)!新入选!
- 2025年中科院分区表已公布!Scientific Reports降至三区
- 国内核心期刊分级情况概览及说明!本篇适用人群:需要发南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的学者
- CSSCI官方早就公布了最新南核目录,有心的人已经拿到并且投入使用!附南核目录新增期刊!
- 北大核心期刊目录换届,我们应该熟知的10个知识点。
- 注意,最新期刊论文格式标准已发布,论文写作规则发生重大变化!文字版GB/T 7713.2—2022 学术论文编写规则
- 盘点那些评职称超管用的资源,1,3和5已经“绝种”了
- 职称话题| 为什么党校更认可省市级党报?是否有什么说据?还有哪些机构认可党报?

0373-5939925
2851259250@qq.com

