用计算机创作：从Flash到神经网络的生成艺术工具-数艺网

资讯: 展览资讯大型展会灯光节大型盛典赛事中标捷报产品快讯热门话题艺术节活动演出新闻数艺报道俱乐部签约

观点: 大咖专访观点洞察书籍推荐吐槽设计观点企业访谈问答趋势创新论文职场方法薪资报价数艺专访

幕后: 幕后故事团队访谈经验分享解密评测数艺访谈

干货: 设计方案策划方案素材资源教程文案资源 PPT下载入门宝典作品合集产品手册电子书项目对接

用计算机创作：从Flash到神经网络的生成艺术工具: 原创 2021-08-24

“20世纪90年代至今，伴随着软件技术的发展，艺术家是如何一步一步走进生成艺术的？”

不管你承认与否，我们每个人都已沉迷在计算机的世界里。我们生活中的一切都正在被计算和算法驱动着：包括如何学习、工作、娱乐，甚至是约会。在这样的背景下，我们可以说：生成艺术——至少部分是采用计算机自主、自动化系统创作的作品——是这个时代最具有代表性的艺术形式。

生成艺术的早期实践者主要是计算机科学家和数学家，长期被艺术界所拒绝。20世纪60年代末，格蕾丝·赫特林说，一位同事称她为“婊子”和“叛徒”，就是因为她将电脑作为艺术创作的工具。[1]在1970年《纽约时报》的一篇评论中，评论家约翰·卡纳迪把他看到的计算机艺术展览称为“流行的杂耍”和“马戏表演”。[2]但是近年来，文化艺术机构对生成艺术的兴趣在急剧增长，博物馆的大量展览就证明了这一点。[3]这种接纳的拥抱或许与技术的普及有关，因为过去的20年里，家庭中的电脑和网络已经变得十分常见。

伴随着这些进步，生成艺术在谁可以创作、如何创作、生成怎样的形式，以及开始被考虑的适合创作的主题和话题，都在不断地转变。因为创作工具和作品是紧密联系在一起的，所以生成艺术的历史也可以看作是一部软件和硬件的发展史。

在90年代，约书亚·戴维斯作为一名艺术生，在布鲁克林的普瑞特艺术学院就读。他白天学习绘画，晚上尽其所能地学习编程和创建网站。最后，他问自己，为什么要费尽心力去学习使用几百年都相同的工具和技术来作画，而不是专注于电脑和互联网？这些问题还没有被艺术家们充分探索过。于是，他决定退学，全职做网站。戴维斯并不是唯一一个这样做的人，在那段时期，辍学加入一家初创网络公司做网页设计师具有很大的吸引力。

左：约书亚·戴维斯用Flash 软件创建的网站：ps2.praystation. 的第四版本，2001 年，右：ps3.praystation. 的第二版本，2002

当时网络发展迅猛，对数字内容的巨大需求量远远超过了有能力制作它的设计师的数量。Flash，一个用于制作动画和其他多媒体内容的工具，就在这种压抑需求的氛围中诞生了。最初在1995年，一家总部位于圣地亚哥的小型初创公司FutureWave推出了这款软件。第二年，它被竞争对手Macromedia收购，并更名为Flash。在2005年，Adobe买下了它。

一个Flash插件可以让使用Flash软件制作的多媒体内容在浏览器中播放。它被迅速地推广，在其巅峰时期，超过98%的网络电脑都安装了它。[4]（它现在已经被其他程序所取代，Adobe公司今年正在让Flash退出市场。）Flash的时间线界面与视频编辑软件非常相似，大多数设计师使用它来创作简单的动画和广告。但Flash使用了一种名为ActionScript的编程语言，它允许用户在动画的时间线内直接将代码添加到图形帧上。这样，当播放到一个关键帧并触发代码时，基本动作如缩放、旋转、变化透明度，以及将一个形状变形为另一个形状（在Flash中称为补间动画）都可以通过编程的方式完成。通过循环使用这些命令，在缩放和旋转的同时在屏幕上反复绘制形状，Flash可以成为一个生成艺术的工具，而不仅仅是线性动画工具。

Flash创造了一批新的艺术家和开发者混合身份的人群，他们没有接受过传统计算机科学的教育，也不怕通过分享代码和实践学习来潜心尝试。许多当代的生成艺术家把戴维斯的网站praystation.com作为他们编程创作的灵感来源。这个网站最初作为戴维斯的个人作品集，于2001年在奥地利林茨电子艺术节上获得网络卓越奖。之后，他收到了大量电子邮件询问有关创新性技术的问题。戴维斯不堪重负，又不确定如何回应所有的请求，就决定在他的网站上公布他的项目文件和代码。许多艺术家直接从他的代码开始学习，并且同时决定效仿，分享他们自己的代码。

一位别名为LIA的奥地利艺术家使用了一个叫作Director的老旧程序，该程序优化后用于制作多媒体光碟，后来又使用了对网络更加友好的Flash程序来编写交互式作品。LIA的网站re-move.org在90年代末上线，结合了动态、声音和交互，让人想起音乐视频和电子游戏。

LIA 网站re-move.org 的两张图片，1999-2003 年

Flash的性能塑造了戴维斯和LIA早期作品的外观和感觉。在2006年之前，该程序不能操作位图或像素行，因此艺术家不得不使用硬边几何形状的矢量图形来创作，并且将颜色限制在少量的屏幕元素中。

Flash在绘制网络友好格式的平面动画方面非常出色，但在需要考虑大量细节的复杂模拟运算方面，Flash就不那么出色了。简约的外观成为90年代后期生成艺术的标志。

Flash为艺术家们提供了创建基本命令的工具，并在一个不断壮大的群体中促进了代码的开源。但是软件本身很贵，程序员通常在开发环境中工作，在这种环境中他们可以访问进入他们编写、测试和调试代码所需的程序和工具。Flash的开发环境并不标准又十分有限，因为它的前身就是一个动画工具。

为了让生成艺术更加平易近人且具有灵活性，计算机科学家和艺术家前田约翰在麻省理工学院媒体实验室启动了一个名为“数字设计”的项目，目标是开发一个开源平台，在那里用户可以学习可移植的编程技能。他招募了几名学生来帮忙，其中包括本·弗莱和凯西·瑞斯，他们最终建立了一种被称作Processing的完备的编程语言。

Flash可以快速渲染简单的动画，但是Processing可以对数以千计的图形对象的属性进行运算，两者体系架构的区别显而易见。Flash编辑器有很多绘图工具，是面向图形设计师的；Processing的开发环境则是一个软件程序员所熟悉的空文本窗口界面。

Flash是一种刚好包含脚本语言的动画工具，而Processing适用于快速编写和阅读，以帮助艺术家和设计师学习编程。它提供了一些示例项目，概述了基本的计算机科学原理，例如循环（一直重复直到达到指定目标的命令）、函数（返回特定值的程序）和数组（一种存储数据的方式，便于检索和使用）。虽然你可以发布Processing内的Java小程序，并将其放到网络上，但该软件对浏览器的友好性不如Flash。它的目的是作为一个教育工具，而不是像Flash一开始就是一个商业工具。

在早期的Processing中，许多艺术家都根据自然中出现的规律来探索生成概念。瑞斯对自然中的群体现象感兴趣，例如一群鸟或一群鱼，它们开始表现出的集体特性，其个体成员并不具备。他的作品《显微图像》（2002）是通过不断重复其相对简单的部分和命令而构成的动画。成千上万的点，每个点都通过编程对周围环境做出简单的反应，从而形成一个更复杂的系统。最终呈现的是一个华丽的程序动画，感觉像一个活着的、会呼吸的钢笔墨水画。

凯西·瑞斯《显微图像》A-03，2002 年，颜料印刷，尺寸：11×14 英寸

贾里德·塔贝尔《交叉集合》，2004 年（图片来源：http://www.complexification.net/gallery/machines/interAggregate/）——译者注

贾里德·塔贝尔是另一位基于自然和计算机科学通用原理的生成艺术大师。在他的数字绘画《交叉集合》（2004）中，其肌理更靠近那些泥土、稻草和灰烬的土质材料，而不是像素点或矢量图形这种与早期生成艺术相关的形态。《交叉集合》是塔贝尔基于瑞斯的指令而创作的。瑞斯在2004年受惠特尼博物馆的委托创建了一个基于网络的项目，其灵感来自于美国概念艺术家索尔·莱维特的绘画指令。瑞斯设计了一种开放式的指令，供他自己和其他三位艺术家遵循：“一个界面充满100个从中到小的圆。每个圆有不同的大小和方向，但移动速度相同。需要显示：a.两圆的实时交点；b.圆的交点集合。”塔贝尔的过人之处在于，他对这条机械性指令的诠释，诞生了一种似乎是从土壤中生长出来的艺术品，而不是从1和0的计算中生长出来的。

凯西·瑞斯《静物》(RGB-AV A)，2016 年，计算机软件，扬声器和投影仪，尺寸可变

我认为瑞斯和塔贝尔在21世纪初的作品不仅是生成艺术的突破，总体来讲也是艺术史的突破。几千年来，艺术家们通过复制和模仿自然的外在表现来试图揭示自然的本质。而《显微图像》和《交叉集合》则超越了这一点，它们通过代码来提取并模拟了自然世界生长的力量。

如果说Flash和Processing这样的工具是为艺术家们提供了创作艺术的新型交通工具，那么随着开源数据集的激增，新型燃料也在21世纪初问世。到2007年，世界存储信息的能力已经以每年25%到35%的速度增长了20年，而艺术家们也越来越多地使用它。[5]本·弗莱、亚伦·科布林、罗伯特·霍金等人认为，数据可视化像那些更常规、更实用的图表和图形一样，是可以引发问题的，也可以解答问题。

本·弗莱《全街图》2007 年，细节图，阿巴拉契亚山脉处的公路

弗莱的《全街图》（2007）在淡黄色的背景上用黑色描绘了美国境内的2600万条独立路段。这幅作品可以在弗莱的网站上看到，但最好是作为一个大幅印刷品来欣赏。很难测量这个作品的精细程度，但如果你耗费一分钟来画一条路段，每天不间断地画上12个小时，手工复制所有街道需要大约100年的时间。弗莱的这个作品不包括其他的地理标记，但是仅显示路段就能使图像具有可识别性。弗莱可以一目了然地将整个国家的人口和基础设施体现在这一图像上，其复杂性只能通过一台永不停歇的机器的算法才能实现。虽然有些人可能会把弗莱的《全街图》看作一个经典的制图作品，但我认为它更多的是一种风景画和生成艺术相融合的艺术作品。这个作品不是一张地图，它不能用于导航。相反，它是一个令人惊叹的宏观渲染图，呈现出我们所构建的环境。

自上世纪50年代始，美国政府开始提供人工智能的研究经费，在某些时期，研究项目曾因无法达到不切实际和大肆炒作的期望，而被削减资金。这段时期被称为“人工智能的寒冬”，一些研究项目在大学和公司以其他名称继续进行，比如“搜索算法”和“机器学习”。最后一个寒冬从1987年持续到1993年，因为更经济实惠的计算机性能和大数据集的可用性得以终结。如今人工智能很受欢迎——尽管媒体的大肆宣传可能会带来另一个寒冬。

2014年6月，计算机科学家伊恩·古德费罗发表了他的开创性论文，概述了生成式对抗网络的概念。[6]他开发了由两种神经网络组成的系统：甄别器和生成器，生成器查看大量的训练数据集，并尝试生成与数据非常相似、甄别器无法分辨的内容。其目标是优化系统，使生成的输出与实际的输入无法区分。此后，艺术家们对人工智能的兴趣开始升温。

马里奥·克林格曼：《路人的回忆1》，2018 年，控制台，计算机和两台显示器

马里奥·克林格曼的《路人的记忆1》（2018）就是一个使用GANs作为艺术创作工具的例子。他设计了一个系统，以历史上的绘画作品作为用于训练的图像，来创造出无穷无尽的怪诞肖像。这肖像展示在两个屏幕上，并排放置在栗色控制箱上方，控制箱里面装有控制作品的硬件。屏幕和控制箱的相对位置使它们看起来很像镜子，因此肖像会让人感觉更加贴近密切、充满对抗性，且令人不安。

克林格曼作品中的人物显得苍白而憔悴，类似于收容所病人的旧照片或医疗手册中记录的畸形人类。这些面孔只是短暂地出现在这个世界上，但它们都有一种古老灵魂的表情，承载着苦难的过去。这种扭曲的美学是克林格曼的特点：他一直避免以一种优雅而阳光的美学风格来创作数字艺术。受过图片训练的GANs在努力生成类似于输入图像的东西时，往往会产生一些离奇的怪异现象，并且克林格曼也很享受这样的结果。它们与生成艺术截然不同，生成艺术是使用迭代命令将矢量图形绘制到屏幕上。

马里奥·克林格曼《分形机器》，2001 年，交互网站

克林格曼的互动网站《分形机器》（2001）是用Flash制作的，由二维矢量动画程序组成，可以移动、旋转和缩放。这件作品结合了奇特的齿轮和其他机械部件的图像，部件相互连锁，形成机器或是机器人，颜色是柔和的灰色。这幅作品看起来像是上个世纪一位疯狂科学家的梦想。为了创建它，克林格曼需要输入代码来生成形状，对它们的运动进行编排，并根据它们之间的相互影响设置规则。艺术家可以对这个环境做出调整，包括加入随机性。相比之下，《路人的记忆》所产生的每一幅面孔对克林格曼和我们来说都是同样的惊喜。虽然他可以控制GAN的训练，并可以通过操纵参数来影响输出的总体感觉，但克林格曼放弃了挑选出观众可以看到哪些肖像的权力。它们直接从机器生成出来，出现在观众面前。

直至最近，用GANs和其他机器学习模型创作作品，就像克林格曼自学的这些开发一样，仍旧需要深厚的技术知识和难以掌握的编程技能。但随着Artbreeder和RunwayML等新工具的出现，GANs和其他机器学习模型更便于使用，这一障碍也开始逐渐消失。事实上，目前使用GANs生成图像所需要的技能太低了——远远低于使用Flash和Processing，以至于我们看到大量图像都具有略微变形和恐怖面孔的GAN式美学。

Artbreeder是艺术家乔尔·西蒙于2018年发明的一款工具，目前已经制作了5400多万张图片。西蒙从根本上简化了用GANs进行艺术创作的过程。用户只需来回拖拽滑块来增加或减少源图像对输出的影响程度，并点击图片来“衍生”它们。

RunwayML是一个更加先进的程序。该软件诞生于一项学术研究项目，由联合创始人克里斯托弗·瓦伦苏埃拉创立，旨在加速新算法及模型从研究到软件的运作。Runway直观的界面让快速入门变得更加容易，它也允许对多种机器学习模型进行微调和控制，包括给黑白照片着色，将风格从一幅图像转换到另一幅图像，识别人脸，将涂鸦转换为具有照片级真实感的图像等。用户可以构建复杂的流程，将各种模型排序，并通过连接到云上来缩短执行的时间。这意味着Runway提供了比Artbreeder更大的灵活性和更强大的功能，而Artbreeder则放弃了复杂的功能以换取操作的简易性。

但即使是Runway创作的作品，看起来也很同质化，因为很多作品都具有GAN艺术所共有的超现实主义特质，或者是某种风格的转换（例如一幅画被做成看似照片的样子)。这些Runway模型对随机图像的任意执行和应用无法创造艺术，至少不会是非常有趣的艺术。使用这些效果的人越多，所感受到的艺术性就越少。

人们都经历过类似的算法的过度使用，在20世纪90年代中期，Photoshop滤镜首次出现并被广泛应用，却缺少艺术化的处理。于是，它们很快就变得媚俗，然后消失殆尽。在过去的20年里，艺术家友好型工具已经使创意编程更为大众化。但是，随着创作生成艺术的障碍逐步消失，艺术家们必须找到新的方式来彰显自我，否则就会迷失在正在被制造出来的看似无限重复的图像之中。

也许，建立一种独特视觉效果的最好方法是通过重新引入模拟艺术作品的元素来增加对人类创造力的重视。愫君、安娜·里德勒和海伦娜·萨林都是用他们自己的画作来训练GANs的艺术家——这些视觉信息的主体显然是他们自己的，而并非大型的公共数据集。萨林还将AI生成视觉效果，从玻璃和陶器的制作到单色和丝网印刷，都作为各种模拟程序的作品的基础。通过将这些实体艺术制作方法与先进的数字技术相结合，萨林开发出了她自己的语言。这种语言比一键生成的GAN图像更温暖、更吸引人。

海伦娜·萨林的喷墨印刷作品，2019 年

海伦娜·萨林的对抗性培养皿，潜在生物多样性系列，2019 年，数字图像

愫君与D.O.U.G._1 合作，现场演示《绘图操作单元：第一代》，2015 年

和萨林一样，愫君在自己的绘画作品基础上训练了一个神经网络，并使用模拟艺术程序来完成她的最终作品。但她也给机器人编程，让它们在一系列现场表演中在地板上的大画布上与她共同作画。愫君强调，她自己的手会出现在机器学习模型的编程过程中。虽然这些机器画出了她作品的风格，但她仍然对这些机器做出的一些特殊标记（晃动、卡顿）感到惊讶，她把这些新形式融入了自己的绘画中。其结果是巨大的、环状弯曲的结构，将艺术家和她的机器人合作者的即兴创作结合在一起。

许多艺术的创作过程也可以被称为一种算法。艺术家按照自己作品的顺序或步骤进行创作。通常，令一件艺术家的作品比他人更有趣的是自发性，一种乐于挑战自己体系的意愿。而计算工具则使这一实现成为可能。

我们的未来是激动人心的，它将是模拟与数字、人与机器共存的时代，而不是牺牲其中一方面来抬举另一方面。如果说生成艺术的历史是我们这代人的历史，那么就让在这个时代拥抱新思想和新工具的才华横溢的艺术家们来讲述吧。

注释：（向上滑动查看）

[1] Grace Hertlein, quoted in Grant D. Taylor, When the Machine Made Art: The Troubled

History of Computer Art, London, Bloomsbury, 2014, p. 7.

[2] John Canaday,“ Less Art, More Computer, Please,” New York Times, Aug. 30, 1970, p.

87, quoted in Taylor, p. 6.

[3] These include“ Artists & Robots,” at the Grand Palais, Paris, Apr. 5–July 9, 2018;

“Chance and Control: Art in the Age of Computers” at the Victoria and Albert Museum,

London, July 7–Nov. 18, 2018;“ Programmed: Rules, Codes, and Choreographies in Art,

1965–2018,” at the Whitney Museum

of American Art, Sept. 28, 2018–Apr. 14, 2019;“ Coding the World” at the Centre

Pompidou, Paris, June 14–Aug. 27, 2019; and“ Face Values: Exploring Ar tif icial

Intelligence” at the Cooper-Hewitt Museum, New York, through May 17, 2020.

[4] Rafia Shaikh“, Get Ready to Say Farewell to Flash Player as Adobe Has Finally Decided

to Pull the Plug,” wccftech, July 25, 2017, wccftech.com.

[5] The growth rate is estimated by Martin Hilbert, who describes his method in“ How

much information is there in the‘ information society’?,” a blog post for the Royal

Statistical Society, rss.onlinelibrary.wiley.com.

[6] Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley,

Sherjil Ozair, Aaron Courville, Yoshua Bengio,“ Generative Adversarial Nets,” June 10, 2014, arxiv.org.

来源：《装饰》2021年第5期

原文：《从FLASH到神经网络的生成艺术工具》

作者：[美] 杰森·贝利，Artnome艺术家数据分析库创始人兼CEO

翻译：支良、向帆，清华大学美术学院

《装饰》杂志欢迎您的来稿

E-mail：zhuangshi689@263.net
地址：北京市海淀区清华园清华大学美术学院A431 中国装饰杂志社编辑部
电话：010-62798189 010-62798878
邮编：100084
官网：http://www.izhsh.com.cn
建议邮件书信亦可
在微信中回复“投稿”可获得投稿须知
投稿1.5月后可致电（010-62798878）查询初审结果

阅读原文 * 文章为作者独立观点，不代表数艺网立场转载须知: 本文内容由数艺网收录采集自微信公众号装饰杂志 ，并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源：数艺网” 并附上本页链接：如您不希望被数艺网所收录，感觉到侵犯到了您的权益，请及时告知数艺网，我们表示诚挚的歉意，并及时处理或删除。

数字媒体艺术新媒体艺术科技艺术作品分享科技前沿

20189