艺术内部形式与审美完善 扩大艺术外延新界定

人工智能艺术的核心是计算机的“创造力”培养，其假定计算机作为艺术创作的主体——艺术家来加以构建。其基础是机器学习（Machine Learning， ML）。机器学习是使计算机具有智能的根本途径。早期的机器学习方法是神经网络（Neural Networks，NNs），通过模仿动物神经网络行为特征来进行分布式并行信息处理；而近期的深度学习（Deep Learning，DL）是多阶层结构神经网络结合大数据的逐层信息提取和筛选，使机器具备强大的表征学习能力，也使机器学习从技术范畴上升到“思想”范畴。此时，通过调用包含大量艺术专业知识和经验的专家系统，可以实现对机器艺术思维模式的培育，形成具有“艺术自觉”与“创造力”的人工智能“艺术家”。比如，美国罗格斯大学艺术与人工智能实验室（AAIL）研发的“生成对抗网络”（Generative Adversarial Network，GAN），即利用两个相互博弈的神经网络不断生产出截然不同的全新图像。
　　人工智能的一个重要前提是大数据。借助云计算技术，由机器操控数据来进行结果判断和帮助决策，这叫模式识别。模式识别的本质是通过数据描述，使机器对事物或现象进行描述、辨认、分类和解释。如果我们以计算机“输入—运算—输出—结果”的生产方式来类比艺术的创作方法，则传统艺术的创作逻辑特征可表述为：视觉输入—人脑（人体）运算—工具输出—必然性结果。而人工智能艺术借助数据的输入可以产生更多具有刺激性和感染力的创造性结果，其逻辑特征可表述为：数据输入—程序（人工）运算—电子设备输出—随机性结果。因此，人工智能艺术以对数据库的调用与计算来塑造自身和世界。数据库像一个包含无限虚拟有机体的艺术基因库，机器操控它们来创造实物或“生命形态”。可以说，支撑人工智能艺术的是一种数据操控的美学。
　　“人人都是艺术家”成为可能
　　人工智能艺术在今天不仅是一种从主题、形式到技术都令人惊叹的前卫艺术类型，而且在日益扩大艺术的外延。从艺术内部的形式与审美完善，到艺术外部的社会化、政治化触发，人工智能艺术导致艺术功能、艺术价值、艺术家身份认证、艺术评价体系等问题都要重新界定。