摘要：摘 要：人工智能正在大幅修订电影艺术的方法论基础。随着艺术变异为数学、美学转化为编程语言，电影正被概念化为实验室生成艺术，电影学也必将被改造为一种带有跨学科性质的“硬学科”。在一个开放、迭代的动态系统内，人类的创造力被重新校准为计算性的，创作最终成为具有“众包

计算创造力：朝向人工智能时代的电影哲学

作者简介

谢建华

四川师范大学影视与传媒学院副院长、教授

中国电影评论学会理事

摘 要：人工智能正在大幅修订电影艺术的方法论基础。随着艺术变异为数学、美学转化为编程语言，电影正被概念化为实验室生成艺术，电影学也必将被改造为一种带有跨学科性质的“硬学科”。在一个开放、迭代的动态系统内，人类的创造力被重新校准为计算性的，创作最终成为具有“众包”色彩的管理行为。鉴于此，电影学科亟需制定一个双重更新计划，以便为人工智能时代的电影发展提供一个有远见的哲学框架。

关键词：人工智能电影 实验室艺术 生成艺术 计算创造力 电影哲学

人工智能很可能是有艺术史以来人类面临的最重要、最艰巨的挑战。从创意伙伴到灵感之源、从数据分析到算力生成、从互补性到自动化，创作领域的计算革命貌似强化了“泛算法论”的理想主张，激发了人们对“机器艺术家”的美好想象；但也进一步加剧了两种智能竞争的紧张态势，扩大了电影理论关于人工智能问题的重大分歧。在事关人类创造力和电影未来的关键问题上，困惑始终存在：从制作革命的宣言、重塑概念的愿望，和拥抱新机遇、迎接新未来的兴奋，到绝望的抵抗和对电影作为一门艺术的“终结”的警告，乐观主义的情绪与日俱增，卢德主义的忧虑依然经久未散。

无论如何，在人工智能的强大推动下，电影行业正处于一场技术风暴的边缘。一个迫在眉睫的问题是，如何在艺术目标、美学尺度甚至价值观方面使人工智能与人类保持一致；另一个更迫切的问题，是能否构建一个可持续的批判性理论体系，以便为人工智能时代的电影提供一个有远见的哲学框架。本文的目的即是重审人工智能电影既有的结构化知识，追溯“创造力”概念的历史和哲学遗产，找到这一技术创新和“进步”叙事有争议的逻辑原点，以期重新定位人类在电影创作中的位置。

一、 人类的疑问

尽管人工智能正在向更加友好、更易操作和渐趋自主的框架迈进，但人类对 AI 创作风险的担忧和对 AI 艺术前景的质疑仍是不变的事实。一部受高级推理、复杂指令和算法创意驱动的 AI 电影，永远伴随着技术伦理的巨大争议。机器能思考吗？程序是否有资格获得作者的签名？计算机能否成为真正的电影艺术家？到目前为止，围绕人工智能和电影艺术的讨论仍然集中在拟人机器与人本主义的二元博弈上，同时裂解为关于原创性、自主性和作者身份，AI 电影的艺术本质及其在电影艺术史上的地位等基本问题的激烈争论。

首先是实践层面，很多专家主张人工智能如同画家的笔和颜料，不会做出自主决策。即使像 Sora 这样先进的视频生成模型，其创意灵感也只是人类艺术遗产重组的结果，我们只能在工艺层面肯定人工智能的作用。作为艺术家的义肢，人工智能仅在三个方面供电影“利用”：一是创建和操纵复杂的制作流程，在提升控制水平的基础上优化成本。作为一种管理工具，计算机将 3D 跟踪、背景清理、添加字幕、元素删除等后期工艺集成为更高效的工作平台，托管所有录制内容的云系统，允许来自世界各地的专业人士进行远程协作，以进一步提高电影各环节合作的灵活性。二是利用数据智能手段构建模型世界，通过生成视听脚本、故事板等形式，完成前期制作的预演，提高概念的可视化和视觉的保真度。三是以可设定的目标为基础，实现编剧、配乐、剪辑、预告片制作等创作任务的自动化。一个最明显的变化发生在剧本创作阶段，AI 智能编剧已能利用认知计算技术丰富创意机会、生成叙事智慧，同时可以在挖掘社交网络的基础上，建立更详细的观众档案，以完成趣味精确的内容输出。在上述创作实践中，艺术家让计算机系统接管了部分决策工作。这大大简化了“新手”的信息提取和内容创建过程，丰富了“老手”的创新机会，但它们仍然只是工具。在一种基于规则的编程活动中，艺术家决定了规则，把实现方法或路径选择留给了计算机系统，人类始终是所有电影作品的终极控制者。

图 1 人工智能辅助电影创作的基本路径图

问题一直存在：AI 电影为何会有让人尴尬的台词和前后矛盾的情节？根本原因在于，人工智能在模仿独特的人类本质和情境的细微差别方面存在“先天不足”，而这些是“想象力、创造力的核心”，它们又与人类的情感、意图和意义深深交织在一起。[1] 艺术史本质上是人的心灵史。鉴于捍卫艺术定义的直觉和灵感仍无法被转译为源代码，人工智能必然无法完成需要同理心、社会经验和精神互动的“高级任务”，因而无法真正替代人的创作。在古典主义者看来，人工智能可以创造一个角色的真实面孔，但无法传达情感和个性；可以创造一个真实的环境，但无法为其注入情绪、氛围和风格；可以模仿现实的外观，但无法创造现实的幻觉。从智能工具到人机协作再到创作实体，还有很长的路要走。

其次是美学层面，传统观点认为风格是独一无二、无法学习的，建立在神经风格迁移（NST）之上的 AI 技术注定会使电影丧失原创性。风格是个性的庆典、作品的遗传密码，是区分不同电影导演、类型和运动最有效的手段之一，是电影史学科的核心。而数字人文方法表明，艺术史家关于风格变化的理论建立在寻找共性的基础之上。只要风格可以用科学方法进行量化验证，计算机就能使用图像类比算法，对所输入的图像应用任何想 要 的“艺 术 风 格”， 从而将任何目标视频实时风格化。当人工智能本杰明（Benjamin）学习了上百个20 世纪 80、90 年代的互联网科幻剧本和电影语料库，按照预设要求输出短片《阳春》（Sunspring，2016），创作遵循的只是形式规则而非人类经验。计算机这么做的时候，相当于实现了艺术创作的自动化，但也同时剥夺了艺术的“原创性”和人性。

图 2 神经风格迁移（NST）对图像进行实时风格化处理

总之，人工智能对训练数据的依赖和不可预见的输出，只会加剧人们对风格认知的困惑：如果风格只是源于既定作品的形式分析，意义的生成仅寄居于形式模仿的关联性，电影原创几乎不可能。在一个日益自动化的数据链中，人类如何保持自己的相关性？在一个以创造力为核心的艺术评价体系中，风格又如何继续发挥形式化和法典化的作用？

最后是伦理层面。如果沿用“艺术创作是一种社会行为”的“常识”，“人工智能无法创造艺术”就是水到渠成的结论，[2] 这意味着人类不可能将作者身份分配给计算机。人工智能引发的作者伦理争议，体现了我们对人类创造力问题的重大关切：如果计算机对电影本性和风格属性已有完整的理解，创作过程为什么要诉诸随机性？如果计算机可以创作剧本、规划拍摄地点、选演员、自动生成各种匪夷所思的艺术效果，甚至可以独立完成整部电影，人在创作过程中的价值何在？如果电影最终由程序定义，创作过程由大量可复制的计算路径构成，电影艺术家还有什么特别之处？作为定义人类“伟大”的核心指标，创造力形塑了我们对艺术原创问题的理解，反过来又成为我们理解艺术作品作者署名的道德基础。2023 年欧美新修改的版权条例明确将人工智能艺术排除在外，[3] 再次说明：媒体对电影行业成功应用算法策略的披露，必将引发电影人艺术创造力终将丧失的焦虑，我们仍倾向于将智力创造界定为涉及某种特权的人类活动。

这些疑问看似有理有据，但存在一个明显的逻辑悖论：要想具有艺术原创能力，计算机就必须在创意决策过程中表现出独立的行为属性，但程序行为的自主性会完全排除人类介入算法过程、预测程序结果的可能，这又从根本上否定了程序行为的艺术性质，因为整个过程与人毫无关系。更何况，我们还很难确定程序运行在多大程度上受到人类的“干扰”，因为从指定规则到操作系统（自我修改和自动选择）的细节还不清晰。[4]当我们让程序去“做它自己的事情”，而不知道它“会做什么”时，它是否承担了作者的责任？因此，除非修改艺术的定义，否则我们就不可能承认计算机的著作权主张。

图 3 AI 短片《 阳春 》（Sunspring ：2016）

二、 机器眼中的电影艺术

我们可以将上述疑问的根源追溯至著名的图灵测试：机器能像人类一样思考和行动吗？只要我们站在人的制高点上，计算机的创作都将是不完整的，也是不可理解的，AI 电影和传统电影因而在本质上也是完全不同的。

但是，这个貌似合理的结论中，蕴含了两个值得反思的问题：一是艺术作品本身的程序属性。如数字人文的研究成果所示，既然声音、颜色、空间、运动、构图、演员身体等艺术形式都可以被精确表示、定量分析，任何一帧信息和任何一种创作方法都可以被编码，电影作品的内在是不是一系列代码？电影语言本质上是否为一种数学描述？弗里德里希·威廉·尼采（Friedrich Wilhelm Nietzsche）已经说过，“艺术家所创造的人物性格充满了假象，根本不是有血有肉的产物，如画家笔下的人物一样经不起仔细考察。说什么画家和雕塑家表达了人的‘理念’，更是纯属臆想和幻觉。谁这样说，谁就是处于视觉暴政之下”[5]。二是人的机器属性。既然世界上最伟大、最具原创性的音乐、绘画、影片被分解为计算机代码如此容易，是否意味着最好的艺术家比我们想象的更像机器？[6] 笛卡尔就认为，人的身体“只是一台以极为精巧的方式制造出来的机器，这台机器就像一个上紧发条的钟表机芯，完全不依赖于灵魂，仅仅按照它自己的机械装置就做出一切自然的行为”[7]。因此，人和机器的创作没有任何重大差异。既然计算机表现了一定程度的艺术理解力，它建立在符号推理上的智能与人类的创造力在本质上应该是一样的；传统电影和 AI 电影具有相似的谱系，两者都是作为程序运算结果的“技术图像”。

理解这一点至关重要。对创作肌理的深入剖析，将会重塑我们关于艺术的“常识”：

其一是创作过程。所有作品的生产都历经从具象到抽象、再到具象的漫长进程，包含美学学习和抽象混合两个步骤，创新是艺术家在重复经历这些程序的过程中产生的。就传统电影而言，创作者必须在记忆和感知之间不断混合重组，以便偏离所参照的模仿对象。在电影史上，从毕赣选择贾樟柯、贾樟柯选择侯孝贤、侯孝贤选择费德里科·费里尼（Federico Fellini）、费里尼选择罗伯托·罗西里尼（Roberto Rossellini），可以看到创作过程所隐含的单体迭代线索。这是一种流动的创造力，人的创作既充满了近似的企图，也蕴含着背离的冲动，最杰出的艺术家也是“美化的数据拟合程序”[8]。

算法软件的运行显示，人工智能的创作过程是一样的。它同样需要大量的示例作品做训练数据，以便通过机器学习分析风格模型；然后在此基础上，以近似结构自动创建数字图像，并随时对这些自动输出进行评估和修改，以便使新作品同时兼具历史渊源和创造性。这是一个风格迁移的过程：既有处心积虑的模仿，也有煞费苦心的伪装，风格的学习和预测呈现出递归方程式的无限迭代特征。

虽然传统电影的创造性主要发生在人脑的无意识层面，风格经验由艺术训练的超剂量时间投入习得，而AI 电影基于算法驱动的数据合成，其创新过程更智能、更简便，不仅实现了与传统技能的决裂，也完成了前所未有的自主。但人脑想象力和数据库想象力的差异仅仅体现在系统化的程度上，它们本质上都是一个循环往复的艺术史考古游戏。也就是说，所有新电影的创造力都取决于训练它的原材料，艺术家表面上看是标新立异的创意领袖，事实上是以古为师的“历史囚徒”，对电影史的复访和引用贯穿了人脑与 AI 创意形成的全过程。

创作的终极目的都是将艺术史转化为公共资产，这个过程类似于从文字的发明到字典形成的历史。计算机将大量视频用作训练数据时，从不会考虑这些文件是谁先创造的，而是将其视为所有程序都可挪用的数字资源。或许今天的导演也已忘记，当他们向古典艺术作品借用资源时，这些已被视为“常识”的人物、情节、类型、形式甚至技术细节，也曾有过一段需要授权才能使用的“独创期”。忽视了著作权与公共艺术遗产之间的界限流动不居的事实，就容易将 AI 电影和传统电影对立起来。

其二是审美意图。审美意图有两个组成部分：艺术家创作过程的模式和分享这些模式的动力。[9] 我们之所以重视导演在电影创作中的审美意图，关心技巧运用背后的动机，是因为意图的可感知性能够驱动审美体验，帮助观众找到一个将各种形式元素统一起来的线索。AI 电影的出现使这个问题变得更加重要，因为理论家相信：影片的意义和创作者的意图在逻辑上是等同的。[10] 只有人（导演）的创作会受目的论驱使，而人工智能电影的吸引力来自于偶然进化生成的结构，它们缺乏美学意图，因而难以引人兴致。

但有一种先验论证，意在表明创造过程不可能是目的论的。[11] 这是因为，如果制作某个对象的过程是创造性的，制作者就不可能知道结果；如果一个人预知了结果，制作过程就不具有创造性。换句话说，如果影片的审美意图是可见的，导演就无关紧要；如果它是不可见的，审美意图就是无足轻重的。因此，审美意图和艺术生成之间的关系应该是辩证的：太过强烈的作者意图会削弱作品的艺术性，而太微弱的作者意图又会降低观众探索作品的兴趣，唯有一种“不做作”的审美意图才能将人的创作和自然区分开来，并将其转化为艺术。这种意图呈现出目的论的幻觉色彩，康德称之为“无目的的合目的性”[12]。那么，如何才能找到最恰当的审美意图—既不以手段达成目的，又能让人感受到形式运用的强力意志呢？艺术家和人工智能在这一点上表现出了完全雷同的特征。

在确立美学解决方案之前，每一个导演的头脑中都会产生多种可能性。随后，通过发散和聚合思维的来回切换，不断缩小评估范围，进而确定“最有前途”的想法。这个过程涉及复杂的潜意识思维，创作者通过频繁的机会优选程序确立了最终的审美意图。科学哲学家亨利·庞加莱（Henri Poincare）将这个过程拆分为“盲目变异”和“选择性保留”两个阶段，[13]“盲目”意味着创造力不可解释、无法预测，“优选”意味着所谓的艺术灵感无非是一系列选项中做出的艰难抉择。尼采对此有过类似看法，他说：艺术巨匠的想象力仅仅在于“孜孜不倦地摒弃、筛选、改造、整理”，“伟人之伟，无一例外地在于辛勤劳动”，他们“不断生产出优、中、劣不等的东西”[14]，任何艺术家的意图确立都是达尔文主义式的。因此，我们完全可以将人类的创造性活动理解为对“机器程序的执行”，它们受机会法则支配，经常从机器算法确定的“一系列选项中做出选择”[15]。

人工智能创作更是如此。从机器的视点看，上述过程无非是一种概率推理行为，只要有超规模的概率测试和算法优化作基础，就很容易找到一个兼具信念感和意向性的“机器意图”。这是一种“程序化的自由”，审美意图的确立不再是一个受大脑容量支配的自然过程，而是诉之于海量数据分析的自发过程。这完全颠覆了审美意图是人的“主观意念”、创造力是激发灵感或人“不懈努力”的信念。20 世纪 50 至 70 年代的行动绘画（Action Paintings）、机遇拼贴艺术（Chance Collages）、随机音乐（Chance-controlled Music），对此进行了大量实验。它们说明：美是偶然的，也是计算的。艺术家的大脑无法“驾驭创意的洪流”[16]，其需要在技术等外力辅助下，将意图形成的巨大决策空间缩小到可管理的范围。既然随机性是解决无意识或不完整知识的一种方式，计算机和艺术家就有可能在审美意图的确立中分配不同的比例。

图 4 行动绘画《 秋韵 》（Autumn Rhythm: Jackson Pollock，1950）

其三是创新问题。长期以来，近似或雷同都是创作必须跨越的障碍。自现代电影以来，创新能力、而非个人能力，逐渐成为评判艺术价值的重要标准。[17] 导演唯有努力走出影史名作投下的“漫长阴影”，才有可能被认为“发明”了自己的语言，维护了自己的艺术地位。但如何创新呢？在这一点上，人类艺术家和人工智能的创作活动都遵循同样的创造力标准：脱离电影史所形成的经验模式。具体来说，要么是嫁接旧模型形成新结构，要么是在原有类型中添加新元素，或是将所有的形式元素进行抽象混合，以形成综合的陌生化效应。电影史上，未来主义、超现实主义、抽象电影导演通过采用闪烁、循环、中断等“不切实际的技术”，刻意进行形式实验，使作品产生强大的新颖刺激，本质上是“为不同而不同”。[18]

通过“批量”学习艺术风格史，人工智能同样找到了一种更“廉价”的“创新捷径”：将熟悉的概念以不熟悉的方式重新排列组合，最大限度地偏离习得风格，从而增强创新潜力。这是一种简单有效的形式化技术，马克·里德尔（Mark Riedl）称之为“组合元搜索”的计算创造力，包含概念混合、整合、构思调整三个阶段。[19] 也就是说，影片的创新是假设模型空间中自发组合和优化搜索的结果，一部作品呈现出的“原创性”其实源自人工智能在超速运算中产生的意外（“事故”）。只要保持足够多参数的历史影片分布，计算机就能找到大量的创意生成路径。

因此，应该重新认识电影的创造性与版权问题。一方面，原创性测试的门槛很低，低水平创意作品获得版权保护的例子比比皆是。当我们拥有一部影片的著作权时，究竟哪些层面（部分）可以声称是自己独立创造的？既然所有影片的创新性都取决于其与电影史的相关性，审美判断的标准也是从历史活动中产生的，人类引以为傲的创造力神话必须被重新认识。尼采早已指出，艺术“反对”原创。“倘若艺术穿上最破旧的衣服，人们就能最清楚地认出它是艺术”。[20] 另一方面，AI 电影的创意形成过程说明：缺乏可识别风格的影片更具创新性，一部作品形式元素的“非概率化”越大，它的美学得分就越高。[21] 那么，艺术创造力是否仅涉及审美判断的“不可预测性”？[22] 创新性评价极高的影片，是否也是人脑缺乏足够预测能力的表现？正是在这个意义上，人工智能电影完全放弃了版权对创造力的“虚假主张”，这挑战了艺术和文化遗产世界建立已久的公约。

上述三个层面归结起来，可以推衍出一种理解电影的新范式。这是一种建立在“后人类中心”思想上的电影哲学：无需在人和机器、艺术家和人工智能之间进行严格区分，不仅人和机器的行为系统是基本一致的，艺术家的艺术活动在某种程度上也是人工智能的，人类的创造力应被重新校准为计算性的。创作者其实一直在算法上运行：从寻找创意、优化构思到制作过程中的各种行为指令；电影也应被重新想象为一种特殊的机器系统，不仅包含各种智能、灵活的机器设备，也包含处理这些系统、实现复杂目的一系列精确技术。无论是传统电影还是 AI 电影，我们完全可以使用相同的语言和概念来描述。

长期以来，人工智能一直被视为对人类智力的模仿，哲学据此将人与机器之间的关系描述为“对称的人类学”，[23] 这是导致人工智能电影认识误区的根本原因。一种“后人类中心”的电影观对此进行了富有成效的修订，目的不是将人“降低”到机器的水平，或者将机器提升到人的水平，而是逼使艺术家更准确地理解自己的创作过程，以便彻底重建新的电影思维。我们不得不重新思考两个基本问题：究竟什么是创作？在人工智能之后，人类是否真的具有创造力？或者更准确地说，人类将以何种方式具有创造力？

5 宣称“ 全球首部完全由 AI 制作的长片

”Our T2 Remake（2024）的预告片

三、 作为实验室艺术的电影

我们面对的是一种异质性的方法论：电影不再是现实的模拟，而是程序生成的结果；创作不再是反思性、批判性的文化过程，而是以结果为导向、非意识形态的演算系统。电影正在成为一种实验室艺术：影片由数据流生成，任何作品实体或美学现象都是数据处理的结果。与其说传统电影艺术走向衰落，不如说整个电影系统正在被重新定位。

首先，电影艺术的数理本质。人工智能正在将电影艺术转化为一种数学语言，创作主体则是一个管理数据基础设施的计算机架构。这可以从三个方面理解：

一是数据问题。当前世界正在经历“从以人为中心的世界观”向“以数据为中心的世界观”的转变过程，[24]与传统审美体验相关的主观性和神秘性正被数学公式的公理性和透明度替换。经典电影观建立在 19 世纪的实验心理学和情感美学基础之上，以艺术家个体经验、艺术技巧和创作过程的不可替代性为前提，最终被形式化为一种视觉经济和认知快感过程。AI 电影则是一种算法实验，艺术家是信息处理机器，所有创作都可以与数学原理联系起来；没有数据集就没有作品，任何影片都是“有效计算程序”的实现案例。换句话说，整个电影史应被视作数学的必然：我们可以用数据求解热门电影剧本的方程，允许任何人使用并修改开源的原始模型代码，所有电影作品、艺术家和风格演进的答案都可从上万亿个参数中推断出来，任何一种审美体验都可以预测生产。

二是结构问题。经典电影将所有技术语言都视为一种在分散、混乱的信息丛中重建意义的尝试，时间、空间、视点、人物关系的组织既服务于特定的意图，又有联想的偶然性，创作过程必然是复杂的、不透明的。而人工智能致力于消除创作的主观性和形而上学色彩，将所有艺术元素的运行都视作结构问题。因为任何作品的创造潜力都建立在形式元素的系统整合能力之上，结构至关重要：它定义了作品的秩序。这意味着：影片的生成过程就是视频结构逻辑化的过程。只要电影创作的方法能被分解为可再现的数据，计算机就可以对其进行分类、索引和系统的量化；只要流程和算法表现出清晰的逻辑，人工智能就可实现满足任何指定条件的视觉布局。在一个运转流畅的控制论循环中，AI 电影既建立了“关于规律的规律”，也产生了“关于思考的思考”[25]。

三是概率问题。人工智能一直努力解决美学风格的“可替代性”问题，这意味着：所有艺术都没有可识别的“原创”，美学创新仅是人工性的概率“算计”。那么，电影艺术就与测量有关，本质上是概率论的一部分，它关心的问题是：秩序与复杂性的比例、独创性与规范性之间的统计分布、冗余信息和有效信息之间的平衡计算、自动化与交流感之间的比例多少是合适的？为了实现某种特定类型的艺术效果，程序运算所需要的最小属性是什么？另一方面，创作与证明有关，本质上是元数学的一部分，它关注的是：不同类型的程序系统可以实现哪些不同类型的行为，如何证明数学陈述和计算执行在艺术生成上也是正确的？一个能够自我复制的机器程序是否存在任何逻辑矛盾？

概率是 AI 电影设定的重要美学判断标准。因为概率与信息量之间存在反比关系，事件发生的可能性越小、越难以预测，它所隐含的信息就越多。[26] 在 AI 电影中，一个程序的生成能力越是不受程序设计者的掌控，其释放的创作信息量就越大。这看起来更像是一种先锋艺术理论，不可接近性反倒成了衡量影片价值的核心标准。计算机对低概率（随意性）的痴迷，既可以被视为一种增加信息传输量的企图，也可以被理解为 AI 电影“让人费解”的根本原因。

所有这些方法都指向强大的算法概念。电影不但是自动化的，也是前卫的：一旦计算机存储了时代元素和过渡概率，就可以重新配置所有美学元素，对知识档案进行更丰富的数据挖掘，自由地、参数化地分析和生成预期的电影作品。任何一个伟大的导演最终会在算法中被形式化、客观化，只要机器足够智能，它可以创作出任何导演所能创造的一切。“艺术家也是一个程序员，我们都将是”，[27]AI 电影中没有天才的神话。

其次，创作过程的生成本质。AI 电影表现出越来越突出的生成艺术特征，与其说计算机创造了一部作品，不如说它呈现了宇宙生成的过程。电影正逐渐被概念化为一个复杂的动态系统，在某些方面，它类似于一个发育中的有机体。[28] 这个抽象的人造世界只有两个方面：连续进化过程及其产生的感官制品。我们可以从三个方面来理解：

这是一个开放过程。电影创作不再以确定性的结果为导向，一切都是流动、变化的，而非固定、静态的，作品的看点正从知识、符号和意义转向代理、演绎和涌现。这个充满变数的过程既是形式化的、不可控的，也是充满活力、备受期待的。因为计算机只关心程序的行为，而不是它们的本质；只关注它们可以生成什么，而非它们是什么。[29] 这将导致两个结果：一是电影艺术的语境本质，计划和机会的系统性结合程度、图像从一种状态到另一种状态的转换可能成为创作重心；二是创作成为一个充满突发性代理的空间，影片将在不可预测的范围内传递信息。算法不仅可以超越他人，还能够击败自己，只要我们放手“让系统去发现自己会做什么”，[30]电影就有无限可能。

这是一个迭代过程。一个被称作“遗传算法”的过程会反复进行，一旦程序执行的正式规则被选定，系统就会启动一个重复性的概念和再概念化过程。通过适应度函数的自动运作，进化程序的选择性复制和随机性变异可能会持续数百代，直到选出最有希望的候选者来繁殖下一代。[31] 在这个“相对非人的过程”中，[32]系统创建“代理”和“环境”的能力超过了艺术家的个人意志，人的控制力被大幅削弱甚至完全清除，历史几乎不存在。

人在创作中的位置被彻底改变了。导演不再是电影创意和思想的唯一来源，不用从头开始创造、对每一个细节负责，而是算法生成和进化过程的监管者。电影是管理而非创造，创作者更像是助产士，而不是艺术家。控制论所想象的未来电影人即将成为现实：他们可以根据兴趣在特定的实验室工作，要么从外部世界获取基本的视听形式、物与符号，要么创造全新的感官元素。他们必须习惯组织技术、学习新的机器语言、不断发现新的组合路径，以便由计算机翻译、处理和存储后，在适当的时间调用和整合，并在实验室进行预演和测试，最终通过网络分发至全世界。[33]

这是一个系统过程。创作始终处于一个动态的关系网络中，在秩序和无序之间反复摇摆。这个关系网络包括：技术装置、艺术家、程序，以及各种嘈杂的渠道和复杂的反馈过程，系统是构成电影的基本材料，互动本身的性质成为电影审美判断的重要标准。在这个流动便捷的网络系统中，各种软件平台上的信息都将被转化为数据输出，所有创作环节都将被重新配置为任意样本池内的实时智能任务。在一个配置充分的平台上，剧本决策、演员选择等工艺作为共享数据点将被“货币化”，视听合成可在线共享、交互操作，这将大幅扩展传统电影的结构，电影创作最终将成为一种“众包艺术”。

结语：电影学科的双重更新计划

畅销书《未来简史》（Homo Deus：A Brief History of Tomorrow，2016）对未来世界所做的预言正在变成现实：所有生物都是算法，生命就是数据处理，科学正汇聚成一个包罗万象的教条；智力正与意识脱钩；无意识但知识渊博的算法将比我们更了解自己。[34] 鉴于人工智能进化的惊人速度，不但艺术家面临心智升级的巨大压力，创作与研究也正遭遇前所未有的严峻挑战。传统艺术推崇的神秘主义和自由意志难以为继，科学与艺术的调和被视为一种错误幻想后，颂扬计算创造力和自动化的实验室艺术将迎来崭新机遇。

电影亟需制定一个双重更新计划。在艺术层面，我们不得不重思电影的本质，重新定位电影与技术、艺术与科学的关系。一般认为，在文明的分工中，科学与艺术有根本区别。科学发现规律，承担着自动化（即重复）的任务；艺术产生意外，承担着非概率（即创新）的使命。[35] 人工智能电影首次将美学转移到自然科学的系统位置，使人意识到：电影是变异艺术，电影美学是编程语言，实验室是电影创作的组织和制度形式。由此推及，科学与艺术并非人们想象的那样互不相容，它们都涉及相同的运算过程。艺术是科学，科学也是一种艺术形式。这很容易让人想起控制论艺术家加西亚·赖卡特（Jasia Reichardt）的话：“外国人、计算机和诗人的共同特点是，他们会产生意想不到的语言联系。”[36] 电影应该在数学与美学、控制论和创造力重叠的地方产生，未来电影人应该关注直觉与软件、非理性冲动与平台算法之间的联系。电影教育很大程度上不再由教室和片场承担，取而代之的是专门进行视频生成、测试和销售的计算机实验室。创作由艺术行为转变为技术行为，人机协同或人机共生的程度决定了电影作品的效果和水平。

在研究层面，必须重新审视艺术学科的方法论基础。一种激进的人文学科革新计划已经呼之欲出，我们不得不放弃传统人文学科“喋喋不休”的形而上学陈述和哲学思辨。电影研究有可能被转化为技术学科，美学将被转化为一种数学和信息学语言。传统电影学以阐释学和语言学为方法论，历史学、社会学和心理学一直是我们批评影片的基本材料。过去二十年以来，人工智能的超速发展不断激发了研究者对数学、信息学和认知科学的需求，涌现、进化、自组织、具身等思想，和控制论、仿生学、自动机理论相继被引入，电影研究逐渐成为带有跨学科愿景的“硬学科”。无论是计算机艺术、生成艺术、控制论艺术、数字艺术、软件艺术、电子艺术、迭代艺术、进化艺术，还是虚拟艺术、视频艺术、媒介艺术、网络艺术、机器人艺术、赛博格艺术，这些各有侧重的新称谓暗示了两点变化：一是电影必将成为一门系统学科，计算科学、脑科学、美学和信息论、控制工程学的综合，才能找到解码未来电影的钥匙；二是必须摆脱对生成艺术“无意义”的偏见，废除电影作为精神创造和心灵艺术的神话。在一个软件永远在线、素材随时可用的媒体生态系统里，算法不仅满足了“人人都可创作电影”的渴望，也使大片制作民主化，任何小团队都可在计算机的助力下，完成一部高质量的影像作品。

理解未来的最好方法，就是将变化作为开放式发展的重要节点。可以预见，人工智能在短期内会威胁现有的电影创作模式，促进电影生态系统的重新配置，但电影行业最终无法逃脱人工智能部署的全球趋势。正如媒介理论家威廉·弗卢塞尔（Vilém Flusser）所言，人脑与技术并不是一种奴役关系，“人类和机器将会融合成一个整体”[37]。只要我们愿意承担一定的商业风险，并向创意过程的实验性变革保持开放，全球电影产业一定能从这一迈向“后人类中心时代的创意哲思”的过程中受益。

参考文献：

[1] James Hutson, AI and the Creative Process:Part One.JSTOR

Daily.[EB/OL].https://daily.jstor.org/ai-and-the-creative-rocesspart-one/.2023-10-24.

[2] Aaron Hertzmann,Can Computers Create Art?[J]. Arts, 2018, 7(2):18.

[3] Rachel Kim, AI and Copyright Law in 2023: Federal Government Activities.Copyright alliance.[EB/OL].https://copyrightalliance.org/ai-copyright-federal-government-activities/,2024-01-04.

[4] L. Skrebowski, All Systems Go: Recovering Hans Haacke’s

Systems Art[J]. Grey Room, 2008:54-83.

[5] （德）尼采著 . 魏育青译 . 人性的，太人性的：一本献给自由精神的书（上卷）[M]. 上海：华东师范大学出版社，2008 ：149.

[6] New Scientist, Machines that Think: Everything you need to know about the coming age of artificial intelligence [M].London:Hachette UK.2017:144-145.

[7] （德）谢林著 . 先刚译 . 近代哲学史 [M]. 北京：北京大学出版社，2016 ：32.

[8] Rodney Brooks, The Seven Deadly Sins of AI Predictions. MIT Technology Review[EB/OL]. https://www.technologyreview.

com/2017/10/06/241837/the-seven-deadly-sins-of-ipredictions/,2017-10-07.

[9] Daniel Conra,The Importance of the Artist’s Intent[J].Contemporary Aesthetics, 2016(14):12.

[10] Paisley Livingston,Intentionalism in Aesthetics[J]. NewLiterary History, 1998,29（4）: 831-832.

[11] Berys Gaut,The Philosophy of Creativity[J]. PhilosophyCompass, 2010,5 (12): 1034-1046.

[12] Stuart Dalton,How Beauty Disrupts Space, Time andThought:

Purposiveness Without a Purpose in Kant’s Critique ofJudgment[J]. Electronic Journal for Philosophy, 2015,22(1): 5-14.

[13] Henri Poincare,Mathematical Creation. BrewsterGhiselin,ed.

The Creative Process: Reflections on Invention in the Arts and Sciences[M]. Berkeley: University of California Press, 1980: 22-31.

[14] （德）尼采著 ．魏育青译 . 人性的，太人性的：一本献给自由精神的书（上卷）[M]. 上海：华东师范大学出版社，2008 ：149.

[15] Vilém Flusser, Towards a Philosophy ofPhotography[M].London: Reaktion Books,2000:35.

[16] Abraham A. Moles, Kunst und Computer[M].Cologne:DuMont, 1973: 80.

[17] Joanna Zylinska, AI Art: Machine Visions and WarpedDreams[M]. London:Open Humanities Press,2020:59-60.

[18] Phillip Drummond et al.,Film as Film:Formal Experimentin Film 1910-1975[M].Nottingham:The Arts Council of Great Britain, 1979:93-94.

[19] Mark Riedl,Computational Creativity as Meta Search[J].Medium.[EB/OL].https://mark-iedl.medium.com/computationalcreativity-as-meta-search-cad95da923b,2023-2-14.

[20]（德）尼采著 ．魏育青译 . 人性的，太人性的：一本献给自由精神的书（上卷）[M]. 上海：华东师范大学出版社，2008 ：166.

[21] Elisabeth Walther,Philosoph in technischer Zeit[J].Kaleidoskopien,2004 (5): 64.

[22] Margaret. A. Boden, The Creative Mind: Myths andMechanisms(2nd Edition)[M].London: Routledge,2004:9.

[23] Claus Pias,“Hollerith‘Feathered Crystal’”: Art, Science, and Computing in the Era of Cybernetics[J].Grey Room , 2007(29):121.

[24] （以色列）尤瓦尔·赫拉利著．林俊宏译．未来简史：从智人到神人 [M]．北京：中信出版集团，2016 ：309．

[25] Seymour Papert, Mindstorms: Children, Computers, and Powerful Ideas[M]. New York: Basic Books, 1980:21.

[26] Michael J. Apter,Cybernetics andArt[J].Leonardo,1969,2(3):258.

[27] Abraham A. Moles, Kunst und Computer[M].Cologne:DuMont, 1973:136.

[28] Michael. J. Apter, Cybernetics andDevelopment[M].Oxford: Pergamon Press, 1966:168.

[29] Roy Ascott,The Cybernetic Stance: My Process andPurpose[J].Leonardo,2007,40(2):190.

[30] Andrew Pickering ,Cybernetic Art[J].[EB/OL].https://www.researchgate.net/publication/354025217_Cybernetic_Art.2021-8-20.

[31] Margaret A. Boden & Ernest A. Edmonds,What IsGenerative Art?[J]. Digital Creativity,2009,20(1-2):14-15.

[32] S.LeWitt,Sentences on Conceptual Art. Alexander alberro& Blake stimson,eds.Conceptual Art: A Critical Anthology [M].Cambridge:The MIT Press,1999:106-109.

[33] Abraham A. Moles, Kunst und Computer[M].Cologne:DuMont, 1973:264.

[34] （以色列）尤瓦尔·赫拉利著．林俊宏译．未来简史：从智人到神人 [M]. 北京：中信出版集团，2016 ：320-321．

[35] Max Bense, Programmierung des Schönen [M].Baden-aden: Agis-Verlag,1960:25.

[36] Jasia Reichardt,Cybernetics, Art and Ideas[M].NewYork:New York Graphic Society,1971:11.

[37] Vilém Flusser, Towards a Philosophy of Photography [M].London: Reaktion Books,2000:27.

来源：新浪财经