2018年10月，在纽约佳士得拍卖行的聚光灯下，一幅名为《埃德蒙·贝拉米》的古典肖像画以43.25万美元的天价落槌，成交价几乎是预估价的45倍。这幅画的右下角没有画家的潇洒签名，只有一段由复杂算法代码组成的数学公式。这是由巴黎艺术团体Obvious利用生成式对抗网络（GAN）创作的艺术品。
这声落槌不仅在传统艺术界激起了千层浪，也将一个深奥的跨学科领域推向了大众视野——计算创造力（Computational Creativity）。当Midjourney、Stable Diffusion等工具让海量精美图像在几秒钟内跃然屏上，当代码开始作画甚至写诗，我们不禁要问：机器能真正创作艺术吗？创造力的本质究竟是什么？在硅基与碳基的碰撞中，艺术的边界又该如何重新划定？
机器能”思考”美吗？——计算创造力的诞生与演进
要理解AI艺术，我们首先需要了解”计算创造力”。作为一个横跨人工智能、认知心理学、哲学和艺术的综合学科，计算创造力的核心目标是让计算机模型化、模拟或复制人类的创造过程。
事实上，机器生成艺术的梦想并非诞生于21世纪。早在古希腊时期，工匠们就曾尝试设计能自动写字、发声的机械装置。而现代意义上的计算艺术可以追溯到上世纪60年代，艺术家哈罗德·科恩（Harold Cohen）开发了名为AARON的系统。那时的AI还处于”符号派”阶段，科恩通过编写大量的规则，试图让机器学会绘画的行为。
然而，真正的范式转移发生在深度学习（Deep Learning）时代。随着生成式对抗网络（GAN）和扩散模型（Diffusion Models）的出现，AI不再依赖人类手把手编写的固定规则，而是通过分析海量数据集，自己学习特定的美学特征和统计分布。从最初生成只有32×32像素、模糊不清的色块，到如今能根据自然语言提示生成足以乱真的高清大片，技术正以惊人的速度迭代。
破解”灵感”的密码：如何定义与辨识创造力？
如果一段程序生成了一幅绝美的风景画，我们能称这个程序”有创造力”吗？这触及了哲学与认知科学的核心争议。有学者曾借用阿达·洛芙莱斯（Ada Lovelace）对机器智能的质疑：如果机器只是在执行被设定好的程序，它怎么可能具有真正的创造性？
为了在计算语境下定义创造力，人工智能先驱纽厄尔（Newell）、肖（Shaw）和西蒙（Simon）提出了核心标准：一个具有创造力的产物，必须同时具备”新颖性”和”实用性/价值”。而在计算创造力领域，玛格丽特·博登（Margaret Boden）的理论产生了深远影响。她将创造力分为两种：
- P-创造力（心理学创造力）：这对创作者（或系统）本身是新颖的。
- H-创造力（历史性创造力）：这不仅对个体是新的，对整个人类历史和整个社会也是前所未见的。
那么，AI是如何产生”灵感”的？Vox的一段科普影像给出了生动的解释。当我们向AI输入”一个1960年雪花玻璃球里的香蕉”时，AI并没有在数据库里搜索现成的香蕉和雪花球图片进行简单的复制粘贴。相反，它在一个被称为”潜在空间”（Latent Space）的多维数学宇宙中导航。这个空间可能拥有超过500个维度，人类甚至无法想象或命名其中的变量（例如测量圆度、发光度或是色彩饱满度的维度）。在这个空间里，有一个代表”香蕉特质”的区域，有一个代表”雪花球”的区域。AI通过文本提示词精准定位到这个空间中的某个全新坐标，并将其解码成我们所看到的图像。这是一种通过组合现有概念从而产生全新事物的”组合创造力”。
AI是创作者，还是人类的”高级画笔”？
既然AI可以生成前所未见的内容，那它是不是已经取代了人类创作者的位置？目前的共识更倾向于：AI是一种高级的协同创作工具。
纽约现代艺术博物馆（MoMA）曾展出过由艺术家雷菲克·阿纳多尔（Refik Anadol）创作的巨型实时软件艺术《无监督》（Unsupervised）。阿纳多尔的团队将MoMA档案中约138,000张图像的元数据喂给机器学习模型。AI对这些庞大的数据进行了极其复杂的分类，形成了一个如同星系般的地图。然而，真正震撼人心的并非星系本身，而是星系之间的”空白地带”。阿纳多尔在这些空白地带中穿梭，让AI去推测、去想象那些”不存在但可能存在”的艺术。艺术家称之为”机器的做梦过程”。在这个过程中，AI并没有使用人类的价值体系或参照物，它展现了另一种维度的思维。
这种人机共创的过程，被哲学家卢西亚诺·弗洛里迪（Luciano Floridi）形象地比喻为”策展”（Curation）。在AI辅助创作中，人类扮演着设计师和策展人的角色。通过不断的提示词引导（犹如苏格拉底式的产婆术），人类引导机器生成内容，并对最终作品的艺术设计承担完整的智力责任。AI扫除了想法与视觉呈现之间的技术障碍，让人类的想象力得以指数级释放。
艺术的边界与现实挑战：偏见、版权与伦理
尽管计算创造力展现了无限可能，但当它真正融入人类社会时，艺术的边界也随之引发了激烈的现实冲突。
首先是挥之不去的”偏见”问题。艺术家特雷弗·帕格伦（Trevor Paglen）和研究员凯特·克劳福德（Kate Crawford）敏锐地指出，许多人误以为AI系统是客观、中立的，但事实恰恰相反。AI的训练数据源自互联网，这些数据从一开始就深深烙印了人类的政治、文化乃至社会偏见。比如，当输入”CEO”时，模型可能清一色地生成白人男性的画像。如果我们过于依赖这些带有偏见的数据集，AI艺术最终不仅无法扩展我们的视野，反而会呈现一个被”漂白”、被简化的刻板世界。
其次是极具争议的版权归属。随着AI在各类艺术比赛中频频夺魁，法律界不得不重新审视”作者身份”的定义。2023年8月，美国法院做出一项标志性裁决：AI生成的艺术品不具备获得版权保护的资格，因为它缺乏”人类作者身份”这一根本要求。随后，美国最高法院也拒绝审理有关AI生成材料版权争议的案件。这一法律层面的划界，似乎在重申一个古典立场：艺术的法律主体依然只能是人。
总结与展望
计算创造力正在重塑我们对”创意”的认知。正如一项医学图书馆的研究指出的，人们在面对艺术品时，往往对标注了”AI生成”的作品存在先天偏见，认为其艺术价值较低。这说明，我们对艺术的定义不仅仅取决于视觉的精美程度，更在于其背后的人类经验、情感共鸣与历史语境。
展望未来，我们正在步入一个”自我创新人工智能”的时代。AI绝不仅是用来抢走插画师或摄影师饭碗的终结者，它是我们认知文化、探索未知的新型工具。正如迪士尼的领导层在2026年谈及AI技术时所强调的：人类将继续拥抱新技术以赋能故事讲述者，但这一切绝不会以牺牲人类的创造力为代价。机器可以拥有无限广阔的潜在空间去”做梦”，但决定去哪里探索、去表达何种情感的，永远是握着这把”高级画笔”的人类。