近年来，随着深度神经网络技术特别是AI（人工智能）算法模型的出现，AI绘画加速发展。AI绘画是继CG绘画（计算机生成绘画，即在平面设计软件辅助下进行绘画）、DSE绘画（数字特效绘画，即利用一整套以计算机为核心的数字特效技术进行绘画）和VR绘画（虚拟现实绘画，即利用虚拟现实技术进行绘画，艺术家可使用VR设备在模拟的三维空间中作画）之后的第四代数字绘画。与前三代数字绘画相比，AI绘画在创作机制、艺术本体和接受美学三方面都发生了重大变化。
人机互动协同创作
AI绘画建构出一种人与AI平台互动协同的新型创作机制。在这种机制下，用户登录AI绘画平台后，只需用文字或语言简单地给出创作要求、风格趣味、主题意蕴，剩下的全部由AI自主完成。对普通人来说，这一创作方式具有无与伦比的便捷性和易学性。相较于前三代数字绘画，AI绘画对用户计算机软硬件操作技能的要求更低。
以计算机和互联网为标志的前两代数字技术，已在一定程度上扩增了大众的艺术创作权利，开启技术普惠之路，并分别孵化出以几何美学、奇观美学和互动美学为标志的前三代数字绘画，但这三种绘画方式，都需要绘画者掌握一定的计算机软硬件操作技能，绘画主体的范围有限。
随着AI时代的到来，数字绘画的技术门槛大大降低。从理论上讲，借助AI绘画创作模型，任何人都可以自由地进行美术创作——可以画中国画，也可以画西方油画；可以画达·芬奇风格的古典油画，也可以画毕加索风格的现代油画；可以画花鸟画，也可以画山水画或人物画……如果对作品不满意，可以随时修改关键词，调整自己的诉求和主题，直到最终看到自己满意的作品为止。在AI绘画平台的赋能下，普通人能够轻而易举地创作出自己想得出的所有绘画类型和绘画作品——从技法上说，只有你想不到的，没有AI画不出的。
在AI绘画中，用户更像是艺术创作的策划者、命题者、构思者和决策者，而AI平台则是这些艺术构思、艺术策划、艺术想象、艺术决策的具体执行者。这种新型的人机协同创作机制，不仅扩大了创作者的范围，也大大提高了创作效率。
美学风格多样化、大众化
AI绘画作品的美学特征较前三代数字绘画也发生了重大变化。
其一，AI绘画作品的艺术风格更加多样化。我们在主流AI绘画平台上，既能看到大量超现实主义风格的作品，也能看到大量主观化色彩强烈的作品，还能看到大量稚拙、天真、自然风格的作品。这与几何美学风格主导的第一代数字绘画、奇观美学风格主导的第二代数字绘画和互动美学风格主导的第三代数字绘画截然不同。
其二，AI绘画作品的主流审美趣味趋向大众化和通俗化。尽管AI绘画作品中也有一些风格独特的作品，但其在整个AI绘画生态系统中并非主流，多数作品的审美风格都呈现出明显的大众化和通俗化。这与绝大多数AI绘画平台的用户都是非专业画家有关，他们中的大多数人并不掌握专业美术知识，都是基于兴趣爱好而在AI平台上画画。他们创作出的作品体现着大众化的审美。AI绘画不像传统绘画和前三代数字绘画那样更强调专业性，它更加通俗，体现了大多数人的审美，更能表征大众的真实情感，更容易引起大众的共鸣，也更容易产生爆款作品。
其三，AI绘画作品中假冒伪劣和有害作品极少。这一特征与AI独特的算法机制有关。AI算法设置了三道防止生成假冒伪劣和有害作品的防火墙。首先，在培育算法时，使用的艺术作品都要经过精挑细选，此机制将所有有害人类身心健康的作品剔除在外，保证供AI学习的艺术作品都有较高的艺术质量；其次，作品输出时，凡是有害人类身心健康的作品都会被AI系统自然淘汰，不会从输出端流出；最后，创作端也有防护机制，当AI接到用户发出的有违道德、法律的指令时，会拒绝接受指令。这三道AI自带的创作防护机制，最大限度地阻断了假冒伪劣和有害作品的输出。
接受与创作同源
AI绘画还有一个与传统绘画和前三代数字绘画大相径庭的美学特征——接受与创作同源。
根据上文所阐述的AI绘画创作机制，我们很容易发现，作为AI创作主体的用户主要是作为AI作品的鉴赏者存在，他们除了发出具体明确的创作指令，并不承担具体的创作任务。他们很大一部分注意力都用在了对于AI瞬间输出的作品的鉴赏判断上。在实践中，鉴于很难一次输出就能满足用户的审美要求，AI很可能不断从用户那里接到修改指令，连续输出一系列作品，而用户要不断对作品进行鉴赏才能提出修改意见。这一创作即鉴赏的美学特征，与前三代数字绘画和传统绘画存在很大区别。在前三代数字绘画和传统绘画中，艺术家们要想创作出一幅理想的“画中之竹”，必须先通过有目的的生活体验获得“眼中之竹”，在此基础上经过反复酝酿构思，进一步生成带着鲜明主体审美意识的“胸中之竹”，最后在适当的契机下，运用艺术语言、创作技巧和辅助工具（比如计算机），画出“画中之竹”。这意味着，在传统绘画和前三代数字绘画创作中，作品的创作环节与接受环节在很大程度上是分离的，这些作品的接受对象主要是受众，而不是画家自己。
AI绘画之所以具有如此独树一帜的美学特征，根本原因是AI拥有超强的计算能力、理解能力、自主学习能力和模仿能力。正是这种能力赋予神经网络算法模型生成性，这是早期的决策树等传统AI算法所不具备的显著优势。为了与前三代数字绘画所对应的几何美学、奇观美学和互动美学有所区别，我们将AI绘画所呈现的美学特征定义为计算美学或智能美学。
就目前的AI绘画创作生态来看，还有一个不可忽视的现象，那就是尽管AI生成的绘画作品中假冒伪劣和有害作品很少，但具有较高美学价值、艺术价值和思想价值的作品也不多。这一现象跟目前AI绘画算法模型设计上的局限性有很大关系。
AI绘画训练所使用的大语言模型语料库均由人类设定，AI在训练中接触的信息都经由人工选定并进行了多次符号转换，也就是说，AI算法所学习和模仿的只是人类绘画作品的模式和风格。
人类艺术家创作也离不开学习和模仿，但人类艺术家创作除了学习和模仿同类作品的模式和风格外，还要学习和模仿生活、社会、现实和历史中的经验和逻辑，并遵循这些逻辑从事艺术创作。另外，人类艺术创作的一切灵感和动机都源于自身生命和生活的需要；人类艺术创作都是为了表达对生活、社会、现实、历史、人性的理解。因此，人类创作的艺术作品无不打着人类思想情感的深刻烙印。当相关文艺作品表现出生活和人性的本质，就能引起人们的共鸣。与之相比，目前的AI绘画算法模型尚未学会体验人类的生活，尚未洞悉人性与艺术的复杂关系，这恰是未来包括AI绘画在内的一切AI艺术要获得新的发展必须攻克的基础性难题。
近年来，随着深度神经网络技术特别是AI（人工智能）算法模型的出现，AI绘画加速发展。AI绘画是继CG绘画（计算机生成绘画，即在平面设计软件辅助下进行绘画）、DSE绘画（数字特效绘画，即利用一整套以计算机为核心的数字特效技术进行绘画）和VR绘画（虚拟现实绘画，即利用虚拟现实技术进行绘画，艺术家可使用VR设备在模拟的三维空间中作画）之后的第四代数字绘画。与前三代数字绘画相比，AI绘画在创作机制、艺术本体和接受美学三方面都发生了重大变化。
人机互动协同创作
AI绘画建构出一种人与AI平台互动协同的新型创作机制。在这种机制下，用户登录AI绘画平台后，只需用文字或语言简单地给出创作要求、风格趣味、主题意蕴，剩下的全部由AI自主完成。对普通人来说，这一创作方式具有无与伦比的便捷性和易学性。相较于前三代数字绘画，AI绘画对用户计算机软硬件操作技能的要求更低。
以计算机和互联网为标志的前两代数字技术，已在一定程度上扩增了大众的艺术创作权利，开启技术普惠之路，并分别孵化出以几何美学、奇观美学和互动美学为标志的前三代数字绘画，但这三种绘画方式，都需要绘画者掌握一定的计算机软硬件操作技能，绘画主体的范围有限。
随着AI时代的到来，数字绘画的技术门槛大大降低。从理论上讲，借助AI绘画创作模型，任何人都可以自由地进行美术创作——可以画中国画，也可以画西方油画；可以画达·芬奇风格的古典油画，也可以画毕加索风格的现代油画；可以画花鸟画，也可以画山水画或人物画……如果对作品不满意，可以随时修改关键词，调整自己的诉求和主题，直到最终看到自己满意的作品为止。在AI绘画平台的赋能下，普通人能够轻而易举地创作出自己想得出的所有绘画类型和绘画作品——从技法上说，只有你想不到的，没有AI画不出的。
在AI绘画中，用户更像是艺术创作的策划者、命题者、构思者和决策者，而AI平台则是这些艺术构思、艺术策划、艺术想象、艺术决策的具体执行者。这种新型的人机协同创作机制，不仅扩大了创作者的范围，也大大提高了创作效率。
美学风格多样化、大众化
AI绘画作品的美学特征较前三代数字绘画也发生了重大变化。
其一，AI绘画作品的艺术风格更加多样化。我们在主流AI绘画平台上，既能看到大量超现实主义风格的作品，也能看到大量主观化色彩强烈的作品，还能看到大量稚拙、天真、自然风格的作品。这与几何美学风格主导的第一代数字绘画、奇观美学风格主导的第二代数字绘画和互动美学风格主导的第三代数字绘画截然不同。
其二，AI绘画作品的主流审美趣味趋向大众化和通俗化。尽管AI绘画作品中也有一些风格独特的作品，但其在整个AI绘画生态系统中并非主流，多数作品的审美风格都呈现出明显的大众化和通俗化。这与绝大多数AI绘画平台的用户都是非专业画家有关，他们中的大多数人并不掌握专业美术知识，都是基于兴趣爱好而在AI平台上画画。他们创作出的作品体现着大众化的审美。AI绘画不像传统绘画和前三代数字绘画那样更强调专业性，它更加通俗，体现了大多数人的审美，更能表征大众的真实情感，更容易引起大众的共鸣，也更容易产生爆款作品。
其三，AI绘画作品中假冒伪劣和有害作品极少。这一特征与AI独特的算法机制有关。AI算法设置了三道防止生成假冒伪劣和有害作品的防火墙。首先，在培育算法时，使用的艺术作品都要经过精挑细选，此机制将所有有害人类身心健康的作品剔除在外，保证供AI学习的艺术作品都有较高的艺术质量；其次，作品输出时，凡是有害人类身心健康的作品都会被AI系统自然淘汰，不会从输出端流出；最后，创作端也有防护机制，当AI接到用户发出的有违道德、法律的指令时，会拒绝接受指令。这三道AI自带的创作防护机制，最大限度地阻断了假冒伪劣和有害作品的输出。
接受与创作同源
AI绘画还有一个与传统绘画和前三代数字绘画大相径庭的美学特征——接受与创作同源。
根据上文所阐述的AI绘画创作机制，我们很容易发现，作为AI创作主体的用户主要是作为AI作品的鉴赏者存在，他们除了发出具体明确的创作指令，并不承担具体的创作任务。他们很大一部分注意力都用在了对于AI瞬间输出的作品的鉴赏判断上。在实践中，鉴于很难一次输出就能满足用户的审美要求，AI很可能不断从用户那里接到修改指令，连续输出一系列作品，而用户要不断对作品进行鉴赏才能提出修改意见。这一创作即鉴赏的美学特征，与前三代数字绘画和传统绘画存在很大区别。在前三代数字绘画和传统绘画中，艺术家们要想创作出一幅理想的“画中之竹”，必须先通过有目的的生活体验获得“眼中之竹”，在此基础上经过反复酝酿构思，进一步生成带着鲜明主体审美意识的“胸中之竹”，最后在适当的契机下，运用艺术语言、创作技巧和辅助工具（比如计算机），画出“画中之竹”。这意味着，在传统绘画和前三代数字绘画创作中，作品的创作环节与接受环节在很大程度上是分离的，这些作品的接受对象主要是受众，而不是画家自己。
AI绘画之所以具有如此独树一帜的美学特征，根本原因是AI拥有超强的计算能力、理解能力、自主学习能力和模仿能力。正是这种能力赋予神经网络算法模型生成性，这是早期的决策树等传统AI算法所不具备的显著优势。为了与前三代数字绘画所对应的几何美学、奇观美学和互动美学有所区别，我们将AI绘画所呈现的美学特征定义为计算美学或智能美学。
就目前的AI绘画创作生态来看，还有一个不可忽视的现象，那就是尽管AI生成的绘画作品中假冒伪劣和有害作品很少，但具有较高美学价值、艺术价值和思想价值的作品也不多。这一现象跟目前AI绘画算法模型设计上的局限性有很大关系。
AI绘画训练所使用的大语言模型语料库均由人类设定，AI在训练中接触的信息都经由人工选定并进行了多次符号转换，也就是说，AI算法所学习和模仿的只是人类绘画作品的模式和风格。
人类艺术家创作也离不开学习和模仿，但人类艺术家创作除了学习和模仿同类作品的模式和风格外，还要学习和模仿生活、社会、现实和历史中的经验和逻辑，并遵循这些逻辑从事艺术创作。另外，人类艺术创作的一切灵感和动机都源于自身生命和生活的需要；人类艺术创作都是为了表达对生活、社会、现实、历史、人性的理解。因此，人类创作的艺术作品无不打着人类思想情感的深刻烙印。当相关文艺作品表现出生活和人性的本质，就能引起人们的共鸣。与之相比，目前的AI绘画算法模型尚未学会体验人类的生活，尚未洞悉人性与艺术的复杂关系，这恰是未来包括AI绘画在内的一切AI艺术要获得新的发展必须攻克的基础性难题。
在今天的故宫，工作人员使用的数字化办公平台名叫“内务辅”，这款应用的开发者，是与故宫博物院合作的钉钉（中国）信息技术有限公司（以下简称“钉钉”）。3月18日，故宫博物院与钉钉战略合作签约仪式在故 3月21日是世界睡眠日，今年中国主题为“健康睡眠 人人共享”。人的一生约有三分之一的时间是在睡眠中度过，睡眠、运动、营养被视为保障机体正常发育和健康的三大要素。关于睡眠有哪些常见认知误 在近日举行的全球AI盛会GTC（GPU Technology Conference）2024上，联想集团与NVIDIA（英伟达）宣布合作推出全新混合人工智能解决方案，帮助企业和云提供商获得在人工智能时代成功所需的关键的加速计算能 造成女性更容易睡不好的原因是多方面的，包括更年期等生理周期等，而女性长期的失眠除了会导致内分泌进一步失调，还会诱发心脏病、高血压、糖尿病、免疫力低下、记忆下降、脱发、皮肤松弛等。北京 3月23日消息，xiaomi集团王晓雁晒出了xiaomiCivi 4 Pro限定色真机照，该系列共有三款颜色，分别是蓝色、粉色和黑与白，定价为3599元，将于4月1日开始发售。据了解，xiaomiCivi 4 Pro限定色整体设计更像专业 今年3月23日是第64个世界气象日，主题是“气候行动最前线”。面对愈加频繁的极端天气和全球变暖等气候危机，减缓气候变化已刻不容缓。发展新能源是应对气候变化的重要举措之一，而气象服务对于新 。本文链接：人工智能为美术创作打开新空间http://www.sushuapos.com/show-2-8420-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： AI赋能网络安全带来“双刃剑”，专家：还需解决自身安全隐忧
下一篇： 国内首颗商用量子随机数发生器芯片量产下线