2021环同济设计周丨论坛回顾丨从输入输出端看“数字创造力”

12月22日下午，由同济大学设计创意学院主办，智能大数据可视化实验室、aai同济大学设计创意学院艺术与人工智能实验室、艾厂人工智能艺术中心承办的“数字创造力”论坛在毛麻仓库举行，线上线下多平台同步。

作为2021环同济设计周的重要活动之一，本次论坛围绕“数字创造力”、“机器是否能思考”的主题展开，演讲嘉宾从科技、艺术、设计、教育、哲学各个角度出发讨论了这一当下重要的议题。

在个人演讲结束后，嘉宾参与圆桌讨论环节，就“艺术家与人工智能的关系”、“设计教育的发展”以及“智能技术中数据的意义”等问题与其他嘉宾和观众进行交流。在思维的碰撞中，在场的每一位听众都有了不少有趣而发人深省的收获。

开幕致辞

同济大学副校长兼设计创意学院院长娄永琪教授为论坛开幕致辞。

娄永琪教授在致辞中提到，这次环同济设计周的一个重要议题叫“共同进化”，数字化能否成为创造力的一部分？人是不是因为拥抱了数字化时代，拥有了更多的创造力？他说，当下我们正处在一个数字化时代，《数字化生存》当时所描述的世界已经真实存在，我们需要再一次拥抱艺术，再一次启蒙，再一次被唤醒。那么，如何启蒙，如何唤醒？我们可以用一个相对来说开放的姿态来思考人的未来、人类的未来，以及人文的未来。这个会议是一个很好的机会，给大家思考一下在传统概念当中的人，传统概念人和技术的紧张关系以外，是不是还存在另外一种道路，就是人和技术的共同进化。

嘉宾演讲

1

杨华

本次论坛的第一位演讲嘉宾是上海科技大学创艺学院智能虚拟设计实验室执行主任杨华教授。杨教授从设计教育领域分享了“实验室驱动下的创新设计”，通过介绍上海科技大学的MARS实验室、DIV实验室等多个实验室，她探讨了科技、艺术和设计跨界的可能。利用综合院校的科技资源，实验室是推进新的科技格局下设计创新的强大驱动力。

2

张周捷

艾厂发起人、同济大学设计创意学院副教授张周捷的演讲研讨了其对人工智能及智能存在的最新认知。他从逻辑建构、符号主义、控制论等维度出发，剖析了计算机造物的逻辑。最后，他结合三种创造的方式，提出哲学问题——“机器为什么存在？”并将这一问题延伸至未来人工智能与人、与其他物种、与人工智能自身的关系的思考。

3

吴子薇

演讲嘉宾吴子薇，香港科技大学计算机媒体艺术系在读博士生分享了她和伙伴共同完成的机器学习作品“拟态”。她为观众解读了作品的机制，并结合艾厂展览“沙之书”中的展品人造遗迹探讨了两者的异同性。“拟态”着重强调变化的自然，结合科技自然、人工造物来思考未来共生、跨维度对话的可能性。

4

龙星如

策展人、写作者龙星如则从Apophenia（关系紊乱症）这一概念出发，分享了对AI主流模型，训练和生成的见解。她认为，对数据的无意义联想或关联潜在地连接了机器视域和人类联想，造成了感知层面的扰动。在看待人工智能时，人类也许可以找到一种潜在的新的秩序关系或模式，平等地看待其创造力的潜能，在功能固着的路径中寻找真的可能。

5

曹楠

同济大学设计创意学院教授、同济大学智能大数据实验室的创始人及主任曹楠教授分享了他在数据可视化领域的研究。他介绍了自动可视化生成的基本理论及相关技术，从可视化的历史引出可视化的意义。并以自动数据故事生成为案例，演示智能可视化设计所带来的不一样的可视化内容创作过程。

圆桌讨论

在圆桌讨论环节，张周捷老师作为主持人提问，并引导演讲嘉宾讨论。上海科技大学创艺学院助理教授田政也参与了本次讨论。后续的观众问答环节中，各位嘉宾也从自己擅长的领域出发回应了观众的提问。

精选问答

“

主持人：你怎么看待没有人的艺术品？如果没有人参与，这些作品还算得上艺术品吗？

龙星如：我想您说的是有关自主性的问题。我不是很确定艺术在这件事情上，是否那么值得被单独拎出来看待，因为我觉得AI的参与或者是“人参与的减少”是社会性的问题，这也是为何我们需要产生对人工智能治理的共识讨论。另一方面，哪怕从纯工具的角度来说，模型本身是印刻了人类要素的，并不存在完全“非人”的模型。我看到的好的作品还是共同完成的状态，艺术家本人扮演了非常重要的叙事建立的角色。

“

主持人：杨华老师，您觉得在人工智能时代，哪些能力是学设计、艺术的同学必须要掌握的？

杨华：创造力，当学生面对一个概念的时候，或者面对一个问题的时候，他们用什么样具有创造力的方式解决问题，这是最重要的。创造力决定了采用什么样的技术才是最佳的选择，而且创造力可以让更多的人去理解科技和艺术、设计结合的价值和意义。

主持人：那您认为创造力具体是什么呢？

杨华：创造力更多会理解成表现能力，用什么样的形式感表现他，或者如何呈现他是有创造力的。其实创造力是非常丰富的内涵，他能否多维度思考问题，他能否把思考的结构构建起来，还有他的洞察力和他想要表达的概念的价值何在。这些东西综合起来才是创造力，他是综合且系统的，理性有结构性的东西。

“

主持人：非技术类背景的同学如何参与进人工智能的浪潮里？

田政：首先让他们在很直观的概念上知道这个技术是做什么的，这个技术的目的是什么、输出是什么、输入是什么，当他们有了直观概念之后，下一步就是教会他们怎么样简单使用这些相关技术，包括调用一些现代开发比较成熟的各种软件库。我们没必要要求搞艺术设计的同学了解非常多的数学模型或者新模型的研发，而是我们怎么样使用现在比较前沿的技术。如果这些同学都很有创造力，或许和他们合作过程当中，他们会给我们科研工作者新的灵感，开发出更具有创新性的技术。

“

主持人：怎么处理数据的良莠不齐，你训练的结果，是好的还是不好的、正确还是错误的，你怎么判断这个标准？

曹楠：数据本身是一个很大的问题，人工智能几部分组成：数据、算法、算力，都会影响到最终输出的结果。数据的质量问题，怎么把控数据质量？首先我认为无论是生成图片也好或者可监督学习生成简单的决策也好，底层的数据一定是跟任务绑定的，比如说生成人脸，你一定要准备人脸的数据，他本身是跟任务强绑定的。在做创作的时候，你要把创作的范围归到具体的类别下，收集到这个类别相关的数据，再控制类别数据的质量，才能保证输出的结果确实是你想看到的。

现在有很多的趋势就是训练巨模型，大量的数据去学习调参数，最终做一个非常泛化的巨型的自然语言模型，他看似能够执行这样那样的任务，但是在这样那样的任务后面一定是针对你具体的小问题，仍然需要修改后层的参数，让他变得更精准。总之有一些很多的技术手段，帮助处理这些问题。

“

观众：未来人工智能将在创意收敛阶段进一步发挥什么样的作用？

曹楠：我前一段时间看了微软的技术，他们提出来我们这个是精准生成。什么叫做精准生成？我根据你的需求，就生成三五个，这个你足够选得过来。未来人工智能不再是大批量地产生各种各样的作品，而是小批量地产生高精尖的作品。

张周捷：我的理解和曹老师的理解可能不太一样，我的理解是叫两套程序，一套程序生成，一套程序选择，自动搜索、自动贴标签。

吴子薇：我刚才讲的那个作品完全就是手筛，我如果换昆虫的话，就需要完全重新自己训练。所以后面程序员小伙伴加入了之后，我们就设置了两个系统，一个专门拟态，一个专门筛选，这两个之间他们就会有关系。如果算力越来越强的话，可能性也越来越多，更多层面可能会考虑关系的问题。

龙星如：我觉得这个有点过度简化了艺术家在这中间扮演的作用，因为艺术家不是被动的选择者，如果你这么想象的话，你相当于把作品简化为时间的切片，但是很多很好的创作，这个过程是完全糅合在进程中的，完全可以有另一个关于筛选的算法，跟程序本身的进程是同步交织乃至互相影响的，而且他的时间性并非以切片的方式存在，不一定是说这个时间节点之后都没有了，他其实可能是一直在演进的。所以我觉得没有必要一定要“收敛”。

本次论坛在MANA、理想家、同济设创b站等多平台直播，线上线下观看人数达5000人次。观众们也通过线上评论、线下举手的方式与嘉宾互动，共同完成了有关“数字创造力”的讨论。