生成艺术发展简史（深度雄文）

作者：Jason Bailey

编译：Jyotirmaya

在过去的50年里，我们的世界以极快的速度数字化。

没有任何艺术形式比生成艺术更能捕捉到这个过渡时期——我们的时代。生成艺术充分利用了计算所能提供的一切，创造出优雅而引人注目的艺术作品，这些艺术作品延续了艺术家从现代艺术诞生之日起所追求的相同原则和目标。

VVRRR – Manolo 2018 年 4 月

我们经常在生成艺术作品中看到几何、抽象等图案，就误以为这些就是生成艺术。其实生成艺术所囊括的东西远远不止这些。而且这些图案不仅是生成艺术的重要主题，也是20世纪所有艺术的重要主题。作为一名艺术史学家和业余生成艺术家，我看到了传统艺术发展对生成艺术的清晰影响，从塞尚开始，一直延伸到机械美学、达达主义、超现实主义、OpArt、最后Sol Lewitt开始使用算法创作。

在我看来，所有这些以及更多的影响都直接与早期的生成艺术和现代的实践者联系在一起。因此，当我听到大多数热爱艺术的朋友认为生成艺术与他们无关、不感兴趣，甚至不值得被称为艺术时，我感到不解和无奈。特别是每一代人都喜欢声称艺术已经死了，质疑为什么它没有米开朗基罗，没有毕加索，但现实却是他们的孙子们在几代之后会指出天才其实一直在我们中间。

我们现在有一个独特的机会来拥抱我们这一代最重要的一些艺术家，而他们中的大多数人仍在生活（和工作）。我希望通过这篇文章为促进这一点尽我的一份力量。希望在这篇文章结束时，您要么分享我对生成艺术的热爱，要么至少能够明智地表达您对该流派的厌恶。

1、什么是生成艺术？

 Path - Casey Reas, 2001

一个过于简单但有用的定义是，生成艺术是使用计算机编程的艺术，该计算机有意将随机性作为其创作过程的一部分。这通常会带来两种常见但被误导的观点，阻碍人们欣赏生成艺术的美丽和细微差别。

误区一：艺术家拥有完全的控制权，并且代码始终完全按照编写的方式执行。因此，生成性艺术缺乏机会、偶然、发现和自发性等因素，这些因素往往使艺术变得伟大，至少是人性化和平易近人的。

误区二：艺术家零控制，自主机器随机生成设计。计算机正在创造艺术，而人类不值得称赞，因为它不是真正的艺术。

事实是，生成艺术家巧妙地控制了引入艺术品的随机性的大小和位置。受控且随机，这听起来可能感觉比较矛盾。但如果您对艺术历史有些许了解，就会发现艺术家总是想方设法将随机性引入他们的作品以激发他们的创造力。

首先，我们可以来看看生成艺术的一些早期例子，例如Georg Nees 1968 年的作品Schotter (Gravel)，这是最早和最著名的生成艺术作品之一。Schotter从12个方格的标准行开始，并随着观者向下移动这些行而逐渐增加方格旋转和位置的随机程度。

 S chotter (Gravel) - Georg Nees , 1968

想象一下，在传统艺术创作过程中，如果你想增加十倍的正方形数，你需要十个小时，对吧？但生成艺术的一个非常酷且重要的特征就是Georg Nees在添加数千个盒子时只需要对代码进行一些小的更改。一般艺术创作，其复杂性和规模的扩大都需要成倍增加的努力和时间的模拟艺术不同，计算机擅长几乎无休止地重复过程而不会筋疲力尽。正如我们将看到的，计算机可以轻松生成复杂的图像，这对生成艺术的美学有很大贡献。

与许多创新一样，在最初的几年里，有几位先驱探索了生成艺术的潜力。Frieder Nake和Michael Noll以及 Georg Nees 都在探索使用计算机来创作艺术。当时，计算机通常没有显示器，工作是通过在绘图仪（专为矢量图形设计的大型打印机）上打印艺术品来分享的。

Hommage à Paul Klee - Frieder Nake, 1965

2、生成艺术的先驱们

在60年代和70年代，任何人都很难成为多产的生成艺术家。因为当时计算机还是相对比较原始的产物，人们对它们的使用极其有限。特别是在计算机面世的最初几十年中，大多数人几乎没有接触过计算机或科幻小说之外的参考框架。同时在这种背景下，女性在工作场所面临巨大性别歧视的时代，涌现出大量女性生成艺术家，为工艺和社区做出了重要贡献，成为了这个艺术流派的杰出的先驱们。

Vera Molnár是多产的生成艺术家之一，她的作品跨越了几十年。下面我们将看到Molnár 60年代、70年代和80年代的作品。

Interruptions - Vera Molnár, 1968/69 中断       

(Dés)Ordres - Vera Molnár, 1974 次序

                    Untitled - Vera Molnár, 1985 无题

Molnár意识到人们普遍认为计算机是冷酷的、有逻辑的机器，所以她希望能通过她的创作来感谢计算机呈现给她的创造性和人文主义收获：

“如果没有计算机的帮助，就不可能如此忠实地将以前只存在于艺术家脑海中的图像具体化。这听起来可能很矛盾，但被认为冷酷和不人道的机器可以帮助实现人类最主观、最无法实现和最深刻的东西。”

另一位生成艺术家和艺术研究员Lillian Schwartz的资历同样令人印象深刻。她从1968年开始在贝尔实验室担任常驻艺术家超过34年，是第一个有作品被现代艺术博物馆收购的生成艺术家，并且经常与她的合作者肯诺尔顿一起被认为是第一个将动画数字作品作为美术展出的人。在1982年洛杉矶时报的一次采访中，Lillian描述了当她将计算机引入她的艺术创作实践时，她受到了艺术界同行的热烈欢迎：

“在涉足这些领域之前，我在艺术方面享有盛誉，但是当我开始使用计算机时，我的艺术家同行们开始将我视为妓女。我一直没能找到一个可以讨论我作品美学的艺术圈。我不得不用计算机科学家朋友代替我的艺术家朋友。”

除了她的生成艺术作品，Liliany也是我的个人英雄之一，她率先使用计算机数据库分析艺术史。1984年，她用电脑证明达芬奇本人就是蒙娜丽莎的模特，震惊了世界。

     Pixillation, photographic film stills - Lillian Schwartz, 1970

还有其他重要的女性生成艺术家为早期的生成艺术做出了巨大的贡献，包括索尼娅·兰迪·谢里丹，她在1970年和格蕾丝·赫特林一起创建了芝加哥艺术学院的第一个生成系统部门，1974年，她成为《计算机与自动化》杂志的艺术编辑，帮助推广了第一届年度生成艺术竞赛。

 MIT summer sessions poster - Muriel Cooper, 1958

还有Muriel Cooper。虽然她不是一名程序员，但在建立计算机革命的美学方面，她的影响力不亚于任何人。库珀接受过包豪斯设计原则的训练，并受到她的朋友、设计大师保罗·兰德的影响。库珀在麻省理工学院传授了这些原则，她自己也在那里长期担任麻省理工学院出版社的主管。1975年，她创立了麻省理工学院视觉语言工作室(VLW)。该工作室于1985年作为“创始资源之一”迁至麻省理工学院媒体实验室。正如我们将看到的，媒体实验室对生成艺术的发展比任何其他单一机构都更重要。

作为一个远见卓识的人，库珀看到了在不断变化的世界中重新设计的必要性，她相信:

“从机械社会到信息社会的转变需要新的交流过程，新的视觉和语言，以及新的教育、实践和生产关系。”

3、从生成艺术的孵化器MIT到转折点Processing的出现

AI Infinity - John Maeda, 1994 无限人工智能

许多人可能知道约翰·前田是罗德岛设计学院(RISD)的前任校长，或者是《简单法则》一书的作者。他们可能不知道前田是麻省理工学院的一名工科学生，在那里他对Murial Cooper和VLW的工作非常着迷。在麻省理工学院完成工学学士和硕士学位后，前田在日本筑波大学艺术与设计学院获得了设计博士学位。

    Florada - John Maeda, 1990s 佛罗里达

前田回到麻省理工学院，并在媒体实验室创建了美学和计算小组(ACG)。作为一个团队，ACG深受Murial Cooper的VLW团队之前所做工作的影响。虽然Maeda是一个作品被主要的博物馆收藏的有成就的生成艺术家，但他对生成艺术的最大贡献是他发明了一个平台，一个被艺术家和设计师称为“数字设计”的探索程序。

上世纪90年代末，前田招募了几位才华横溢、志趣相投的艺术家/技术专家进入媒体实验室，帮助“数字设计”的工作，其中包括本·弗莱(Ben Fry)和凯西·里亚斯(Casey Reas)。Fry和Reas将Maeda的“数字设计”带入世界各地的教室，并最终建立了他们自己的免费平台，可以在大学之外共享，供任何有兴趣学习用代码绘制草图的人使用。他们称这个平台为“处理”Processing。

Processing使得生成艺术可以被世界上任何一个有电脑的人使用。你不再需要昂贵的硬件，更重要的是，你不需要成为一个计算机科学家来编程草图和创造艺术。从一开始，语言、环境和社区都是经过精心设计的，这使得Processing可以被尽可能广泛的用户访问。

Processing是生成艺术产生和扩散的关键转折点。

巨大的增长在下图中清晰可见。这种图记录了从2005年到2018年初，每个月在不同的计算机上打开Processing软件的次数。图表最初发表在弗莱和里斯关于加工历史的优秀文章《现代普罗米修斯》上。图中的高峰和低谷是与学年相关的，最高点在秋季，最低点在夏季。

Fry和Reas已经在Processing工作了17年，并且它一直是最著名的生成艺术家的首选平台。2012年，他们创建了Processing Foundation，以“扩大我们的影响力，支持软件开发”，并聘请丹尼尔·希夫曼(Daniel Shiffman)和劳伦·麦卡锡(Lauren McCarthy)为基金会董事会成员。可以说Processing对整整一代的艺术家和程序员的影响计划是颠覆性的，且影响最深远的。

All Streets - Ben Fry, 2006 街道

说到Processing，还有一位不得不提的艺术家，那就是Jared Tarbell。在我看来，Tarbel的作品在生成艺术领域是最尖端的，在美学上也是最令人愉悦的，和吸引人的作品之一。他把自己描述为“一部分是魔法神秘之旅(列侬/麦卡特尼)，一部分是勃兰登堡协奏曲(J.S.巴赫)，一部分是Somnium(罗伯特里奇)”。

 Substrate - Jared Tarbell, 2003 基质

塔贝尔的作品是近乎完美的生成艺术。它是混乱和控制的二元性的典型代表，具有高度的视觉复杂性，从简单中慢慢浮现出来，让人感觉它更像是从土壤中生长出来的，而不是来自算法。他的作品让很多人相信电脑可以创造出最高水平的艺术。

Intersection Aggregate - Jared Tarbell, 2004 交集聚合

Bubble Chamber - Jared Tarbell, 2003 气泡室

同时Tarbell对他的过程的解释强化了我们已经讨论过的生成艺术中受控随机性的概念。

“当你写一个程序时，它每次都会以相同的方式执行。所以如果你定义一个这样的系统，在这个系统中，事情可以随机发生，作为创造者，你就可以时不时对自己编写的程序感到惊讶，这真的很棒。”

在Processing之前，Tarbell是Macromedia(现在属于Adobe)的一个生成艺术家小组的成员，他们在Flash平台上开发作品。他的网站Levitated.net为寻求更好地理解如何用Flash编写代码的一代艺术家提供了教育资源。你仍然可以在网站上访问他的开放源代码。

4、又一个重大里程碑：Joshua Davis, Flash和Praystation

贾里德·塔贝尔(Jared Tarbell)提到的对他的作品有重大影响的艺术家之一是约书亚·戴维斯(Joshua Davis)。自1995年以来，戴维斯一直在使用编程来创作艺术。他是使用Flash创建生成艺术第一个最著名的艺术家。Flash，是在21世纪初，一个家喻户晓的插件，为网络添加了动画和交互功能。虽然戴维斯先在普拉特学习绘画，然后是设计，但他的风格很大程度上是自学的。就是他领导了一场Flash艺术家运动，通过“一堆艰苦的工作”，继续创作令人印象深刻的作品。他是这样描述的:

“1998年左右，我买了第一个域名，叫praystation.com。我被点燃了! 我慢慢地进步，对设计有了更多的认识; 我意识到我是谁，我在做什么，但有时甚至不知道我在做什么。有那么一瞬间，我想：“我现在是一个电脑艺术家了!”什么时候的事?”我终于找到了我一直在寻找的新的表达方式: 我要用技术去创造艺术。”

 ps3-praystation-v1 - Joshua Davis, 2001

Shapeshifter|Sonic Architecture - Joshua Davis, 2001

  ps3-praystation-v1 - Joshua Davis, 2001

戴维斯的努力工作和极端慷慨对传播Flash平台，对其他艺术家的生成艺术起到不同寻常的关键作用。他是第一批通过“开源”分享代码的生成艺术家之一，这样其他人就可以向他学习。

“我喜欢送东西。我喜欢它，因为这正是DIY文化告诉我们的。这是关于知识的自由:我真的相信，作为人类，我们通过分享我们所知道的东西比试图从中获利和囤积它能获得更多的好处。”

2001年，戴维斯的“Praystation”赢得了Ars技术奖，他的作品现在在库珀·休伊特博物馆。

5、迎接新时代：人工智能和生成艺术

    AI Generated Landscape #6 - Robbie Barrat, 2018 AI生成地貌

迄今为止，人工智能艺术是生成艺术的一个子集。人工智能艺术的许多新作品都是由gan(生成式对抗网络)创作的。gan是计算机科学家Ian Goodfellow在2014年提出的一个基于神经网络的概念。简单的解释一下就是，gan由两个神经网络组成，它们本质上是设计来像人脑一样思考的程序。

在我们的例子中，我们可以把这些神经网络想象成两个人: 第一个是“生成器”，我们会把它想象成艺术伪造者; 第二个是“甄别者”，我们会把它想象成艺术评论家。现在想象一下，我们给艺术伪造者一本书，里面有1000幅毕加索的画，作为他的训练材料，他可以用来伪造来愚弄批评家。如果伪造者只看了三、四幅毕加索的画，他可能不太擅长伪造，而评论家很可能很快就会发现。但在看了足够多的材料并反复尝试之后，他可能真的开始创作出好到足以骗过评论家的画作，对吧?

这正是GANs在人工智能艺术中所发生的事情。像罗比·巴拉特(Robbie Barrat)这样的艺术家多年来一直在探索这些系统在图像制作方面的创作潜力。Barrat对于这个过程是这么解释的：

   Nude Portrait - Robbie Barrat, 2018 裸体人像

“在你训练GAN之后会出现一个叫做潜在空间的东西。所有可能的绘画都在你输入生成器的高维空间中展开。但它们的摆放方式并不是随机的，而是真正有意义的。所以如果你想画一幅和你之前画的相似的画，你可以选一个和你第一幅画的点非常接近的点。但有些尺寸实际上意味着配色方案。如果我想让这一代人更有色彩，我可以调整其中一个维度。所以我确实能控制，但那是事后的事。我不能告诉GAN去制作一幅特定的画，但如果我找到一幅我喜欢的画，我就可以对它进行调整。”

在他的最新项目中，罗比从巴黎世家的在线时装目录中收集图像，并用它们训练他的人工智能模型。Barrat特别喜欢这种不对称的设计，口袋的随意放置，以及一些非功能性的装饰，比如手持式流苏。

AI Fashion - Robbie Barrat, 2018

在这里项目里，Barrat使用Pix2Pix技术和DensePose技术，这样就能训练人工智能不仅识别巴黎世家服装目录中的服装，还识别时装模特的姿势，然后将新的时装映射到人工智能生成的时装模特和姿势上。

DensePose and Pix2Pix例子展示使用

从最近的新闻报道来看，人工智能在艺术中的应用无疑是公众感兴趣的话题。另一个可能更重要的问题是，“艺术本身是否非常有趣?” Barrat的作品无疑是第一个为我跨越障碍的。作为人工智能艺术，它具有我们在博物馆中发现的许多伟大艺术的永恒品质。

测试高质量AI图像的一个好方法是，你应该能够欣赏最终结果，即使你不知道它是由AI创造的(尽管工具也很有趣)。马里奥·克林曼(Mario Klingemann)是另一位出色地通过这一测试的艺术家。

我们不妨来看看Klingemann最新的作品，他使用Pix2Pix/DensePose下创作的作品在美学上是新鲜和=而又精致的，是在其他由人工智能生成下粗糙的肖像画所没有的。他的作品就像是修正主义艺术史: 旧画中所有令人毛骨悚然的东西呈现在一幅数字超现实主义的杰作——就如同你几乎可以闻到表面的灰尘。他们让我觉得自己像个嗑药的六岁小孩，迷失在波士顿艺术硕士的“美洲艺术”展区。Klingemann在他的神经网络中引入的种种融化的畸形和变形，让那些傲慢的、重男轻女的、清教徒式的凝视变得更加令人毛骨悚然。

DensePose vs. Pix2Pix - Mario Klingemann, 2018

DensePose vs. Pix2Pix - Mario Klingemann, 2018

DensePose vs. Pix2Pix - Mario Klingemann, 2018

当最近在Twitter上出现关于AI艺术是否具有“吸引力”的问题时，Klingemann的回答很有说服力:

“我的目标是制作有趣的图像。不知道你是否了解我的作品，但一般的反馈是“噩梦般”、“令人毛骨悚然”或“不可思议”……我个人更喜欢丑，而不是无聊的、传统的、正常的、无挑战性的或衍生的。”

而当问他关于谁拥有这些艺术品的看法是人还是机器时， Klingemann回答说:

“和其他机器一样，机器的所有者或操作者拥有它。你可以问问任何一个摄影师或钢琴家。”

随着人工智能技术的日益普及，艺术和技术进步只会变得更加重要。因为它们将出色的人工智能艺术家与那些重新利用别人创造的旧工具、或简单地按下一个按钮来实现的视觉范式区分开来。我仍然对这个空间着迷，并将继续密切关注罗比·巴拉特(Robbie Barrat)、马里奥·克林曼(Mario Klingeman)、汤姆·怀特(Tom White)、海伦娜·沙林(Helena Sarin)、阿特肯(Memo Atken)、吉恩·科根(Gene Kogan)等艺术家的作品。我也注意到，在撰写本文时，传统艺术界已经开始注意到这一点了。原文🔗：artnome.com/news

---

往期精选：

扫描加入MADNFTs Discord社群，获得更多精彩的信息

链接：https://discord.gg/madnfts

免责声明：本文不是投资建议。如果您阅读本文，说明您同意本免责声明的内容。虽然以下信息被认为是可信的并且是从可信的公开数据中获得，但这并不表示我们对内容的准确性或完整性负责。我们的研究并不是为了出售或者推荐他人购买任何文中提到的有价证券，尤其当这些证券在部分国家或地区被认定为是非法的。本文不构成个人投资建议，也不应被纳入投资目标，财务状况或满足个人需求的考量。读者应独立思考本文的任何观点是否适合他们的情况，并在适当的情况下寻求专业意见，包括税收建议（而非向我们这儿获得）。