风格迁移、指令设计与“世界模拟器”——兼论Sora模型产出艺术杰作的可能.pdfVIP

风格迁移、指令设计与“世界模拟器”

——兼论Sora模型产出艺术杰作的可能

杨俊蕾

摘要：随着生成式人工智能技术在机器监督学习和对抗神经网络的推动下不断升级，程序化算法对当代艺

术创作的影响也逐渐加大。回溯人工智能技术在作品生成方面的路径与方法，有助于理解人工智能艺术不同

于传统艺术的新特征。通过细审艺术风格迁移的技术迭代现象，可以发现人机交互界面上隐形存在的深层指

令设计问题。围绕指令文本做出的无休止调整，在增强艺术创作的游戏化体验时，迎来了动态的涌现现象。

作为世界模拟器之一的Sora模型，能够部分地呈现运动中的物理世界，却无法模拟情感动态，艺术杰作难以

产出。

关键词：AI艺术；风格迁移；指令设计；世界模拟器；生成式AI；Sora；艺术涌现

中图分类号：TP18文献标识码：A文章编号：1004-8634（2024）02-0056-（09）

DOI：10.13852/J.CNKI.JSHNU.2024.02.005

生成式AI是人工智能技术中的生产方式之一，核心能力在于“人工智能生成内容”（AIGenerated

Content），简称AIGC。近年来在多个艺术领域里，包括图像绘景、音乐作曲编曲、动画渲染与制作、2D或

3D影视短片以及游戏设计等，常常能够看到生成式AI深度应用其中的身影，在应用广度上正向着艺术

门类全覆盖快速发展。围绕“AI艺术”（AIArts）的探索与定义层出不穷，比较具有代表性的观点来自列

夫·马诺维奇，“AI艺术指的是人类对计算机进行编程，使其具有相当程度的自主性，创造出艺术界专业

①

人士认为属于‘当代艺术’的新艺术品或体验”。马诺维奇特意在定义中突出了艺术核心概念中的“创

造”（Create）属性，旨在强调生成式AI技术的内容新创一面。但在定义的另一方面，经由计算机完成的

程序编定与算法设计，以及融合人机交互体验的动态维度，都成了AI艺术不同于传统艺术的新构成。

由此进一步折射出，艺术领域中的AI技术所经历的技术开发过程与核心工作原理其实潜在地反映了人

工智能的产业发展变化。因此，有重点地回顾人工智能技术的发展与迭代，能够更为准确地把握AI艺

术在技术迁变中逐渐形成的程序化特征。

基金项目：教育部规划基金项目“数字人文赋能中国电影理论创新研究”（23YJA760105）

作者简介：杨俊蕾，复旦大学影像美学教授，博士生导师（上海200433）。

①LevManovic，DefiningAIArts：ThreeProposals，AIandDialogofCultures，ExhibitionCatalog，HermitageMuseum，Saint-Petersburg，

2019，http：///content/04-projects/107-defining-ai-arts-three-proposals/manovich.Defining-AI-Arts.

56

杨俊蕾：风格迁移、指令设计与“世界模拟器”

一、机器逻辑、深度学习与类脑神经网络系统：AI技术更新中的艺术创造力迭代

①

在通常意义上，人工智能指的是“创造机器来执行人需要智能才能完成的功能”。其概念初创于

20世纪40年代，直接受到情报学和密码学的启发。1956年，人工智能在学界获得正式命名，并对外公

布了第一代弈棋程序和代数解题模型。随后，围绕机器翻译、智能机器人的研究构成了多家专业机构的

中心目标。该阶段的技术方案以逻辑理论为主体，在递归原理的基础上进行智能化程序设计，经过数十

年的积累却迟迟没有推出可供大范围应用的通用型产品。技术的瓶颈期一方面导致人工智能行业的规

模收缩，另一方面也为新一轮技术跃迁预备了赛道转换的可能。

接下来，20世纪80年代的人工智能研究逐渐集中在三个领域：计算机视觉、自然语言处理和知识工

程。借助专业计算机的硬件更新，以及实现了人机接口的自然语言软件升级，训练机器以完成深度学习

任务的新技术思路构成了AI社会化、公众化的有效驱动。一台“会学习的机器”在智能程度上已经足够

模拟小学生的水平，更重要的是引发