AIGC 时代,创意何去何从①

2024-01-15 11:05娄永琪
艺术设计研究 2023年6期
关键词:机器笔者时代

娄永琪

一、AIGC,设计创意工作者的终结者?

当下,人类正进入一个以大模型AIGC 为标志的全新智能时代。不少人对这个时代的到来感到莫名兴奋;与此同时,也有许多人对这个突然到来的AIGC 时代感到莫名的失落和焦虑。

对艺术家和设计师而言,他们焦虑的原因是因为曾经高高在上的创意和设计居然被AIGC 颠覆了。2015 年,BBC就基于牛津大学马丁学院的学者卡尔·弗雷(Carl Frey)与迈克尔·A.奥斯本(Michael A.Osborne)②发布了一张表单,列出了最易被人工智能取代的专业。③表单中居于前列的有电话销售员、打字员、会计等。而较难被人工智能取代的专业,则包括了艺术家、建筑师、音乐家等,这些专业被取代的风险在5%以下。这说明在当时看来,创意类专业还是很难被人工智能取代的。

然而,去年出现的一张图片则引发了激烈的讨论。有一个名叫杰森·艾伦(Jason Allen)的年轻人用人工智能工具midjourney 绘制了一张名为《太空歌剧院》的图画,获得了当年科罗拉多州绘画竞赛的第一名。人类在机器面前保有尊严的这条创意设计的马其诺防线,居然如此不堪一击。

当然,用乐观的态度来看,AIGC带来的混乱只不过是人类科技发展史上的一种常态而已。1768 年,愤怒的纺织工人们冲进珍妮机发明者詹姆士·哈格里夫(James Hargreaves,1720 ~1778)的家中,将机器捣毁。他们将失业归咎于先进纺织机的发明。今天的情况也很类似,前段时间有一堆硅谷的大佬宣称要停止AIGC 的研究一段时间。不过,在笔者看来,这样的做法是无用的。科技进步的时代潮流浩浩汤汤,顺势者昌、逆势者亡。

二、从工具演进的视角看AIGC

30 多年前,笔者进入同济大学建筑与城规学院学习,要掌握的重要技能之一就是用好鸭嘴笔,为了使墨汁在两个钢片里不掉下来,要注意笔的角度和尺的关系,才能画的墨重线直;后来,针管笔取代了鸭嘴笔,在当时一套德国“红环”牌的针管笔对学建筑和设计的学生来说,是令人羡慕的存在;后面突然大家都用电脑画图了,也不用背着图筒带着图纸跑来跑去了;文件都存在软盘、光盘里,然后是U 盘;出图,也清一色是电脑出图;笔者在1995 年到1999 年期间,画了很多水粉建筑效果图(图1);而今天,拿一个手机,随便一个路人居然也可以用各种APP 进行艺术创作了。设计行业的巨变,是科技和产业发展的一个折射和缩影。

AIGC,全称是人工智能生成内容。从古至今,创造内容的目标是永恒的,但是创造内容的手段一直在发生变化。我们可以将神射手这个行业作为参照。在石器时代,神射手是扔石头扔得最准的人,在冷兵器时代是射箭射得最准的人,然后到了火器时代是打枪打得最准的人。而现在的战争决胜的关键要素在于是否能够打赢信息化战争。对神射手而言,击中目标这个核心使命没有变化,但所需要的技能和训练方式却发生了根本性的颠覆。④

之所以AIGC 能引起这么大的关注,是因为 AI 这一全新的基础技术出现了突破。大模型的到来让AI 具有了前所未有的能力。当下Transformer 大模型已经占据了主流地位,包括我们熟悉的GPT-1、GPT-2、GPT-3 和GPT-4。所谓的GPT,就是指人工智能驱动的,生成式的、预训练的、自注意力模型。

“模型”是结构化的抽象。而模型的思维方式和人的自然思维正好相反。人的思维是由a 到b,是线性的,它不是结构化的,绝大部分人是没有与生俱来的结构化思维能力的。在笔者看来,从事科研工作最重要的能力之一正是“结构化探究(structured inquiry)”的能力。人类通过借助于人工智能技术,通过结构化的模型来认识世界、改造世界将从根本上改变人与自然系统、人类系统、赛博系统和人工系统(natural, human,cyber and artificial systems, NHCAS) 交互的方式⑤。可以预见,未来随着各种知识模型、创造模型、组织模型等不断地被开发出来,AI 在其中还可以发挥越来越大的作用。

当然,光有模型是不够的,还要有数据。一个模型要靠大数据投喂,有语料库、有算法、有训练,才能从原料加工成为成品。从GPT-1、GPT-2 到GPT-3 的参数不停地增长,GPT-4 据说有100 万亿个参数。GPT 超越人类大脑170 万亿个参数指日可待,我们从它的迭代速度就可以看到,全世界现在在2020 年创建、捕获、复制和消耗的数据总量为59 ZB,预计到2025 年将达到175 ZB。⑥

大数据背后是大算力。能源革命和信息革命是如影随形的,如果没有能源革命就没有信息革命。大算力时代的碳足迹是巨大的。从图2 可以看出,从纽约到旧金山往返的碳足迹是1984 磅,一个美国人平均一年的碳足迹是36156 磅,可能差不多等于三个世界上其他地方的人的碳足迹,而我们训练一次GPT-1 级别的Transformer 大模型,其消耗的碳足迹大概是62.6 万磅,大约是一辆美国车的全生命周期的碳足迹的五倍。预计到2030 年,AI 将会消耗全球电力供应的50%。⑦

图2:常见碳足迹基准(引自Karen Hao, Training a single AI model can emit as much carbon as five cars in their lifetimes, MIT Technology Review, 2019, 75, p.103.)

AIGC 时代的到来,实际上是一个量变导致质变的过程。是一个关于“大”的胜利,是“大力出奇迹,一力降十会”的胜利。在荷兰艺术家玛德珑·弗里森多普(Madelon Vriesendorp,1945 ~)为荷兰建筑师雷姆·库哈斯(Rem Koolhaas,1944 ~)《癫狂的纽约》⑧所画的插图里,曼哈顿就是一个典型的以“大”为特征和文化的地方,这是它成功的关键。库哈斯将之称为“大”的胜利。他设计的CCTV 大楼,还有他在广东做的一系列研究,后来都被收录在《大跃进》⑨一书中,背后的逻辑都和“大”,以及随之而来的多元性和复杂性有关。但更多、更大、更强,就一定是正确吗?笔者觉得非常有必要对这种工业文明的逻辑进行必要的批判性反思。

三、对AIGC 的批判性反思

讨论AIGC 时代的创意未来,笔者觉得有四个批判性反思不得不提:

第一,是关于规模的批判。对于人类的信息革命来讲,纸张和印刷术的发明,跟现在计算机和网络的发明同等重要。如果没有这两样东西,人类的行为和信息是无法被大规模记录和传播的。但计算机和网络的发明,使得信息记录和传播实现指数级的增长。1994 年,比尔·盖茨拍了张照片,他坐在33 万张纸上面,左手拿着一个光盘。他通过这张照片告诉大家,这张光盘记录的信息等于过去33 万张纸记录的信息。过去,人类历史上产生的数据只有很少能被记录下来,而现在不仅什么数据都有可能被记录下来,AI 还能自主地产生数据。但随之而来的问题是:到底需不需要记录这么多数据?在现在这个大数据的时代,小数据以及处理小数据的能力还有没有价值?如何用大数据的能力去赋能和协同处理小数据的能力?更为本质的问题是:AIGC 到底是不是真的在创造?还是它只不过是在追随和抓取人类创造力的影子,以及处理这些影子之间的叠加、变形、重构?

第二,是关于真实的批判。笔者过去一直对文物和考古怀有很深的兴趣。考古是一个可以帮助还原历史真相的工作。以前信息太少了,如果我们要了解夏商周的真相,哪怕就是一个断代问题,也是一个巨大的工程。过去的挑战是信息太少,我们无法得到真相;而现在新的挑战,可能是信息太多,这也同样掩盖了真相。现在,如果我们要在互联网上搜索一个人的信息,基于对查到结果的判断,我们大概可以得到比较接近真相的结果。但在AIGC 时代,如果不加干预,未来就有可能是机器在自动地、快速地生成内容,由于机器生成信息的速度远远超过真实世界,导致网上的内容很可能有99%是假的。届时,我们搜索到的信息,可能比我们自己所理解的,或者靠人与人生活世界交往得到的信息更不准确。所以,新的问题成了这样:太多的自动生成信息像泡沫一样让真相变得不可琢磨。

第三,是关于选择的批判。笔者的同事张周捷老师有一个名为“Endless Form 椅子”的设计。在这个作品中,人坐在数据采集器上面,算法用一秒钟不到的时间就可以生成很多椅子的形状(图3)。笔者认为这是个很有意思的隐喻:人负责选择,机器负责不停地生成。即:人设计算法,触发机器,下达指令,机器负责生成结果,再由人去进行选择。这是一个关于人机关系非常完美的隐喻。但问题是,首先,人的选择会被误导。在日常生活中,我们很多时候将设问改为选择题,而不是提开放性的问题。当问“a 还是b?”的时候,对方不管回答a 还是b,都已经把所有其他可能性忽略了。实际上,机器也会这样来迷惑我们,慢慢地,人的思维也就开始机器化了。其次,信息时代,现代人要做的选择比过去多得多。当我们有这么多的选择需要做的时候,因为怕麻烦,很可能就把99%做选择的机会让给了机器。

图3:张周捷设计师的Endless Form 椅子 (©Endless form)

最后一个批判,是关于智慧。例如众人耳熟能详的法国艺术家杜尚(Marcel Duchamp,1887 ~1968)的名作——《泉》(Fountain,1917)。杜尚将一个小便斗放到了博物馆,就成了一个非常重要的现代主义作品。但如果不是杜尚所为,那它就只是个小便斗。英国计算机科学家图灵(Alan Mathison Turing,1912 ~1954)曾经问过一个问题:机器到底会思考吗?机器现在看来仿佛是会思考的,但机器有智慧吗?它可能只有一半的智慧。“智”可能有,因为如果“智”指向的是知识的积累,那么从信息到知识的能力它可能还是有的。但它没有“慧”,因为“慧”包含了形、意、神三个方面。有了大数据和人工智能,机器能做到“形”,它看上去懂了,看上去在思考,但其实它大多数时候是在学着思考,或者有了思考的样子。而“意”是指人受到触动,心动了;“神”则是指惊为天人、醍醐灌顶、豁然开朗、拍案叫绝。这是高情感性和高人性的能力,机器目前还无法实现的。更何况,在此之上,还有更高层面的真、善、美,道德和伦理。这种属于人类世界的高级东西,离开人的参与,就完全没有意义了。

四、AIGC 时代最具价值的创意能力:创造意义的能力

批判之后,我们再来看AI 到底是创意和就业的杀手,还是赋能创意的新引擎?答案可能a 面b 面都有。前段时间,有许多好莱坞编剧在罢工,笔者相信 AIGC 的确能够胜过中等水平的编剧。同样,不少在动漫领域画原画的人,可能未来的日子也会很难过。但是这个世界往往在关了一扇门的同时,总会打开另外一扇窗。确实AI 会夺走许多传统的创意工作,但AI 也还会为创意的发展提供很多新的可能性。有两个例子:首先,是人们个性化需求的满足,在AIGC 时代,我们有了源源不断的创意供给。在以前,这是不可能的,所以各种“长尾需求”只能被无情地斩断。⑩而现在如何借助AI,实现各种层次的千人千面的需求满足,这将会是一个巨大的机会;第二,人类的一些大挑战需要超快的速度和超大的规模去解决,比如应对可持续发展的挑战。地球的环境容量天花板离我们越来越近,但是人地危机的产生是我们的上几代人用工业化速度累积的祸害。我们现在要去化解这个危机,就必须要在更短的时间里,创造出同等或更大的规模去修复地球。这时候,AI 几何级数的增益效应,可以赋能人类做很多的事情。

关于人和机器的分工,有两个公认的方向:第一是把一部分工作交给AI,让给 AI 完成一部分我们不擅长或不想做的事;第二是让 AI 训练、激励、开发和强化我们的创造力。这两者都很重要,但事情可能并不是到此为止的。我们有一个美好的愿望,就是让人做“0 到1”的工作,而让机器负责“1 到10000”的事务。但这是一个一厢情愿的设想。为什么机器不能做“0 到1”的工作?如果从人的视角切换到机器的视角,对机器而言,通过人来训练算法,人做的才是1 到10000,而机器做的却是0 到1 的工作。从AI 角度看,当无数人在用某个算法,并让AI 的算法和智慧越来越提升时,人的创意就变成了滋养人工智能这朵鲜花的肥料。

以上都是发人深思的问题,那么在AIGC 时代,到底什么才是创意工作者的核心能力?笔者认为,毫无疑问,首先应该更加主动地拥抱AI,提升运用和创造新创意工具和思维的能力。在同济大学,笔者从2013 年开始全面推动数字和比特世界融合的设计教育,于2017 年推动开设了人工智能和数据设计专业,用现在的话来说就是AIGC 专业。2018年,笔者和音乐人朱哲琴女士共同在同济创立了“声音实验室(Sound Lab)”。郁新安老师和张屹南老师指导的一个学生作品非常有意思:通过一个预设计的算法,每个人都可以将语言转化为独有的首饰造型,然后用3D 打印打出来,戴在所关切的人的身上(图4)。尽管从技术上看,这是一种老式(Old-fashioned)AI,但它基本上已经把AI 与人协同创作最动人的一面呈现出来了。

图4:同济大学“声音实验室”的语音生成首饰

当然,人还有更深层次的能力。但笔者认为,就如中文“创意”这个词语一样,AIGC 时代最具价值的创意能力将是创造意义的能力。意义制造可能会成为设计最为重要的能力。⑪美国教育心理学家布鲁姆(Benjamin S.Bloom,1913 ~1999)把学习能力层级分为:记忆、理解、应用、分析、评估和创造。⑫其中创造是最高层面的能力,也最具有价值。比如钱钟书和陈寅恪两位学者,他们之所以伟大,固然是因为他们博闻强记,但这对于如今的机器来说并无特别之处,但钱钟书能写出“城里的人想出去,城外的人想进来”这样的句子,这才是大智慧;而晚年的陈寅恪致力于撰写《柳如是别传》,“为无益之事,遣有涯之生”,这种大时代下的人自笔者选择的态度,机器是不懂的。

美国设计学者唐·诺曼(Don Norman,1935 ~)和意大利创新管理教授罗伯托·维甘提(Roberto Verganti,1964 ~)在一篇文章里做了一个关于意义的价值的图解(图5)。对“技术顿悟”的实现来说,技术发展和意义改变同样重要,而且往往是在这两者双管齐下时才能出现。他们举了游戏行业的例子:对游戏这个行业来讲,发展技术以及改变游戏的定义和玩法,这两者轮番推动了行业革新。之前的游戏设备公司,都追求速度,不断升级芯片,但到了一定极限,速度就上不去了;之后群玩的游戏开始流行,从一个人玩变成一群人玩;再到wii 加了个重力感应器,玩家可以结合运动去玩游戏;后面又出了Kinect,可以感应人的动作;到现在头显,AR/VR/MR,不断迭代。⑬在这个过程中,技术改变和意义、方式改变轮番推动了创新的迭代。

图5:唐·诺曼和罗伯托·维甘提的颠覆性创新案例(引自Don A.Norman and Roberto Verganti, Incremental and radical innovation: Design research vs.technology and meaning change, Design Issues, 2014, 30(1), pp.78–96.)

在创意领域,艺术和设计两者是有分工的。笔者认为,艺术的价值在于启蒙和唤醒,设计的价值则在于引领变革。如果说现在我们称之为艺术的东西不再具有启蒙和唤醒的价值,那可能就不是这个时代真正的艺术,而是上个时代留下来的残影。而设计的价值在于引领变革。2009 年,同济大学之所以要把“艺术设计系”改名为“设计创新学院(College of Design and Innovation)”,就是为了能够拥抱“创新”这个更为强大的变革力量。从任何角度而言,AI 都是当下一个巨大的变革力量,乐观地看,如果我们能够用好 AI 这个倒逼效应,艺术可以更加艺术,设计可以更加设计,工程可以更加工程。更重要的是,人可以更成其为人!

五、创意和意义制造的未来方向

有六个面向,可能是 AIGC 时代创意和意义制造的发展方向。

第一个面向是人观价值,就是指从人的角度出发的价值判断。这里,首先就是身份认同。古今中外讲到艺术品,概莫能外就是“名人字画”。比如许多人去卢浮宫看蒙娜丽莎,是认为他们能看到达芬奇的真迹。如何用新的技术手段,建立和具体的人的新的联系,是未来的一个很有潜力的方向;第二个层次,是情感判断。比如同样是勃拉姆斯《D 大调小提琴协奏曲》的两张唱片,一张是美国小提琴家海菲兹(Jascha Heifetz,1901 ~1987)与美国指挥家莱纳(Fritz Reiner,1888 ~1963) 的版本;另一张是美国小提琴家帕尔曼(Itzhak Perlman,1945 ~) 与意大利指挥家朱里尼(Carlo Maria Giulini,1914 ~2005)的。我们听第一张唱片,演奏家的技术已经退化了,录音虽然很好,但不怎么动人;而后者的演奏非常丰润,厅堂感很强,整体听感很温暖、很动人。这种微妙的区别,牵涉到人的情感判断,只有人才能够真正懂得;第三层次,和人的社会属性有关,和人与人的关系有关,和信任有关。例如现在设计师经常做Co-creation 的工作坊,人工智能在处理社会创新、协同创意领域,还有很多很长的路要走。举个更简单的例子,如果说邻居之间吵架了,现在的机器再智能,能来劝架吗?这时候还是要有个“上海老娘舅”,才能处理和人际关系相关的事务。

第二个面向是范式创新。在AIGC时代,范式创新变得越来越重要了。前不久笔者在上海音乐厅听了一场管晓宏院士策划的《艺术与科学的交汇音乐会》(图6)。管院士在这场音乐会上提出,几乎所有好听的音乐,基本上都符合幂律,比如说莫扎特《降E 大调小提琴与中提琴交响协奏曲》,把其中相邻音符的半音数找出来,基本上排成了一根线,完全符合幂律(幂律指两个量之间的函数关系)。但凡符合幂律的都好听。但我们会发现,只要找到规律,无论是莫扎特风格,还是贝多芬风格,机器都能做出来。巴赫严格的对位法,更是机器的擅长,而且可以做到让人听不出区别的程度。但像奥地利裔美国作曲家勋伯格(Arnold Schoenberg,1874 ~1951)等人的无调性音乐,例如德国作曲家斯托克豪森(Karlheinz Stockhausen,1928 ~2007)的《摩羯座》,这部作品完全不符合幂律,这时机器就束手无策了。所以,AIGC 时代的创意,需要更多的“0 到1”的范式创新,对音乐、建筑、绘画、设计都是如此。

我们一直呼吁范式创新,但人类到现在都没有多少范式创新。因为范式不是一个个体概念,而是一个社会概念。只有供给侧和受众共同体产生了共鸣,范式转化才能发生。⑭现在,机器做了许多的工作,人就有更多的时间和机会去思考创造新的范式,而且这个轮换周期也相应缩短了。绘画界也是一样,美国艺术家安迪·沃霍尔(Andy Warhol,1928 ~1987)让整个社会对艺术本身的认知和期待发生了变化。如果没有他,波普艺术可能不会就此进入千家万户。用原来的标准看,他的作品都是应该进垃圾堆的。希特勒就非常厌恶现代艺术,把法籍俄裔画家康定斯基(Wassily Kandinsky,1866 ~1944)等人的作品称为“堕落的艺术”。但是新事物往往就像激光一样,可以轻轻松松地在以主流之名的铁幕上划开一道口子。

第三个面向是全链体验。体验是艺术中不可或缺的一个重要环节。比如书法是中国的传统艺术的一大门类。现在我们书法创作的载体往往是一个创作的结果,也就是书法作品,以及浩如烟海的碑刻、字帖等。但是作为一个写书法的人,笔者认为书法的意义在于它的全过程。当人写字的时候,毛笔和纸张之间无时不在的交互,无时不在传递给写字的人。李白的《草书歌行》和杜甫的《饮中八仙歌》就描述了张旭和怀素书法的恣意。“墨池飞出北溟鱼,笔锋杀尽中山兔”,这种感觉和快乐,不写字的人或亲历其中的观者,是无法体验到的。笔者相信,在未来,类似创作的全过程和各种情感信息,能够被更完整地记录下来,会成为书法艺术的一个很重要的、可以被感知的一个维度。

现在有很多的虚拟现实软件,或元宇宙场景,可以让人戴个头盔就能够身临其境地旅行,一下子就能有“一览众山小”的体验。但是,“一览众山小”一定不仅是一个图形的刺激,而是人先有非常辛苦的爬山,然后感到绝望,再坚持,突然到登顶的时候,一下子心情舒畅的完整感受。这就是美国哲学家约翰·杜威(John Dewey,1859 ~1952)说的“一个体验(an experience)”,这是指完整的体验,没有缝隙的,不是一个个单独的、独立的东西,这是与人和环境的互动高度相关,完成这一互动的亲密关系是一种感觉和谐的制度。⑮这里有模式和结构问题,以大模型为特征的AIGC 是不是应该介入?如何介入?这里有很多的可能。

第四个面向是情境关联。2015年,笔者去芬兰国家美术馆看了一个展览——“芬兰作曲家西贝柳斯(Jean Sibelius,1865 ~1957) 和艺术世界(Sibelius ja Taiteen Maailma/Sibelius and the World of Art)”(图7)。当时向笔者扑面而来的是一个活脱脱的现代主义展览。笔者过去一直以为,我们国家现代艺术的启蒙,是没有完成的。当时徐悲鸿、刘海粟这些大师在西方学习的时候,毕加索、塞尚已经在西方流行,这些可能是当时西方最激进的、最前沿的、最有生命力的东西。但他们带回来的西方绘画还是偏于传统的。但后来在和潘公凯先生的一次对话中,笔者豁然开朗了。毕加索在1907 年、1937 年时候的画,较之1912 年刘海粟先生在上海美专带着一群学生所画的裸体写生,到底哪一个更前沿?那次对话让笔者突然意识到了一个德尔塔(Δ)⑯(在数学和物理学中,德尔塔是指量的微小变化率,常用于描述微积分和物理学的变化量计算。此处为引申用法)的概念。如果当时在中国画毕加索,没有那么地惊世骇俗。对中国艺术界而言,从徐文长到吴昌硕,早就在画大写意了,但是画裸体,对当时保守的中国社会来说是伤风败俗,在对艺术界的冲击和思想解放的推动无疑是更大的。所以从变化量来看,在中国当时这个情境下,创造一种和情境的对立,是推动艺术革新的一个更加有力的选择。

图7:芬兰国家美术馆“西贝柳斯和他那个时代的艺术“展览(2015 年)

第五个面向是文化自觉。2008 年Cumulus(国际艺术设计与媒体院校联盟)年会在日本京都举办,那年大会的主题是“空/emptiness ”。主旨演讲人日本设计师原研哉(Hara Kenya,1958 ~)在幻灯片里放了两把菜刀的图片,一个是日本的菜刀,一个是德国的菜刀,两者有什么不一样?德国的菜刀是人体工程学设计,让人捏得特别舒服,但是只有一个姿势是正确的;日本(以及其它亚洲国家)的菜刀,刀柄是直的,100 个厨师可以有100 个握刀的手势。原研哉用这个故事来讲什么是东方文化的emptiness,东方的“空”背后,是更多的可能性。因此,任何事物只有被放置到文化背景中时,人才能够对其产生有价值的判断。那么,什么是文化?梁漱溟说“文化就是所有生活样式的总和”,它和生活方式息息相关。全世界的人,基于不同的生活方式,产生不同的价值观、行为准则和约定俗成的习惯。在AIGC 时代,创意和文化生活将更加高度相连。对文化的理解,基于文化的判断和内容创新,将是意义创造的沃土。

最后一个面向是情理叙事。前不久,日本作曲家坂本龙一(Sakamoto Ryuichi,1952 ~2023) 去世了,有一部关于他的纪录片《终曲》(Ryuichi Sakamoto: CODA)特别受到关注。坂本凭《末代皇帝》的原声碟拿了奥斯卡奖之后,整天琢磨如何实现突破。他开始喜欢电子音乐的元素,痴迷于用各种方法去采集和处理新的声音。他身上套个塑料桶来到室外,录下雨水打在桶上的声音;他前往飞机失事的现场,录下用棍子敲击残骸的声音;他拿中国武汉产的锣,录下用弦去摩擦它的声音……福冈大地震后,坂本发现了一架被海水泡过的钢琴,他用这架钢琴演奏了一首《瓦解》(Disintegration),还出了唱片。用这架走调的钢琴,演奏出的音乐别有风味。他说,每个琴弦绷紧的时候其实是人用人类的逻辑,用上百吨的力气,将琴弦拉成非自然的状态。而这架被海水泡过的钢琴,所有琴弦都松了,这使它恰巧回到了一个更自然的状态,更接近本来应该有的样子。

很多人被这个故事打动,就去听这个曲子。如果没有这个故事,这个曲子就是一堆乱耳的杂音。所以,故事,即情理层面的叙事,未来可能比合理层面的叙事更加重要。就像徐悲鸿画的愚公移山,这个故事本身不一定符合理性逻辑,但体现了一种精神,激发大家的志气,当年在抗日战争的背景下,尤其铿锵有力。未来不管设计也好,创意也好,我们要面对的大挑战还很多,比如可持续转型、人类命运共同体建设、全球经济的再次繁荣、文明冲突的缓解等。笔者相信,未来情理叙事的价值会超越几乎所有的技术叙事。

2013 年,笔者就任同济大学设计创意学院院长之后,做的第一件事情是给学院写了个院训:“为人生的意义和世界的未来而学习和创造”(图8)。这其中“人生的意义”(meaningful life), 是放在前面的。在AIGC 时代,当时写的这句话也许会变得更有意义:我们每个人的人生,不管是工作、学习还是生活,都是一个意义创造的过程,对个人是这样,对社会亦是如此。

图8:同济大学设计创意学院

六、结语

笔者认为在AIGC 时代,最好的结果是“让机器更机器,让人更成其为人”;次好的结果是“让机器像人,让人更成其为人”。到底机器像人更好,还是像机器更好,笔者琢磨之后还是认为应该让机器更像机器。否则,一方面,人会对机器产生各种各样移情的想法,这未必是一个好的现象;另一方面,机器在很多方面会超过人,但人的尊严是不应该被亵渎的。而最坏的结果是“让机器像人,让人更成为机器。”笔者非常希望,不要因为技术或者商业的泛滥,导致“机器像人、人像机器”的这一天真的会到来。

但是,这个危机,在今天看来,早已不是耸人听闻,而是活生生地出现在我们身边了。当我们痴迷于各种技术、各种数据的时候,人的危机就在眼前了。在这个AIGC 时代,我们又一次前所未有地需要呼唤新的文艺复兴,推动一次新的人性的解放。让我们一起努力,用人性的光辉冲破计算理性的牢笼,为人、人性和人文喝彩!

注释:

① AIGC(Artificial Intelligence Generated Content)指生成式人工智能,本文是基于作者在2023 年5 月7 日在上海举办的“数字设计: AIGC 创建者大会”(Digital Design:AIGC Builders and Creators Conference)的闭幕演讲修改而成。

② Carl Benedikt Frey and Michael A.Osborne,The future of employment: How susceptible are jobs to computerisation, 2013, https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf.

③ Will a robot take your job?, 2015, https://www.bbc.com/news/technology-34066941.

④ 娄永琪:《设计的疆域拓展与范式转型》,《时代建筑》,2017 年第1 期,第11-15 页。

⑤ Yongqi Lou,Designinginteractionstocounter threatstohumansurvival.She Ji: The Journal of Design, Economics, and Innovation, 2018,4(4), pp.342-354.

⑥ Statista Research Department,Amount ofDataCreated,Consumed,andStored 2010–2025, 2018, https://www.statista.com/statistics/871513/worldwide-data-created/.

⑦ Karen Hao,TrainingasingleAImodelcanemit asmuchcarbonasfivecarsintheirlifetimes,MIT technology Review, 2019, 75, p.103.

⑧ Rem Koolhaas,DeliriousNewYork:A RetroactiveManifestoforManhattan, New York: The Monacelli Press, 1997.

⑨ Judy Chung Chuihua, Jeffrey Inaba,Rem Koolhaas and Sze Tsung Leong eds.,Great LeapForward, Cologne: Taschen, 2001.

⑩(美)克里斯·安德森,乔江涛、石晓燕译:《长尾理论》,北京:中信出版社,2012 年。

⑪ 马谨:《延伸中的设计与“含义制造”》,《装饰》,2013 年第12 期,第122-124 页。.

⑫ Benjamin S.Bloom ed.,DevelopingTalentin YoungPeople.New York: Ballantine Books,1985.

⑬ Don A.Norman and Roberto Verganti,Incrementalandradicalinnovation:Design Researchvs.TechnologyandMeaning Change, Design Issues, 2014, 30(1), pp.78–96.

⑭ Thomas S.Kuhn,TheStructureofScientific Revolutions, Chicago: University of Chicago Press, 2012.

⑮ Hansjörg Hohr,TheConceptofExperienceby JohnDeweyRevisited:Conceiving,Feeling and“Enliving”, Studies in Philosophy and Education, 2013, 32, pp.25-38.

⑯ 在数学和物理学中,德尔塔是指量的微小变化率,常用于描述微积分和物理学的变化量计算。此处为引申用法。

猜你喜欢
机器笔者时代
机器狗
机器狗
老师,别走……
换位思考,教育更精彩
老师,你为什么不表扬我
未来机器城
e时代
e时代
e时代
性能相差达32%