printf("Aiiiii Art Center!");

什么是美？

作品能否有美感？

美是由数学比率构成的吗？

美是什么？

Source: Entangled Others’ slides

在演讲的一开始，Entangled Others组合 抛出了一系列的问题：美是由人工智能和深度学习的原始数据产生的吗？在深度学习之前，美是否就已经存在？

Source: Entangled Others’ slides

在更加概念性的层面上，由于像素都是数组，美也许就存在于图像本身的像素中。那么按照这个逻辑，这些数组就是美吗？

Source: Entangled Others’ slides

人工神经网络的建构是对人脑的模仿，这种模仿和启发，也是一种美吗？

Source: Entangled Others’ slides

他们关注的焦点是自然界的生态，而艺术家们也就其艺术品讨论了他们的灵感出处。

想象力的边界

组合中的成员之一Sofia分享了早年有关水母的经历，并借此讨论了想象力的边界的问题。当她还是个孩子的时候，她被一个数字水母吓了一跳，这样的惊吓却触发了成年后她对水母纹理的迷恋。

Source: Entangled Others’ slides

由于有些生物具备更多的生理感光器，他们能看到比人类更广泛的光谱。

Source: Entangled Others’ slides

这些引出了一个问题：人工神经网络如何能在一个非常抽象的层面上(不是直接模拟生物神经元), 描述自我认知？

这些神经网络的工作出发点和目标之一，就是提取视觉精华。例如，“水母样（Jellyfishness）”是什么样子的？或者“自然性（Natureness）”是什么样子的？这就引出了有关视觉不确定性的讨论。Aaron Hertzmen在其论文《GAN艺术中的视觉不确定性》（《Visual Indeterminacy in GAN art》）认为，早在生成艺术之间，艺术家们就开始探索视觉不确定性。

视觉不确定性

Source: Entangled Others’ slides

这个Neural Zoo是Sofia的个人项目，是她开始探索水母并重新布置数字领域下的自然。

收集数据集是深度学习的重要环节，若想要使用深度学习进行创作，创作者必须对相关数据有清晰的认知：什么是无关数据，什么是有意义的数据，什么是让人感兴趣的数据。在具备这种认知后，创作者需要让神经网络花费数天、数周甚至数个月去学习这些数据，最终成为一个训练有素的模型。创作者继而可以探索模型的输出，获取原始数据的常规形式。

艺术家可以选择一个主题，例如，水母、鱿鱼、树木、生态系统，进行训练（思考），在这个过程中体会模型中的的偏差（Bias）是如何影响图像的。艺术家需要选择放弃的数据，决定图像的最终呈现，并思索图像对于艺术家的意义。所以，创作者选择数据的过程同时也是形成认知的过程。之后的模型输出结果，创作者就可以得到更为精进的图像呈现。

如前所述，这个项目的主角之一是水母。艺术家后续也探索了其他的海洋生物，例如海葵和珊瑚。下方图片展示的是Sofia近3年的研究成果，其中包含了很多生物。

Source: Entangled Others’ slides

Sofia也在研究中产生了新的问题：在数码相机出现之前，人类是如何看待和记录自然的？

她意识到，在相机出现之前，有两种主要的描述自然的方式。其中之一是通过插图，另一种是通过收集标本，例如，植物标本。她因此开始了新的研究，去搜集数码相机产生前的有关自然的插图。这项研究开辟了新的世界，即我们如何对自然进行分类，又如何在人类意义上系统地放置自然。

Sofia认为，作为人类的自己有时也会强行给自然界分类。比如鱼群中的这条鱼，也许它并不和其他鱼类存在于同一个系统中，但Sofia为了方便研究，仍然将它们归为一类。

Source: Entangled Others’ slides

艺术家们利用一个有关昆虫的公开数据集, 探索昆虫的纹理, 解剖学描述和名称，使用神经网络生成单个的昆虫物种以及人工生命的新形态。同时，他们也想探索以下两个问题：既有的可用数据如何形成新形式？如何创造新的，与自然互动的空间，从而允许非人类（non-human）的样本，或者更确切地说，不止于人类(more-than-human)的样本存在于其中？

于是他们开始尝试AR（增强现实）技术，打破部分观众对昆虫的生理性排斥。例如，当人遇上了蟑螂，一定会本能的排斥；但面对数字空间中的昆虫生物，也许人类会产生不一样的情感体验。艺术家希望以这种方式重塑人类与他者的故事，尤其是那些不易与人类产生共鸣的他者。

Entangled Others 尝试了丰富的展示方式，从增强现实到时尚，来探索如何能与人工生命合作与自然建立连接。而这种探索并不是把数字生物作为自然的某种替代物，而是以混合接触的方式创造多元化叙事。探索没有最终的答案，该项目目前仍在继续中。

Source: Entangled Others’ slides

虽然Entangled Others一直致力于研究单个的样本，但新冠疫情使他们意识到社区，联系和关系的重要性。由于生态系统在本质上是社会性的，他们开始把生态系统作为一个整体来看待，其意义在于生态系统中的所有组成生物都与彼此有某种关系。

他们提出了新的问题：我们如何能够想象出新的生态系统？在想象的同时，艺术家如何帮助观众去理解彼此关联的概念？基于这两个问题，他们开始研究生态系统的定义，并对珊瑚礁产生了兴趣。

从某种意义上说，珊瑚礁就像是一个生态系统的的原型。它们在海洋生物中所占比例很小，却能提供丰富的生物多样性，因此是一个至关重要的生态系统。珊瑚并不是珊瑚礁的核心，但它又使得各种物种交织在一起。这也从侧面说明了，没有生物是生态系统的核心部分。他们在神经网络的帮助下，探索了珊瑚礁的新形态。

然而，有关珊瑚礁的数据很少，珊瑚的三维模型、研究机构的开放数据等等信息都非常有限，这对他们来说既是挑战，也是机遇。他们寻求了另一位艺术家Joel Simon的帮助，让他用遗传算法帮助生成更多的珊瑚标本，这样他们就有足够的数据集来训练神经网络了。

Source: Entangled Others’ slides

但是，平面展示的珊瑚则让他们意识到，可用数据是远远不够的，无法真正代表和再生出成一个实际的珊瑚礁，只能得到一个非常平面的副本，这种缺陷展示了现实空间的局限性。艺术家们梦想着与一个敏感、微妙的生态系统相遇，而这种相遇无法被大多数人感知。为了让更多的人接触它，艺术家们需要讲述一个故事，而这个故事中包含着艺术家们的知识、信仰以及未知数。

Source: Entangled Others’ slides

对Entangled Others来说，未知数就是先前有限的数据，他们很快就达到了数字中珊瑚礁存在的极限。他们首先创造了这些珊瑚礁生命的标本，从水母、螃蟹到珊瑚、贝壳等等。这些标本反映了现实中的人类空间的表现形式，也允许艺术家探索如何在数字领域创造一个新的存在。

正如他们之前谈到的丑陋水母的概念。如果仅查看网上的水母图片，其实很难找到真正的“丑水母”，因为这些图片已经经历过一次筛选。艺术家们不确定人们是否真的会把自己讨厌的图片放在网络上，因此在客观性维度上，艺术家们很难真正找到“丑水母”。而事实上， Entangled Others已经完全放弃了对追求客观性的任何伪装。即使他们在用神经网络工作，它在某种程度上是非人类的，应该是客观的，但神经网络的工作从数据上来看也是主观的。

在神经网络的帮助下，艺术家们生成了丰富多彩的动画生态系统。即使它们不能与现实世界的多样性相提并论，但也仍然具备生命的复杂性。然而，当Entangled Othes把它们还原成雕塑时，它们又不知不觉地失去了某种生命力。

对Entangled Others来说，这很有趣。因为这颠覆了最初的挑战，物理性使得作品拥有了不同的品质，而数字也出人预料地具备了物质性。

Source: Entangled Others’ slides

生物材料

Source: Entangled Others’ slides

Entangled Others创造这些人工生命并不只是为了在数字世界中创造一种新的体验，他们希望以此作为一种刺激想象力的方式，帮助他们努力应对经常面临的想象力危机，创造出类型各异的未来图像。

人类世界可以混合叠加更多的物质和数字内容，且两者的边界越发模糊，互相纠缠，互相影响。通过艺术家们的作品，观众能够想象并看到整个生态系统中和谐平衡的潜在形式。物理和数字之间，我们和他们之间，现代人和我们之间，人们需要探索新的视觉表现形式，并尝试为一个混合的未来建立美学或符号概念。Entangled Others认为，他们需要通过想象，把这些不同的未来体现在生活中，而这正是他们大部分的工作内容。他们专注于纠缠（Entangled）的状态，对他者的对话与合作永远持有开放的态度。

撰写：吴子薇

编辑：艾厂媒体部