内容摘要

随着我国全面进入数字化时代，智能技术渗透到各个行业，为工艺美术的传承和发展带来了巨大的机遇。本文梳理了数字时代工艺美术活性传承的新语境、新思路，并通过分享实践项目“智能技术活化金山农民画”的架构设计、数据集建构、智能生成、人机交互的过程，来探讨智能技术如何赋能传统工艺美术的传承与发展。

关键词：工艺美术、人工智能、设计资产、活性传承

更深层次的数字化工艺美术传承的方式也在产生。数据是数字经济的生产要素[3]，工艺美术的数据资产库（Digital Asset Library）和知识图谱（Knowledge Graph）的建立十分必要：既以数据的形态保护了工艺美术文化遗产，又为工艺美术的数字化理解和调用奠定了基础。例如艺术历史学家安德鲁·塔隆（Andrew Tallon）用激光扫描仪在巴黎圣母院建筑内外收集了超过10亿个数据点，得到的精确数字模型为巴黎圣母院重建工作提供了重要资料。[4]（图1-1）更进一步，数字化呈现方式可以生动再现工艺美术作品所在的社会场景。例如谷歌艺术文化平台中“摩苏尔的艺术和灵魂”项目复现了伊拉克摩苏尔文化场景的故事性。[5]（图1-2）数字技术丰富了工艺美术传承的方式，数字化的工艺美术在和观众的互动中，形成个性化的传播路径和千人千面的互动效果。

图1-3.“时间机器”项目数据的提取过程

人工智能在艺术传承中的应用分为两种场景：一是识别和分析，通过人工智能技术与硬件技术的结合提升了信息数字化和图像内容识别、分析的效率。中国文化遗产保护基金会使用无人机进行长城的图像采集，用人工智能技术分析采集数据，精确定位需要修复的位置、智能匹配维修方式，降低了传统文物的维护成本。弗雷德里克·卡普兰（Frédéric Kaplan）团队的“时间机器”项目利用扫描设备和智能图像与文字识别技术捕捉超过1000年的地图、手稿、乐谱的记录（图1-3），利用机器学习技术试图揭示几个世纪以来威尼斯乃至欧洲的社交网络、贸易和知识是如何交织发展的。[6]二是智能衍生创作，通过智能技术丰富艺术创作方式，给予更多个体参与创作的机会。例如数字艺术家利用机器学习、神经网络、对抗生成网络（GAN）等智能技术生成精确到像素级的画面。[7]（图1-4至1-6）这种智能原生的艺术创作不仅有作品结果，而且自动记录了创作过程的数据。因此，创作过程也可被抽象形成算法模型并应用在工艺美术作品上，形成大众化、个性化并存的传统作品的当代衍生。

金山农民画源自江南民间艺术，以水乡风土人情为题材，2007年被列入《上海市首批非物质文化遗产名录》。金山农民画院吴彤章先生描述：“画家把各种民间图纹要素进行组织，并以夸张且具有强烈装饰性的色彩构成和超越传统透视的表现手法进行创作。”金山农民画的展示以教育型内容为主：通过实体作品展览和文化历史介绍让观众了解金山农民画。这些传承形式在数字时代面临两个挑战：第一，传承形式过于静态和单向度，观众观看图、文、

视频内容，缺乏参与感和互动感；第二，金山农民画创作的技术知识、经验、手法、工具等缺乏系统化的记录。[8]

2.智能技术活化方案和成果

计算机科学家安东·博格达诺维奇（Anton Bogdanovych）提出针对文化遗产保护与传承的“3I模型”：沉浸式（Immersive）、智能化（Intelligent）和交互式（Interactive）。金山农民画的传承方案（以下简称“方案”）中运用了这一模型，尤其关注“智能化”和“交互化”。我们计划设计一套人机互动智能系统，引导用户参与金山农民画的创作，加深对金山农民画的主题、元素、构图的认识。这个方案通过三个步骤完成：第一，通过对作品的智能检测分析，建立基于元素、风格、配色、构图的金山农民画数据库；第二，基于机器学习（Machine Learning），建立和训练金山农民画的衍生生成算法；第三，设计人机交互界面，让观众可以用简单用草图输入绘制自己的金山农民画作品。

这个方案在2019年中国进口博览会上海馆初次展出并受到好评。随后，我们对交互体验和算法进行了升级，方案获得了2020年“上海设计100”称号。我们也计划对数据资产库和算法开源。从实际结果看，该方案大大降低了公众参与金山农民画再创作的门槛，用参与式创作的方式增强了公众对工艺美术的主动学习兴趣。公众也会主动分享自己生成的作品，通过社会传播的方式提高工艺美术的公众认知。以下将从数据资产库、算法、交互三个方面来具体展开说明。（图2）

3.建设金山农民画的数据资产库

数据资产库集合了数字文件、作品内容信息，还通过机器对内容进行识别、分析，作为进一步创作的基础。建设金山农民画的数据资产库分为：入库作品的筛选和数字化导入、作品的元素拆解、提取画面构成三个步骤。

（1）入库作品的筛选和数字化导入

我们从“符号元素”“画面构成”“色彩风格”三个方面对选取导入作品的条件进行限制，最终选取上海外经贸商务展览有限公司提供的100张金山农民画作品的数字文件（图3）作为数据资产库的基础。这些作品涵盖了最具代表性的金山农民画作品元素、风格、手法。

（2）作品元素拆解

金山农民画的每个主题都由具体元素决定。元素拆解可以分解为两个子问题：元素的分类是什么？每个主题对应什么元素类型？

首先，我们对所有入库作品进行元素拆解，并对元素分类标记：元素包括前景元素和背景两大类。其中，前景元素有居所、人、树木、家畜等10种287张素材，背景有30种。（图4-1）接着，我们定义了“安居乐业”“鱼米之乡”及“新时代”三个金山农民画常见主题，并建立主题和前景元素、背景的对应关系，具体对应关系可参考图4-2。例如安居乐业主题包括居所、人、树木、家畜等元素，新时代主题包括摩登建筑、汽车等元素。通过建立对应关系，使计算机具备智能识别元素和通过元素构建主题的能力。

（3）提取画面布局规则

提取和制定元素间的布局关系和排列规则。首先，我们规定了每个前景元素的大小范围区间，并在数据库中用矩形边框记录。通过对每个元素大小的限制，不同种元素之间的大小关系也随之确定，例如鸟小于人、人小于居所。其次，我们划定每个背景中的区域范围并做标记，例如一张背景中分为天空、地面区域。最后，我们提取了前景元素和背景之间的放置关系，例如“人”这种前景元素只能放置在背景中的地面区域，不能放在水中和天空的区域。我们用上述方式定义元素的画面构成关系，帮助计算机理解不同元素放置位置、尺寸和前后关系的合理性，以及不同元素组成的画面在视觉上的舒适性。

通过作品元素拆解，我们分别实现了绘画元素和绘画技法的数字化，让计算机理解金山农民画的构成元素的同时，也能分析构图形式、元素组织等基本的绘画特征，从而让机器成为金山农民画创作技法的知识携带者，为工艺美术相关内容的调用和人机交互、协同的创作方式提供了数据基础。

4.建立和训练金山农民画的生成算法

生成算法的建立来源于数据库，并服务于智能绘画系统，因此在建立算法的过程中，既要考虑数据库的特点，还要考虑呈现的形式。我们基于机器学习技术，建立并训练了三个相互协作的算法，分别是素材选择算法、布局生成算法和内容优化算法。

• 元素选择算法（图5-1）：
  机器首先需要理解主题、形状和元素之间的对应关系，然后才能根据不同的输入从数据集中挑选出合适的内容，用于金山农民画的组合。这是一个典型的“分类任务”，即机器需要根据输入类别，对应找到输出类别。分类问题的研究很广泛，有大量的预训练模型可供使用。选择预训练模型可以让我们只需要较小的数据量，就可以通过调优的方式收到较好的分类效果。我们构造了一组训练数据（主题和形状作为输入，人工选择元素作为分类结果），用这些数据调优大规模预训练模型，最终得到了金山农民画的元素选择算法。

• 布局生成算法（图5-2）：
  得到元素选择结果之后，我们需要机器自动对元素进行画面布局。与素材选择可以通过现成的分类模型来训练不同，我们需要从零到一对金山农民画的布局进行理解并建立生成算法，这是本方案的核心技术挑战。我们参考了生成模型的思路：首先，让机器从已有布局中学习数据的分布。其次，通过随机采样的方式生成新的布局。我们将作品的布局信息作为数据，输入到生成对抗网络（GAN）中进行训练，以机器根据素材合理地生成布局作为训练目标。为了保证画面布局的合理性，我们还将数据集中的空间关系规则转换为代码，从而可以在生成结果的基础上进行优化。最后，我们将元素填充到优化后的布局中，即可得到完整的金山农民画作品。

• 内容优化算法（图5-3）：
  我们希望观众可以用简单的方式创作出内容丰富的金山农民画。机器根据用户的简单输入，对作品进行“内容优化”，输出更“饱满”的作品。这一过程与自然语言生成类似，自然语言生成的任务要求机器在已有内容的基础上进行添加润色，在不改变原有含义的前提下使内容更加完整。比如，在给定前置语句的情况下，机器进一步生成后续的内容；或者根据已有语句，机器能填充语句的某些部分。根据这个思路，我们进行了内容优化算法设计：在训练阶段，我们将残缺作品（从完整的作品中去掉一些素材）和完整作品输入到算法中，让算法学会为作品补充内容。训练结束后，算法就可以自动为用户的作品添加素材，提高画面的丰富程度。我们设计了两种内容优化方式：一种是“微优化”，在不改变元素和布局的前提下，对作品进行细微的调整；另一种是“全局优化”，保留元素，但通过全局内容优化的算法对整个画面元素进行添加，对构图进行调整，从而达到饱满的目的。

5.设计人机交互方式和界面

方案在上海国际进口博览会的展陈设计由展板、展示屏幕和互动触摸屏组成。（图6、7）为了让用户能够和数字化的金山农民画产生有效连接，我们设计了一个兼顾参与性和知识性的智能绘画系统，让用户在短时间内建立对金山农民画的基本认知，了解金山农民画背后的画家和故事；借助触控技术，使得用户可以根据引导同装置进行交互，从而参与到金山农民画的创作中，活态传承这一非物质文化遗产；同时，为了保证用户参与的有效性，我们采用生成算法，降低用户的创作门槛。

通过简单引导，用户可以通过四个步骤在绘画系统上完成一幅作品的绘制，分别是选择主题、手绘草图、智能生成和一键优化（图8展示了交互界面设计）。

• 首先，用户选择不同的绘画主题（包括安居乐业、鱼米之乡、新时代三个主题，未来还可进行拓展），根据系统的引导，徒手绘制一些金山农民画中常见的元素，绘制完成后添加自己的签名。

• 其次，“元素选择算法”将手绘元素的草图和数据集中的金山农民画元素进行对应，“布局生成算法”将元素进行布局排列，“内容优化算法”会对根据元素选择和布局排列进行优化，生成独一无二的金山农民画。最后，用户可以选择一键优化的功能，采用“全局内容优化算法”进一步丰富画面。此外，用户可以通过扫描二维码的方式分享转发自己完成的作品。

这套系统运行三年，累计有上万人参与创作。参与者只需通过选择主题、手绘元素、签名、生成四步，即可生成出一幅自己的金山农民画。一键优化的功能则在参与者创作的画作基础上二次加工，使参与者发现更多的金山农民画元素和构图方式。这些设计和互动都着力于增强视觉效果带来的吸引力，降低参与难度，提供即时反馈。（图9）

我们对当时参与的观众和其社交分享进行采访和观察后发现：在一个在争相抢夺“关注力”的时代，动态的、智能的、交互的工艺美术才有可能吸引大众参与。潘鲁生教授说：“工艺美术的本质是生活的艺术。”我们认为：大众参与本身恰是工艺美术中不可或缺的条件。在一次展览中，一个10岁左右的孩子驻足在这个系统前面，创作了很多画，她说这里有自己喜欢的人和树。我们没有刻意地进行历史、文化、技艺等的说教。麻省理工学院媒体实验室的创始人尼葛洛庞帝（Nicholas Negroponte）说过：孩子是天然的黑客，他们会用机器做自己想做的东西，而不是交给机器去想他们做的东西。正是这种对于参与的期待，让我们看到了另一种传承方式的可能性：一种人机互动的方式，启发人的参与感，希望观众先参与再学习，让传承自然而然发生。

传承就是埋下种子，我们把这个种子转译成数据资产库、算法、互动。一旦种子被浇灌、被激活，传承就会自然而然地发生。而这种激活会用上金山农民画的数据资产库，这是我们试图增加的另一个维度的传承——把传统工艺美术转译成机器语言，即数据——从元素、主题、布局等维度把金山农民画进行数据化和原子化。这时进行金山农民画价值传承的不只有人，还有了工具。

编辑 / 榴莲

责编 / 雪青