资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

计算设计的形成、转向与未来

11-14

“ 计算设计的形成、转向与未来




引言

今天所说的计算设计,常常被理解为使用电脑、代码或人工智能完成设计。但如果只把计算机看作一种工具,便很难解释它为何会改变设计的基本方式。计算设计真正改变的是设计中的决策关系。设计者不再需要亲自决定每一个局部细节,而是通过规则、参数、数据、随机性和反馈建立一个能够持续运行的系统。

Le Random 的生成艺术史所呈现的并非单纯的技术发展史,而是一条关于人类如何借助规则生产形式、借助机器扩展感知、借助系统重新理解创作的历史。

本文以 Le Random 梳理的的生成艺术时间线及相关理论文章为基础,讨论计算设计的历史脉络、当下状态与未来方向。并认为计算设计的核心并不是自动产生图像,而是重新安排设计中的控制权、变化机制与意义关系。



1

计算设计不始于计算机

Calculation design


生成性思维的历史比计算机更早。Le Random 将南非布隆伯斯洞穴中约七万年前的交叉纹样视为早期生成性实践。图案中的线条排列受到对称关系的约束,形式并非完全依靠制作者逐一决定。伊斯兰几何装饰、传统编织和音乐中的组合方法,也都体现了通过规则组织复杂形式的思想。


南非布隆伯斯洞穴,约 7 万年前



凯鲁万大清真寺米哈拉布周围的虹彩瓷砖,突尼斯,9 世纪



篮子,埃及,约公元前 1550–1300 年,盘绕编织


1804年,约瑟夫·雅卡尔发明提花织机。穿孔卡片记录织物纹样,机器依据卡片控制经线升降。织机把图案转化为可执行的信息,也让复杂纹样具备了重复生产的能力。它的重要性不只在于提高生产效率,还在于它预示了程序化设计的基本结构。设计内容被编码,机器执行编码,结果按照指令稳定出现。



1843年,Ada Lovelace 为巴贝奇分析机撰写关于伯努利数计算的算法说明。她意识到机器不仅可以处理数字,也能够处理符号、音乐和图形关系。这个判断拓展了机器的设计潜力, 使计算设备不再只是进行算术运算的工具,而成为能够执行形式规则的媒介。

这些案例共同构成了计算设计的早期思想基础。设计不再只关心最终形态,也开始关注形态如何被编码、复制和变化,同时也 说明, 生成性首先是一种委托决策的方式。 设计者建立一套规则,再让规则承担部分形式判断。 规则可以来自数学、材料、自然环境、语言指令或机械结构。计算机只是后来最强大的执行媒介之一,并不是生成设计得以成立的必要条件。

Philip Galanter 对生成艺术的定义也强调了这一点。他认为, 生成艺术使用具有一定自主性的系统完成创作,系统可以是自然语言规则、计算机程序、机器、数学操作,也可以是生物或化学过程。判断一件作品是否具有生成性,关键在于艺术家是否在某个阶段把部分控制权交给了外部系统。

因此,计算设计的历史不能简单理解为计算机进入艺术之后发生的事情。它更接近一部关于规则、偶然和自主性的思想史。


2

系统与偶然性

System and Chance


18世纪以后,偶然性逐渐进入艺术创作。 现代艺术也使生成过程获得了明确的艺术地位。杜尚在《三次标准停顿》中让一米长的线自由落下,再把偶然形成的曲线固定下来。线条并非完全由艺术家手工决定,偶然运动成为作品的一部分。

马塞尔·杜尚的“三个标准的终止”

而汉斯·哈克的《凝结立方体》利用温度和湿度产生持续变化的水汽轨迹。作品的意义不再只存在于最终形态,也存在于形态不断变化的过程之中。

2022. "Hans Haacke."

Vera Molnár 也在这一时期持续研究几何形态、排列组合和随机变化。她在真正接触计算机之前提出“想象机器”,希望系统地尝试不同的形态组合。她的实践说明,计算设计首先是思维结构,计算机只是让这种结构获得了更强的执行能力。她希望借助一台虚构的机器系统地尝试各种形式组合。这个概念说明, 计算设计首先是一种思考方式。 它要求设计者把形态问题转化为规则问题,把单件作品转化为一组可变化的结果。

维拉·莫尔纳,《随机分布的四元素》,1959 年


1965年,Georg Nees 在斯图加特举办了早期的算法计算机艺术展览。同年,Howard Wise Gallery 展出了计算机生成图像。1968年的“控制论偶然性”展览进一步讨论了 艺术创造与技术系统之间的关系 。展览将计算机艺术、机器人、音乐、诗歌和控制论放在同一文化空间中,讨论技术系统如何参与创造力。计算机艺术由此获得了更广泛的公共关注,也开始形成独立的艺术史叙事。计算机艺术由此进入公共文化领域,程序也开始成为艺术家组织形式的重要媒介。

随格奥尔格·内斯 1965 年斯图加特展览发行的小册子

同时1967年一种被称为“Musikalisches Würfelspiel” (音乐骰子游戏) 的方法由约翰·菲利普·基恩贝格首次发表, 是艺术与偶然性历史上的里程碑事件。 该游戏是一种音乐作曲技法,通过掷骰子来选取预先创作好的小节。作为最早的偶然音乐(机遇音乐)范例之一,它也是随机生成艺术的最早范例之一。许多后来的著名作曲家都曾尝试过音乐骰子游戏,包括 C.P.E.巴赫以及(据传)莫扎特——后者至今仍是最知名的实践者。音乐骰子游戏也开创了生成音乐先于图形艺术发展的传统,这一传统延续至二十世纪。

约翰·菲利普·基恩贝格,《随时可用的波洛奈兹与小步舞曲作曲家》,1767

这一时期的关键变化,是艺术家开始主动放弃对局部结果的完全控制。作品的价值不再只来自手工技巧,也来自规则如何制造差异。Le Random 引用 Philip Galanter 的观点指出,生成艺术并不要求使用代码。 只要艺术家把部分决定交给外部系统,材料、自然过程、随机机制和机器都可以构成生成系统。

偶然性也因此不能被理解为完全无序 。骰子游戏依靠预设片段和组合限制,杜尚的作品依靠材料长度和展示方式。真正有意义的随机性,始终发生在一定的结构内部,并把设计重点转移到条件设置、结果范围和变化关系之中。


3

程序成为新的设计材料

Programs - new design materials


1970年代以后,艺术家开始主动编写系统。 Harold Cohen 开发 AARON,使机器具备相对自主的绘画行为。 Sonia Landy Sheridan 在芝加哥艺术学院建立生成系统课程,强调设备、材料、图像和过程之间的关系。作品不再只是由艺术家直接制作的对象,也可以是一套能够持续运行的条件。

Sonia Sheridan 与 Marisa González 在“过程:文化与新技术”展览开幕式上,马德里雷纳索菲亚艺术中心,1986 年 5 月 26 日

2001年,Casey Reas 与 Ben Fry 创立 Processing。Processing 降低了程序创作的技术门槛,使代码成为视觉设计中的常用媒介。它的价值并不只在于能够绘制图形,更在于它推动了一种新的工作方式。设计者通过建立变量、循环、条件和参数,观察系统运行的结果,再不断调整规则。

2003 年用 Processing 制作的示例

Casey Reas 的《Process》系列体现了这种系统观念。作品通过形式、行为和元素构成视觉语法,简单的规则在运行中形成复杂结构。

Jared Tarbell 的《Substrate》则依靠垂直生长规则产生类似城市和晶体的画面。作品的价值既存在于图像,也存在于图像生成时呈现出的秩序、偏差与涌现。

Jared Tarbell 的《Substrate》

这一阶段改变了设计师的角色。设计师不再只负责制作结果,也负责建立结果出现的条件。 设计工作的重点因此转向参数之间的关系,转向系统的边界,转向变化能否被理解和控制。



3

人工智能

扩大了系统的自主性


2010年代以后,人工智能让计算设计进入新的阶段。2014年,Ian Goodfellow 等人提出生成对抗网络。2015年,DeepDream 展示了机器学习模型如何将图像识别过程转化为视觉生成过程。早期程序依赖设计者明确写出的规则,而深度学习系统则会从数据中学习隐藏的结构。

出自《生成对抗网络》(2014):MNIST、TFD 和 CIFAR-10 的生成样本,最右列为最接近的训练示例

这使计算设计面临新的问题。设计者需要决定的不只是算法如何运行,还包括模型使用什么数据、数据包含怎样的偏差、结果是否能够解释,以及模型如何参与意义生产。 人工智能并没有消除设计者的作用,而是把设计者的工作扩展到数据选择、模型训练、语义判断和结果筛选。

2020年前后,Art Blocks 将生成算法、区块链铸造和数字收藏结合起来,推动链上生成艺术形成新的传播机制。Snowfro 的《Chromie Squiggle》通过智能合约生成大量具有差异的作品,每次铸造都会获得独立结果。作品的生成时间、编号和交易记录被记录在链上,生成过程也成为作品身份的一部分。作品的生成过程、时间信息和收藏关系获得了更清晰的记录。但链上技术只是生成艺术在特定时期采用的基础设施,它不能单独决定作品是否具有艺术价值。Le Random 也提醒人们, 生成艺术不能被缩减为NFT文化,生成系统本身仍然是更长历史中的核心问题。

Snowfro,《Chromie Squiggle》 #7997 ,2021 年 1 月 16 日铸造。出自 2020 年推出的 Art Blocks 创世系列。



4

计算设计的现实困境

Realistic Challenges

今天的生成艺术已经进入人工智能、虚拟现实、游戏引擎、机器人、区块链和实时交互环境。作品可以持续运行,也可以依据观众行为和环境数据改变自身状态。计算设计也已经进入字体、建筑、品牌、数据可视化、交互装置和数字出版。

然而,工具数量增加并不意味着设计方法自然成熟。当前生成艺术面临的第一个问题是随机性容易被表面化。很多作品使用随机参数制造颜色、运动和形状变化,却没有 建立随机性与主题之间的联系 。这样的作品可能具有视觉吸引力,却缺少清晰的思想结构。

第二是复杂性容易被误认为深度。随机并不会自动产生创造力,复杂的代码也不会自然形成深刻的观念。人工智能生成的大量图像,可能具有高度完成度,却 缺少清晰的问题意识 。设计者如果只关注结果的奇观,系统就容易成为视觉效果的生产机器。 计算设计需要回答系统为何这样运行,参数变化表达什么,观众如何理解结果,以及作品是否提出了真正的问题。

第三是 人工智能带来的黑箱结构 。模型生成的结果受到训练数据、平台规则和商业目标共同影响。设计者如果只展示最终图像,观众很难知道作品如何形成,也无法判断其中包含怎样的文化偏差。

第四是 数字作品的保存 。传统绘画可以依靠画布和颜料保存,持续运行的数字作品则依赖代码、硬件、浏览器、网络和显示环境。Le Random 对数字艺术机构的讨论指出,未来的机构需要保存作品运行所需的条件,而不只是保存静态图像结果。

生成艺术还需要重新思考 艺术评价 。过去人们常常通过构图、色彩、材料和技巧评价作品。生成艺术需要同时评价系统结构、输出质量、观众体验和概念关系。Le Random 将生成艺术的分析分为 系统取向和结果取向 。前者重视规则、程序和生成机制,后者重视最终图像以及作品带来的感知经验。

我认为系统与结果不应该被分开评价。没有系统,结果难以形成持续的思想结构。没有有效结果,系统也无法与观众建立感知联系。优秀的生成作品需要使规则具有概念依据,使结果具有审美吸引力,最终使两者之间能够相互解释。


5

关系与责任的重要性

Relationships and Responsibility

未来的计算设计可能更加重视持续运行系统和多主体协作。作品可能具备记忆,能够感知环境,也可能根据观众行为调整自身状态。设计者、用户、人工智能、数据和平台将共同参与作品形成。

这种变化要求设计者具备新的能力。设计者需要理解系统如何运行,也需要理解数据如何影响结果。需要设计者建立可解释的参数关系,也需要判断哪些决策应当交给系统,哪些决策必须由人来承担。 作品不再只是被观看的对象,也可能成为一个持续行动的环境。 同时带来的还有更加重视协议和治理的部分。一个系统怎样运行,谁可以修改规则,谁拥有数据,观众能否参与决策,这些问题都会影响作品的意义。计算设计不能只讨论形式生成,也需要讨论权力关系和使用责任。

在这一背景下,生成艺术的价值会逐渐超越视觉风格。它可能进入公共空间、教育系统、城市环境和社会协作。 设计者不只是创造一个结果,而是在建立一种人与机器、人与数据、人与环境之间的关系。


结语

Conclusion

计算设计的历史并不是计算机不断更新的技术史,也不是软件越来越复杂的工具史。它真正记录的是 艺术家和设计者如何重新安排创作中的决策关系。 人类不断把部分判断交给规则、材料、机器、环境和模型,同时重新思考作者、作品与观众之间的关系。

未来的计算设计不会只追求更多图像、更快速度和更复杂的模型。它更需要回答系统为何这样运行,谁能够改变系统,以及观众如何在系统中形成经验。设计者的任务也不只是制造形式,而是建立能够承载思想、感知和责任的运行机制。

当计算设计真正进入我们的生活、社会和文化结构之后,作品的价值便不只在于它生成了什么,更在于它让我们看见了哪些隐藏的关系,以及它如何改变我们理解世界的方式。



备注:图片来自于网络,如有侵权请联系删除

指导老师:魏   东

作者:刘雯悦



阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本内容由数艺网主动采集收录,信息来源为 “互动媒体研究中心” 公开网络发布内容。第三方如需转载本内容,必须完整标注原作者信息及 “来源:数艺网”,严禁擅自篡改、删减或未标注来源转载。 并附上本页链接: 若您的内容不希望被数艺网收录,或认为此举侵犯了您的合法权益,敬请通过微信 ID:d-arts-cn 联系数艺网。我们将致以诚挚歉意,并第一时间为您办理下架或删除处理。

数字媒体艺术 新媒体艺术 科技艺术

1523 举报
  0
登录| 注册 后参与评论