- 0
- 0
- 0
分享
- 计算设计的形成、转向与未来
-
11-14
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。
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。
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。
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。
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。
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。
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。




