计算机艺术鼻祖-进化艺术 Evolutionary Art 的浮想联翩

凡谱操场

SPECTRUM PLAYGROUND

进化艺术可以算的上是计算机艺术的先河。1980年代个人计算机的出现，为艺术家们提供了数字艺术创作的工具。1993年迎来第一波高峰，随着一波进化艺术的先驱Karl Sims, Stephen Todd 和William Latham二人组大量作品的发布。

Karl Sims简单的表达式生成的图像

（顺序从左到右，上到下对应如下表达式）

a. X

b. Y

c. (abs X)

d. (mod X (abs Y))

e. (and X Y)

f. (bw-noise .2 2)

g. (color-noise .1 2)

h. (grad-direction (bw-noise .15 2) .0 .0)

i. (warped-color-noise (* X .2) Y .1 2)

进化艺术到底是什么？

简单示意母本图片交叉生成两个后代图片

跟生物进化有关系吗？通俗来讲，进化艺术就是通过模拟生物进化的过程，在迭代的过程中代代筛选，最后生成出所谓优质，审美愉悦的作品。这个过程用计算机实现，就有了遗传算法（genetic algorithm）或者进化算法（evolutionary algorithm）的概念。至于算法中涉及的筛选机制（fitness function），也有分为人工筛选或者机器筛选。人来选（可交互进化），结果更有保障会符合人类的审美，但是这是个十分冗杂漫长的过程，也会审美疲劳；机器来选，那结果就很魔幻了，这又代入了一波用来判定一张图片是否“好看”的神奇算法。

进化艺术缘何存在呢？

Karl Sims由下面表达式（由简单的表达式进化而来）生成

(sin (+ (- (grad-direction (blur (if (hsv-to-rgb (warped-

color-noise #(0.57 0.73 0.92) (/ 1.85 (warped-color-

noise x y 0.02 3.08)) 0.11 2.4)) #(0.54 0.73 0.59) #(1.06

0.82 0.06)) 3.1) 1.46 5.9) (hsv-to-rgb (warped-color-

noise y (/ 4.5 (warped-color-noise y (/ x y) 2.4 2.4))

0.02 2.4))) x))

一个很主流的原因是，人们想要建立一套计算机系统，可以创作出有趣，有创意，好看的作品，包括图像，影像，动画，文字和行为。当然这些形容词还都是人的主观认知范畴，于是计算机想要满足这个需求，就要开始学习人们认为的有趣，好看是什么，即模拟人类的审美。从母本库开始，通过不断的训练，机器总会知道些人的喜好吧。不过这个工具放到艺术家手里，审美这个词就显得更迷离了。虽然有些进化艺术系统设计的真心巧妙，但是产生的作品，hmmm，还是很难以界定。

那么进化艺术中如何审美？

由可交互式进化方式产生的图像

这里人们带入了几个衡量因素。首先复杂度。什么叫复杂呢？人对复杂度的理解，通常是搞懂这件艺术品花了多少脑力。那复杂度跟审美又是一种什么关系呢？太复杂的形式可读性太差，太有序又很容易让人觉得无趣。于是著名的审美公式诞生了 M=O/C，即有序度/复杂度，如此简单粗暴。后来则有了可量化的计算公式，这下计算机可以给图片打分了。

将图片的复杂度，这么一个人类主观的感受，转化成计算机可以处理的图片压缩技术，越复杂的图片可压缩的程度就越小。（真是苦了科研工作者们）一个复杂度都已经如此玄学，何况人类的审美又远不止局限在这一个因素上？当然还有其他审美相关的算法，这里就不多介绍了。

在完全由机器生成的图像中，艺术家扮演了怎样的角色呢？

William Latham, Computer Sculpture 3, 1988

Latham 指出他做的不仅是软件层面的架构，而且是掌控着产出的风格。他还曾说与计算机一起创作，最有趣的就是结果总是会有意外的惊喜，尽管程序都是人写的，但计算机就总是好像带着自己的创意思维一样会运行出神奇的结果。

Karl Sims

但另一个先锋人物 Karl Sims 的研究似乎更倾向让人们对结果有更多的掌控。他提到可以产生复杂图形或者动画的系统的代价，就是用户无法继续保持对结果的完全把控。他开发的系统中，尽管用户可以不完全知道每一个细节，但是可以确保复杂体系的建立仍然是完全由用户导向的。

最后的一些思考

教机器去审美？（人类自己的审美都还没教好）而且话说回来机器为什么一定要去模拟人类的审美呢？机器就不能有自己的一套审美机制么？人类觉得有趣的，机器就一定也要觉得有趣？花大量精力在把人类如今更五花八门，捕风捉影的审美给算法化，不如重新拟定一套机器审美学。

当然遗传算法或应用更广泛的进化算法在其他领域也是大放异彩的，而且是通过有切实意义的筛选机制得出最优解决方案的，还有人甚至提出过在人工智能领域，进化算法可能比机器深度学习更有效？在几乎只能靠审美的艺术范畴，在审美已经十分魔幻的当下，这些算法的使用似乎也只能为创作者提供更多创作方式的可能性，至于模拟人类审美，何为机器审美这一类的话题，期待计算机艺术的研究者们的脑洞了。

笔者脑洞时刻

人的世界，可交配的双方如果都是先天优质基因，后天优质社会资源，那后代几乎就是所谓生在了罗马的成功者。那如果拿两幅世界名画(或许n幅?或者画和雕塑这种杂交?)作为母本去交配（无限种“交配”模式），设定一些筛选机制，不停的进化，那产生出来的各种“后代”的艺术价值，人们会怎么衡量呢?可能如今搞成nft炒作一下，挂个《艺术史最强联合-艺术大师作品的后代们》没准能圈点钱。可是这样的作品可以有无限多，是真的无限多，多到它们爹妈都认不出。

（撰文：Azure Zhang，艺术家、自由撰稿人，毕业于英国皇家艺术学院。作品涉及当代首饰/物体、计算机艺术、新媒体装置。）

备注：本文未涉及过多技术层面的知识普及和探讨，如有对此方面感兴趣的朋友，可以后台留言，我们会推荐相关的文章和书籍。

*参考资料：

·Johnson, C.G., McCormack, J., Santos, I. and Romero, J., 2019. Understanding aesthetics and fitness measures in evolutionary art systems. Complexity, 2019.

·Lambert, N., Latham, W. and Leymarie, F.F., The Emergence and Growth of Evolutionary Art.

·McCormack, J. and Gambardella, C.C., 2022. Complexity and Aesthetics in Generative and Evolutionary Art. arXiv preprint arXiv:2201.01470.

·Ekárt, A., Sharma, D. and Chalakov, S., 2011, April. Modelling human preference in evolutionary art. In European Conference on the Applications of Evolutionary Computation (pp. 303-312). Springer, Berlin, Heidelberg.

·https://igliu.com/2014/03/20/evolutionary-art/

·https://www.karlsims.com/papers/siggraph91.html

·https://www.algosome.com/articles/genetic-algorithm-evolution-art.html

·https://www.technologyreview.com/2018/07/18/104191/evolutionary-algorithm-outperforms-deep-learning-machines-at-video-games/

·https://www.c-sharpcorner.com/article/using-genetic-algorithms-to-generate-evolutionary-art-in-C-Sharp/

·https://digitalartarchive.siggraph.org/artwork/william-latham-computer-sculpture-3/

虚拟展览招募 | 虚空平面：

反地表思维，想象与探听多维地心世界