破除误解
第一个误解，是以为"AI 艺术"始于 Midjourney 与 Stable Diffusion 爆红的 2022 年。算法造图的历史比个人电脑还长：1965 年 2 月，格奥尔格·内斯在斯图加特展出世界上第一批计算机生成的画作时，阿波利奈尔式的震惊、愤怒与"这也是艺术？"的质问就已全套上演过一次。今天的争论——机器能否创作、作者是谁、这算不算艺术——几乎逐字复刻六十年前，只是换了引擎。忘记这段历史，我们就在每十年重写一次同样的头条。
第二个误解，是认为 AI 生成艺术的关键问题是"机器有没有创造力"。这个问题既无法证伪也无操作价值。有操作价值的问题是：作品链条里的各个环节——写代码的人、选数据的人、写提示词的人、筛选输出的人——各自贡献了什么？哪些贡献构成法律与美学意义上的作者行为？把模糊的哲学大问题拆成可分工、可举证的小问题，是这门领域走向成熟的标志。
第三个误解，是把扩散模型的图像当作"机器凭空想象"。扩散模型生成的一切都是训练数据的统计重组：它给出的是人类图像史的平均趋势与条件化的变奏。理解这一点，关于原创性、抄袭与训练数据授权的争论才有共同的起点。
历史脉络：从绘图仪到扩散模型
生成艺术的源头是工程师与数学家的实验。内斯是西门子的工业数学家，用 ALGOL 写程序、驱动楚泽公司的绘图仪作画；他的 1965 年斯图加特个展由信息美学的倡导者马克斯·本塞促成。同年 4 月，贝尔实验室的迈克尔·诺尔与贝拉·尤莱斯在纽约霍华德·怀斯画廊举办"计算机生成图像"展；诺尔还做过著名的知觉实验：让观众分辨他的程序生成的"伪蒙德里安"与蒙德里安原作，结果多数受试者更喜欢机器的那幅——一个挑衅性的早期数据点。1968 年伦敦当代艺术学院的大型展览"控制论的意外发现"（Cybernetic Serendipity）把计算机艺术第一次送进主流美术馆的展厅。维拉·莫尔纳尔、弗里德·纳克与后来的哈罗德·科恩——他的 AARON 程序从 1970 年代起自动作画数十年——把这条传统延续为真正的艺术实践：艺术家的工作从"画"转向"设计画的规则"。
这条谱系里潜藏着一个持续的方法自觉：生成艺术家从不认为机器是作者。纳克 1971 年的文章《不应该有计算机艺术》径直指出，"计算机艺术"这个范畴本身就是误会——计算机只是工具与媒介，把生产环节自动化不等于把创作自动化。这个立场在半个世纪后的提示词时代显得格外有先见之明。
第二次浪潮来自机器学习。2014 年伊恩·古德费洛等人提出生成对抗网络（GAN）：生成器与判别器互相对抗训练，学会合成足以乱真的图像。2018 年 10 月，巴黎三人组合 Obvious 把 GAN 生成的《埃德蒙·德·贝拉米肖像》送上佳士得，估价七千至一万美元，落槌含佣金 43.25 万美元——大型拍卖行成交的第一件"AI 艺术品"，同时引爆归属争议：所用代码主要改写自青年开发者罗比·巴瑞特的开源成果，而训练数据是一万五千幅跨越六个世纪的人类肖像。
第三次浪潮是扩散模型。2022 年，DALL-E 2、Midjourney 与开源的 Stable Diffusion 把文本生成图像的能力交到数亿人手中。同年 8 月，贾森·艾伦用 Midjourney 生成并经过筛选与修饰的《太空歌剧院》获得科罗拉多州博览会数字艺术一等奖——在评委不知情的情况下——消息公开后舆论哗然，成为 AI 艺术闯入主流文化秩序的标志性事件。
核心机制：作者性在哪里
从绘图仪到扩散模型，技术换了三代，作者性问题却显现出稳定的结构。规则作者性——内斯时代的形态：艺术家写算法，机器执行，作品是规则与随机性的合谋，作者归属相对清晰。模型作者性——GAN 时代的形态：艺术家不再直接写规则，而是选择数据、训练目标与筛选标准，创作行为分布在整个流水线。提示词作者性——扩散时代的形态：用户以自然语言引导一个包含全人类图像记忆的模型，贡献的比例最低也最模糊。值得记录的是实际的工作流并不像"打一句话"那样轻盈：以《太空歌剧院》为例，艾伦自述投入了数十小时迭代提示词、生成数百个候选、筛选并用图像软件修饰——但这些劳动在美国版权局的裁决中被认定为"对生成物的选择与安排"，而非对表达要素本身的控制。
法律已经开始给出回答，而且各国的回答在分叉。美国版权局 2023 年对《太空歌剧院》拒绝登记，理由是艾伦的提示词与筛选不足以构成对表达要素的控制；同年对漫画《扎里亚的黎明》的裁决更为精细：文字与编排受保护，Midjourney 生成的单幅图像不受保护。2025 年 3 月，联邦上诉法院在塞勒诉珀尔马特案中确认：完全由机器自主生成的作品不享有版权——人类作者性是硬性要件。北京互联网法院 2023 年则在一起案件中认定：经过数百次提示词调整与参数选择的 AI 生成图可构成用户的美术作品。分歧的核心不是技术，而是把"足够的人类贡献"的刻度线画在哪里。
训练数据之争是另一条战线。2023 年起，艺术家集体诉讼（安德森诉 Stability AI 等）与 Getty 图片社对 Stability AI 的诉讼相继提出：用受版权保护的图像训练模型是否构成侵权？抗辩方主张训练是学习统计规律而非复制，属于转换性使用；原告方则指出模型可以被诱导复现训练样本，且整个商业模式建立在对创作者劳动的无偿汲取之上。这些案件将决定生成式 AI 的经济学基础。
争议与边界
美学层面的争议同样真实。辩护方把扩散模型视为摄影术的当代重演：1850 年代的画家也曾断言按快门不算艺术，而摄影最终改变了绘画而非消灭了它。批评方则指出一个质的不同：相机记录世界，扩散模型重组的是他人作品的库存——它更像是吞噬了整个艺术史之后再进行风格套利的装置。本雅明关于机械复制摧毁"灵光"的论述获得了新版本：当图像可以无限、即时、按需生成，"此在"与稀缺性退出图像的定义，图像与观看者的时间关系被彻底改变——一张梗图式的生成图没人会看第二眼，不是因为它差，而是因为它的生产成本已趋近于零。
另一种务实的立场正在创作者社群中成形：把生成模型定位为"合成器"而非"作曲家"。就像电子音乐家不回避合成器而是研究它的脾气，许多视觉艺术家把模型的失控、幻觉与偏见当作媒介特性来经营——作品的主题恰恰是机器的视觉无意识。
更深一层的争议关于评估：当 AI 图像在盲测中越来越频繁地通过"图灵测试"，美学判断还剩下什么？一个可能的回答是：艺术从来不只是物件的品质，还包括创作行为的社会事实——知道一幅画是人用二十年功力画的，与知道它是十秒生成的，改变的是观看行为本身。作者性问题因此不是法律的怪癖，而是审美经验结构的组成部分。
为什么今天仍然重要
生成艺术的三代历史是一个罕见的受控实验：同一个哲学问题在三种技术条件下重复出现，让我们得以区分什么是技术噪音、什么是真正不变的难题。今天，这些难题正在走出画廊：广告业用生成图替代摄影，游戏业用其填充资产，司法系统在摸索证据规则，教育系统在重新定义作业。更迫近的是图像信任基础设施的重建：当任何"照片"都可能没有拍摄者，新闻、司法与科学出版都在为图像的来源证明寻找新的技术方案——从拍摄端的内容凭证到生成端的水印标准。AI 艺术的争论是文化对自动化创造力的第一轮正式回应，其判例与惯例将被音乐、文学与影像领域逐一援引。而生成艺术家们从绘图仪时代延续至今的提醒依然有效：机器从不自动生产意义，规则、数据与筛选背后永远有人——问题只是，我们打算让谁为哪一部分负责。
跨域连接
- AI 与算法治理：生成艺术的法律之争是算法治理论战的美学分战场：训练数据的授权、生成内容的标识、平台对侵权输出的责任，全部落入同一套监管框架。艺术案例因其事实清晰——输入是画、输出也是画——常常成为先行先试的判例来源。
- 大语言模型：扩散模型与大语言模型共享同一技术范式——在海量人类产物上训练、以条件化方式重组输出。文生图模型的提示词工程本质是与一个语言—视觉联合模型对话；理解 LLM 的能力与幻觉机制，是理解图像生成模型边界的最短路径。
- 神经网络：从 GAN 的对抗训练到扩散模型的逐步去噪，生成艺术的每种"风格"都是特定网络结构的签名。作者性之争要超越口号，就必须落到机制：模型到底记忆了什么、泛化了什么，决定了"抄袭"与"学习"的分界画在哪里。
- 人工智能伦理：训练数据之争是分配正义问题在文化领域的具体化：模型从全体创作者的劳动中提取价值，收益却归于模型拥有者。伦理学关于同意、补偿与劳动份额的框架，为"该不该赔、赔给谁、怎么赔"提供了比口号更细的工具。
- AI 可解释性：艺术家与法官都在追问同一个问题——这张图的哪一部分来自哪张训练图。可解释性研究若能部分回答这个问题，侵权判定与署名分配都将获得技术支点；它的困难程度，也预示了相关法律争议还将持续多久。
参考文献
- Goodfellow, Ian et al. "Generative Adversarial Nets." Advances in Neural Information Processing Systems 27 (2014).
- Nake, Frieder. "There Should Be No Computer-Art." Bulletin of the Computer Arts Society (1971).
- U.S. Copyright Office, Review Board. Théâtre D'opéra Spatial（拒绝登记决定）, 2023.
- U.S. Copyright Office. Zarya of the Dawn（登记范围更正信函）, 2023.
- Thaler v. Perlmutter, 美国联邦哥伦比亚特区巡回上诉法院判决, 2025.
- McCormack, Jon et al. "Autonomy, Authenticity, Authorship and Intention in Computer Generated Art." EvoMUSART 会议论文, 2019.
延伸阅读
- Noll, A. Michael. "The Beginnings of Computer Art in the United States: A Memoir." Leonardo 27(1) (1994).
- Boden, Margaret A. & Edmonds, Ernest A. From Fingers to Digits: An Artificial Aesthetic. The MIT Press, 2019.
- Reichardt, Jasia (ed.). Cybernetic Serendipity（1968 年 ICA 展览文献，Studio International 特刊）.
- Cohen, Harold. "The Further Exploits of AARON, Painter." Stanford Humanities Review 4(2) (1995).