天书
艺术与 AI 的交汇:从时间、教育与文化三个尺度解读 Gene Kogan 的《天书》
本文由 AI 翻译
艺术与 AI 的交汇:从时间、教育与文化三个尺度解读 Gene Kogan 的《天书》
引言


Gene Kogan 的《天书》(A Book from the Sky)是一件打通人工智能与艺术的开创性作品。它创作于 2015 年,用深度卷积生成对抗网络(DCGAN)探索汉字书写的潜在空间,反思 AI 给艺术、文化和社会带来的深刻变化。这件作品标志着 AI 发展的一个关键节点:自 2015 年起,AI 从「识别」走向「生成」,开始显露出从学到的数据中创造全新而有意义内容的潜力。
Gene Kogan 是一位关注自主系统和生成艺术的艺术家兼程序员,一直在推动 AI 在创作领域的边界。他的作品聚焦于技术与自我表达的交汇,主张用 AI 让艺术和教育变得更普及。他还积极参与多个教育项目,其中包括「ml4a」(Machine Learning for Artists,给艺术家的机器学习),为艺术家把机器学习融入创作提供免费资源。
时间尺度:AI 艺术的发展史
AI 的转折点:从感知到生成
在当代 AI 的发展时间线上,《天书》占据着关键位置。它标志着 2015 年以来 AI 从专注识别转向具备生成能力。理解这次转变,才能理解 AI 如何从一个主要用来辨认和解读现有数据的工具,演变为能够创造全新内容的系统。

- 2015 年以前,重在识别:这一时期 AI 的主要应用是识别任务,包括目标检测、人脸识别和语义分割等,AI 被训练来辨认和分类图像、视频里的物体。技术的核心作用是解读视觉数据、让它变得可理解。
- 2015 年以后,转向生成:2014–2015 年前后出现的生成对抗网络(GAN)是 AI 能力的一次重大转变。GAN 由生成器和判别器两个神经网络组成,二者协同工作,产出与训练数据相似的合成数据。这项创新让 AI 不再只会识别,而能创造新的图像、文字和其他媒介。不过,公众对这种生成能力的认知要到 2022 年 ChatGPT、Stable Diffusion 和 Midjourney 发布之后才迅速升温,尽管底层的转变早已发生。
- AI 进化的化石:《天书》就像一块「化石」,标记着 AI 生成「寒武纪大爆发」的前夜。它展示了 AI 创造能力的萌芽阶段,记录下 AI 开始超越原有功能、走向原创艺术的那个时刻。这件作品既体现了当时的技术进展,也为之后几年 AI 生成能力的飞速发展和广受关注提供了历史坐标。
放在这样的历史框架里,《天书》不只是一个重要的技术里程碑,也值得我们进一步思考它在教育和文化上的意义。作为 AI 生成能力早期的一块「化石」,它比公众普遍意识到 AI 的创造潜力早了好几年。它见证了 AI 发展的重大转向:从单纯的感知和识别,走向生成原创内容。这一演变呼应了 2022 年前后才被大众广泛感知的 AI 创造力「寒武纪大爆发」,而相关的基础技术其实早就已经出现。
教育尺度:公众如何理解 AI
词嵌入与潜在空间的概念及其重要性
2013 年提出的词嵌入(word embedding)彻底改变了处理文本的方式,让文本可以转换为结构化、可计算的数据。这为自然语言处理(NLP)模型的进步铺平了道路,也是训练大语言模型(如 GPT 系列)成为可能的关键因素之一。
- 词嵌入:把文本转换为潜在向量,让神经网络可以根据向量坐标对文本进行编码和聚类。这一突破让机器对文本数据的理解更加细腻,催生出能更准确地理解和生成人类语言的 AI 模型。
- 可视化的难题:起初,潜在空间里的复杂计算很难用视觉方式呈现,公众难以把握背后的过程;这类计算的抽象性也让没有技术背景的人望而却步。具体来说,虽然我们可以在已有字或词的向量之间插值得到新向量,却无法把嵌入过程反过来,把这个新向量重新显示成字或词。

词嵌入可视化:词向量在语义与坐标上的关联
首次从潜在空间生成新的字
借助词嵌入和 GAN 的原理,Kogan 的作品不仅创造出极具视觉冲击力的艺术,也成为一种教育工具,帮助公众理解 AI 生成内容背后的复杂过程。它展示了 AI 如何以结构化、可计算的方式编码和操控文字信息,并第一次让这一过程可以被看见、被理解。这件作品凸显了 AI 在理解和再造人类文化上的变革潜力,也让人得以一窥 AI 驱动的创造力的未来。

这些「词向量」可以写成 {国王} − {男人} + {女人} = {女王} 这样的等式,尽管模型事先对这些词的含义一无所知。
- 反转词嵌入:《天书》第一次成功地把插值得到的词嵌入反转为看得见的新字:它把 DCGAN 与词嵌入的特征结合起来,从词向量重建出文字。这一成果不仅展示了 AI 生成新内容的潜力,也提供了一种具体可感的方式来呈现复杂的数据过程,让公众更容易理解。

在字与字之间游走潜在空间
《天书》的教育价值在于为 AI 生成内容的过程「祛魅」。通过把潜在空间可视化、演示 GAN 和词嵌入的实际应用,它在复杂的技术概念与公众理解之间架起了桥梁,展示出 AI 将如何改变我们感知和处理文字、图像数据的方式。
技术背景:GAN / DCGAN / 潜在空间向量
- 传统 GAN:传统的生成对抗网络提出了一种全新的图像生成方法,彻底改变了 AI 领域。它由生成器和判别器两个神经网络组成:生成器生成合成图像,力图模仿训练集的分布;判别器评估这些图像的真伪,区分真实图像和生成图像。在这种对抗过程中,两个网络不断迭代、共同进步,生成的图像也越来越逼真。

GAN 的整体结构
- DCGAN 的改进:DCGAN 更进一步,用卷积神经网络(CNN)取代了传统 GAN 中的全连接层。这一结构上的改进提升了训练的稳定性和生成图像的质量。CNN 尤其擅长捕捉图像中的空间层级结构,非常适合生成高质量的视觉内容。借助 CNN,DCGAN 能生成更细致、更连贯、更贴近训练数据特征的图像。

DCGAN 生成器示意图
- GAN 中的潜在空间向量:GAN 生成图像时采样的高维潜在空间向量与图像内容相关。正因如此,我们可以探索潜在空间,生成既新颖又有意义、同时保留训练数据固有特征的图像。

GAN 生成图像时随机采样的高维潜在空间向量与图像内容相关。
- 在 DCGAN 中把文字当作图像:《天书》没有直接对文本格式做嵌入,而是把汉字当作图像处理。汉字是象形文字,字义与字形之间有很强的关联。项目把汉字整理成训练集,训练了一个定制的 DCGAN 模型。借助这个模型,汉字的向量嵌入、向量游走与插值,以及前面提到的向量可视化,都得以正确实现。

真实汉字与定制 DCGAN 生成汉字的对比
文化尺度:对汉字历史的特殊意义
对象形汉字的价值
汉字的象形特性让它在世界文字体系中独树一帜。拼音文字的字母是抽象符号,与语义没有直接关系;汉字却常常在视觉上直接体现字义。这一特性为借助人工智能探索视觉艺术与文字意义的交汇提供了丰富的土壤。徐冰的《天书》(1988 年书籍版)就是典型例子:作品包含数千个虚构的字,模仿宋明两代木刻印刷中的传统汉字。它是 Gene Kogan《天书》的主要参照,凸显了汉字深厚的视觉与语义维度。
在 Kogan 的《天书》里,这种象形特质被充分利用:汉字被当作图像而不只是文本。项目借助汉字字义与字形之间的强关联,把它们整理成完整的训练集,再用来训练定制的 DCGAN 模型,最终得到一个能对汉字进行向量嵌入、向量游走、插值和向量可视化的系统。

通过可视化对应的汉字来探索潜在空间
这种方法第一次展示了机器如何用视觉和技术手段感知并再造人类文字。通过对文字聚类、呈现字与字之间的关联,《天书》为理解汉字的潜在空间提供了一个视觉和概念上的框架。它不仅凸显了 AI 生成艺术的美学与文化维度,也在技术与传统文化表达之间架起了桥梁。
对汉字演变史的价值
汉字的演变伴随着变异、简化、繁化和合并,反映了书写习惯、文化变迁和技术进步。在《天书》中,神经网络实现的潜在空间插值,本质上重演了这一演变过程,为公众提供了一个观察汉字发展的平行视角。
- 历史演变:作品映照出汉字的历史演变,展示字形如何随时间变化。这是通过潜在空间插值实现的,它直观地呈现了字形逐渐变化和适应的过程。

汉字的历史演变

在相近的字之间按偏旁插值,生成新的汉字
- 多样的书法风格:即使在同一时代,汉字也有隶书、草书、行书等多种风格。《天书》呈现同一个字的多种写法,体现了这种多样性,展示出汉字书写的灵活与丰富。

多样的汉字书法

AI 生成的多样书法
通常要跨越漫长岁月、广阔地域才会发生的文字演变,《天书》借 AI 的视角在极短时间内呈现了出来。这种由 AI「讲述」的汉字演变既震撼又发人深省,对熟悉中国文化的观众尤其如此。它强调了汉字的动态本质,以及字形中承载的文化意义。
结语
Gene Kogan 的《天书》在时间、教育和文化三个尺度上展现了人工智能的变革力量。它标志着 AI 从识别走向生成的关键时刻,并通过视觉呈现让公众得以理解复杂的 AI 过程。它以徐冰 1988 年的作品为基础,既致敬了中国传统文化,又用当代 AI 技术探索视觉艺术与文字意义之间丰富的互动。这件作品不仅推动了 AI 生成艺术的发展,也加深了我们对 AI 塑造和映照人类文化与遗产之潜力的理解。