生成式人工智能工具在艺术教育中的应用：探索提示词工程与迭代过程以提升创造力
Generative AI tools in art education: Exploring prompt engineering and iterative processes for enhanced creativity
Peter Cotroneo, James Hutson
Metaverse · 2023-06-05
摘要
生成式人工智能工具在艺术与设计教育领域的快速发展与普及既带来了机遇，也引发了诸多挑战。本研究紧扣时代需求，探讨了如何在兼顾伦理考量与提示词工程重要性的前提下，将这些工具有效融入课堂教学。研究人员通过考察借助OpenAI的DALL-E2生成多样化视觉成果时，对初始创意进行多轮迭代、语言扩展及优化的过程，深入了解了这些工具在教育场景中的潜在优势与弊端。作为研究案例的数字艺术专业学生被教授了提示词工程技术，并需撰写多条提示词以逐步完善自身创意。参与者对生成式人工智能工具的潜力与局限有了更深刻的认识，也掌握了如何调整创作主题以获得更佳效果的方法。迭代过程鼓励学生不断探索并尝试各类创意，从而更深入地理解人工智能工具所提供的可能性。尽管学生们意识到涉及版权以及艺术家可能被取代等伦理问题，但他们仍认可生成式人工智能工具在丰富素描本内容及辅助创意构思方面的价值。通过提示词工程与迭代过程，学生们养成了更注重细节的创作习惯。将人工智能生成的图像作为最终作品这一挑战颇具启发性，值得进一步探究并优化相关提示词。本研究揭示了将生成式人工智能工具引入艺术与设计课堂的潜在益处与挑战，强调随着技术的持续发展，提示词工程、迭代过程及伦理考量的重要性不容忽视。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于全文生成- 主要观点
- 生成式AI工具在艺术与设计教育中兼具机遇与挑战，通过提示词工程和迭代过程，学生能更深入地探索创意并理解AI的潜力与局限，进而培养注重细节的创作方式。尽管学生对版权和AI取代艺术家的伦理问题存有担忧，但仍认可其在草图绘制和构思阶段的价值。然而，将AI生成图像直接作为最终成品在概念上仍具挑战性，需进一步审视。
- 研究方法
- 本研究采用混合研究方法，结合了学生问卷调查（定量主题分析与定性开放式评论）、教师反馈以及学生创作的艺术作品（含AI生成内容与最终项目）进行数据收集。研究样本为15名选修数字艺术课程的大学生，要求其使用DALL-E2进行多轮提示词设计与迭代，并使用Photoshop重构AI生成的图像。
- 学术贡献
- 该研究将生成式AI在艺术领域的讨论从哲学与理论层面转向了工作室艺术课堂的实际教学法应用，填补了相关文献的空白。研究实证了提示词工程与迭代过程在促进学生创意探索和细化构思方面的有效性，为艺术与设计课程中合乎伦理地整合AI工具提供了实践参考。
- 存在局限
- 材料中未明确提及。
- 进一步研究方向
- 未来研究应聚焦于开发创新的教学方法与框架，以在发挥AI教育潜力的同时应对其带来的伦理与哲学影响。此外，需进一步调查提示词工程与迭代过程如何具体促进创意探索与想法细化，特别是针对将AI生成图像作为最终成品的挑战展开深入考量。
本综述由 AI（GLM-5.1）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Aesthetic Perception and Analysis