算法美学：基于认知视角的人工智能生成艺术研究
Algorithmic Aesthetics: Cognitive Perspectives on AI-Generated Art
Ionela Bara, Kohinoor Monish Darda, Richard Ramsey, Emily S. Cross
2024-11-01
开放获取艺术理论被引 1
摘要
近年来，生成式人工智能在各个领域的应用日益广泛，从广告与社交媒体领域，到用于高端艺术展览展示以及艺术拍卖市场的作品创作，均可见其身影。尽管这类技术应用愈发普遍，但实证数据表明，人们依然对人工智能生成的艺术存在明显的偏见。本文旨在探究这种偏见的形成原因，以及它是否会注定人工智能创作的艺术无法被接受甚至遭到排斥。为此，我们整合了神经美学、社会认知学、艺术史以及人机交互学领域的最新实证研究成果，提出了若干有待进一步实证检验的新视角。鉴于当前社会中人工智能生成艺术的发展势头，本文致力于从社会认知神经科学的角度，提供基于新证据的论点，以帮助人们理解艺术与人工智能之间的关联。
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
基于摘要生成- 主要观点
- 该文的问题域是生成式人工智能（GAI）介入广告、社交媒体内容生产，并进入重要艺术展览与艺术拍卖市场之后，为何人们仍对AI生成艺术保持明显的偏见。作者以“empirical data show that people maintain a clear bias against AI-generated art”为起点，追问这种偏见是否注定使AI生成艺术无法被接受乃至被推崇。论文主张，对该问题的回答不能停留在作品生成技术本身，而应置于神经美学、社会认知与艺术史的交汇处，把AI生成艺术视为观看者社会认知加工的对象。据此，作者整合上述领域及人机交互的最新实证证据，提出若干可供实证检验的新视角与命题，并以社会认知神经科学为明确的理论着眼点，重构艺术与人工智能关系的理解框架。
- 研究方法
- 该文不是实验或调查研究报告，而是跨学科的文献整合与理论建构：把神经美学、社会认知、艺术史、人机交互四个学科近期的实证证据并置，用以生成新的解释视角。其方法是“以证据为基础的命题产出”（evidence-based propositions），即把既有实证发现转化为可检验的理论陈述，供后续实证评估。材料中未明确提及文献检索范围、纳入与排除标准、所引研究的数量或样本构成。材料也未说明作者自身是否收集了一手数据，或对“偏见”采用何种测量方式（如外显评分、内隐测量或行为指标）。
- 学术贡献
- 属于理论建构与领域拓展层面的贡献：论文将AI生成艺术的接受问题从生成技术能力转移到观看者的社会认知加工，提出以社会认知神经科学为中心的命题框架。它把神经美学与社会认知的既有研究范式延伸至AI生成艺术这一较新的对象，并与艺术史、人机交互及艺术展览与拍卖市场语境相衔接。其贡献形式是一组面向“AI艺术偏见”议题的可检验命题，而非单一描述性结论。材料中未提及该文是否发掘了新的史料、数据或测量工具。
- 存在局限
- 论文以提出“ripe for empirical evaluation”的视角为旨归，其命题在本文内部未经过任何实证检验，命题的操作化程度与可证伪性仅凭摘要无法判断。材料未交代所援引实证证据的检索与筛选标准，因而无法评估证据的代表性与覆盖范围。材料未对“偏见”作出操作性界定，也未说明偏见持有者的具体构成（普通观众、藏家、策展人）及其所处文化语境。摘要以“empirical data show”引出偏见这一论证起点，但未给出数据来源、样本规模或效应量，起点以断言形式呈现。
- 进一步研究方向
- 对论文提出的命题逐条做实验检验：以同一批艺术作品在“AI创作”与“人类创作”标签操纵下进行评价实验，同时采集外显评分与内隐测量，判定偏见是内隐自动化的还是可被信息干预修正的。在神经美学路径上，比较观看AI生成作品与人类创作作品时的神经与生理反应，考察差异出现在早期感知加工还是后期评价阶段。在艺术市场与展览语境中，使用拍卖成交数据或展览现场行为数据，检验标签披露、创作者声誉与作品叙事对价格和评价的调节作用。采用纵向设计追踪同一群体随GAI艺术接触经验增加而产生的态度变化，检验偏见是否随熟悉度衰减。开展跨文化比较，检验偏见强度是否随文化中关于原创性与作者身份的规范差异而变化。
本综述由 AI（deepseek-flash）基于摘要自动生成，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