在創作工具和媒材上藉助 AI 算法，在作品載體上藉助 NFT，在作品展示上藉助 AR 等，數字藝術的發展空間值得想象。
撰文：BlockFever
隨着數字時代的到來，數字技術已向人類生活各個領域全面推進，數字化的發展普及到了我們生活中的各個角落，影響着我們生活的方方面面。伴隨着 AI、區塊鏈等底層技術的成熟和藝術思想的發展，並非完全由人類藝術家創作的數字藝術進入了曾經被認爲「只有人類方可勝任」的藝術領域，甚至有了成爲全新流派的趨勢。
數字藝術這一概念最早進入大衆視野，可能是紐約佳士得拍賣藝術家 Beeple 的一幅 NFT 數字藝術品《每一天：前 5000 天》，經過競價最終以 6025 萬美元落槌。但早在此之前，數字藝術品就已經逐漸在藝術家和收藏者羣體中興起，有史以來首次使用人工智能創作的藝術作品《愛德蒙·德·貝拉米肖像》於 2019 年在佳士得被拍賣。該作品由法國藝術團體 Obvious 通過算法創作完成。基於 15000 張創作於 14 至 20 世紀之間的人像作品，藉助「生成對抗網絡」算法（GAN）完成。
何爲數字藝術？
數字藝術的特徵還在顯現之中。早期將物理藝術品映射到數字世界，這類作品被稱爲形式數字藝術，伴隨着 AI、NFT 等技術的成熟，直接進行數字作品的創作和流通成爲了可能。
原生數字藝術目前表現出來的特點有美學算法化，放棄對傳統媒材的隱喻，直接對數字進行操作，比如利用編程進行藝術創作，並開始利用生成對抗網絡 GAN 等具有人工智能和生物啓發作爲創作手法。
數字時代產生了諸多的新的藝術形態，在形式上，一方面利用新的媒介和手法，保留或復現了已有的藝術樣式，另一方面由媒介或技術導致全新的藝術展現；在效果上，通過數字媒介和數字化手段表現的藝術作品，帶給人們全新的審美體驗和審美感受。藝術的創作過程也發生了巨大變化，無論藝術體驗、藝術構思、藝術傳達，都可以導入並運用數字化。
如何創作數字藝術？
早期數字藝術
1946 年世界上第一臺電子計算機「愛尼亞克」（ENIA） C 誕生，其與藝術的融合隨之出現，計算機藝術很自然地被關注。1952 年，美國愛荷華數學家兼藝術家本•拉波斯基首創了名爲「電子抽象」的黑白電腦圖像，他使用受控制的電子束照射到示波器 CRT 的熒光屏上，產生出各種數學曲線，並且使用高速膠片將獲取的圖像拍攝下來，創作了世界上第一件計算機「藝術」作品。
60 年代以來，人們就開始考慮將視覺藝術與技術相結合的想法。著名藝術家安迪沃霍爾也是數字藝術的先驅之一。他在 Amiga 計算機上創建了數字繪圖。
人工智能的出現爲藝術家增加了新的創作手段
進入 21 世紀以來，隨着 GAN 等技術的成熟，新的數字藝術創作與展現形式開始被藝術家關注。
生成對抗網絡（Generative Adversarial Network，簡稱 GAN）是非監督式學習的一種方法，通過讓兩個神經網絡相互博弈的方式進行學習。該方法由伊恩·古德費洛等人於 2014 年提出。
生成對抗網絡常用於生成以假亂真的圖片。此外，該方法還被用於生成影片、三維物體模型等。
較爲著名的創作者包括視覺藝術家和軟件工程師海倫娜·薩林 Helena Sarin，她接觸 GAN 的方式就像一名經驗豐富的藝術家面對任何新媒介所作的——大量的實驗與細緻的觀察。薩林的大量作品以食物、鮮花、花瓶、容器和其他「拼貼物」爲模型。
GAN 分解圖像並通過算法重新組合元素以形成一個全新的視角，這一過程在與早期的立體派畫家確有相似之處。與「分析立體主義」類似，薩林的作品以有限的調色板和平而淺的圖像平面爲特徵。與此同時，其作品亦帶有德國表現主義的視覺美學。
人和機器協作進行藝術創作
人機協作領域的先驅鍾愫君（Sougwen Chung）是一名華裔跨學科藝術家，她的創作涵蓋裝置、雕塑、繪畫和行爲藝術，探索分別由人手和機器創作的痕跡圖畫（mark-making），以期更好地理解人與計算機之間的相互作用。
在其藝術項目《繪圖操作》（Drawing Operations）中，鍾愫君使用 Google 的 TensorFlow （一種用於機器學習的開源軟件庫）對自己的圖繪檔案進行分類。該軟件將所習得的 Sougwen 的繪圖風格和方法轉移到機械臂上，並與藝術家同臺作畫。
此外，她還自己的項目中利用 pix2pix （一種經過訓練後在圖像上生成變化的神經網絡，例如將白天拍攝的照片轉成夜間模式）和能夠在人類繪畫的基礎上繼續完成數字素描的 sketch-rnn 等技術手段，對於人機協作的概念進行拓展。
下一代數字藝術的展望
NFT 爲數字藝術加上新的拼圖
NFT （non-fungible token 非同質化代幣）的出現可以說爲數字藝術增加了極其重要的一塊拼圖。
每個 NFT 代幣可以代表一個獨特的數碼資料。由於其不能互換，非同質化代幣可以代表數位文件，如畫作、聲音、影片、遊戲中的項目或其他形式的創意作品。雖然文件（作品）本身是可以無限複製的，但代表它們的 NFT 在其底層區塊鏈上被追蹤，併爲買家提供所有權證明。
NFT 提供了一種標記原生數字資產所有權的方法，賦予了數字藝術品的稀缺與不可複製性，做到了讓收藏者真正的擁有一件數字藝術品。
藝術家開始使用算法、數據進行創作，比如利用生成對抗神經網絡 GAN 進行的藝術創作，但依然是將 GAN 用於控制像素進行可視化，似乎數字藝術只不過是現實的虛擬，數據藝術的本身就是數據可視化。
例如最近的 Beeple 作品中就顯現出這個侷限，Beeple 作品以圖片的方式做成 NFT 進行拍賣，這樣的 NFT 還不是數字藝術作品本身。現在的 NFT 還僅僅是作爲數字藝術的容器，就如同一副畫作的畫紙。但在未來的數字藝術中，NFT 作爲非同質化數據，可能不僅僅是資產的容器和交易的載體，也是數字藝術的直接創作媒材。
數字藝術的新型創作形式
下一代的數字藝術可能是以數據爲血肉和算法爲 DNA 的數字生成之物，是藝術家頭腦中創意的數字孿生。數字藝術家也可以拋棄電子畫板、電子調色板這類數字化的歷史遺留（藝術媒材，直接對「原子化的數字」進行操作。而基於區塊鏈數據的原生數字藝術纔可能進行資產化參與交易流通，纔可能讓藝術創作具有經濟的可持續性。
創作本身就是生成的過程，藝術的生成是靈感迸發，觀念的湧現。但這些理論和思想還是停留在觀念、世界觀等哲學層面，生成論的具體方法是什麼？靈感產生的機制是什麼？藝術創作可以預測嗎？藝術可以自我進化嗎？這些問題長期並沒有得到明確的回答。
但這不妨礙藝術家和科學家進行新的嘗試，例如將因果湧現理論結合 GAN 應用到生成藝術領域。提出一種新穎的因果湧現 GAN （CEGAN）。
以因果湧現理論爲基礎的原生數字藝術創作帶來了或者說量化了生成藝術創作的方法。藝術家在創作過程中的大腦活動本身就是生成性的活動，現有的 GAN 生成圖像的過程也是對這中生成活動的算法模仿。比如通過自然語言生成圖像的 Obj-GAN、DALI-E。
在創作階段，數字藝術家們可直接藉助協同湧現 GAN 個性化定製，藝術家提供原始素材或現有作品，由 AI 創作平臺對原始圖片進行預處理，並生成可供 AI 學習的圖片集，藉助 AI 訓練生成多個模型。
不同藝術家訓練出來的模型甚至可以成爲不同的素材庫，模型也可以在新的數據集上進行再次訓練。在這些模型和生成的作品基礎上，藝術家可以再次創作。進而誕生出獨一無二的原生數字藝術品。
整個創作過程可在後臺自動上鍊，作品將會以 NFT 的形式存在，方便它的溯源和流通，創造出的作品可直接在元宇宙中以多種形式展現。
對於何爲藝術的討論至今沒有定論。但衆多藝術家紛紛藉助所處時代的先進技術進行藝術創作，擴展藝術品類的邊界。在我們所處的這個時代，數字世界和物理世界的邊界逐漸模糊，伴隨着元宇宙概念的興起，人們在數字生活存在的時間和空間將會越來越大，甚至誕生數字原住民。
在這一基礎上上，原生數字藝術的誕生也就成爲了必然。在創作工具和媒材上藉助 AI 算法，在作品載體上藉助 NFT，在作品展示上藉助 AR 等。數字藝術的發展空間值得想象。