谈论这个话题之前，我们首先必须明确，几十年来人工智能的定义一直在演变，在大众的观感中尤其如此。
　　从1956年普利茅斯会议中这个概念被提出，“人工智能”已经几经高潮与低谷，直到“阿尔法狗”战胜围棋冠军，直到索菲亚加入沙特国籍并扬言要对抗人类之后，它才突然走到了大众面前。其实我们生活的角落里面早就充满了人工智能，从我们打开手机刷脸时的人脸识别到智能语音助手，从我们开车导航时的路径优化，到此刻我写作时的语音识别输入，我们浏览网页时候的自动翻译，无不渗透着人工智能技术。不同时代的人们对“人工智能”这个词的内涵理解是不同的。40年前我们会觉得计算器也是人工智能，今天我们手机里的语音识别、智能语音助手、面孔识别这些技术，都快要不被我们看作是人工智能了。
　　一种技术在它影响力最大的时候，总是逐渐变得像空气一样不可见。今天，人工智能正在变得像清洁水供应系统、电力网络、无线互联网信号基站一样——我们每天都在使用它，我们对它们的依赖是如此严重，以至于我们感觉不到它们的存在。人工智能在全面影响我们的生活方式的同时，当然也极大地影响了我们的艺术方式和艺术生态。这表现在三个方面：首先，是一批利用人工智能技术的艺术创作形态的出现。其次，是人工智能带来了全新的艺术生态，全面影响从美术馆到艺术市场、从艺术批评到艺术教育的广阔领域。最后，人工智能帶来了巨大的技术伦理问题，对之的希望所带来的激情与焦虑激发了全面的思考。

一、利用人工智能的艺术创作

　　1.生成艺术
　　人类尝试自动化的艺术的梦想由来已久，这有一个发展过程：
　　有研究者认为，早在1757年，莫扎特的《音乐骰子游戏》就是基于随机性的通用系统的早期例子。它的结构一方面是基于秩序的要素，另一方面是基于秩序混乱的因素。
　　在现代主义艺术中，达达主义者们尝试了无序拼贴，超现实主义者们尝试了自动写作。20世纪50年代，约翰·凯奇等人再次尝试用生成系统来作曲。并且，至少从20世纪50年代开始，人类艺术家就一直在使用计算机来作曲。画家埃尔斯沃思·凯利（ Ellsworth Kelly）通过运用机器操作来创建网格中的颜色。他还在纸上创作了作品，然后切成条状或正方形，并使用机器操作重新组合以确定展示位置。
　　在20世纪70年代，英国艺术家Harold Cohen就写了关于机器人创作艺术作品的文章，并且研发了AARON系统，使用计算机控制的机械臂来创作作品。随之，一大批艺术家开始尝试使用大型机、绘图仪和诸如“细胞自动机”、遗传算法、递归系统之类的算法来创建视觉艺术作品。
　　贝尔实验室的迈克尔·诺尔（Michael Noll）从1962年开始使用数学公式和程序随机性对电脑艺术进行编程。
　　数字艺术家约瑟夫· 内克瓦特（Joseph Nechvatal ）开发了病毒传染的模型。
　　加拿大艺术家San Base在2002年开发了一个“动态绘画”算法，使用计算机算法作为“画笔笔画”，Base创建了复杂的图像，随着时间的推移而产生了一个流畅的、不断重复的艺术品。索尼亚· 兰迪· 谢里丹（Sonia Landy Sheridan ）于1970年在芝加哥艺术学院建立了Generative Systems作为程序，以响应由计算机-机器人通信革命带来的社会变革。
　　观念艺术家索尔·勒维特（Sol LeWitt）的“指令墙画”有时候也会被视为是生成艺术的先驱，他通过电报或传真发送一串操作指令，由助手远程完成墙壁绘画。例如：在墙上，画一组平行线，每根线90厘米宽，用4种颜色……
　　看不懂？这么说吧，此刻阅读本文的你，现在得到一组指令：把你手中的A4纸画成10毫米×10毫米的一百个格子。抬头望向门口，门口每进来一个男人你就在格子中填入一个黑方框，每进来一个女人你就画一个红色圆点。很快，你就得到一张由黑格子和红圆点组成的抽象绘画。当然，你可以进一步细化规则，例如进门的姑娘年纪越小圆点就越小。好，现在假设这条指令不是发送给你，而是被编码储存在计算机中，通过摄像头和人脸识别程序，计算机在不断地画画，它就在不断地“生成”作品了。
　　事实上，输入的参数和编码的指令都要复杂得多。今天，“生成艺术”这个概念指的是全部或部分使用自动创作系统创造的艺术。它有时候也被叫作“算法艺术”或“软件艺术”，随着Processing和OpenFrameworks等可视化编程软件在学校教育中的传播，“生成艺术”早就成为美术学院中多种专业的基础训练。对于一些艺术家来说，图形用户界面和计算机代码本身已经成为一种独立的艺术形式。
　　2.数据挖掘和数据可视化
　　数据可视化，源于统计学，而且由来已久，最早由知名的护士南丁格尔在“南丁格尔玫瑰图”中尝试。出于对资料统计的结果不受人重视的忧虑，她发展出一种色彩缤纷的图表形式，使数据能够更加让人印象深刻。 这种图表形式有时也被称作“南丁格尔的玫瑰”，是一种圆形的直方图。南丁格尔常昵称这类图为鸡冠花图（Coxcomb），用以表达医院季节性的死亡率，这些图的读者是那些不太能理解传统统计报表的公务人员。她的方法打动了当时的高层，包括军方人士和维多利亚女王，遂使医事改良提案得到支持。
　　信息图表、饼图和直方图都是人们将数据汇编成可视形式的方式，有助于我们理解和情境化通常难以掌握的信息。但是，信息传递与艺术之间的界限经常被艺术家模糊。随着互联网积累了大量数据，基于数据可视化、数据挖掘和数据处理，产生出一大批新的艺术作品。
　　费尔南达·维加斯（Fernanda Viégas）与马丁·瓦滕伯格（MartinWattenberg）的《 风图》是整个美国风向的真实印象。他们收集了来自国家数字天气预报数据库的数据后，这种旋涡式的印象派作品将不断在全国各地流动的风型呈现为密集而精致的动人艺术品。他们超越了仅传达信息的功能，开创了数据可视化的先河。 　　2008年，亚伦· 科布林（Aaron Koblin ）的作品《飞行模式》（Flight Patterns）显示了美国24小时的空中交通流量，并将其转换为惊人的60秒视频。
　　伦敦的数据记者戴维·麦坎德利斯（David McCandless）是艺术界信息领域中“最直言不讳的倡导者之一”。McCandless创建了很有影响力的博客“信息就是美”，并于2009年出版了同名书籍。他的网站充满了令人回味的数据视觉表示。McCandless在他的网站上写道：“我对设计的信息如何帮助我们了解世界，以及揭示其下方隐藏的联系、模式和故事感兴趣。”
　　英国艺术家安娜· 瑞德勒（Anna Ridler ）的作品《无数（郁金香）和花叶病毒》中，作者以从17世纪30年代席卷整个荷兰、欧洲的“郁金香狂热”隐喻今天围绕加密货币的猜测，她拍摄了一万张（或无数的）郁金香花照片，每张照片都是手工分类，揭示了机器学习背后的人性。“Mosaic”病毒本是影响花瓣条纹的病毒的名称，而此刻，郁金香叶片的条纹外观由比特币价格控制，实时波动，这件作品是数据可视化艺术和机器学习的融合。
　　土耳其AI艺术家Refik Anadol也经常使用机器学习来产生动态数据图像，2019年在深圳展出的“科技艺术四十年”展览中，他展出了“深圳的风”，采集当地的气流数据形成了巨型画布。
　　韩国艺术家Sey Min的个人网站ttoky.com上详细介绍了一些数据视觉化项目的制作过程和理念，像是《如果机器能看得到音乐……？》（What if machines can see music……？）、《城市数据》（CityData）等。这些作品涉及了大量的数据收集、处理、分析，并把它们转化成清晰有效的数据流。其中《城市数据：首尔日常花销》展示了首尔这座城市每天的花费，上面有具体的企业名字和金额。艺术家说：“和不少其他城市的居民一样，很多首尔市民并不十分相信自己的政府。但当我公布了这一件作品的数据后，很多首尔市民都有着积极的反馈，表示‘原来这座城市在变得比我想象的还要好’‘首尔做的事情比我想象的要有趣’，等等。”

　　有时候，创作的主体很难说是个人，还是公司。例如，英伟达公司的NVIDIAResearch开发的深度学习模型可以轻松地将粗糙的涂鸦转变为逼真的杰作。一款名为GauGAN的交互式应用程序，允许用户绘制简单的草图和涂鸦，同时用沙子、天空、海洋或雪等标签标记每个片段，然后由GAN将其加工成逼真的图像。

　　日本艺术家池田亮司（Ryoji Ikeda）是另一位将大数据转化为抽象结果的艺术家。他把自己长期从事的涉及数据的项目之一称为Datametrics。Datametrics这个项目始于2006年，当时作为音乐会的一部分，池田从软件和硬盘驱动器的错误中提取了大量代码。数据被排序为各种2D和3D模式，并构建音轨以反映图像的混乱情况。池田亮司在2013年将这个项目发展成沿墙壁延伸的投影《数据走廊》。
　　《纽约时报》的“驻报数据艺术家”Jer Thorp接受Mashable网站访谈时曾谈到数据可视化和设计艺术，他说：“我们每天都在产生数据， 每天都在消费数据。数据正在变成我们日常生活的一部分。 然而，我认为， 我们从文化上并没有完全认识到这种转变。 目前，数据的重要性和价值， 主要是在商业领域， 而我认为它的价值在社会领域、科技领域还远远没有被挖掘出来。如果我们能够更有效地共享数据， 比如科学、城市建设等各个方面， 数据就会变得更加有价值。 所以我的工作之一， 就是让人们看到这样的未来。 通过数据可视化， 让人们意识到他们能够如何利用数据。 这样的想法有时候可能过于乐观， 但确实是我一直努力的方向。”
　　3.神经网络和深度学习所创造的艺术可能性
　　2016年，“阿尔法狗”战胜围棋世界冠军，使得机器学习，尤其是深度学习进入了普罗大众的视野。有人甚至认为，基于2014年伊恩·古德费洛（Ian Goodfellow）论文中提出的思想的对抗性生成网络（Gan）是2019年“最重要的艺术家”，甚至于有人提出了GANism这个词——最初由Google的软件工程师Fran?ois Chollet于2017年首次使用：“GANism可能将成为一种重要的现代艺术潮流。”
　　在对抗性生成网络中，“生成器”可以被认为类似于伪造者团队，他们试图生产假货币并在未经检测的情况下使用它，“判别器”类似于警察，试图检测假币。两支球队都在改进自己的方法，直到假冒品与真品无法区分为止。
　　而基于Gan的AI绘画作品“Obvious Art ”巴黎艺术团队的《埃德蒙·贝拉米肖像》在佳士得拍卖会上以惊人的43万美元售出，终于引发了人们对深度学习所创造的绘画可能性的重视。
　　NoArtist团体由Polytechnique（法国工程学校）的3个朋友于2018年创建，其目的是创造非复制的、受真实绘画启发的新艺术品。
　　毛罗· 马提诺（Mauro Martino ）是麻省理工学院IBM WatsonAI实验室的驻场艺术家，也是东北大学的教授，他的团队已经用传统的文艺复兴时期肖像画训练了45000张肖像上的GAN算法。他们的网站允许上传图片，并生成由经验丰富的人类画家绘制的独特艺术品。
　　阿姆斯特丹J. Walter Thompson广告公司的创意人员将创意與技术完美融合在一起，他们研究了荷兰画家伦勃朗的画作，并在2016年开始为其客户创作全新的伦勃朗风格的肖像作品，名为“下一个伦勃朗”。这个项目要求软件工程师编写结合面部识别技术的深度学习算法，以便计算机可以扫描有关伦勃朗已知画作的大量数据，然后，深度学习系统生成共同的特征，这些共同特征确定了主题、颜色、成分、几何形状和笔刷高度的模式，供团队使用，以了解真正使伦勃朗成为伦勃朗的原因。最终结果是令人印象深刻的3D打印绘画，包括14层和1.48亿像素，全部基于伦勃朗的所有346幅绘画。 　　三星的AI研究人员利用深度学习让达· 芬奇名画《蒙娜丽莎》动了起来，莫斯科三星AI中心的研究人员与斯科尔科沃科学技术学院一起使用了Deepfake技术，该技术非常适合将一个人的面部嫁接到另一个人的视频上。该软件提供了来自YouTube的庞大的名人谈话视频集，可精确定位人脸上的重要地标，并使用了GAN。
　　一款名为“Vincent”的AI，能夠将人类提交的简笔画画作重新创作为类似于19世纪和20世纪一些知名画家风格的作品。这款AI经过了8000件艺术作品的训练。

　　大都会博物馆从五千年来来自世界各地的文化中遴选了6种舞蹈形式，这个AI程序的做法让人想起了在墙面贴满记忆女神图谱的瓦尔堡，这类AI显然将成为美术史研究的工具。谷歌文化实验室开发的一系列博物馆图像互动程序，则提供了娱乐性的博物馆藏品体验方式。

　　2015年的 DeepDream，也是最早的人工智能艺术应用之一，这个程序由 Google 工程师亚历山大·莫德温采夫（Alexander Mordvintsev）开发。它通过“空想性视觉错觉”来重新构造现有的图像，让现有的图像给人如梦似幻的感觉。
　　另一个发展方向，是通过文本命令进行AI绘画，由弗吉尼亚大学的研究人员与IBM Watson合作开发，可以根据自然语言描述生成各种形式的合成场景。当使用简单的英语传递指令时，模型中会出现一种易于理解的艺术品，包括男孩、女孩、沙箱、热狗和铁锹。微软小冰在展示自己撰写诗歌能力的时候是根据用户上传的照片画面来写诗，但当微软小冰画画的时候，则同样是提取文本的语义来转换成画面。
　　马里奥·克林格曼于2019年3月在苏富比当代艺术拍卖中展出了《路人记忆一号》。它使用神经网络生成无限的成年男性和女性面部的肖像流。克林格曼的AI模型接受了17至19世纪数千幅肖像的训练。这件作品也成为了拍卖会上首批出售的AI艺术作品之一。
　　到目前为止，大多数AI绘画都是生成图像然后打印，并不包含动手绘画的动作。但是也有人开始尝试让内置AI的机器人动手画画。由艾丹· 梅勒（Aidan Meller ）开发的首个展览于2019年7月在牛津大学展出。这个项目以世界上第一位女性计算机程序员、诗人拜伦的女儿艾达·洛夫莱斯（Ada Lovelace）的名字命名为艾达（Ai-Da），它使用面部识别技术绘制人脸。它还能用自己的声音说话，声称毕加索的《格尔尼卡》和奥威尔的《1984》为它艺术创作的主要灵感。梅勒从牛津大学的博士生那里接受了AI编程，并由机器人公司Engineered Arts建造了这位机器人艺术家。它可以使用钢笔和铅笔来画素描。
　　在其他领域，AI剧本写作、AI新闻撰写、AI作曲和AI合成声音的歌手已经纷纷登场。这一类人工智能实践，是人工智能技术走向强人工智能必须证明的能力，而艺术似乎成了强人工智能出场祭旗时必要的牺牲。

二、人工智能介入美术馆管理和体验

　　很长一段时间，博物馆界就一直在讨论人工智能，可以将AI整合到博物馆运作的各个方面，从藏品管理、导览和参观者体验，从参观人流预测，到通过使用机器视觉帮助识别和分类图像，来帮助人们理解馆藏。
　　2016年，泰特美术馆与微软合作向数字创意者颁发了IK奖，他们开发了一种AI形式来让公众以新的方式探索和理解泰特的英国艺术收藏。
　　2016年，巴黎的布兰妮博物馆（Musee du quai Branly ）内出现了机器人艺术评论家贝伦森（Berenson），这位评论家戴着圆顶硬礼帽和围巾，穿着大衣，悄悄漫步在博物馆的大厅。贝伦森是由人类学家Denis Vidal和机器人工程师Philippe Gaussier创造的，它利用人工智能记录人们对艺术品的反应，进而发展自己的品位。通过眼睛中的摄像头，它记录了参观者的反应，然后与博物馆其他地方的计算机共享这些记录。绿色圆圈代表正面反应，红色圆圈代表负面反应。
　　博物馆机器人正在以指数级的速度增长。2015年，法国的Aldebaran Robotics公司开发的人形机器人Pepper占据了华盛顿史密森尼博物馆的3个博物馆（国家非洲艺术博物馆、国家非裔美国人历史和文化博物馆、Hirshhorn博物馆和雕塑花园）以及史密森尼城堡，它们的功能是通过语音、手势和交互式触摸屏，回答访问者的提问，还给人讲故事。博物馆的访客们显然很喜欢与Pepper互动，这些机器人甚至还会摆姿势拍照。
　　在美术馆的网站中，聊天机器人和分析工具都可以在改善访问者体验方面发挥作用。其中一些工具甚至可以改善游客最初进入博物馆的通道。例如，通过使用AI预测博物馆容纳量，提前发行更多门票，从而避免了游客流失。
　　对任何一家博物馆来说，对所有馆藏进行充分分类永远是一件费劲的事儿。如今使用机器学习来自动标记藏品图像，成了普遍采用的方式。悉尼的Powerhouse Museum十年前就开始使用OpenCalais来将社交标签添加到藏品图像中。芝加哥美术馆通过色轮引入了新的搜索体验。大都会博物馆从五千年来来自世界各地的文化中遴选了6种舞蹈形式，这个AI程序的做法让人想起了在墙面贴满记忆女神图谱的瓦尔堡。这类AI显然将成为美术史研究的工具。

　　完美的人工智能艺术家还没能出现，毕竟人工智能仅仅处在它的“婴儿时期”。人类也普遍期望艺术可以是最后一个人类将被人工智能取代的领域，毕竟下围棋那样的事情太适合人工智能来从事了。但起码，早期简单的计算机辅助设计正在向AI设计急速发展。

　　谷歌文化实验室开发的一系列博物馆图像互动程序，则提供了娱乐性的博物馆藏品体验方式。你可以摆出一个姿势，它帮你找出和你的姿势一样的世界名画。你可以上传自己的肖像，它帮你找出和你长得最像的名画，它还借助换脸软件把你快速地放进维米尔的名画里面。这些小游戏当然是有趣的，大多数博物馆都不会拒绝让谷歌文化实验室在他们的美术馆中安装一套设备，为参观者提供娱乐。作為交换条件，谷歌获得了世界多家博物馆藏品的数据资料，而数据是未来的油田。

三、艺术市场、艺术批评和艺术教育

　　人工智能对艺术市场最大的影响：首先，是由人工智能所创造的艺术品进入画廊和拍卖市场;其次，未来为不同藏家的品位而定制的独一无二的AI艺术品很可能将完全改变艺术衍生品行业的生态。
　　与此同时，对以投资增值为目的的艺术收藏行为来说，人工智能则许诺帮助他们变得更理性。数据分析公司Kellify开发了一项技术，使投资者可以了解哪些收藏或拍卖作品最有可能获得短期投资回报。该算法基于对历史数据大量信息的实时分析，金融专家根据过去拍卖的结果进行预估，而如果没有AI的帮助，此过程将是不可能的。Kellify的目标不是艺术专业人士，而是那些希望获得更精确价值的投资或估值决策者，让他们在投资时可以做出上佳决策。
　　“画廊人”（Gallerist）平台是由创业企业家卡洛斯·里维拉（CarlosRivera）于2014年通过其ArtRank算法估值预测来支撑的。在推出后的几年里，该平台引起了极大的关 注，也受到了很多批评，越来越多的初创公司正在投身于探索真正可靠的基于AI的估值预测。
　　自由主义经济学所依赖的基础是“理性人”的神话，这一神话正在由这类信誓旦旦的人工智能系统进一步加强，而这可能也正是这一类投资咨询系统的致命弱点。因为在艺术收藏行为中并不完全是以牟利为目的的投资者。收藏者中有的是特立独行的任性的人，而恰恰是这些任性的行动，会带来名利场逻辑的难以预测和不确定性。
　　AI最节省时间、最擅长的功能之一就是情感分析，它可以用于分析和解释访问者的评论。在这里，自然语言学习被用来理解大量自由的访客评论，包括满意度、情感以及关键主题或单词。因此，毫不意外的是，基于自然语言处理的煞有介事的人工智能艺术批评家很容易在综合这些七嘴八舌意见的基础上出现。它们甚至能被精准地设定为代表主流意见，以及一个品位清奇、特立独行的评论家。模型和语料库将预先决定这些人工智能批评家的立场是女性主义批评家还是后殖民主义批评家。
　　既然AI可以撰写艺术评论，当然也就可以完成策展的基础工作了。
　　这样的“自动艺术批评写作”已经引起艺术界的警觉。相比之下，目前人工智能给艺术教育带来的似乎更多的是福音。就讲授基本的美术史知识、对比和讨论经典作品而言，由人工智能所支撑的虚拟教师，显然足以胜任，比起人类教师，它对陌生知识的记忆能力和学习能力都可能更强。甚至就特定技法的讲授，经过特定训练的机器人也是可以胜任的。
　　目前的人工智能真正无法超越人类艺术教师的，可能仅仅是在观念艺术领域：当一位学生提供方案，一个虚拟教师应该能够对学生所提交的方案进行针对性的评论，给出优化建议。这意味着它首先得是一位成熟的、自己能够做出更优胜方案的艺术家。教艺术的前提是能做好艺术，所以人工智能艺术教师的前提是人工智能艺术家。当 然，即使是这样的任务，也并非完全难以想象。事实上已经有人在着手做这样的工作了。
　　但人工智能的方案生产能力将大大强于人类。人类艺术家的用场，似乎将保留在如何遴选这些点子，如何感觉到哪些特定的点子将有助于打动人心，而这其实是基于人类艺术家们对于人性的了解，但是特定的人群将如何对特定形态的艺术品作出情感反应，事实上同样是可以通过基于对象画像的大数据来进行预测的。
　　完美的人工智能艺术家还没能出现，毕竟人工智能仅仅处在它的“婴儿时期”。人类也普遍期望艺术可以是最后一个人类将被人工智能取代的领域，毕竟下围棋那样的事情太适合人工智能来从事了。
　　但起码，早期简单的计算机辅助设计正在向AI设计急速发展，进入设计领域的AI的第一个例子是The Grid，这是一个于2015年启动的网站，可以在几分钟内创建现代外观设计。而西雅图的一家名为HaikuDeck的软件公司在其网站上的标语是：“专业设计，没有设计师。”

四、AI在艺术界带来的技术伦理问题

　　2018年，英国萨里大学的多学科研究项目组使用了一个名为DABUS的人工智能，该人工智能进行了两项发明，并提交给了专利局。其负责人泰勒（Thaler ）于2018年10月17日和11月7日向英国知识产权局提交了申请。泰勒将DABUS命名为发明人，并详细解释了为什么他认为在这种情况下应将机器视为发明人。
　　申请被拒绝了，理由是：认为只有自然人才能被指定为发明人，将机器命名为发明人不符合《1977年专利法》的要求;泰勒对这一决定不满意，要求在官员面前举行听证会。在2019年12月4日的裁决中，听证官拒绝了泰勒的上诉。
　　更多的艺术家并不急于要以申请专利的方式来挑战现行法律，他们有更急迫和更值得焦虑的事情要去处理，那就是脸部识别技术越来越发达，却引发了人们的忧心忡忡。
　　当今生活的悖论之一，是我们被迫决定放弃多少个人的自由以增强我们的安全感。2019 年，旧金山成为第一个禁止使用面部识别技术的城市，甚至禁止其政府机构和执法部门使用。他们提出“面部识别技术危害公民权利和公民自由的倾向大大超过其声称的好处”。
　　Grigory Bakunov是俄罗斯最大的科技公司Yandex的技术总监，最近，他公开表示自己已经在网络上和其他几个黑客一起，开发出了一种“反面部识别算法”。
　　这种算法的实现方式是，以化妆的方式在脸上画出特定的线条，以此干扰面部识别技术。与此相似，一群名为“ Dazzle Club ”的艺术家们画上他们的脸每个月游行一次，以抗议伦敦的监视。荷兰设计师吉普· 范· 列文斯坦（ Jip van Leeuwenstein） 则开发了一种透镜式面具，可以扭曲脸部，但允许看到表情。 　　反面部识别眼镜由美国卡耐基梅隆大学和北卡罗来纳大学的研究人员合作开发，一共有5种，使用者戴上眼镜后能够成功骗过面部识别系统的“眼睛”。
　　无独有偶，日本东京国立信息研究院ISAOECHIZEN教授研发出的世界首款反面部识别的眼镜，通过在眼镜上加装11 组近红外环形灯，采用光干扰的原理防止摄像头采集用户的面部信息，完美阻止被摄像头的面部识别程序抓取。
　　以色列媒体艺术家穆洪· 泽尔· 阿维夫（Mushon Zer-Aviv ）的《标准化机器》是一种交互式装置，是机器学习的实验研究。它旨在识别和分析社会常态的形象，要求每个参与者从先前记录的参与者中指出谁看起来最正常。机器将分析参与者的决策，并将其添加到什么是“正常状态的聚合算法图像中”。
　　19世纪头十年后期，法国法医先驱Alphonse Bertillon（面部照片之父）开发了“ Le Portrait Parle”（口语肖像）系统，该系统用于对人脸进行标准化、索引化和分类。他的统计系统本来不打算用面孔识别寻找罪犯，但后来被优生运动和纳粹广泛采用。
　　阿维夫的装置直观地展示了机器学习如何自动化并放大Bertillon说话的肖像。如今，系统的歧视逐渐加深，并被方便地隐藏在看似客观的黑匣子后面。
　　知名的媒体艺术家利亚姆· 杨（Liam Young ）的《星球城市》是世界上第一部完全通过自主无人机拍摄的叙事电影。该电影使用了专门开发的摄像无人机，每个无人机都按照自己的电影规则和行为进行编程。
　　也并非每一个艺术家都对面孔识别技术如此忧心忡忡。阿根廷艺术家埃里亚·加斯帕罗洛（Elia Gasparolo）和华金·法加斯（JoaquínFargas）的《机器人世界：保姆机器人》是一部科幻影片。这是一个使用面部识别技术来学习如何照料人类婴儿的网络保姆，如果“人类文明的灭亡临近”，它将“协助保护人类”作为“银河方舟”或“遥远的未来”。
　　2019年，我和微軟研究院合作，训练微软小冰画画，并把它化名为“夏语冰”，作为我的学生参加了中央美院的毕业展。同年7月在中央美院美术馆举办了小冰的个展。2020年，当中信出版社要出版小冰的画册《或然世界》的时候，因为“小冰”不是自然人，无法签署出版合同。微软用一封邮件委托我以教师的身份代理小冰的出版合同，最后出的这本画册是“邱志杰主编、微软小冰著”。
　　在某种意义上，我也是一个乐观主义者。180年前，摄影术的出现曾经逼得当年的画家下岗，一部分画家因此开始思考，我们应该怎样画，才是照相机做不到的事情，因此我们有了梵高和毕加索。今天的人工智能还很幼小，它能给艺术带来的是什么，我们并不全然清楚，但我深信，当它能够取代部分艺术工作的时候，也将是艺术向前进化的时刻。