邱志杰｜面向创造的训练——AI时代的人性激发

（一）人要去主动训练AI，人类需要再次承担训练与塑造工具的责任

第一步：改变数据集，微调模型，提供反馈，注入偏好，对齐价值。

第二步：对模型的“工作流策划”，即把多个模型、多个任务、多个软件环境组织在一起，让它们在多阶段协作中发挥复合能力——此举相当于为工具设计专业的岗位，让机器形成角色分工。

第三步：人主动创造新的工作场景，用人的想象力“牵引”AI的能力迁移，使它能够完成原本不属于其训练范畴的事情。在此过程中，人不是被动接受者，而是积极设计者，构造了新的创作生态系统。

（二）用AI的人会被AI改变，使用AI的过程将会是一场自我训练

人类在训练AI的同时，也正在被AI反向训练。其实人类从未停止尝试“超前训练”自己，从胎教到速成法，甚至《美丽新世界》的基因预设计，也体现了一个极端的幻想：人可以被“预训练”。那些意志强、观念新颖、能主动驾驭工具的人，会因为AI的能力放大而变得更加强大；而那些只掌握技能或浅层知识的人，则可能在“共创”中被算法引导、被提示词控制，甚至被模型牵着走，被“带路”的向导带进坑里。尽信AI，不如无AI。

（三）能力越强的工具，对人类的判断力要求越高

摄影出现时，画家们分成这么几种：一种改行当摄影师，也就是开展深度人机共创，他们搞出了画意摄影，把摄影提升到了艺术层面；第二种是参考摄影来绘画，比如德加或者照相写实主义绘画；第三种专门去画摄影做不到的画，他们变成了梵高和毕加索，开启了现代主义。

今天新的人机（AI）共创时代，大概率也会出现相似的三类艺术家：第一类是“深度合作者”，也就是未来的专业AI艺术家；第二类是“工具型使用者”，把AI当作辅助工具提升效率但不改变核心方法；第三类是“反向实验者”，专门去构想AI做不到的事情。

第一种深度人机合作者既要自我训练也要训练AI，就像好的摄影家都恨不得自己改造相机。而第三种反向而行者，也要深度了解AI，才能真正规避或突破它。

今天对于绘画来说唯一严肃的课题就是：AI时代怎么画画。就像1860年前后，唯一严肃的课题就是：绘画如何面对摄影的机遇与挑战。

那么，面对一个具有巨大生成能力，但又依赖于人类能动性的技术伙伴，艺术家应如何重新构造自己的能力结构？

四、艺术教育与训练问题

AI的训练机制对当代艺术教育具有启发意义，而且这种启发是结构性的。以深度学习为代表的现代AI，其核心在于通过大规模样本、反向传播以及不断更新的参数，使系统逐步获得一种跨领域的泛化能力。这种从“记忆具体样本”到“掌握抽象能力”的过程，与艺术教育中长期强调的“从临摹到创作，从专业到跨媒介”的训练路径，具有某种对应关系。

反向传播在技术上是一种错误修正机制，但放进艺术教育语境中，则可以成为一种“自我批评”的隐喻。艺术学生在创作中不断犯错、不断修改、不断推翻既有的图像与想法，这与模型通过误差梯度不断调整自己权重的方式极其相似。教师的批评、同伴的反馈、社会语境对作品的反映，都可以被视为“梯度信号”，帮助学生意识到作品的问题，并重新校准方向。对抗性生成网络（GAN）的结构——一个模型负责生成，一个模型负责挑错——同样与艺术学院工作室（studio）中的“批评文化”相对应。学生不仅要不断生成，还要学会在批评中成长，让作品具备在真实世界的审美语境中存活的能力。