费俊：在“感能”与“智能”的张力之中，重塑学科形态与创造范式

2026年，生成式人工智能（AIGC）已从辅助工具进化为具备“准主体”特征的“共创者”。面对技术迭代对传统设计岗位的颠覆性影响，高校艺术设计教育正经历一场深刻的范式转移。近日，本刊专访了中央美术学院设计学院艺术与科技方向教授、博士生导师费俊。在这场深度对话中，费俊跳出“工具论”的窠臼，从学科重组、人机关系到人才培养，为我们描绘了一幅关于智能时代艺术教育的“再艺术化”图景。

学科重构：并非“砍旧立新”，而是深层结构的重组

近年来，国内多所高校相继撤销传统专业，转向“智能影像艺术”等新方向，引发了关于学科“破”与“立”的热议。对此，费俊表达了审慎的态度。他认为，当前艺术设计学科确实处于一个“必须重构”的阶段，但不应该简单理解为表层的专业更名或新旧替换。“如果把这场转型理解为用‘新技术’替换‘旧专业’，那么很容易陷入以技术进步来主导学科演化的线性思维。”费俊强调，他更倾向于将当下的变化理解为一种“深层结构的重组”。所谓“破”，不应是对传统的切断，而是对既有知识边界、学科壁垒以及单一创作范式的打破；所谓“立”，也不只是设立新专业，而是建立一种能够回应智能时代的新知识生产机制。在中央美术学院设计学院艺术与科技的实践中，他更关注如何把艺术、技术与人文重新组织为一个动态系统，而不是简单叠加。

在这一重组过程中，哪些传统艺术教育的“基因”是绝对不能丢弃的？费俊指出了三个核心支柱：第一，是对感知能力的训练。无论技术如何发展，艺术首先仍然源于对世界的敏感经验与身体性理解，这是算法无法模拟的基础。第二，是价值判断与文化立场。在人工智能深度介入创作的时代，真正稀缺的不是生成能力，而是判断什么值得被生成、如何生成，这涉及文化自觉与伦理意识。第三，是形式语言与创造力的内在逻辑训练，包括造型、结构、节奏等，这些底层法则并不会因为媒介变化而失效，反而愈发重要。因此，未来的艺术设计学科不应走向“去艺术化”，而应走向一种更高维度的“再艺术化”——在“人类感能”与“机器智能”的张力之中，生成新的学科形态与创造范式。

人才培养：构建“感能”壁垒，抵御算法的隐性驯化

面对“懂算法又懂审美”的复合型人才需求，中央美术学院的教学实践有着独特的侧重点。费俊指出，如果只是把代码能力和视觉能力并列相加，还远远不够。因为人工智能真正带来的，不只是工具升级，而是一种更深层的认知重构：它正在以推荐机制、数据范式和生成逻辑，悄悄塑造我们如何看、如何想、如何判断。在这个意义上，今天教育最危险之处在于，不是学生技术不够，而是感知被格式化、经验被模板化、判断被概率化。为此，他在教学中提出了“感能”这一概念。其并非感性冲动，而是一种在复杂现实中保持敏锐感知、具身判断和意义生成的能力。它是一种不能被数据完全替代的认知能力，也是艺术教育在智能时代最重要的价值根基。重点并非让学生更好地掌握软件，而是让他们在虚实交织的环境中，依然保持对身体、空间和情感的具身性认知。

“算法擅长在既有数据中寻找模式，但真正的艺术创造往往发生在模式失效之处。”费俊强调，未来最重要的人才，不是最先掌握某种模型的人，而是那些在算法高度普及之后，依然保有感知锋利度、经验复杂度和价值判断力的人。在他看来，真正决定创作上限的，从来不是生成速度，而是能否看见那些机器看不见的东西，是否还能提出那些数据库无法自动生成的问题。艺术教育如果还有不可替代性，它恰恰就在这里：不是培养更顺滑地适应系统的人，而是能够对抗系统同质化、重新打开世界的人。