Hi Mirror! Let's be going…

序

艺术与科技的关系是创作领域中经典的研讨话题，艺术从平面的石壁画到多维的感官体验，科技从工具、机械到如今的万维互链… 今天，2021末，伴随着发展的时间轴，看一眼当下很火热的概念：生成艺术～

目录

一. 概念：什么是生成艺术？

二. 价值：我们为何关注它？

三. 方法：怎样去生成艺术？

提起生成艺术这个概念，容易存在认知上的模糊～

生成 ≈ 图案 ＞ 视觉 ＞ 音乐 ＞ 艺术 ＞ 宇宙 ? 🤫

首先，必须要建立理性的认知， 它连通艺术和科技两大创新领域，又处在不断发展的变化中，任何一种定义都有争议，涉及许多相关联∞ 却不等同≠ 的概念。

实际上它已是一群概念集合：一种理念、一套方法、一个工具…

关联家族： Art&Code 编程艺术、Algorithmic Art 算法艺术、AIGC 智能生成内容、Automatic Creation自动化创作、Computational Creativity 计算机创作、Crypto Art 加密艺术、Digital Art 数字艺术、Fractal Art 分形艺术、Swarm Art 群行艺术； Computer Graphic 电脑绘图、CAD 计算机辅助设计、Data Visualization 数据可视化、Digital Image Processing 数字图像处理、Generative Design 创成设计、Bionic Design 衍生设计、Parametric Design 参数化设计…

交集领域： Ele-art 电子艺术、C-art 计算机艺术 、D-art 数字艺术、CA-art 计算机辅助艺术、G-art 生成艺术、CG- art 基于计算机的生成艺术、Evo-art 基于进化的艺术、R-art 机器人艺术、I-art 交互艺术、CI-art 基于计算机的交互艺术、VR-art虚拟现实艺术…

那么，生成艺术的概念整这么复杂，具体的定义到底是什么样呢？

“Generative art refers to any art practice where the artist uses a system, such as a set of natural language rules, a computer program, a machine, or other procedural invention, which is set into motion with some degree of autonomy contributing to or resulting in a completed work of art. —— Philip Galanter”

定义： 生成艺术：指创作者应用计算机程序、一系列自然语言规则、机器或其它发明物，产生出一个具有一定自控性的过程，该过程的直接或间接结果是一个完整的艺术作品。

目前，对生成艺术概念最具影响力的定义是来自纽约大学教授菲利普·加兰特（Philip Galanter ）于2003年在国际创生艺术大会上所倡导的理念，其发表的论文《What is Generative Art》引用了复杂性理论作为生成艺术理论的背景。

但在更宏观和聚焦的维度，生成艺术有着不同层面的理解～

延申： 狭义上，基于完全/部分性自治系统进行生成创作的艺术。 通常指向以智能算法为媒介所合成的艺术，自治系统需是非人为的，可以独立确定艺术品的特性。

广义上，基于规则的艺术都可视作是生成艺术的同义词。 比方说传统艺术及文化中对视觉对称性、图案和重复的使用。如将数学和尺规视作以前的生成艺术手段，则生成艺术基本与艺术本身一样古老～

归纳生成艺术不同视角的特征，可以帮助我们更深刻地理解其内在逻辑，更准确地判断生成艺术作品的属性和格局。

这里，推荐从作品的创作理念、实施方法两个方面来看待～

创作理念的区分： 1.主客体转变（人、自然、机器），作者不局限于人 2.创作部分可控（过程、结果），拒绝完全的人为控制 3.正视随机性（全自动、响应式），从手法到不可或缺

实施方法的判别： 1.是否限度以计算机为代表的运行程序所构建 2.是否有意地引入“随机性”作为创作过程的组成 3.是否具有实时、互动、自主、时序演进等特征 …

针对生成艺术品需要一定的判别经验， 在某些情况下，人类创造者可能声称生成系统代表了他们自己的艺术理念，而另一种场景下，该系统承担了创造者的角色～

附：拓展观点 下面罗列了一些先锋人物看待生成艺术的其他观点：

01 生成艺术是指艺术家创造一个过程的任何艺术实践，例如一组自然语言规则、计算机程序、机器或其他程序性发明，然后以某种程度的自主性启动、发生在所完成的艺术作品中。 by:Philip Galanter

02 从对生成艺术进化的描述中可以明显看出，过程（或结构化）和变化（或转换）是其最明确的特征之一，而这些特征和“生成”一词意味着动态的发展和运动。 by: H. R. Clauser

03 创成艺术是对作品的一个术语，其本质专注于艺术创作的过程，通常使用机器或计算机自动化、数学或实用指令来定义规则，使其被执行并完成艺术品。 by:Adrian Ward

04 生成艺术是作为人工事件的遗传密码实现的想法，作为能够产生无限变化的动态复杂系统的构建。每个生成项目都是一个概念软件，用于生成独特且不可重复的事件，如音乐或 3D 对象，以及生成想法的多种表达，可强烈识别为属于艺术家/设计师/音乐家/建筑师/数学家的愿景～ by: Celestino Soddu

… 近些年，随着人工智能和数字艺术形式的逐步发展，围绕生成艺术的演化仍在继续。

关于生成艺术只需随我粗略回顾下其诞生背景和历史，就能发现其价值和发展钱景😂

1965 年，Georg Nees 首次举办了题为“ Digital Computer ”计算机生成作品展； 1970 年，芝加哥艺术学院SAIC创建了名为“ Generative Systems ”的院系； 1989 年，Celestino Soddu 在著作《Citta’ Aleatorie》中定义了建筑和城市设计的衍生式设计方法； 1998 年，米兰理工大学举行了首届国际创生艺术会议； 2003 年，Philip Galanter 发表《What is Generative Art》论文定义了生成艺术的理念； 2012 年，国际生成艺术科学与技术期刊《GASATHJ》创刊； 2021年，生成艺术平台 Art Blocks的19张作品在苏富比被拍售； …

回顾现代生成艺术发展历程，已经历了三波时代浪潮～ 1.诞生：产生于20世纪60年代，伴随着第三次科技革命与计算机图形技术的发展背景； 2.发育：成长至20世纪末21世纪初，在世纪交替之际，各领域的生成艺术家、设计师、音乐家和理论家开始交汇相融，形成了丰富的跨学科的观点～ 3.崛起：进入到21世纪以来，随着AI智能和区块链加密技术的发展，生产艺术进入了新篇章～

当下，数字信息已经嵌入人们的生活中，随着我们的工作、生活、娱乐向数字化方向转变，社会大众对生成艺术的看法也逐渐被重塑～

生成艺术越来越广泛的应用领域和极具潜力的市场价值，除了NFT市场火热的交易价格外，生成技术所代表的先锋理念和生产力变革，让艺术创作的大门变得更加宽广，吸引着不同职业背景的人参与到创作者经济浪潮之中～

未来，只论创意，人人都可能是艺术家！

作为艺术创造者，不同程度地应用生成技术有着无法估量的帮助！ 优势： 1.应对井喷的需求（效率优势） 2.创作工具的进步（赋能优势） 3.生产人力的解放（时空优势）

拥抱生成技术，可以为方案进行更多的复杂尝试，可以为作品突破更大的物理限制，可以为创意投入更深的思考… 让艺术家、智能体之间拥有更多的创作空间、更多的灵感碰撞！

因生成艺术其丰富的内涵，其应用领域和方式，有着各种可供探索的方向～ 从脚本命令到人工智能，

具体到应用领域除了前面提到过的计算机图形、绘画、音乐、建筑…等现实的数字孪生领域，还有随时代发展开辟的数字原生领域～

领域A：互动体验

工作室：Variable Studio Variable Studio位于伦敦，是较早将设计、软件、数据中的美学、编程与人类行为学结合，进行创作的设计工作室。 Variable的作品多种多样，并不局限在某一层面，生成式设计、数据艺术作品、数据可视化、机器学习算法，将这些数据和人类敏感性结合，创作了很多独特的设计作品。

链接：mirror

艺术家：小西芽衣 Mei Konishi 小西芽衣是1993年出生于日本的数字创作人，是位在生活中很有魅力的女性，大学主修游戏、平面/3D设计，平时也是一名VJ，精通编程、日/中/英语，兼职翻译和配音，擅长滑雪和冲浪～ 链接：GENERATIVE ART STUDIO | 映像クリエイター | デジタルアーティスト

领域B：加密资产

品牌商：Art Blocks Art Blocks 是一个专注于策划可编程生成艺术作品的平台。这些作品通常使用 p5.js 进行编程，脚本存储在区块链上。当用户在链上铸造时，会使用脚本随机生成一个独特的“种子”，从而生成独特的艺术品～ 链接：art blocks

艺术家：MuratPak 匿名艺术家，数字创作者，在设计、编码、数字艺术、动画设计领域活跃多年，以创建人工智能 Archillet 而闻名，是工作室 Undream 和黑客实验室 Machinu 的创始人和首席设计师。 Pak 也被称为“Fungible”系列背后的艺术家，该系列于 2021 年 4 月在苏富比拍卖抽奖活动中以 140 万美元的价格售出。 Fungible 包括近 20,000 个数字渲染的白色立方体，作为“同质化”版本出售，其中包括两个独立的 NFT 艺术品和四个 NFT。 链接：https://pak.medium.com/

艺术家：大悲宇宙-林琨皓 大悲宇宙，本名林琨皓，居于厦门。2015年开始，他完全放弃绘画和玉雕，投入用3D描绘佛像和“佛”的事业，其作品糅合东方宗教文化与赛博朋克视觉，通过人与计算机算法的深度结合探索了未来人机协作的可能… 链接：www.dabeiyuzhou.com …

不止于艺术设计等领域，创作者既可以基于该理念来生成艺术作品，当然也可以应用其技术去生成商业项目。

创作者可以引用自然现象、化学与材料、手动随机化、细胞与生物指令、机器或动力学系统、计算机与算法、数学、数据映射等手段去探索～

针对以计算机和算法为主的生成艺术创作，在开始之前有2个前提需要明了～

1.思维： 创作思维的转变，认同程序之“美”感。 如：非理性&科学、秩序美&随机、仪式感&程序、可视化&代码… 在现代艺术的语境中，艺术是不拘一格的，与众不同的创造即是艺术本身。

2.实施： L1：辅助级丨响应、命令、自动化工具； L2：应用级丨参数、协同、数据化生成； L3：智慧级丨算法、自主、智能化创作；

当前生成技术作为创作的辅助越来越普遍，甚至作为主角出现。但不论是将其作为理念、方法还是工具去应用，其仍不脱离艺术品创作的本质：创意第一！

随着文明技术的发展，让生成艺术有其新颖、独特的表达方式和实践形式。 而提起计算机或算法生成就不免要用到编程和机器语言，创作者需要提前了解相关基础程序规则及数据概念（这块知识我也是初学，有Bug的地方烦请指正）

常用数据模型 命令行/指令 1.熟悉数据生成的基础指令，如： Random 随机、Noise 噪音、Tessellation 镶嵌复制、Cycle 循环、Periodic 周期、Chaotic 混沌等

算法集/模型 2.了解智能生成的相关概念，如： Langton’s Ant 兰顿蚂蚁、Swarms群行效应、HMM马尔可夫模型、NLP 自然语言处理、GAN 生成对抗网络、CNNs 卷积神经网络、MAS 多智能体系…

常见模型介绍 HMM马尔可夫模型： 马尔可夫模型（Hidden Markov Model ）作为一种统计分析模型，创立于20世纪70年代，是信号处理的一个经典方向，现已广泛用于语音/行为/文字识别、故障诊断等领域。

CNNs 卷积神经网络： 卷积神经网络（Convolutional Neural Networks ）是一种深度学习算法，起始于20世纪80-90年代，当前人工智能研究领域的重要方向，在计算机视觉、自然语言处理、语音识别等领域影响深远。

GAN 生成对抗网络： 循环生成对抗网络（Cycle Generative Adversarial Networks ） 是一种深度学习模型，由Ian J. Goodfellow等人于2014年提出，该模型框架中由生成器和识别器两个神经网络组成，以此来训练并生成数据样本，应用于数据增强、图像生成等方面。

工欲善其事必先利其器，基于创作的目的，选择合适的创作工具。 下面罗列了一些流行的制作工具和开发资源，大家可根据自己的兴趣选择探索或深入研究～

相关软件程序 专业级/应用 1.具备生成功能的专业程序，如： Ableton、Chaotica、Isadora、NodeBox、Grasshopper、Mandelbulb、Resolume、StructureSynth、Houdini、TouchDesigner、VVVV…

轻量级/网页： 2.能够在线生成的插件工具，如： Everypixel.com、Visiwig.com、Weavesilk.com、Sciencevsmagic.net、Yasai…

技术流/编程： 3.能够进行生成开发的语言，如： OpenCV、QuartzComposer、PureData、Processing / Max/Msp、P5js、ThreeJS、WebGL、Vanilla JS、Unity、Python…

应用软件推荐 P5js：一款基于JavaScript的开源编码器及函数库，可应用于网页动效、数据可视化、媒体交互及艺术创作。兼容Processing及HTML5的对象互动。

Processing：一种开源的编程语言和环境，它适用于想要对图像、动画和交互进行编程的人员。它被创建用于在视觉环境下教授计算机编程的基础知识，并作为软件写生簿和专业制作工具。

TouchDesigner：一款视觉化的基于节点的编程语言，定义在新媒体交互领域的可视化节点式创作工具,可以实现控制机械、声音、灯光，还有实时视觉的特效渲染。

NodeBox：一款 MacOSX 应用程序，可让您使用 Python 编程代码创建2D视觉效果（静态、动画或交互式）。

Structure Synth：一款通过指定设计语法来生成3D结构的跨平台应用程序，即便应用简单的系统也可能产生令人惊讶和复杂的结构。 …

小结：总之生成技术作为创作手段，当前或多或少还有一定的门槛，需要储备一些相关知识才行。 我们正视学习的现实，也相信会不断有更便捷、更易用的工具出现。

掌握好工具，即可按照相应的流程、方式去实施了。 创作者不需局限于专业、艺术等标签，任何人都可以以自己的方式参与。 如：程序员&Python+、设计师&Houdini+、策划人&Excel+…

下面会简要提供些实施中的方法供参考，剩下的以实践为准～ 大胆尝试多动手 Just Do It！💪

流程 前期：沟通目标，设定约束和参数，控制变量 中期：搭建程序，制作模型或模版，验证设计 后期：生成方案，评估可行并优化，迭代输出

节点 工作流的关键点： Design Idea 创意 ＞ Design Rules 规则 ＞ Sounce Document / Code 底稿或源码＞ Output (Evaluate) 输出并评估

创作者的关注点： Designer 作者 ＞ Generic Model 模型 + Design Input 输入 ＞ Design Solution (Selection) 方案及决策

方式 基于节点的可视化工具 ＞ 生成单幅作品： 如，Houdini 中生成点、线、曲面和体积，然后发挥创意将它们组合，通过随机化和噪声等数据调节，轻松进行调整以生成多次迭代。充分探索你的设计构想，最后导出最佳的一帧作为成品。

基于代码的智能化工具 ＞ 生成系列作品： 如，Python 中基于GAN模型，按照模型目标输入随机数据和图像素材，生成目标的向量数据，再以向量作为分类器生成决策边界。生成数据样本并重复训练，最终导出演算的一系列为作品。

案例

音乐可视生成作品： by.SHY

总结：

生成艺术的探索之路仍然充满许多挑战，但也会带来无限乐趣和可能～

后续我会在这里继续分享我的思考和尝试，敬请期待：）

介绍几位有关生成艺术领域的先驱或先锋人物，从这些创作者身上去感受创新的不羁与探索精神吧！

Georg Nees 乔治·尼斯，1926 年出生于纽伦堡的德国学者、计算机科学家，是计算机艺术和生成图形的先驱； 从1964 年起，他在斯图加特学习并研究计算机图形学； 于1969 年，出版著作《生成计算机图形》，包含程序代码和图形的示例； 到1985 年退休后，从事作家和计算机艺术领域的工作。

Frieder Nake 弗里德·纳克，1938 年出生的德国数学家、计算机科学家，是计算机科学与电脑艺术的先锋；

Vera Molnár 维拉·莫尔纳尔，1924 年出生于匈牙利的法籍媒体艺术家。被广泛认为是生成艺术的先驱之一； 在 1940 年代和 50 年代，她创作了非具象绘画； 到 1959 年，她开始制作组合图像；于1968 年，她将使用计算机创建她的第一幅算法图。

Lillian F. Schwartz 莉莲·施瓦茨，1927 年出生的美国艺术家。计算机媒介艺术的先驱之一；

Herbert W. Franke 赫伯特·弗兰克，1927 年出生的奥地利科学家、科幻作家，早期计算机艺术家艺术家。自 1950 年代开始创作计算机图形和数字艺术，讲授“控制论美学”

Manfred Mohr 曼弗雷德·莫尔，1938 年出生的德国数字艺术家。生成艺术的先驱之一；

Ernest Edmonds 欧内斯特·埃德蒙兹，1942 年出生的英国艺术家。计算机艺术、算法艺术、人机交互等领域的先驱，迭代设计方法和敏捷软件开发的早期倡导者；

Brian Eno 布赖恩·伊诺，1948 年出生的英国音乐人、数媒艺术家，普及生成音乐和创作理念的先锋；

Philip Galanter 菲利普·加兰特；纽约大学教授，2003年在米兰际国际创生艺术会议上发表“《What is Generative Art》复杂性理论作为艺术理论的背景”

谢谢观阅！未完待续…