在我此次演講中，我將談論視覺生成媒體（visual generative media），並用我的作品加以闡釋。在過去的15個月里，我使用人工智能創作了許多圖片，大約有6萬張。我以系列的方式創作圖片；每個系列都有一個電影，有時是一部抒情電影，有時是一個概念性的電影。我在許多群展中展示了這些作品，其中一些在個展展出。其中一場將於兩周後在葡萄牙開幕，第二場將於十二月開幕。

所以，在我談論的同時，我將開始展示我的作品，你將會看到它們之間的聯系。我將演講的第一部分稱為「碎片的美學」。

在過去的15個月里，我每周都在使用人工智能工具制作圖片。在其中一些圖片中，你會看到一些內部空間，看起來是由一系列工具組合而成，但當然，全部都是仿真的工具，如版畫的蝕刻、雕刻等等。這些空間展示了充滿無盡物品的架子。這個奇異的空間讓我同時聯想到了書庫、倉庫、自然歷史博物館的展覽，也許還有歐洲靜物畫傳統。在架子之間、缺失的牆壁之間，經常出現精致、微妙、常常難以看清的圖案——有些是二維的，有些是三維的，像線條的編織。現在換個話題。就在一瞬間，有時我們呈現為抽象，但通常意味著某些明確的東西——一些對象、形狀、來自我們人類世界的意義。

這些是什麼碎片？這些未定義、未命名、放置在架子末端的物件是什麼？這些物體的線條，目前還不清楚它們是二維的還是三維的。它們是牆上畫作的一部分還是存在於現實中？有時我們明確；有時我們不太確定，所以你得到了一種碎片的狀態。是的，我們看到了碎片，但是什麼碎片？在常規藝術博物館里，有古代文明的碎片——花瓶、玻璃杯、盤子，還有小工具、雕像等等，就像我去奧地利並去了當地美術館的那一天一樣。甚至在地下室，他們有著許多文明的碎片，大約在1500年、1800年前，它們是普通的容器。你真的能感受到博物館，就是這些物質碎片的集合。

但人工智能的「碎片」有著不同的選集。AI通過數億張圖像提取「模式」（patterns），並將它們分佈到數萬億個連接中。在生成式人工智能網絡訓練中，這些神經網絡被餵了數億張素材，在某些情況下是可信的圖像，以及幾種描述內嵌的HTML代碼，然後我們以像素為單位進行分析，發現了表現某種東西的老練的邊線和細節，以及一些我們不太確定的面。我們只知道這種過程，碎片化的同時也在分解和重組，然後這些模式分佈在人工神經網絡的數萬億個連接中。可以說，在這個過程中，圖像的數字實質被進一步虛擬化、蒸發和擴散了，但仍然被保留著。而你在我的圖像中看到的生成的「碎片」就像氣味，微風中看不見的運動，海岸邊的周期性運動在場景上留下痕跡。這些都是我們世界中碎片的碎片。我的意思是，我無意與你就圖片呈現的這些形象進行交流，我真正感興趣的是空間，被稱為無盡靜物的空間。有時是可識別的物體，一系列的細節，我喜歡當它無目的地再生時的碎片化，你不太知道它到底是什麼——比如這些物體或者牆壁是什麼？這些圖像里面有什麼？我們不知道這里是什麼。所以，這些碎片的碎片沉積了如此多破碎的形式，也許比意大利畫家所仰慕的18世紀的廢墟更加碎片化。它們不是「故障」（glitches）。

列夫·馬諾維奇（Lev Manovich）：觀看世界 Watching the World

[本文最初刊登於《Aperture》雜誌，第214期，2014年春季。]

去年夏天，紐約現代藝術博物館（MoMA）邀請了我於2007年創立的「軟體研究計畫」（Software Studies Initiative），探索如何將視覺化作為研究工具，並尋找以新方式呈現其攝影收藏的方法。我們獲得了大約兩萬張數位化照片的使用權，隨後利用我們的軟體，將它們組合成一張高解析度影像。

這使我們能一次觀看所有影像，從攝影媒介誕生之初一直到當代，跨越不同國家、類型、技術以及攝影師們多元的感性。

幾乎每一張經典攝影作品都包含其中——那些我反覆在不同場合見過的影像。能輕鬆放大檢視每一張照片的細節，或縮小觀看整體，對我而言幾乎是一種宗教般的體驗。

同時觀看兩萬張照片聽起來或許令人驚嘆，因為即使是最大的美術館展廳，也不可能同時展出如此龐大的數量。然而，以二十一世紀的標準來看，MoMA 的收藏與社群媒體分享平台上龐大的影像庫相比仍然顯得微薄，例如 Instagram、Flickr 與 500px。（僅 Instagram 一個平台就已經擁有超過一百六十億張照片，而 Facebook 用戶每天上傳的影像超過三億五千萬張。）

由Flickr在2005年開創的「社群攝影」（social photography），為文化研究開啟了極具吸引力的新可能。數以億計的人們共同創造出的影像宇宙，可以被視為一部沒有劇本與導演的巨型紀錄片，而觀看這部紀錄片則需要仰賴運算工具——資料庫、搜尋引擎與視覺化技術。

深入挖掘這部「紀錄片」的組成部分，可以幫助我們理解日常攝影與支配數位影像創作的習慣。當人們拍攝彼此時，他們是否偏好某些特定的取景方式，就像專業攝影師一樣？來到紐約的遊客是否拍攝相同的主題？這些選擇是否受到文化因素影響？而當他們確實拍攝相同主題時（例如曼哈頓西側高架公園High Line上的植物,見下圖），是否使用相同的技術？
為了開始回答這些問題，我們可以利用電腦來分析數百萬張照片的視覺屬性與內容，並結合它們的文字描述、標籤、地理座標以及上傳日期和時間，最後再對結果進行詮釋。

很多人認為我是媒體學者或者新媒體學者，但實際上，我是一名藝術家。我於1960年生於俄國莫斯科，在1981年隨父母移民到了美國紐約。從 14 歲開始我開始接受視覺藝術訓練，包括現代主義繪畫和古典繪畫。這與亞洲仍存在的一種體系有些相似，要進入藝術學院必須通過考試，我當時要進的是建築學院。我參加的考試主要是關於古典素描的，如畫古希臘頭像、描繪紋理、強調透視和栩栩如生的繪畫。我接受了這樣的訓練，1981年來到紐約後，我在紐約大學電影學院度過了一些年頭。

近四十年前，1984年，我開始從事計算機動畫和計算機圖形工作。我有人文學科的博士學位，主攻視覺文化，在過去20年里，我在東海岸甚至加州教授課程，在視覺藝術系任教，盡管大學根據我的著作和書籍對我進行評估，大部分教學內容是面向藝術家的實踐工作室課程。十年前，我搬到紐約，並成為計算機科學和數據科學博士課程的教授。現在，我教授計算機科學專業的學生。

我已經有32年沒有進行傳統的素描或繪畫了，大約在90年代停止了畫畫，在過去的30年中，我參與了從模擬到數字，再到計算。隨著計算轉向AI，數字已經成為既定事實，每個人都在寫關於數字文化的東西。我覺得我可以為我的生活增添些其他東西，所以我重新開始了繪畫。剛好在這兩週後，Midjourney公開發布了，它的出現掀起了生成媒體（generative media ）的革命。

眾所周知，過去的15年是非凡的。中國公司一直在發佈他們自己的版本，支持其應用。在西方，我們有ChatGPT，我們有Dalle 3；現在，生成式人工智能已經整合到谷歌搜索中。毫無疑問，我們正處於一個全新、徹底革命性的時代的開端。許多人，包括我自己，相信這場革命的規模可以與90年代互聯網的發展，與19世紀攝影的興起相媲美。（下續）

[嫣然·愛墾研創] 個體如何在知識與權力結構中自我安頓、自我生成？——當現代教育哲學（陳平原）、後現代主體理論（福柯） 碰上中國近代思想的主體論（章太炎）。