Comment

Comment by iPLOP 3 hours ago

三、AI在媒體研究中的角色

像 ChatGPT 這樣的 AI 工具，並不是要取代人類對影像的詮釋，而是能在幾個層面提供輔助： 

資料整理員：巨量影像伴隨龐大的標籤、描述、地理座標與時間資料。AI 可以幫助研究者快速歸納，找到熱點主題、地域差異或流行趨勢。

理論與方法的翻譯者: 在文化研究中，我們經常談「凝視」「再現」「日常實踐」。但當資料量突破億級規模，研究者必須導入數據科學與電腦視覺的方法。AI 可以協助把這些技術語言轉化為文化理論能理解的脈絡。

1文化現象的解釋者: 當模式出現——例如「自拍」比例逐年上升，或「美食照」成為旅遊的主要影像——AI 可以輔助研究者把這些現象連結到身份建構、消費文化或全球化流動等更大的議題。

報告與知識生成助手: 研究不只是數據的呈現，更需要文字的詮釋。AI 可以幫助草擬研究成果，或者將枯燥的數字轉換成具有故事性的論述。 

四、案例研究：城市旅遊影像的模式分析

為了更具體地理解 AI 與巨量影像如何結合，讓我們設想一個研究案例：全球城市旅遊影像的模式分析。

研究問題

不同城市是否存在全球性的「必拍」景點？

不同文化群體在同一城市拍攝的影像有何差異？

影像的構圖、濾鏡與題材是否呈現共同模式？

疫情前後的旅遊攝影習慣如何轉變？

方法設計

蒐集資料：透過平台 API，收集特定城市的照片與 metadata。

電腦視覺：辨識照片中的內容（地標、人物、食物、自然景觀）。

文字分析：解析標籤與描述，檢視語言與文化差異。

比較研究：橫向比較不同城市，縱向比較不同群體。

時間分析：對比疫情前後的影像題材與數量。

預期成果

建立「全球旅遊影像地圖」，呈現遊客最常拍攝的場景。

揭示不同文化群體如何以影像建構對城市的想像。

紀錄旅遊文化在全球事件下的轉變（如疫情）。 

在這樣的研究過程中，AI 可以協助進行初步數據整理，並在結果出現後，幫助研究者將模式與文化理論對話。 

五、倫理與反思

當我們談論巨量影像與 AI 時，不能忽略其背後的倫理問題。

隱私與監控：大量照片來自個人分享，用於研究是否侵犯個人權益？

全球不平等：並非所有地區都能同等程度地參與影像生產，這會導致「全球影像地圖」偏向富裕國家。

演算法偏差：影像辨識工具可能帶有文化偏見，導致研究結論再現既有的刻板印象。

這些問題提醒我們，AI 只能是輔助，而不能取代人類的批判性思維。 

六、結論：未來的視覺文化研究

從 MoMA 的兩萬張照片，到 Instagram 的數千億張影像，人類社會已經從「稀缺」進入「過剩」的影像狀態。在這樣的時代，研究者面臨的挑戰不是「如何找到影像」，而是「如何理解影像洪流」。

ChatGPT 與其他 AI 工具，在這裡不是答案，而是工具箱。它們可以幫助我們把不可見的數據模式呈現出來，把零散的資訊組織起來，把技術性的結果轉化為文化討論的語言。但最終，影像的意義仍需要人類去詮釋、去批判、去連結更廣泛的社會脈絡。

或許，我們可以這樣總結：AI 能夠讓我們看見影像，但只有人類能夠理解影像。

未來的媒體研究，將是一場人類與機器的對話，也是對數位文化本質的再思考。

Ref: Painting with Data: A Conversation with Lev Manovich by Randall Packer; In hyperallergic.com; October 31, 2014)

Comment by iPLOP on Monday

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）

Comment by iPLOP on October 18, 2025 at 11:21am

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）。

Comment by iPLOP on October 10, 2025 at 9:29am

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。

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）。

Comment by iPLOP on October 9, 2025 at 8:35pm

它們也不是數學家克勞德·香農（Claude Shannon）的信息論所指的噪音，這是數字通信的一種破壞力量。所以這不是故障也不是噪音，它是人工生成的產物，可能是智能美學的產物。它是分佈式知識和分佈式願景。60多年前，由保羅·巴蘭（Paul Baran）在50年代末發明的未來互聯網協議建議將整個信息分解成組，以更可靠地從遙遠的網絡傳輸；將某物分解成隨機的部分，矛盾地確保了它的生存。

保羅·巴蘭在20世紀60年代首次發表了「封包交換」（packet switching）概念，1960年，當時他在美國的一家公司工作。你知道嗎，他的封包交換的想法為之後的互聯網奠定了基礎，同時也是始於1969年加利福尼亞的ARPANET的前身。他當時的想法是，我們處於冷戰之中，俄羅斯可能很快就會發動進攻，也許會發生不可避免的核戰爭。這聽起來非常熟悉，因為60年後，我們又回到了一個非常相似的時刻，普京進行的核試驗，使得世界又受到了核威脅。但無論如何，讓我們回到那個60年代，當時的想法是這場戰爭將會發生，而我們要如何讓政府、軍隊通信等等。

所以，我們要創建這個網絡，而矛盾的是，巴蘭所展示的是，如果你能將一條信息拆分成封包，然後發送這些封包，然後這些封包可以獨立傳播，它可以在最終點被組裝起來，即使你拿走了這個網絡的部分，你仍然會得到大部分的消息。所以那就是封包交換。他不是為了互聯網提出的這個想法的，但互聯網可以說是誕生於此驚人的想法：為了在未來的核戰爭中生存下來，並且抵御蘇聯的進攻，我們必須將消息部分拆分或分解為碎片。

但在同一時間段，有兩位烏克蘭數學家（當時烏克蘭是蘇聯的一部分）。亞歷克西·伊瓦赫年科（Alexey Ivakhnenko）和瓦連京·拉帕（Valentin Lapa），兩位在烏克蘭工作的蘇聯數學家，發明了另一種有效利用消息片段的基本方法。當然，我指的是一項基礎性的發明。他們發明了深度神經網絡的概念和數學方法，這在神經網絡的歷史中並不經常被討論，但你可以去維基百科或各種文章中找到相關信息。所以，深度神經網絡也是在將近60年前發明的。

這概念於1962年提出，在1966年有了整本書來闡述。第一個深度神經網絡的發明最終導致了當今大規模網絡的出現，這些網絡也用於生成AI。在機器學習過程中將文化制品分解成片段（例如圖像像素和部分單詞），然後分階段處理這些片段，這些片段逐漸使這些網絡獲得知識。它可以給我們合成的文本、音樂、空間、代碼、圖像。簡而言之，通過將歷史上的人類文化分解為碎片，我們得到了我們的新「生成式人工智能」 （generative AI）文化。

由ChatGPT等應用程序「寫成」的文本極其連貫，一次指示一個詞。這種所謂的盲目「語言計算機」無法預見一個詞以上的事，但它以一個詞與另一個詞相關聯，第二個與第三個相關聯的方式，將這些關聯向前推進，使我們得到了詩歌、故事、求職信、分層文件、教科書章節、計算機程序等等。數字媒體的歷史以及人類文明的歷史急需一個碎片理論。因為，在數字時代，在數字媒體中，計算機代表事物，模塊化使用物質性，這是數字媒體的原則之一，這在我的著作《新媒體的語言》中詳細討論過，現在已經翻譯成中文，幾年前在中國出版發行。所以，這個觀點是現實圖像由像素組成——你知道，由計算機呈現的自由空間，由粒子對象、多邊形等組成。

但通常情況下，如果我有一種新型的轉化，就像我說的網絡那樣，會帶來圖像、文本、3D模型以及從學習過程中提供給它們的任何其他數據中提取模式，這些模式我們還不知道如何可視化，因此我們無法可靠地觀察神經網絡內部。

Comment by iPLOP on October 4, 2025 at 8:56am

但我認為人們也許能夠分佈在數萬億個連接中，雖然還不清楚，類似於人類大腦的運作方式。這就是讓網絡合成這些新圖像的原因。因此，這些圖像有目的地由AI驅動的Midjourney創建充滿碎片的場景，後來我意識到這可以作為談論AI的一種隱喻。所以，數字媒體的歷史，以及人類文明的整個歷史，迫切需要一個關於碎片的理論。一個分類體系將確立存在數十種類似的品類。因此，在這里你也看到了這種美麗的碎片，這種美麗的神經噪音，可以說是在牆上，有時形成書籍，有時形成衣櫃，但它們都是被組合在一起的碎片。當然，其他人曾經考慮過這樣的分類學，這讓我再次回想起18世紀歐洲廢墟美學的例子。這呼應了現代科學對物質元素的追求，比如分子、原子和基本粒子。

19世紀歐洲藝術家開始認真地用可見的文字描繪碎片。印象派畫家將其分解成單獨的彩色筆觸；喬治·修拉（Georges Seurat）和保羅·西涅克（Paul Signac）依賴於機械式的不規則點。後來，在1905-1907年間，有一群稱為分色主義的藝術家，他們使用小方形的畫筆筆觸，這是點彩畫派的新版本。保羅·塞尚（Paul Cézanne）在1878年左右邁出了另一個關鍵的一步。他宣稱所有的形狀都應該用圓柱、球體和圓錐來表示。但矛盾的是，這種看似對現實的固化實際上只是一種新的、更極端的分裂方式。印象派展現了我們感知的片段，而塞尚則是分裂了世界本身。他作品中的桌布，比如《玩紙牌的人》（1892年），不再是一整塊連續的織物。相反，它是一組碎片，是多個方向的平面集合。1907-1932年間，暴力分裂的美學來到了歐洲，莫斯科、柏林、布拉格、華沙、羅茨、巴黎等地的現代主義視覺的中心。我們在各處都能看到：畢加索和布拉克的拼貼畫；讓·梅辛格（Jean Metzinger）、阿爾伯特·格萊茲（Albert Gleizes）、費爾南·萊熱（Fernand Léger）、羅伯特·德勞內（Robert Delaunay）等人的立體主義；娜塔莉亞·岡察洛娃（Natalia Goncharova）、亞歷山大·埃克斯特（Aleksandra Ekster）、柳博夫·波波娃（Lyubov Popova）、馬列維奇等人的立體未來主義；漢娜·霍赫（Hannah Hoch）、莫霍利-納吉（Moholy-Nagy）、羅德琴科的拼貼照片；維爾托夫和艾森斯坦的電影剪輯；瓦爾特·本雅明（Walter Benjamin）未完成的「拱廊街計劃」的文化歷史蒙太奇甚至引發了更多文化分裂理論的解讀。

我認為，時機成熟了，我們正在思考人工智能的理論，也許是我，也許是你，將成為下一代的理論家，不是媒體理論家，不是即時理論家，不是數據理論家，也不是軟件理論家，而是人工智能理論家。我相信在這個房間里有些人可能會提出同樣有趣的網絡分割理論，這構成了生成式媒體的基礎。如果你要實時量化，你需要動手操作，學習計算機科學，親自學習編程網絡，因為理論化媒體的方法之一就是深度的物質主義式的。大多數關於數字文化的人文泛化都毫無意義，因為這些人個人害怕技術；其次，我們意識到自己變得越來越不重要；再者，我們根本不了解這些事物的運作方式。因此，請務實一些，親自動手，深入連接、共進化的世界，構建層層疊加的圖像等，也許我們甚至能夠看到利用深度網絡從其圖像數據庫中提取的所有模式，展示出難以想像分辨率的巨型可視化圖表。

但作為一個一直投身於數字美學的藝術家，我很高興能創造出我在這里向你展示的私人獨特的圖像空間。我喜歡這種繪畫般、生長般的空間質感，以及相似的、複雜的主體，我有得到這些圖像的秘法。但我最感興趣的還是這些空間本身，奇怪的圖書館，到處散落的書籍。我確實指定了我的人群，比如2005年在北京，或2013年在首爾，或1995年在上海等地工作室工作的藝術家，但我也有其他技巧，盡管他們看起來在一個奇怪的空間，這些空間既是文化的空間，也是碎片的空間。

所以，對於這些碎片的結論是，它們呈現的關於人類文化的歷史是一部緩慢遺忘、非常罕見、幾乎永遠不可能記住的歷史。著名的藝術家、作家、評論家和引起關注的人們在我們的記錄中逐漸消失。對於更幸運的少數人來說，他們只能被記住幾件事。例如，當人們遇到我時，會說「哦，你是列夫·曼諾維奇，你寫了《新媒體的語言》。但我同時也寫了幾百篇文章，800次演講，至少有一百多個藝術項目展覽，編輯和出版了15本書。現在我已經只記得用書來回應，而且我不知道能持續多久。一個工作了超過60年的藝術家被縮減為幾張標誌性的圖像。一個終身從事寫作的作家如果幸運的話，也只能被縮減為一本書。所以，我是幸運的。歷史的壓縮是殘酷而沒有餘地的，而現在由生成式人工智能所提供的分解、選擇性重組和合成的機制可能相對沒那麼殘酷。（下續）

Comment by iPLOP on September 30, 2025 at 10:32pm

當然，如果要使你在深度神經網絡的訓練中被記住，首先得需要它被幸運地數字化，對吧？因此，某物必須被數字化，某物必須被捕捉，某物必須在可以從網絡上獲取，然後也許這個對象、這個人工制品，在計算機科學家下載網頁時會很幸運地被搜集到，被納入到神經網絡中。

我正在一個小鎮里一家過去四年都沒有游客參觀的小博物館里作畫，也許這幅畫很幸運，因為它出現在當地一張周末來訪的高中生情侶的自拍照背景中，但是旁邊的畫卻沒那麼幸運。是的，我們無論如何都會得到碎片，但也許碎片會比以前更多，比之前更為嚴格的人類記憶和更為殘酷的印刷文化所允許的更多。畢竟，Stable Diffusion 已經在超過50億張圖片上進行了訓練，所以也許你的自拍照或者你14歲時畫的那幅畫，在網上某處也存在。

這種更寬容、不那麼二元的遺忘和復活過程可能是人工智能美學中最好的一面。這是歷史的仁慈。最後，我想說另外一件事。前幾天我在社交媒體上發了一條信息，因為現在我可以閱讀那些文章。或者像一些西方藝術家抗議AI在未經授權的情況下所使用他們的作品，等等。我認為總的來說有點矛盾，你可能會喜歡這種東西。如果你的圖片最終出現在用於生成式人工智能訓練的龐大神經網絡的數據集中，那麼你可能會很幸運，因為在這種方式下你將被記住，你成為了這種用於生成式人工智能訓練的碎片簡歷中的一部分。然後，當我們的藝術設計師和我們的文化產業從業者創造出圖像、空間、概念藝術、視頻游戲、建築等等新的像素時，你也間接地進入了其中。我的意思是，因為每個由規范人工智能生成的圖像都不會直接克隆現有的圖像，對吧？它通過數萬億個連接組合事物。實際上，最近一個統計表明，我們看到的由一個生成式人工智能網絡生成的圖像中，直接引用現有圖像的部分只有6%。所以，認為AI直接將人們的圖像串聯起來是荒謬的。也許當你進入這座新博物館的野生展牆時，你應該感到幸運。這個博物館分佈在各個連接領域，並最終為新的機制、新的想像力和新的創造提供了養料。所以，我就在這里停下來，也許你們有一些時間提問和討論。謝謝。

問答環節

Q：在更多的情況下，藝術家其實也是普通人，也會淹沒在新媒體的洪流當中，那麼普通人應該怎麼面對AI的洪流呢？

Manovich：當然，我認為普通人，包括藝術家，都從人工智能中獲益匪淺。請記住，人工智能不僅僅是生成式媒體，它也是一種加快和提高效率的方式。所以，如果你在手機上打字，任何形式的字母識別都是由人工智能實現的。對不起，我舉的例子都是來自於西方軟件，比如谷歌，因為我不住在中國。當然，我知道中國的騰訊，所以如果我提到了西方的東西，請原諒我。只要記住，請用你們對等的東西替換。人工智能在某種程度上正在推動一切，對吧？人工智能也在推動搜索。所以，人工智能的一部分就像是一種加快事物進程的方式。另一個重要的事情實際上是我從英偉達CEO那里聽到的。他說，人工智能的發展要體現在每個人都可以編程。以前，你在學習編程前需要學習代碼，以前是Pascal或 C 或 C++ 或 Python 這樣的特殊語言，但現在你可以通過對計算機說點什麼來編程。對 ChatGPT 或我們的應用程序說點什麼，包括使用谷歌鏡頭，你可以進行開發，中國也有自己的開發版本，所以每個人都成了一個程序員。編程使你能夠控制事物，進行溝通，制定規則，創造即時。

Comment by iPLOP on September 27, 2025 at 8:47am

所以，人工智能給社會帶來了巨大的好處。我們也知道，各國對人工智能可能產生一些意想不到的後果感到擔憂，並且在歐洲、美國和中國都在進行監管。看到中國處於領先地位的事實相當令人鼓舞。中國在監管人工智能方面采取了最激進的方式，這是一種好方式，可以相信技術的可能性……

我不確定任何技術是否有好壞之分，如果你想產生好的結果，你也得到壞的結果，但我們應該努力去監管它。我很高興看到中國正在努力做到這一點。但總的來說，我認為技術更多的是作為信息源，它讓人們能夠簡單地找到工作，找到感興趣的渠道，讓人們創造。

我是說，簡單地使用生成式媒體工具的愉悅感，讓很多人得到了在現實生活中得不到的玩耍體驗。所以我認為人們受益匪淺。我認為知識分子們應該開闊眼界，讓他們的理論更接近普通人所做的事情。你知道，中國取得了顯著的系統性進步，也是世界的進步。從1990到2015，全球40%的人口擺脫了極度貧困，並且不再貧困，實際上是因為亞洲，特別是中國的進步，你知道，全世界中產階級從90年代的七億人增加到今天的四五十億人。這一切的發生是因為資本主義和技術。

所以資本主義、技術和人工智能是最進步、最積極的力量。我認為知識分子們應該停止攻擊資本主義，停止攻擊技術，他們應該意識到這是社會進步的動力。當然，資本主義並非只有積極面，它也有負面的一面，但並非一切都是那麼簡單。這就是我給大家的信息，包括會議中的參與者，因為我注意到一些韓國人對資本主義感到不滿，但你們在中國，因為資本主義，你們才能乘飛機，因為資本主義，你們才有互聯網，因為資本主義，你們的餐桌上才有食物。在20世紀，共產主義曾經作出了好的嘗試但遭遇了挫折，但這個嘗試使數以億計的人死去了，也許光中國就有這麼多人死去了。所以人工智能、資本主義是我所追求的，這就是我的信息，我的宣言，讓他們睜開眼睛看現實。我們可以做社會、文化和技術的理論，讓普通人也能理解，而不僅僅是我們之間。謝謝。

講者簡介

Lev Manovich 藝術家、作家，也是全球最有影響力的數字文化理論家之 一。馬諾維奇目前是紐約城市大學研究生中心計算機科學系的校長教授和文化分析實驗室主任。馬諾維奇在四個新研究領域的創建方面發揮了關鍵作用：新媒體研究（1991年-）、軟件研究（2001年-）、文化分析（2007年-）和人工智能美學（2018年-）。

Lev Manovich is an artist, writer, and one of the most influential theorists of digital culture worldwide. Manovich is currently a Presidential Professor of Computer Science at the City University of New York』s Graduate Center and the Director of the Cultural Analytics Lab. Manovich played a key role in creating four new research fields: new media studies (1991-), software studies (2001-), cultural analytics (2007-) and AI aesthetics (2018-).（網絡社會年會）

（原題：一封給年輕藝術家的信，如何在生成式人工智能時代生存；作者／列夫·馬諾維奇[Lev Manovich]；第八屆網絡社會年會; 整理翻譯／袁孟如; 校對／黃孫權；2023-12-28）

Comment by iPLOP on July 22, 2025 at 7:29pm

主體間性

主體間性，是20世紀哲學中出現的一個基本范疇，它的主要內容是研究一個主體怎樣與另一個主體相作用的。

從十七世紀笛卡爾提出「我思故我在」形成西方哲學主體主義的開端，到胡塞爾借由「先驗自我」提出主體間性概念，再到海德格爾、哈貝馬斯等人對主體間性理論的完善和延伸，西方哲學的研究范疇經歷了從主客體二分的主體主義到主體交互關係的主體間性，雖然主體間性理論在此過程中不斷完善，但始終存在問題，最突出的是主體間性理論中對客體實踐基礎的忽視。

主體間性是有別於傳統主客體關係的「主體——主體」交互關係，而追溯主體間性概念的來源，則是在近代主體主義充分發展的基礎上形成的，可以說沒有對主體性哲學的反思和超越，主體間性哲學就無從談起。

主體主義哲學的確立，是從笛卡爾「我思故我在」所開創的認識論轉向開始的，笛卡爾這一命題的提出，開創了主體性哲學。認識主體「我」的確立標志著西方哲學認識論的轉向和主體主義的崛起。在《方法論》一書中，笛卡爾又指出：「……那種正確地作判斷和辨別真假的能力，實際上也就是我們稱之為良知或理性的那種東西，是人人天然地均等的。」也就是說，認識主體的「我」可以代指所有人，是每一個個體，那麼主體與主體之間得到的知識是具有普遍性的。

主體性哲學源於笛卡爾，而較為系統地完成認識論的主體性轉向的是康德，康德強調「人為自然立法」，他指出「客觀有效性和(對任何人的)必然的普遍有效性這兩個概念是可以互相換用的概念」。也就是說，康德進一步將主體之間的必然性當作是知識客觀性的基礎，用主體間性為真理的客觀性提供了評判尺度。

在道德和審美領域，康德主張的道德原則以人類共同認同的具有最高普遍性的原則為基礎，是主體之間具有共同性的東西。而在審美領域，「審美判斷要求傳達普遍主觀性，但不需要借助概念，它的本質是主體間性，即主體與其他的主體的關係，而不是主客體的關係」，因此，審美判斷擁有普遍有效的先天主觀條件。

康德的先驗轉向是主體性哲學的重大進步，但是康德並沒有徹底貫徹先驗主體性原則，「康德的先驗主體是一種有限的主體，而胡塞爾要求的是先驗主體的無限性；康德將作為本體的先驗主體隱藏在不可知的物自體中而拒絕直接地去言說它，而胡塞爾則要求沖破康德的劃界去言說這個先驗主體。」同時，康德也對主體間性作為真理的評判尺度進行了一定的考察，在康德那裡，主體間性成為認識、道德和審美原則的重要評判尺度，但是並不是最終的決定性因素，這也在現代認識論哲學中被批判。(下續)

Comment by iPLOP on July 22, 2025 at 11:13am

胡塞爾

現代西方哲學發展中，由於認識主體轉向個體，認識的普遍性問題也就因此凸顯出重要意義了，最早涉及到認識主體之間關係的是現象學大師胡塞爾。

胡塞爾建立了先驗主體性的現象學，他的現象學「不僅要求懸置作為外在實體的人和物，而且也要求懸置心物一體的自然主體之我，將自我先驗化、功能化、空靈化為一種至大無外的邏輯主體」。胡塞爾把先驗自我的意向性構造作為知識的根源，堅持一元主體的自明性原則，但是這就產生了個體認識如何具有普遍性的問題，必須建構多元的主體間性才能擺脫唯我論的困境。一種有別於主體性哲學的主體間性哲學也就由此形成。

胡塞爾在《笛卡爾式的沉思》中指出，「內在的第一存在，先於並且包含世界上的每一種客觀性的存在，就是先驗的主體間性，即以各種形式進行交流的單子的宇宙。」這裡的單子牽涉到德國哲學家萊布尼茨的單子論，不同的是，萊布尼茨認為單子是一種精神或心靈的力，是自我封閉的，「單子沒有窗子，不能受外界影響，或由外界施予作用」。而胡塞爾對萊布尼茨單子的封閉性進行了改造，胡塞爾認為單子能夠反映整個宇宙的面貌，能夠在「自我」中反映「他我」，而單子也就是認識主體之間的共識或知識的普遍性的根據，是人的「統覺」「同感」「移情」等能力。

海德格爾

但是，胡塞爾的主體間性哲學是以先驗主體論為前提提出的，限定於認識論范疇，只涉及認識主體之間的關係，而不是認識主體與對象世界的關係，因此「海德格爾指責胡塞爾現象學的先驗主體性在本體論上的無根據性」，認為胡塞爾的現象學並不是本體論的主體間性。本體論的主體間性指存在的人與世界的同一性，是主體與主體之間的交往、理解關係。海德格爾、伽達默爾等現代哲學家超越了主客對立的思維方式，由認識論哲學轉入存在論和解釋學哲學。

海德格爾認為，胡塞爾自我統覺和他人統覺的同一是通過自我對他人統覺的推想而實現的，這種主體間性仍然是本我在范疇內出現，那麼這種推導本質上仍然是主體性而不是主體間性。

海德格爾從「此在」出發展開主體間性，「此在」不是先驗探究的基礎，而是具體生活境域中的人。海德格爾認為，「自我認識所說的並不是通過感知察覺和靜觀一個自我點，……只有當生存著的存在者同樣源始地在它的寓世之在及共他人之在——它們都是它的生存的組建環節——中對自己成為透徹明晰的，它才「自視」。自我作為「此在」是處於他人之中的，他人構成自我所必需的生活環境，因此，自我先在性地包容著他人，自我和他人通過語言相遇和交往。海德格爾的存在論哲學提出了此在的共在問題，由此開始進入本體論的主體間性問題。

然而，海德格爾雖然涉及了本體論的主體間性問題，但仍然限於「此在」的范圍，沒有進入存在本身，他跟胡塞爾一樣，從傳統西方哲學的先驗論的「自我」出發，以主客關係的模式來間接構築主體與主體的關係模式。因此在海德格爾的理論中，真正具有交互性特質的主體間性理論並沒有真正確立。

馬丁·布伯

較之海德格爾，宗教學家馬丁·布伯的主體間性理論更為徹底。布伯在《我和你》一書中區分了「我一它」和「我一你」兩種哲學范疇，「我一它」是一種人對於世界的認識關係，而「我一你」是超越這種實用關係的「對話」和「相遇」的關係，在布伯看來，「你」是「我」以外的所有存在，包括他者甚至自然和上帝，因此「我—你」哲學模式較之「我一它」哲學模式是一種更具有本真性的關係模式，「我一你」關係是一個原初的整體，也是世界的本體，它體現了一種真正的交談性的主體間性關係。此外，布伯還引人了一種有別於主體性關係的「之間領域」關係，「精神不在『我'之中，它佇立於『我』與『你'之間」。這樣，自我和他者通過「之間」的對話產生聯系，而這種對話正是主體與主體之間的直接關係。布伯的理論是對主體間性理論的重大發展，他以主體間關係本身來直接構築主體間關係模式，真正超越了單一主體性原則，在本體論上建構了主體間性理論。

但是，主客關係是人類對象化活動的基礎，布伯在肯定「我一你」主體間關係的同時，卻徹底否定了主客體關係，這使得他的主體間性理論最終失去了實踐基礎。（下續）

• ‹ Previous
• 1
• 2
• 3
• …
• 9
• Next ›
• Page