书 · AI 与创意艺术
当机器开始作画、谱曲、写诗、剪辑视频，"创造力是人类最后的堡垒"这句话首次显出脆弱。从 1973 年 Cohen 让计算机执笔到 2022 年扩散模型席卷全球，再到 2024 年视频与音乐生成的全面爆发——艺术与 AI 的关系，正从工具、合作者，逼近一个让所有创作者都心怀警惕的字：替代。
第一幕：机器作画的史前时代（1965—2014）
AI 进入艺术领域的时间，比许多人想象的要早得多。
1965 年，德国学者 Frieder Nake 与 Georg Nees 在斯图加特展出了人类历史上第一批由计算机生成的几何抽象作品；同年的纽约 Howard Wise 画廊也举办了一场名为 Computer-Generated Pictures 的展览。早期算法艺术（Algorithmic Art）由数学家与工程师主导——他们写下规则，让绘图仪在纸上落笔，作品冷峻、几何、机械。
1973 年，英国艺术家 Harold Cohen 启动了一个改变其后半生的项目：AARON。这是一个用 LISP 写成的程序，能够自主地生成线条、构图、上色。与那些只会执行指令的算法不同，AARON 拥有 Cohen 编写的"绘画知识"：什么是物体、什么是遮挡、什么是构图平衡。AARON 的作品在伦敦 Tate、旧金山 SFMOMA、巴黎蓬皮杜中心展出过，成为博物馆收藏的第一批 AI 作品。Cohen 一直与 AARON 合作直到 2016 年去世——他从未把它视为对手，而是"一位永不疲倦的合作者"。
九十年代后，Karl Sims 在 Genetic Images（1993）中让观众选择更"美"的进化方向，由遗传算法繁衍下一代图像；2000 年代后期，Casey Reas 与 Ben Fry 的 Processing 让算法艺术走向开源大众化。但这一阶段的"AI 艺术"仍属于程序员的私语，与主流艺术市场关系若即若离。
变量在等一个引爆点。
第二幕：GAN 与第一次拍卖（2014—2018）
2014 年，古德费洛在蒙特利尔深夜的酒吧里写下了生成对抗网络（Generative Adversarial Networks, GAN）的最初草稿。生成器与判别器互为对手，通过博弈逼近真实数据分布——这个看似简单的设定开启了图像生成的新纪元。
GAN 之后，2015 年 Leon Gatys 等人发表 A Neural Algorithm of Artistic Style，论文中那些"用梵高风格重画照片"的样图席卷了社交网络，神经风格迁移（Neural Style Transfer）一夜成名。2017 年起，BigGAN、StyleGAN 让生成图像的清晰度和多样性飙升；StyleGAN 生成的"虚拟人脸"以假乱真，催生了 thispersondoesnotexist.com 这样的现象级网站。
真正把"AI 艺术"推向主流的，是 2018 年 10 月 25 日的一场拍卖。法国艺术团体 Obvious 用 GAN 生成了一幅模仿古典肖像风格的作品——Edmond de Belamy。佳士得（Christie's）将其列入纽约拍卖会，估价 7,000 至 10,000 美元。最终成交价：432,500 美元，是估价的四十多倍。画作右下角是一个数学公式式的"签名"——GAN 损失函数。
艺术市场第一次为一个由算法生成的图像买单。但争议随之而起：作品所用的代码大量基于 Robbie Barrat 在 GitHub 公开的项目，而 Obvious 团队的实质贡献被广泛质疑。这场拍卖既是 AI 艺术的胜利，也暴露出"作者归属"将成为日后所有讨论的核心。
第三幕：扩散模型之夏（2022）
2021 年 1 月，OpenAI 发布 DALL·E。它能根据文本提示生成图像——"一个穿芭蕾舞裙的小白萝卜在遛狗"。这个不太严肃的演示令世界第一次直观感受到"文生图"（Text-to-Image）可以何等具体。
但真正的核爆发生在 2022 年。
- 4 月：OpenAI 发布 DALL·E 2，画质与构图远超前代，迅速成为社交网络的现象级产品。
- 7 月：Midjourney 进入公测，把生成入口放在 Discord 频道。其美学倾向偏向电影感与油画质感，吸引大量插画师、概念设计师；公测半年内即实现盈利。
- 8 月：Stability AI 发布 Stable Diffusion 1.4，基于 Robin Rombach 等人在 CompVis 实验室提出的潜在扩散模型（Latent Diffusion Model），权重与代码全部开源。
Stable Diffusion 的开源是这场革命中最具地震性的事件。任何人下载 4 GB 的权重文件，便可在自家显卡上生成图像。围绕它，HuggingFace、Civitai、AUTOMATIC1111 等社区在数月内构建出一整套微调（DreamBooth、LoRA）、控制（ControlNet, 2023 年 2 月由张吕敏开源）、组合（ComfyUI）的工具栈。"AI 绘画"从一个云端付费服务变成了一种人人可改装的开源生产力。
2022 年 8 月底，美国科罗拉多州博览会美术比赛"数字艺术"组别冠军颁给了 Jason Allen 的作品 Théâtre D'opéra Spatial——它由 Midjourney 生成，再经 Photoshop 与 Gigapixel 后期。比赛规则未禁止 AI 生成，但争议席卷艺术界。这是史上第一次由 AI 作品在传统艺术比赛中夺冠。
第四幕：从静帧到运动（2023—2024）
图像被攻克之后，下一座山是视频。
2023 年 2 月，Runway 发布 Gen-1，让用户用文本与参考图像驱动视频风格化；同年 6 月推出 Gen-2，正式跨入"文生视频"。但当年大多数 AI 视频仍只是"会动的图像"，分辨率低、角色一致性差、物理常识屡屡崩坏。
转折点在 2024 年 2 月。OpenAI 发布 Sora，对外公开了一系列长达一分钟、有摄影机调度、有人物动作连贯性的样片——东京街头一名穿红衣的女子穿过霓虹光影、樱花在风中飘落。视频生成第一次让人开始相信，长镜头、复杂物理、多角色互动并非遥不可及。Sora 当日并未开放使用，但它定义了 2024 年视频生成的"基准线"。
随后是一连串的追赶：
- 2024 年 6 月：快手发布"可灵"，是中国第一个大规模公开的视频生成模型，其物理一致性与镜头语言一度被认为追平 Sora。
- 2024 年 5 月与 12 月：Google 相继发布 Veo 与 Veo 2；Meta 发布 Movie Gen 系列；Runway 推出 Gen-3 Alpha。
- 2025 年起：可灵 1.6、Sora 2、混元、字节跳动 PixelDance、智谱 CogVideoX——每月都有新模型让"上一代"在数周内贬值。
视频生成的工业化迅速重塑广告、影视预演、社交内容。Coca-Cola 在 2024 年圣诞推出全 AI 生成广告，引发广告界震荡；TikTok 与 Instagram 的内容流中，AI 短视频的份额以肉眼可见的速度上升。
第五幕：声音的革命（2023—2024）
文字、图像、视频之后，声音成为下一片战场。
2022 年起，Riffusion 用扩散模型生成谱面图再合成音乐，开了一个先声。2023—2024 年，三家公司站到风口：
- Suno（波士顿，2022 成立）：2023 年 12 月发布 v2，让用户用一句话生成完整带歌词的歌曲；2024 年 3 月 v3 让 30 秒升级到 2 分钟；2024 年 5 月 B 轮融资 1.25 亿美元。
- Udio（伦敦，前 DeepMind 团队）：2024 年 4 月公测，A16z 领投，被业界视为 Suno 的最强劲对手。
- ElevenLabs（伦敦，2022）：在语音克隆和有声书赛道独占鳌头。
但音乐界的反击迅速到来。2024 年 6 月 24 日，美国唱片业协会（RIAA）代表 Sony Music、Universal、Warner 三大巨头同时起诉 Suno 与 Udio，指控其大规模复制有版权的录音用于训练。两家公司在答辩中首次公开承认其训练集"包含从公开互联网获得的录音"，并主张"合理使用"（Fair Use）。诉讼仍在进行，但它将为整个生成式音乐行业划下规则边界。
与此同时，Spotify 在 2025 年承认平台上有数百万首"AI 生成"曲目，部分艺人合谋用 AI 量产歌曲骗取流媒体分成；几大版权管理协会开始要求训练数据透明化与艺人退出权（opt-out）。
第六幕：写作辅助与文学边界
ChatGPT 之后，文字创作首先被深度卷入 AI 浪潮——但也最早遭遇反弹。
2023 年 2 月，亚马逊 Kindle Direct Publishing 上 AI 生成的儿童书与小说集泛滥，平台被迫推出 AI 生成内容的强制申报政策。同年起，多家文学杂志（如 Clarkesworld）因 AI 生成投稿暴增而被迫暂停接收外部稿件。
但在专业写作内部，AI 已悄然成为合作者。Sudowrite、NovelCrafter、Plottr 等工具被部分网络小说作者公开使用；2024 年日本芥川奖得主九段理江公开表示，自己的获奖作《东京同情塔》中约 5% 的文本由 ChatGPT 生成。这一表态在文学界激起激烈讨论：合作的边界在哪里？署名是否需要更新？读者是否有"知情权"？
更深层的问题是风格同质化。当大量作者依赖同一个底层模型润色，互联网内容会不会逐步收敛到一种"AI 标准腔"？这是创意写作面临的、与图像和视频截然不同的危险——慢性的、不易察觉的语言贫化。
第七幕：艺术家的反击（2023—2025）
技术狂欢的另一面，是艺术家社区前所未有的愤怒。
2023 年初，波兰插画家 Greg Rutkowski 发现自己的名字成为 Stable Diffusion 用户最常用的提示词之一——超过他本人毕生作品总数的图像被生成出来，模仿他的风格署他的名。他的画作被未经许可纳入 LAION-5B 训练集；他公开发表声明，呼吁立法规制。
同年 1 月，三位艺术家（Sarah Andersen、Kelly McKernan、Karla Ortiz）对 Stability AI、Midjourney、DeviantArt 提起集体诉讼；同月，Getty Images 在英美双线起诉 Stability AI，指控其使用了 1200 万张 Getty 图像（带有可识别水印）训练 Stable Diffusion。Getty v. Stability 于 2025 年在英国伦敦高等法院开庭，是图像生成版权第一案。
技术层面，芝加哥大学 Ben Zhao 教授带领团队推出了两件武器：
- Glaze（2023 年 3 月）：在艺术家发布作品前，在像素层面添加肉眼难辨的扰动，使模型学到错误的风格特征。
- Nightshade（2023 年 10 月）：更进一步的"投毒"工具，被它处理过的图像若被纳入训练集，会让模型对相关概念产生系统性偏移。
数十万名艺术家下载使用了 Glaze 与 Nightshade。这是历史上第一次，被技术冲击的群体用技术本身来反击。与此同时，ArtStation 等平台被迫在 2023 年初推出"NoAI"标签，让作者声明禁止其作品被用于训练。
第八幕：版权的世纪诉讼
2023 年 12 月 27 日，《纽约时报》起诉 OpenAI 与 Microsoft，指控其未经授权使用百万级 NYT 文章训练 GPT 系列。诉状中附带了数十页的"逐字复述"证据：在特定提示下，GPT-4 几乎一字不差地输出了 NYT 的付费墙文章。这是迄今为止最具影响力的生成式 AI 版权诉讼之一。
2024—2025 年间，更多案件汇成洪流：
- 美国作家协会（Authors Guild）联合多名作家起诉 OpenAI、Meta；
- 《华尔街日报》、《纽约邮报》起诉 Perplexity；
- 多家德国、法国出版商在欧盟数字单一市场指令下追讨权利金；
- 中国"AI 生成图像第一案"在 2023 年 11 月作出判决，北京互联网法院首次认定使用 Stable Diffusion 生成的图像在符合特定条件下享有著作权——但该案的争议远未平息。
立法层面，欧盟 AI Act 于 2024 年 8 月生效，首次要求通用 AI 模型披露训练数据摘要。美国 2024 年起多个州的 NO FAKES Act、ELVIS Act 等针对 AI 克隆名人声音与肖像的法律陆续推进。
技术、法律、艺术家、平台、巨头——五方角力之下，"AI 与创意"的关系正被重新书写。它不再只是一个美学问题，而是关于劳动、产权、文化记忆的根本议题。机器并未取代艺术家，但它已经永久改变了艺术家的处境。
太史公曰
余观艺术与 AI 之相遇，自 Cohen 写 AARON 至今已逾半世纪。前四十年，AI 是艺术家书房里的一支奇笔，写程序作画乃极少数人之私语。后十年，扩散模型与大模型横空出世，机器作画、机器谱曲、机器写小说，皆从实验室走入街市。Edmond de Belamy 一锤拍卖、Sora 一段东京街景、Suno 一首五分钟流行曲——震惊世人的从来不是技术上限，而是平民化速度。然狂欢之下，亦有暗流：插画家发现自己半生风格被三个英文单词召唤、配音演员发现自己声音被克隆为他人台词、出版社发现训练集中藏着自家全部档案。Glaze 与 Nightshade 之类的"反 AI"技术应运而生——这是历史上第一次，被冲击者用自己的智慧对抗洪流。Getty v. Stability、《纽约时报》v. OpenAI、RIAA v. Suno，三场跨国诉讼将塑造未来十年的创作秩序。机器是否会"创作"？这是哲学问题，留给后世辩论。眼前更紧迫的，是机器在何种条件下"借鉴"才不构成掠夺，是创作者在何种合约下与机器协作才不至沦为零件。AI 不会让创意死去，但它已让"作者"二字的定义，比文艺复兴以来任何一次都更加摇晃。
亲历者说
征集中
如果你是被 AI 影响的艺术家、音乐人、作家、设计师，欢迎提交贡献分享你的经历。
参考资料
- McCorduck, P. (1991). AARON's Code: Meta-Art, Artificial Intelligence, and the Work of Harold Cohen. W. H. Freeman.
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., et al. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27.
- Gatys, L. A., Ecker, A. S., & Bethge, M. (2016). Image style transfer using convolutional neural networks. Proceedings of CVPR 2016, 2414-2423.
- Christie's (2018). Is artificial intelligence set to become art's next medium? (Edmond de Belamy auction record).
- Ramesh, A., Pavlov, M., Goh, G., et al. (2021). Zero-shot text-to-image generation (DALL·E). Proceedings of ICML 2021.
- Rombach, R., Blattmann, A., Lorenz, D., et al. (2022). High-resolution image synthesis with latent diffusion models. Proceedings of CVPR 2022, 10684-10695.
- Roose, K. (2022, September 2). An A.I.-generated picture won an art prize. Artists aren't happy. The New York Times.
- Shan, S., Cryan, J., Wenger, E., et al. (2023). Glaze: Protecting artists from style mimicry by text-to-image models. Proceedings of USENIX Security 2023.
- Shan, S., Ding, W., Passananti, J., et al. (2023). Prompt-specific poisoning attacks on text-to-image generative models (Nightshade). arXiv preprint arXiv:2310.13828.
- The New York Times Company v. Microsoft Corporation, OpenAI, et al. (2023, December 27). U.S. District Court, Southern District of New York, Case No. 1:23-cv-11195.
- Andersen et al. v. Stability AI Ltd. et al. (2023, January 13). U.S. District Court, Northern District of California.
- Getty Images v. Stability AI (2023, filed). High Court of Justice (UK) and U.S. District Court, District of Delaware.
- RIAA (2024, June 24). Major music companies sue Suno and Udio for copyright infringement.
- OpenAI (2024, February 15). Sora: Creating video from text. OpenAI Research Blog.