类型b

作者Michael Mateas是卡内基梅隆大学计算机科学系和创意探究工作室的研究员，同时也是计算机科学专业的博士候选人。本文发表于2001年的学术期刊《Leonardo》第34卷第2期。

本文探讨了一种新的跨学科领域——表达性人工智能（Expressive AI），它结合了艺术实践与人工智能研究实践。文章通过对比其他AI论述，描述了表达性AI如何从艺术和AI研究实践中借用解释和创作的概念，并提供了初步的实践需求。

表达性AI的核心概念之一是将AI系统视为沟通与表演的媒介。这一概念通过图1展示，AI系统（标记为“小玩意”）在艺术家和观众之间进行中介。这个小玩意构建了艺术家和观众协商意义的上下文。艺术家试图通过构建小玩意的解释性功能来影响这种协商，即为观众提供必要的资源，让他们能够理解小玩意在做什么以及作者可能想要传达的意义。

文章详细讨论了三个基于AI的艺术作品，这些作品为讨论表达性AI实践提供了具体的依据。第一个作品是主观化身（Subjective Avatars），这是一种主动操纵观众在虚拟世界中的主观位置的化身。第二个作品是办公室植物#1（Office Plant #1），它是一种适应办公室生态的技术对象，填补了与植物相同的社会和情感生态位。第三个作品是终极时间（Terminal Time），这是一个根据观众反馈生成带有意识形态偏见的历史纪录片的机器。

表达性AI的一个重要方面是其对作者意图和技术架构关系的反思。不同的技术架构及其支持的技术实践提供了不同的作者性和解释性功能。通过对这些关系的积极反思，实践者提高了作为基于AI的艺术家的技能，更能够驾驭功能和架构的设计空间。这一点与传统AI实践不同，后者通常不明确关注功能。

文章还强调了文化理论在表达性AI中的价值。文化理论有助于揭示隐藏在AI实践中的假设，使艺术家能够获得对AI技术的自由关系，避免被历史建构的“自然”技术解释所束缚。保持对技术的自由关系是一个过程，而不是一个可实现的终点。没有最终的、完美的AI可以找到，无论是为了艺术还是其他目的。

表达性AI不同于传统的AI应用，它不是简单地使用现成的技术来完成具体任务，而是同时探索解释性和作者性功能，从而改变AI实践。表达性AI并不特别推崇某种技术传统，而是一种可以从所有AI技术中重新思考和转化的立场或观点。

表达性AI的另一个特点是微世界（Microworlds）的概念。构建微世界是20世纪70年代流行的一种AI方法，其想法是建立简单、受限制的人工世界，其中AI系统可以展示其能力。尽管微世界研究议程受到广泛批评，但在表达性AI中，微世界概念仍然有用。一个基于AI的艺术作品可以是一个具有人类意义的微世界。只要这个微世界具有某些文化兴趣，系统仍然可以作为艺术品发挥作用。

文章提出了表达性AI的一些初步需求。首先，表达性AI不仅仅是“应用”。它改变了焦点，从AI系统本身转向作者与观众之间的沟通。构建人工制品的技术实践成为探索哪些架构和技术最适合作为铭刻设备的过程，作者可以在其中表达他们的信息。其次，表达性AI强调对与不同架构相关的功能进行积极反思。最后，文化理论在表达性AI中具有极高价值，有助于揭示隐藏在AI实践中的假设。

总结而言，表达性AI是一种新的跨学科领域，结合了艺术实践与人工智能研究实践。它改变了AI系统的焦点，从系统本身转向作者与观众之间的沟通。表达性AI不仅拓宽了AI的应用范围，还深化了我们对AI技术和文化生产之间关系的理解。通过结合艺术与科技，表达性AI为未来的研究和创作开辟了新的可能性。