三个问题：超越数据驱动的美学

MIT News — Artificial Intelligence 2026/06/29 18:00 新闻

mit architecture aesthetics ai-art design-computation exhibition machine-learning

摘要

麻省理工学院校友亚历山德罗斯·哈里迪斯（Alexandros Haridis）就其展览《超越数据驱动的美学》接受采访，该展览通过实体装置和可视化作品，探讨计算、人工智能与审美判断在历史和哲学层面的交汇。

《超越数据驱动的美学》由麻省理工学院建筑系校友兼研究员亚历山德罗斯·哈里迪斯（Alexandros Haridis）创作，在麻省理工学院凯勒画廊展出至6月30日。该展览审视了20世纪和21世纪将计算转化为建筑与应用艺术领域中创意生产与审美判断媒介的努力。依托哲学、数学、计算机科学和设计计算，展览将算法、理论和机器学习系统转化为实体装置和交互式可视化作品。问：是什么启发了《超越数据驱动的美学》？它探讨了哪些问题？答：《超越数据驱动的美学》的概念起源来自三条交叉的研究线索。首先，大约在2022年，当我完成麻省理工学院建筑系的设计与计算博士学位时，我实时观察到数据驱动机器学习的进展——例如ChatGPT和Stable Diffusion等系统——正迅速进入关于创造力、审美判断、设计甚至高端艺术拍卖的公共讨论中。同时，我自己的研究已经聚焦于审美判断与评估，我越来越清楚地意识到，许多在公众面前被描述为与AI相关的“新”问题，实际上在整个20世纪有着更悠久的历史。例如，在1956年的达特茅斯夏季研究项目（人工智能领域的奠基性事件）中，创造和评估过程被确定为未来AI研究应解决的人类智能的七个关键维度之一。其次，展览受到设计计算与形状语法研究的影响，这些研究通过基于规则的方法而非纯粹的数据驱动学习，探讨人类洞察与计算之间的关系。更近期的美学理论解释性研究——借鉴了塞缪尔·泰勒·柯勒律治、奥斯卡·王尔德甚至约翰·冯·诺伊曼等人的思想——对我尤为重要。这些研究考察了哲学和文学文本中阐明的审美价值与比较理论，是否可能揭示当代数字计算与AI模型在建筑和设计中的可能性或局限性。最后，展览的动机在于将设计、制造和数据可视化作为解读数学概念、算法和“黑箱”机器学习系统的方法。跨学科的研究人员越来越多地使用重构和可视化技术，使计算系统更加具体和可解释——从计算机科学中的神经网络可视化，到建筑与策展实践中的软件重构和数字制造。问：您如何将计算与美学研究转化为展览？答：展览的方法是从特定的研究论文或书籍中找出最能捕捉其核心思想的内容，然后用设计以视觉、空间和体验的形式来诠释这一思想。借助软件重构、实体制作和数据可视化等设计技术，展览将充满算法思想、抽象概念和数学公式的文字来源，转化为包含互动、物质形式和数字可视化的空间故事。展览本身围绕五个主题区域组织：审美度量、审美准则、算法美学、审美挪用和审美新颖性。每个主题作为一扇选择性“窗口”，展示源自特定出版物（一本书或研究论文）的独特计算审美判断方法。这些主题的名称来源于每部出版物的核心概念。例如，“度量”指的是数学家乔治·伯克霍夫在20世纪30年代用数学方法量化审美价值的工作，而“新颖性”则考察机器学习系统AICAN如何根据认知美学理论（平衡熟悉度与偏离已知艺术风格）判断生成的图像。在所有五个案例中，关键的见解是，设计本身可以作为一种解释性翻译的方法——一种使技术领域传统学术研究通常仅通过文字和类似文字的表征手段（如科学图表和表格）传达的内容变得可见、可触和可体验的方式。问：您希望接下来探讨哪些问题？答：《超越数据驱动的美学》既被设想为一个研究展览，也是一个持续的平台，用于调查计算系统如何在建筑和应用艺术领域参与审美判断、生成和转化过程。展览的核心问题之一——也是建筑、设计和工程领域研究者日益关注的问题——是超越纯粹性能或功能需求的计算评估。这适用于许多不同的设计空间，无论是建筑、结构形式还是日常产品。展览的案例研究表明，这些问题中的许多在目前对计算和AI的关注之前早已存在，并且至少从20世纪初开始就通过一系列计算和理论评估模型得到了探讨。同时，我对这些想法如何进入与建筑环境相关的更广泛应用越来越感兴趣。特别是，我对与《超越数据驱动的美学》相关的研究如何帮助设计师和工程师更好地理解计算——无论是基于规则还是数据驱动——如何告诉我们哪些因素对人类体验有积极贡献，涉及人们居住和使用的空间与物体。最后，我持续探索的一个方向是设计本身作为解释性工具的方法论角色。通过软件重构、可视化和实体制作，展览利用设计将不透明的计算系统转化为更清晰、更具体、更具体验的人工制品。更广泛地说，这不仅开启了关于机械化“美”或“品味”（20世纪美学形式主义的传统关注点）的问题，也引发了关于传统研究学术和交流形式如何通过空间、视觉和面向公众的格式演变的问题。

查看原文

查看缓存全文

缓存时间: 2026/06/30 05:18

# 三个问题：超越数据驱动美学 **Q:**是什么启发了“超越数据驱动美学”展览，它探讨了哪些问题？ **A:**“超越数据驱动美学”的概念起源源于三条交叉的研究线索。首先，大约在2022年，当我在麻省理工学院建筑系完成设计与计算博士学位时，我实时观察到数据驱动机器学习的进步——如ChatGPT和Stable Diffusion等系统——如何迅速进入公众关于创造力、审美判断、设计、甚至著名艺术品拍卖的讨论中。与此同时，我自己的研究已经聚焦于审美判断与评估，我越来越清楚地意识到，许多在公众面前被呈现为与AI相关的“新”问题，实际上在整个20世纪有着更为悠久的历史。例如，在AI领域奠基性的1956年达特茅斯夏季研究项目中，创造与评估过程就被确定为未来AI研究应解决的七项人类智能关键维度之一。其次，这次展览受到设计计算和形状语法研究的影响，这些研究探讨人类洞察力与计算之间通过基于规则的方法（而非纯粹的数据驱动学习）所建立的关系。近年来对美学理论更具阐释性的研究——借鉴了诸如塞缪尔·泰勒·柯勒律治、奥斯卡·王尔德乃至约翰·冯·诺依曼等人物——对我尤为重要。这些研究考察了哲学和文学文本中所阐述的审美价值及比较理论，是否可能揭示了当前建筑与设计中数字计算和AI模型的可能性或局限性。最后，这次展览的动机源于将设计、制造和数据可视化作为解读数学概念、算法和“黑箱”机器学习系统的方法。在各个学科中，研究人员越来越多地使用重建和可视化技术，使计算系统更加具体化和可阐释——从计算机科学中的神经网络可视化，到建筑和策展实践中的软件重建与数字制造。 **Q:**你是如何将对计算和美学的研究转化为一个展览的？ **A:**这次展览的方法是，找出特定研究论文或书籍中最能体现其核心思想的要点，然后利用设计以一种视觉、空间和体验性的格式来阐释该思想。通过运用软件重建、实体制作和数据可视化等设计技术，展览将充斥着算法思想、抽象概念和数学公式的书面资料，转化为包含互动、材料形态和数字可视化的空间故事。展览本身围绕五个主题区域组织：**审美度量**、**审美准则**、**算法美学**、**审美挪用**和**审美新颖性**。每个主题都作为一个选择性的“窗口”，对应着来自特定出版物（一本书或一篇研究论文）的某种独特的审美判断计算方法。这些主题的标题源自每份出版物的核心概念。例如，“度量”指的是数学家乔治·伯克霍夫在20世纪30年代用数学方法量化审美价值的工作；而“新颖性”则考察机器学习系统AICAN如何根据认知美学理论（该理论平衡了与已知艺术风格的相似性和偏离程度）来评判生成的图像。在所有五个案例中，一个关键见解是：设计本身可以作为一种阐释性翻译的方法——一种使技术领域传统学术研究通常仅通过文字和类似文字的表述工具（如科学图表和表格）来传达的内容，变得可见、可触碰和可体验的方式。 **Q:**你希望下一步探索哪些问题？ **A:**“超越数据驱动美学”既被构想为一个研究型展览，也是一个持续的平台，用于调查计算系统如何在建筑与应用艺术领域参与审美判断、生成和转化的过程。该展览的核心问题之一——也是建筑、设计和工程领域的研究人员越来越关注的——是超越纯粹性能或功能要求的计算评估。这适用于许多不同的设计空间，无论是建筑、结构形式还是日常产品。展览的案例研究表明，这些问题中的许多都远远早于当前对计算和AI的兴趣，并且至少从20世纪初开始，就已经通过一系列计算和理论评估模型得到了探讨。同时，我对这些想法如何能够应用于与建筑环境相关的更广泛领域越来越感兴趣。特别是，我关心与“超越数据驱动美学”相关的研究如何能帮助设计师和工程师更好地理解计算——无论是基于规则还是数据驱动的——如何告诉我们，在人们居住和使用的空间与物体方面，什么对人类体验有积极贡献。最后，我持续探索的一个方向是设计本身作为一种阐释性工具的方法论角色。通过软件重建、可视化和实体制作，这次展览利用设计将不透明的计算系统转化为更易读、更具体、更可体验的物件。更广泛地说，这开启了一系列问题，不仅涉及机械化“美”或“品味”（这是20世纪审美形式主义的传统关注点），还涉及传统的研究学术和传播方式如何通过空间、视觉和面向公众的格式而发展演变。

三个问题：超越数据驱动的美学

相似文章

AI艺术让我思考我们究竟在艺术中看重什么

探索人工智能的社会影响

机器时代数据可视化的手工之美

问答：麻省理工学院人文艺术与社会学院（SHASS）与人工智能时代教育的未来

更好的AI图像

提交意见反馈