近年来，人工智能的跨学科研究方兴未艾，特别是人文领域如何与人工智能进行跨学科合作，成为热点问题。在西方学者看来，“人工智能就是研究如何制造或者程序化计算机，使得它们能够做那些心灵可以做的事”。根据机器智能化的程度不同，可以将之分为弱人工智能和强人工智能，弱人工智能指的是机器能够智能地行动，而强人工智能则是指机器能真正地思考。因此，人工智能所谓“智能”就是像人一样思维和行动。 人工智能之父麦卡锡认为，人工智能与哲学的关系比科学与哲学的关系要更加密切，这是因为人工智能需要哲学特别是认识论的介入。在麦卡锡之前，已经有学者对该领域进行了不少研究，如塞尔针对图灵问题提出了“中文屋”假说，从生物有机体和意识的必然关联上否定了机器人能够拥有智能。德雷福斯从语境问题的角度批评了人工智能缺乏常识。人工智能哲学家博登还讨论了人工智能的情感和创造性问题。这些学者从比较宏观的角度向人工智能提出了挑战，也为人工智能美学和文艺理论的研究奠定了基础。 模拟人类情感 参与美学活动 美学家将审美、想象、感性、创造等能力视作人的思维认识的一部分。首先，从“智能”的定义来看，人工智能就必然和美学相联系，因为所谓智能，除了包括“需求和应用知识、推理和思考的能力”，还包括“通过五种感觉来感知”、“情感体验”等能力。智能就是人类的思维能力，科学家将人类思维分成三种——抽象(逻辑)思维、形象(直感)思维和灵感(顿悟)思维。人工智能如果想要真正成为智能，就不能仅仅模拟人类的抽象思维能力，即推理和逻辑能力，还要模拟人类的情感、感性、创造等与形象、灵感有关的能力，而后者正是美学所研究的对象。 其次，从人工智能在情感、感性方面的应用来看，随着人类与计算机交互关系越来越紧密，人们已经越来越重视人工智能情感的重要性。例如智能系统在与顾客交流时，可以通过顾客的服装打扮、面部表情、肢体动作来分析顾客的情感，如果智能系统也要具有相应的情感传达，就能使得双方交流更加平等顺畅。因此，如何设计情感程序成了如今人工智能的一大难题。 再次，从人工智能在艺术方面的应用来看，人类借助人工智能计算机创作艺术甚至编写智能程序，让智能机器人在一定程度上独立地进行艺术创作，都已经成为了现实。例如美国艺术家科恩设计了艺术创作软件“Aaron”，该软件所创作的绘画已具有自己的风格，甚至被美术馆收藏。天津大学孙济州的“中国水墨画效果的计算机模拟与绘制系统”，用计算机模拟生成了水墨画效果。20世纪80年代，美国音乐教授库柏设计了名为“音乐智能试验”的程序，通过分析和提取音乐大师作品中的旋律特征并加以重组，使得智能体创作的音乐几乎能与大师作品媲美，而最近索尼公司设计的音乐程序则可以创作出酷似披头士乐队的作品。这些人工智能体所完成的艺术品当然也可以成为美学的研究对象。艺术风格、计算机艺术的独特性、入与计算机在艺术活动中的关系(创作者、工具、欣赏者)都属于美学研究范畴。 最后，在人工智能模拟人类的感性和艺术创作的时候，也需要对人类情感和艺术本质进行研究。人工智能在模拟人类的推理和逻辑时，探索出了非经典逻辑、不确定性推理等，针对人类的常识推理机制进行了有益的研究。同理，智能体在模拟人类情感时，也需要对之进行系统的分析。例如情感产生的机制，与人体机能、与环境的关系，与性格和文化的关系，情感如何在艺术中表达和传递等。 综上，我们可以初步得出，人工智能美学这一概念是可以成立的，它有其研究的具体对象和适用范围。人工智能美学研究的是在人工智能技术发展过程中所出现的与美学有关的一些问题，其主要内容包括人工智能对人类感性和艺术的模拟、人工智能艺术的风格与鉴赏、人工智能视野下人类情感和艺术本质问题等，其方法主要是哲学美学的，并需要结合诸多跨学科如脑科学、神经科学、生物进化等理论以及人工智能领域最新进展来进行研究。 深入具体程序 认识情感思维 随着时间推移和技术发展，人工智能美学定义的内涵和外延也会发生变化，但是，其基本的两大内容——对人类感性特别是情感表达以及对人类艺术行为的模拟，应该在相当长时间内是人工智能美学研究的对象。而且人工智能美学研究，除了对人工智能艺术和美学进行方向性建议以及总体把握之外，应该更多地参与到具体的案例研究中来，对于人工智能与艺术、情感有关的具体技术环节进行指导和协助。 首先是人工智能的情感问题。目前广受欢迎的智能体小冰、贤二等，能够针对客户进行适度的情感分析，并根据分析结果进行对话。而这种情感分析的基础是“感情计算”，MIT计算机专家皮卡德提出，我们可以利用计算机强大的储存、搜索和运算能力，来计算、分析与情感相关的外在表现，如面部表情、心跳速率、皮肤温度等生理特征。除此之外，感情计算还可以分析艺术家在作品中留下能体现情感的相关痕迹，如色彩、形状、线条、文本等。在分析过程中，需要借助美学家、艺术理论家对艺术品和艺术家的情感分析，这就是美学参与到人工智能研究的实例之一。同样，感情计算也给美学家提供了一种思路，即艺术家创作时的情感也许可以量化研究和分析。 其次，在人工智能创造艺术品时需要讨论创新性和艺术标准问题。如Facebook与美国高校合作开发的绘画程序CAN(创新性对抗网络)，宣称能够创造出新风格的绘画作品，并且能够通过图灵测试，让艺术爱好者分辨不出是人还是机器创作的艺术品。CAN与传统的GAN(生成性对抗网络)的不同在于，它在鉴别器中设置了两种标准。一个是“是否是艺术”，另一个是“所生成的艺术属于什么风格类型”，这两种标准被设置成对抗性的，即既要生成属于艺术范畴的图像，又要设置不同于既定风格的图像。这实际上是一种应用了学习偏差(最大限度的偏离既定风格)以及鉴别艺术标准(最小限度的偏离艺术范围)的方法。也就是说，创新是在既定范围内对原有规则的突破和偏离。根据CAN的工作机制，我们可以看到，其所谓的创新性是建立在艺术风格和艺术标准基础之上的，而这正是美学范围。而且，最终对CAN所创作的作品的风格鉴赏和艺术评判，也需要由美学家所作出。因此，人工智能程序的设计也必须有美学家、艺术家参与。而更重要的是，美学家对于CAN创新性和艺术标准的研究和批评，正是人工智能美学的重要研究范围。
