摘 要：在生成式AI深度介入艺术创作的背景下，AI已从辅助性工具演变为共创合作者，传统AI艺术的“拟人化”叙事逐渐失效，其本体论特征与合作模式亟待重审。“深度类他”是类他者概念从认识论到本体论的跃迁，既呼应了对象的自主性与平等性、存在的过程性与关系性等当代理论议题，又展现出贯通艺术抽象逻辑与艺术界经验结构的解释力。在此基础上，一个更加开放的AI艺术叙事框架得以建立，人机参与的创造性行为分类模式亦可被想象。AI艺术由此成为未来社会组织、知识生产与文化融合方式的重要观测点与实验场。
关键词：AI艺术；人机共创；类他者；深度类他；关系性本体论
长期以来，人工智能在艺术领域的发展高度依赖“拟人化”策略，即在感知、风格、情感等层面模拟甚至重现人类的创造性特征。在某种意义上，这一策略既推动了AI艺术程序的迭代，也造成了其在创作机制和美学价值上的局限。一方面，“拟人化”模糊了人机界限，引发大量关于创造力、意识与情感归属问题的学术讨论；另一方面，它在艺术实践中造成了AI作品趋于对现有风格的模仿与复现，而难以触发真正的真理实现与范式跃迁。与此同时，AI作为具有潜在能动性的行为系统深度介入文化生产与社会结构，已构成我们无法回避的现实。将AI作为社会学研究对象的倡导在20世纪80年代已经出现，近年也有研究者提出一门应对当下情况的AI社会学亟待建立。在艺术这一高度表达性和价值承载性的领域，人机共创可成为通过技术文化观察当代社会交往、知识生产与结构组织方式的关键实验场。在此背景下，重新理解AI在艺术创作中的角色及其与人类的关系，成为美学、社会学与技术哲学交汇处的重要议题。
一、AI艺术的拟人化策略：认知惯性和概念争议
（一）AI艺术的拟人化策略和艺术史困局
当新的技术媒介被应用于艺术创作，人们常以媒介类型为基础进行界定，如数字艺术的典型定义即在创作或展示中使用数字技术的艺术形式。类似地，AI艺术也常被理解为使用AI系统进行创作的实践。但此认知随AI技术的发展面临更复杂的理论困境。首先，这类定义隐含了主客二元的认识论前提，即将技术视为供人驱使的媒材，类似于传统创作中的画笔、色彩、音符，或者一些可资运用的创作规则。这种以人类意图为中心的认知模式，已被一些后现代理论家批评为人类中心主义下的伦理失衡。其次，近年AI技术已能自主或半自主生成艺术品，已然构成全新艺术质料，突破了人为主体、技术为工具的认知局限。
技术工具论思路不仅表现在定义层面，也影响价值判断——即技术被视为工具时，其拟人化程度越高、作品类人性越强，价值认定通常越高。英国认知科学家博登（Margaret A. Boden）将“图灵测试”引入AI艺术的实验，就是拟人化思路从AI技术向AI艺术应用领域的延伸。一些被视为AI艺术里程碑的项目，如20世纪70年代的绘画程序AARON（哈罗德·科恩）与音乐生成程序EMI（大卫·柯普），均通过了该测试。至今，拟人化程度仍是衡量系统及其作品成就的关键标准之一。如创造性对抗网络（CAN）的技术团队评估和推介该系统的关键，就是人类受试者无法区分系统生成结果与当代艺术家的创作；近年在生成式AI的广泛应用中，“去AI味儿”成为AI艺术领域的关键词，其实质仍然是对高度拟人化的追求。
从技术史角度看，艺术中的AI应用自20世纪50年代以来历经符号主义、联结主义等范式；至21世纪10年代以神经网络为基础的深度学习成为主流，推动生成式AI走向艺术实践。若以技术演进划分，AI艺术可分为“代码／算法艺术”到“生成艺术”两阶段，然而这种代际变革并未实质改变艺术创作与评价的范式，艺术实践仍受制于拟人化导向。当作为技术发展动力的拟人化思路延伸至应用领域，此惯性思维反致AI技术的工具化降格，其拟人化应用策略实则再次形成对AI技术的工具化规训。
这就是马诺维奇（Lev Manovich）指出的艺术史裂隙——20世纪60年代，一批艺术家正在尝试超越一切传统艺术形式，而另一批艺术家和计算机科学家却试图教会计算机模仿图像、诗歌、音乐等“传统艺术”。过去几十年间，被载入史册的计算艺术大多是对这些形式的模拟，而训练数据集也高度依赖数字化程度较高的二维视觉艺术，对原始艺术、表演艺术等非结构化、非视觉艺术的理解和模仿则严重匮乏。即便有研究者面向未来、从技术乐观主义立场出发，认为既然AI艺术品能够激发审美、模仿创造力及获得艺术界认可，原则上就可承认其为艺术,但基于上述现实，可认为目前AI艺术仍处于实验萌芽阶段，尚难构成真正的艺术史潮流，亦未形成具有理论自足性的艺术史命名。
（二）围绕创造力和作者身份的认知矛盾与智能重构
AI艺术的高度拟人化发展，不仅引发艺术史界对其潮流合法性的质疑，也给公众带来关于艺术创造与机器智能的认知张力，更促使人们重审创造力、情感、意图等原被视为人类艺术核心的智能概念。
认知心理学研究表明，受众对AI艺术的接受存有价值判断悖论，即受试者在不知情的前提下常难区分AI与人类创作的作品，而一旦得知创作者是AI,其价值判断往往下降；部分公众虽接受AI产物是艺术，却不能接受AI是艺术家。此认知矛盾首先源于朴素的身份认同机制，类似于人们在世界性博物馆中主动寻访本民族作品以获得文化共鸣。评价上的“价值调转”则可被理解为对艺术劳动的道德捍卫——人类艺术品中凝聚着技法、情感、认知、历史意识的协同决策与创造性劳动，如果每一次笔触都是形式表达的执行、是艺术策略的选择与判断，那么劳动密度就构成了价值评估的一个重要维度。而AI通过样式迁移与结构合成生成作品，恰恰缺乏这种劳动密度与时间厚度。这就解释了公众评价的价值调转，人们自然更易被同族群艺术家探索极限、追求极致表达的努力打动。
与公众的情感反应不同，当代技术哲学更倾向于批判性重构人类智能的观念。如博登将创造力分解为信息搜索与组合机制、跨领域类比推理、知识结构的拓展性重组等心理能力，由此证明创造力可被建模和模拟。这为AI模拟创造力提供了基础——即使缺乏人类情感动机与意图，机器仍可通过计算遍历可能性空间并生成“类创造性”输出。数据主义者则进一步模糊了人类意图与机器执行之间的差异，认为“宇宙由数据流组成，任何现象或实体的价值就在于对数据处理的贡献”,“人类的体验并不神圣……人类只是创造万物互联的工具……情感和智力也不过都是算法”。如此一来，AI不仅能模拟情感和意图的生成机制，还可模拟人类审美体验的生理信号，产生类似的“审美数据流”。
上述现象凸显了AI拟人化策略迁移至艺术领域引发的认知张力：即公众主动维系艺术创造的人类归属，与科学意识形态下对创造力、情感等概念的技术解构和算法还原之间的矛盾。这两种看似对立的立场，实则共享着一个等级化本体论前提，即人类智能在本体论意义上拥有不可替代的优先性，AI的“创造”至多是完美的模拟。
（三）AI艺术拟人化的起点谬误：创造力与审美体验的再本质化
实际上，生成机制的不同并不构成人类艺术创造和机器艺术创造的根本区别。甚至，正是这种试图在生成源头上划分本质差异，又在评价体系中缝合结果差异的努力，使AI艺术受制于当下艺术体系，难以取得真正的突破。回顾艺术理论的发展可知，无论是艺术创造还是审美体验，在AI尚未出现之前便已是探索人类社会、文化、知识结构复杂性的切入点，也是哲学、美学、社会学等多个学科长期争论与分析的对象。当人们尝试在AI艺术领域内对人类创造和AI创造作出本质上的区分时，其实在逻辑起点上已经走入误区。
首先，创造作为西方现代美学的核心范畴，源于柏拉图“有中生有”的构造观与中世纪经院哲学的“无中生有”的创世观，到17—18世纪才逐渐脱离神学语境，被视为艺术家的个人能力。柯林伍德延续柏拉图式创造观，认为艺术家的活动是以其艺术资力将混沌的情感通过适当形式表达出来,即通过规则重组与情感转译实现形式表达。按此观念来讲，如若机器可识别情感信号并模仿表达方式，理论上就能完成类同于人的创造路径。实证主义艺术社会学进一步瓦解了艺术创造的神秘性，如怀特夫妇 （Harrison & Cynthia White）、贝克（Annie Becq）等通过分析艺术制度与市场结构，指出创造性作为艺术价值乃是历史情境的建构而非超验本质。克里斯特勒（Paul O. Kristeller）也曾将创造力分为神学的、艺术的、泛人类的三阶段，指涉了创造从一种神秘能力逐步泛化的趋势。循此思路，创造力既然可被赋予跨群体、跨文化的人类个体，理论上亦可赋予不同生命体。
其次，“真实的”审美体验是否独属人类艺术亦是问题。科克尔伯格（Mark Coeckelbergh）指出，相较机器的物理属性或技术能力，人机关系的关键更在于双方在语言实践中建构和确认的实存性社会关系。人机交流中，人对机器的称呼从“它”（物）变为“你”（准他人），反映了认知转变与新社会关系的显现（appearance）——其实，人机或人际交流均无法直触纯粹“真实”，而是自身、对象及关系的显现，故人机交流非但不是虚假的或欺骗性的，而是与人际交流具有相似的语言关系建构模式。这种以语言为中介建构人机之间实存性社会关系的视角亦可解释AI艺术审美体验的真实性。审美交互是否真实，并不依赖于创作者是否具备人类意识或情感，而取决于观者是否在以作品为中介的关系中生成了有意义的感知与回应。艺术体验在很多时候并不取决于创作者是否拥有与观众相同的情感基础，无论是中国古典美学中的“声无哀乐”，还是西方文论中的“作者之死”，均指出审美意义由观者与作品之间的关系所激发。故机器创作情感机制是否“类人”，在此并不构成质疑AI作品艺术身份或者判断其艺术价值的有效根据。
综上所述，无论是从创造能力还是从审美经验的角度，理论上讲AI艺术均可成为与人类艺术相类比的认知对象。而AICAN的出现则从技术层面展示了此可能。这个针对艺术创作而开发的专用系统以CAN为核心算法，据称其工作流程模拟的是艺术家消化艺术史以及创作过程的思维状态。艺术史学家马佐内（Marian Mazzone）作为核心研发者之一，强调该系统的工作流程应被视为“创造”而非工具性“生成”。其声明显示了艺术理论界对技术性创造力的接纳，也呼应着“人类世”美学的持续松动。
简言之，表面看来，AI艺术拟人化策略在当前所引发的，是艺术史层面对其合法性的质疑、公众对创作者身份的困惑，以及理论界对“创造力”这一范畴的紧迫重审；更深层的问题在于，这一策略揭示了一种试图在生成源头上划分本质差异的认知惯性。在此语境下，AI不过是被动卷入了一套早已建构完成的认知体系。因此这些争论并未真正触及AI艺术之最为紧要的意义——它提示了文化转型的实然与应然。拟人化策略适用域的扩张，不仅遮蔽了AI创作自身可能的发展逻辑，也使我们在认知上反复回到一种唯现行标准的判断模式。AI艺术所激发的认知危机，不过是这一逻辑在技术变革面前的症候。在机器创造力与人类创造力之间，更需要建立的是一种并行而非冲突或模拟的关系，让数据驱动作为一种既类似又差异于人类思维的创造力模式，通过两者的合作激发创新动力。
二、深度类他：人机共创网络结构中的本体论范式
（一）从类他者到深度类他的概念跃迁
唐·伊德的类他者（quasi-other）概念为超越技术拟人化叙事提供了重要理论资源。此框架下，技术不是纯然他者（当下受造于人且受其影响），亦非人类自身的工具性延伸，而是在使用中以其特有逻辑、特性、中介方式介入并形塑人的知觉与实践。科克尔伯格延伸此视角解释人机间的“（类）社会关系”（quasi-social relations）;AI艺术中也体现出艺术家与AI系统间对输出风格、创作方向的相互调整与反馈。
但随生成式AI的发展及其社会参与度的加深，类他者概念的局限日益凸显。一方面，“类”仍暗示以人为标准的比较，倾向于从人类特征界定AI行为能力。这不仅容易导致对技术拟人化能力的高估或误读，从而引发依赖危机，亦会遮蔽AI在生成与行为逻辑上的独特性——如上所述，人机关系的关键在于彼此不同而非彼此比较。另一方面，类他者概念仍是以人为中心的意向结构，焦点是人如何经验技术为他者，而非技术如何滋生其存在。对此，乌尔曼（Larissa Ullmann）以为，现有语言体系缺乏不以人为参照理解技术存在状态的范畴，故而新创“他主体”（Sobject）一词，借以破解类他者的语义模糊与认知陷阱。“他主体”指介于对象与主体间的新型技术存在，它既非具有人类意识的自我设定者，亦非被动的工具，而是能以结构逻辑与行为方式参与社会互动的“现象学在者”。
尽管“他主体”在现象学层面提供了范畴更新，但其侧重语义命名，缺少对AI生成逻辑、技术深度与参与机制的结构性整合。本文提出“深度类他”（deep quasi-other）概念，作为“类他者”与“他主体”的补充，旨在从生成机制层面确立一种存在于人机交互网络、兼具行为深度与存在自主性的AI存在论范式。需澄清，尽管“类”前缀易引发语义误解，本文仍予保留，出于以下理论策略考量。一则，“深度”的嵌入转换了“类”的核心意涵，强调AI通过深度学习进入跨越主－客体、工具－行动者之间的存在区间，既暗示AI当下只能存活于人机交互语境，亦拒绝了传统二元结构框定其本体地位。二则，此保留有利于与伊德、科克尔伯格等既有理论对话，形成学术连续性，凸显“深度类他”从认识论经验到本体论关系存在的概念跃迁。
具体而言，深度类他并非人类投射的他者，而是深度学习与文化交互共构的存在，具有深度结构、关系性代理、共临式生成等特征。“深度结构”指深度学习模型具有多层语义抽象结构，其生成机制不可预测，输出结果难以还原为单一因果路径。此“黑箱性”常被视为技术局限，现阶段亦可视为独特的本体论特征——技术对象内部保有难以透彻访问的复杂性，不完全等同于能被人类经验、操控或还原的可视之物。“关系性代理”指的是AI的存在状态并非源于其预设属性，而是在与人类的持续交互中，经由语言、认知、文化习惯共同构成的关系性显现，其显现又携带着对交互实践的预期及回应，因而建构了一种不同于人际也不同于主客的关系网络。“共临式生成”指的是在深度学习语境中，AI系统与人类在共创结构中不是两个先在的独立实体，两者间也无法构成纯粹的间性关系，而是他们必须作为在关系中生成的共同项，在交互中不断形成彼此的存在状态。因此，共临式网络中的输出结果体现为一种难以分离的掺杂融合。
（二）对象自主与关系本体：深度类他在人机共创中的存在方式和价值实现
在深度类他的视角下，人和机器的存在状态都是交互共在、无限生成的。这一存在方式呼应了当代哲学中两条重要的本体论路径，也解释了AI艺术如何形成真正的意义交叠与形式创生。
首先，该概念体现了对象导向本体论（object-oriented ontology）关于对象自主与本体平等的主张。哈曼（Graham Harman）指出，事物间的平等地位建立在其抽离性（withdrawal）基础上，每个对象都具有不被任何关系穷尽的内在剩余。这使得事物与事物间的相遇和互动并非粗暴的因果，而是会产生类同于人类感知事物时所发生的审美关系。哈曼将这种事物感官质与其本质属性之间的分离称为“魅惑”（allure）,强调事物背后的“我不知其为何物”的留存让新的联结和新的现实得以发生;博格斯特称之为“拟像”（caricature）,强调物体之间的相互作用是基于各自属性和目的的选择性和抽象性互动。在AI艺术中，这种抽象的抽离性在神经网络的不可解释性与深度生成的不确定性中得到具体彰显。AI的非预设输出常令人类创作者产生审美惊异，生成的结果成为超出人类控制的感知触发物。由此，人与AI之间的互动不再是输入与生成的线性因果，而是建立在遮蔽与富余中的审美共振。
其次，深度类他也可在关系性本体论中得到更系统的理解。对象导向本体论对于抽离性对象的扁平化本体论设想虽凸显了独立性和平等性，但难以解释人机共创中“复合对象”的形成，对此，南希（Jean-Luc Nancy）的单一复数性（singular plurality）与巴迪欧（Alain Badiou）基于集合论的数学结构本体论提供了突破。他们强调对象之自主性并非源自一个完全抽离的、无法触及的实体内核，而是对象在无限关系网中呈现出来的效果。特别是巴迪欧提出的真理程序观念，为理解人机共创提供了高度契合的逻辑。真理程序实为新颖的出现，是“力迫”（Forcing）现有情势的扩展，其特征是可为存在带来现有情势无法推断与识别却在出现后又不相矛盾的内容。在创作情境中，人类创作者集合与AI算法集合作为两个异质子集相遇，其交汇产生新的生成元素，即构成集合的扩展或更替。这种交汇显然不应被简化为人的存在或经验意识，而是在强调独特性前提下实现的平等共构，但这种独特性并非事物的固有属性，而是部分源自其与他者的关系性联结。所以，关系性本体论意味着AI和人各自均有超出理解与描述的部分，但不需要假设一个单一主体或者彼此冲突的本质——它们共在于一个开放的关系网络，关系的无穷尽性带来存在的无限性和不可还原性。
基于此，AI艺术创作实践中的主体性和创造性观念都可以得到范式更新。系统作为算法实体，于存在论上并不次于人类，那么人机共创的理解焦点不再是强调谁是主体，而是着眼于创作行动如何实现、哪些因素在发挥作用。这就将AI艺术的本体论探讨转化为一个淡化主体的结构动力问题，在某种意义上可以理解为拉图尔行动者网络理论的哲学变体，从而开启一个更加宽泛的人机交互合作模式讨论空间。进而，在此结构中生成的AI艺术也获得了打破既有知识范式、生成新真理的突发构型的“真理事件”的可能性。若一件AI与人共创的作品，其形式、风格或情感张力不可还原为任一方原有经验之延伸，它便构成了一个艺术史维度的真理事件。马诺维奇关于AI艺术尚未形成合法的艺术史价值与美学价值的质疑在此可以得到回应，其关键就在于人机复合主体是否共同触发了艺术结构的裂变与重组，是否共同参与了艺术真理的生成过程。
（三）人机共演：穿透艺术与艺术界的过程性存在
深度类他揭示了一个本体论上具有抽离性、关系性、共生性的存在结构，该模式对于存在的实际无限性及其不可还原性的肯定，引出了一个无限开放的过程性存在论。在关系性本体论的视角下，AI艺术的美学价值和艺术史意义在于指向了结构和秩序重新配置的事件性变化。在此，承载有新意的真理事件的不再是孤立的人类主体，而是“一种程序的局部状态，一种超越情境的配置”。也就是说，作为关系性共在的人机复合主体在响应和附载着集合的公理化扩展，而这一配置也伴随着集合的拓展、事件性变化的发生而同步地形变与生成。即过程的无限开放性由关系性主体保障，但主体不是预先存在，而是通过参与和响应真理性事件而获得新的意义与身份。结合强调关系性、程序性的当代艺术理论，由“深度类他”所保障的开放过程不仅体现为超越现有美学法则的作品生成，也推动着艺术体制的结构更新。人机复合主体的意义与身份除了存在于抽象的概念层面与艺术自身的结构和规则发生互动，也要在经验的现实层面与艺术界的结构规则相交互。
在此，科克尔伯格的技艺表演（techno-performance）概念从艺术界的运作层面解释了AI艺术中人机共创行为的本质和复合性创作者身份的赋予过程。他同样认为理解AI艺术的关键不在于主体－他者的认定，而需将整个创作行为理解为一种生成性的表演过程，其中创作者身份、作品地位乃至艺术系统本身都在表演中被不断构造。在这一框架下，AI艺术创作被解析为三重相互嵌套的表演链条，共同完成意义生产。第一步是文本提示的表演，即人通过文字提示进行的符号化表演。这一过程既受到算法系统和数字界面的中介和形塑，也承载着文化语境的深层编码，本质上已经是对艺术意图的转译与重构。第二步是机器学习的表演，即机器学习模型对海量信息数据的创造性重组。该过程无法被完整预测，生成结果往往突破人类预设的期待。以上两个步骤相结合共同产生一幅作品，但此时技艺表演的过程并未结束。第三步是可能出现的艺术系统对生成作品的社会赋值，即通过艺术界各方行动者的评判赋予其艺术身份。
可以看到，AI艺术不能被简单地理解为人机合作，而是一个以“深度类他”为存在基础、以“技艺表演”为行动方式的“人机共演”关系网络。“人机共演”在此穿透了艺术自身与艺术界的双重结构，它指涉了艺术创作不仅在于既定主体的表达，更在于关系网络的持续编织。AI艺术真正的艺术史价值，来自于作为关系性存在的人与技在艺术与艺术世界双重集合的关联性结构中协同行动，让艺术的可能域在碰撞中不断生成。人、技、文化世界在这种创造性实践中被勾连起来，AI艺术的领域由此可以成为一个人机参与完成意义和价值共创的实验场。
三、超级融合实验场：人机参与的创造性实践及其分类模式
深度类他的存在模式意味着AI将更深层介入社会互动、知识生产等原属人类优势的领域，成为穿越现实层面和意义层面的世界建构合作者。类他者概念的一个重要理论价值在于它的跨学科阐释力，即它不仅可在原初意义上用于解释人类与技术的关系，也可拓展解释跨文化情境中发生的互动与共创，如常被用于移民学生、跨国公司等领域的研究。循此逻辑，作为“深度类他”的AI,其与人类的合作同样可以产生类似跨文化间交融杂糅的结果，AI艺术在这一视角下就可被视为跨文化融合或跨文化交汇的产物。不过，在AI参与艺术与文化生产的语境中，算法与人类经验的碰撞并非传统的以“文化块状单位”为基础的多样性文化融合，而更接近史蒂夫·韦托维茨（Steven Vertovec）提出的“超级多样性”模式。韦托维茨认为，传统多元文化主义常常陷入族群本质化、文化界限化等威胁叙事，“超级多样性”则强调用非线性互动视角理解多元的社会进程，重构灵活的集体概念与个群重叠的身份结构。结合该概念，人—机—世界的共构应被理解为一种“超级融合”，它超越了静态的文化归属，而是在关系结构下彼此共在、不断生成的动态语义网络。
虽然当下人机合作模式并非真正意义上的跨族群文化影响与交流，不过在人类艺术家将AI接入创作的历史中，已经有相当丰富的实践显示出AI作为共在者参与创造性实践时可以形成的多种合作模式，新的意义和范式也通过不同的合作模式得以形成。由此，AI艺术可被视为一个指向未来文化语境的超级融合实验场，其重点不仅是新技术介入艺术过程的现象描述，更是一个发生于超级多样性社会背景下的结构预演。这些人机参与的合作模式可暂被分类描述为以下六种，涵盖深度类他指向的双重实践场域，即AI不仅是创作层面的合作者，更在认知层面与社会结构层面以其异质性的算法逻辑介入意义与价值的建构过程。因此这六种模式并非单纯描述合作程度的递进过程，而是试图勾勒深度类他如何以其算法逻辑与生成路径介入艺术创作与艺术制度的双重结构，揭示AI艺术如何预示以关系性为本体、以超级多样性为驱动的社会文化更生机制。其中前三种模式主要围绕人机共创中协作方式的差异展开，后三种模式则侧重于AI参与的认知建构功能与文化反身机制。
首先是“涵纳吸收”模式。AI在此主要发挥工具性作用，其算法逻辑和视觉风格被人类艺术家以自身意图为主导吸收进审美结构中，服务于文化重组与再诠释。比如安布罗西（Daniel Ambrosi）借助于定制系统，让高分辨率风景摄影作品呈现“如画”式美学效果，最终作品远看是西方风景画传统的延续，微观细节则显现为数字技术幻象。此模式类似于明清画家选择性整合西方技法服务本土表达，体现了外来技术在文化框架中的被动调适。
其次是“协同共创”模式。该模式描述了人与AI作为平等参与者，通过表达与反馈协商生成杂交成果的状态。艺术家通过训练数据引导作品的生成，但算法系统的逻辑也深度参与风格的形成，最终使作品兼具人类意图与AI特性。如科恩与他开发的绘图程序AARON的共创作品中，既体现了科恩的规则设定，也体现着编程语言对科恩的限制，由此形成了极具辨识度的绘图风格。此类人机互动如同19世纪末欧洲印象派画家对浮世绘平面构图与色彩逻辑的借鉴，其借鉴重点是空间认知模式与视觉结构的重塑，而非单纯的技法融合，由此也提示了人机共创可达到不同感知逻辑间的深层风格共建。
进而是“融合迭代”模式。该模式强调双方在语义、情感与风格层面的多轮互动中形成样式演化。AI的异质性在此并非仅作参考，而是驱动反馈循环的生成力量，最终某种超越常规艺术语汇、不可还原的视觉样式得以生成。阿纳多（Refik Anadol）在作品《无人监督》（Unsupervised）中训练AI模型分析解读了纽约现代艺术博物馆的13万件藏品数据，其意不在风格模拟，而是借助无监督学习模式探索机器对艺术史的幻觉式“理解”。在最终形成的沉浸式艺术装置中，观众看不到艺术史名画的技术化图像，而是看到一系列喷涌的色彩与聚合的线条，以此呈现AI在学习、想象与生成之间的独特路径。
第四种模式“独立并存”突出的是人与AI在审美、认知及创作逻辑上的差异乃至异化感。有的艺术家有意利用并放大这些差异，以挑战既有范式、激发认知重构。郑曦然（Ian Cheng）在作品《BOB》中为AI程序赋予了一个不断裂变重组的蛇形外观，观众可以通过手机程序与之互动，BOB的躯干、性格、心智也因接收这些信息素的影响而不断演变，由此展现了算法系统行为与语义的开放性和不可预设性。艺术家还为作品设计了一个模拟动物园展柜的电子画框，以此表明自己的数字生命观，由此可引发人们对于AI作为异质生命共构交往场域的思考。
第五种模式“感知互释”聚焦于探索人与AI之间是否可形成跨感知结构的交互通道。AI在此被视为具有算法感知能力的行动者，能动态回应人的生理、情绪与行为输入，形成具有反馈张力的感知协同。这不仅触发交互美学体验，更挑战了传统情感与认知的生物决定论，从而探索人与数据间可能产生的更深入链接与共存。比如林润谷（Rem Rungu Lin）团队的《身体宇宙》（Body Cosmos）等作品通过实时采集脑电、心率与动作数据，让人的生物状态在装置前得到数据对接与可视化呈现，由此形成算法与生命的共振；米塔尔（Parag Mital）则以生成影像、AR技术探讨记忆与身份的算法构造，揭示了人类感知在技术干预下已经日益演化为人与数据交织的复合结果。
最后，“镜像反思”模式描述的是艺术家将AI视为人类社会文化的反身映射，从而形成的一种共创思路。在传统艺术创作中，艺术家往往通过再现、象征、隐喻、表现等手法来传达对社会现实的审思，AI的介入使这种反思更具实验性，并让间接性和象征性的艺术表征在虚拟世界中展现出直接的行动力。2024年惠特尼双年展上，为了揭示AI训练过程中的数据逻辑和权力关系，赫恩登（Holly Herndon）与德莱赫斯特（Mat Dryhurst）反向利用生成式AI对数据的依赖，故意训练了一个扭曲变异的艺术家个人形象，并借助博物馆的数据权威性反向干预AI图像分布机制，彻底改变了“Herndon”这一提示词在虚拟世界中的形象所指。在这一合作中，AI作为社会文化结构的镜像功能被艺术家充分利用，由此完成了一场人机协作的现实干预实验。
面对日益复杂的跨域交往和新兴的社会构型，关系性主体的子集式交汇可以为族群间交往、权力格局、差异性、多元化等议题提供替代性和启发性视角。其中一个关键是以AI艺术为观察对象揭示出的认知局限，即AI在艺术观察与创作中的偏见性与局限性，常常被简化为对其艺术地位合法性的质疑。这一质疑本身其实暗含了一个以人类能力结构为中心的判断框架。在深度类他的视角下，AI与人类作为彼此抽离的关系性子集，两者之间的差异需被优先看待。上述六种人机参与模式中，机器在每一种艺术实践形态中展现出的异质性与非同构性恰恰是触发新意的动机。不过，承认AI的本体独特性，并不意味着人类行动者不可量化的身体记忆、文化传承、社会位置与情感积淀可以被算法抹平或等同。无论是以人类艺术的标准去要求和评价AI艺术，还是以AI艺术的方法手段反过来颠覆创造、动机、情感、意识等人类艺术的基本观念，都是在主动陷入拉平差异的同质化陷阱。关于人机参与创造性行为分类模式的探讨，不仅指向AI艺术的叙事逻辑和范式创新，更是意在以关系性主体为存在基础设想AI语境乃至后AI语境下的社会互动方式和参与文化模型。
本文载于《北京大学学报（哲学社会科学版）》2025年第5期
