摘要：2024年人工智能视频生成模型的技术奇点到来，AIGC被迅速应用于影像生成，深刻地影响电影创作。视频生成模型不是电影技术链新增的一个技术环节，而是一种革命性的新技术。人工智能影像的本体特征取决于算法逻辑和电影语料库。算法旨在模拟物理世界，因此人工智能电影是再现现实的艺术。数据库采用深度学习的扩散模型算法训练，超越了过去电影的“自我或日常经验的体验状态”，计算机生成的影像便成为超验真实的艺术。值得注意的是，“真实”并不是人工智能电影的绝对目标，技术的变化容易改变影像的属性，算法“向真”的未来并不确定。
孟君，武汉大学艺术学院教授、博士生导师。
引 言
2016年，科幻短片“Sunspring”首次尝试使用人工智能递归神经网络（RNN）系统“Benjamin”编写剧本、生成符合规范的台词，开启了人工智能创作电影的先河。2018年，“Benjamin”再次创作了科幻短片“Zone Out”，系统在生成剧本的基础上，还用生成对抗网络（GAN）进行AI换脸，完成拼接电影数据、选择场景、配音、配乐等电影制作流程。
2024年无疑是人工智能视频生成模型的技术奇点到来之年，Sora、Stable Video Diffusion、Pika、Runway、Veo、Lumiere、Kling、Vidu、Dreamina、Pixverse、Luma、Seedance等模型“涌现”。这些视频生成模型不仅逐步实现了从文本、图片、音频到视频的多模态数据整合，而且通过数据清洗和算法调优快速提升生成的精准度，能够生成高质量的视频。多模态输入的宽容度和扩散模型的准确度使生成的影像实现音画同步、多镜头与长叙事，因此视频生成模型被迅速用于各类影像的生成，深刻地影响电影创作。与此同时，人工智能技术正在快速更新迭代，给电影带来充满未知和不确定性的前景。
目前，人工智能技术被广泛应用于电影的实验性艺术探索和商业制作，各大电影节的AI单元和AI电影节出现充满创意的人工智能电影作品，人工智能电影已然成为一种需要慎重对待的艺术形式。作为一种新的电影样式，人工智能电影存在大量理论问题亟待重释，笔者试图考察其中的两个基本问题。一个是电影技术问题：对电影来说，人工智能究竟是电影技术链的阶段性突破，还是一种革命性的全新技术？一个是电影本体问题：电影诞生以来，技术的演进始终遵循真实性原则，人工智能电影是否仍然遵循该原则？
一、再现“现实”：电影技术革新的演进旨归
2002年，媒介考古学者西格弗里德·齐林斯基谈及作为技术媒介的电影和电视时说：“从历史的观点来看，它们维持霸权的能力是很有限的。以数字化和联网计算机为标志的技术与文化上的明显变革，确实大张旗鼓地开始了，但其前景却应该是冷静而并不那么令人感到舒适的。”这一技术本质主义的论断将电影置于媒介技术发展史的纵轴中，具有强烈的技术进化论色彩。齐林斯基抛开艺术的尺度，仅从功能主义的角度判定电影走向式微未免武断，然而他对未来技术的预判却是准确的，近年“以数字化和联网计算机为标志的”人工智能技术狂飙突进，带来的变革也确实“并不那么令人感到舒适”。
根据齐林斯基的媒介技术进化论，电影是资本主义工业革命的产物，是本雅明所说的“机械复制时代”的摄影术、幻灯术等“旧技术”的“遗留物”。作为一种技术性媒介，摄影术被认为是电影的“先驱”，电影被视为摄影的活动形态。与摄影术相比，幻灯技术对电影的诞生具有更加直接的作用。幻灯在投影、大幅画面、活动影像方面比摄影更趋近电影，“早在19世纪，人们就已经利用幻灯技术表现了很多生动的活动画面，但这种活动形象的表现力存在极大的局限性。正是由于人们不满足于幻灯技术只能表现出有限的活动性，才转而寻求更有效表现运动影像的手段。可以说，一方面幻灯技术催生了电影技术，另一方面电影又从幻灯技术中借鉴学习”。在美学层面，摄影术和幻灯术都遵循“照相写实主义”美学，发生期的电影延续摄影术和幻灯术的真实性美学原则，记录19世纪末期的社会景象，还原“现实”。
电影诞生后，“静态摄影”和“活动幻灯”在还原现实功能方面的局限性，使追求“逼真再现”成为电影技术发展延绵不绝的动力。在电影的媒介域内，技术继续沿着线性迭代的路径发展，形成从简单到复杂、从低级到高级的电影技术链。“考证电影影像变迁的历史，一条线索已经变得非常清晰：电影视觉创作的百年历史是一个影像真实感不断完善的历史。”130年来，电影技术经历了从经典技术时期、现代技术时期到人工智能技术时期三个阶段的跃迁。经典技术时期发展出声音、色彩、宽银幕技术，有声片、彩色片和宽银幕电影代替无声片、黑白片，填补了人体感官对声音、色彩和视域的生理匮乏。现代技术时期出现了3D、IMAX、高清晰度、高帧率、数字技术，进一步满足了人体感官对立体、清晰、高速运动、环绕声和宏大视域的视听觉需求。经典技术时期和现代技术时期的电影技术进化路径显示，电影技术的发展是以再现“现实”为目标推进的持续性革新，是现代技术对古老反映论的回应。
乔治·卢卡契把反映论作为电影美学的哲学基础，电影艺术反映现实的奥秘是，“在电影中，个别的摄影（孤立地看客观上必然就是照相复制品）是这样前后排列起来，以这样的速度拍摄并这样剪接起来，以致它的整体印象又回复到人们通常所见的样子，‘不真实的东西’又察觉不出来了”。也就是说，电影依赖拍摄和剪接技术，以一种隐蔽的方式反映和再现现实。英国哲学家科林伍德将“再现”区分为三个等级：第一等级是一种朴素的或几乎无所取舍的再现，力求（或仿佛力求）达到几乎不可能的完全逼真的再现。第二等级通过大胆选择重要的或者“具有特色的特征并抑制其余的一切”，甚至更能成功地产生同样的情感效果，说这些特征是重要的或有特色的，仅仅意味着发现它们能够独立地唤起情感反应。第三等级则完全抛弃刻板再现，但是创作依然是再现的，因为这一次它专心致力于情感的再现。部分艺术电影追求“情感的再现”，倾向于第三等级对现实的表现。从技术的角度来说，电影主要是第二等级的再现，它不是刻板的、完全逼真的再现，而是选择性地反映现实，并唤起观众的情感。
电影的技术发展逻辑显然是“反映论”的真实性原则，从传统的影像技术、声音技术到数字技术，再现“现实”的技术沿着两个方向进化，一个方向是致力于还原现实世界的真实技术，另一个方向是构造“逼真”虚拟世界的特效技术。前者创造的是一个刻板再现的“真实”世界，后者创造的是一个“仿真”的世界，两者是不同等级的“再现”。总体来说，电影技术不断向前发展，同时新技术向下兼容，“反映论”所强调的对现实世界的还原永远是电影技术的基底，这决定了电影技术的演进始终以再现“现实”为旨归。
人工智能技术的出现打破了电影技术进化的线性进程，基于大语言模型的生成式人工智能被应用于电影，因而人工智能电影具有鲜明的技术色彩。人工智能电影在媒介考古学中被视为一种数字化媒介，沃尔夫冈·恩斯特如此描述数字化媒介，媒介考古学“将所有所谓的多媒体视为彻底数字化的媒介，因为数据逐渐把视觉、听觉、文本和图形的通道分离出来，这些通道在表面（界面）上将数据转换为人类感觉。人机界面（如计算机监视器）使无形的通信处理变得清晰可见。媒介考古学就如其概念所示，遵循福柯的知识考古学，不是在公共话语中发现媒介的隐喻性用途，而是重建由媒介‘装置’（dispositifs）创造出来的生成模型”。人工智能电影就是一种技术装置，它把各种数据转换为可感知的视听信息，视频生成模型转换数据的逻辑依然是再现“现实”，但是其过程与传统电影完全不同。
二、模拟“世界”：人工智能影像的算法逻辑
在经典电影技术时期和现代电影技术时期，电影从黑白、无声变成有声、彩色、立体、宽幅、高清、环绕声，逐步贴近人类感受到的“真实”世界。人工智能视频生成模型被定义为一种“世界模拟器”，它在技术目标上和传统电影技术一样，也是通过模拟现实达到还原现实世界的感官体验。但是，二者的技术原理不同，前者是电影技术链的阶段性突破，后者是一种革命性的全新技术。
历史地看，有声、彩色、IMAX、3D、宽银幕、高帧率等传统电影技术和CGI数字电影技术是物理意义上的局部修正，渐次向“真实”靠近，形成了以再现“现实”为旨归的技术链。巴赞在评论电影发明时期的先驱时说：“在他们的想象中，电影这个概念与完整无缺地再现现实是等同的；他们所想象的就是再现一个声音、色彩和立体感等一应俱全的外在世界的幻景。”由此，巴赞提出，电影是再现现实生活幻境的“完整电影”的神话，这个神话是“对大自然的完整模拟”。尽管巴赞把技术作为电影的第二性，技术的指向始终是“完整无缺地再现现实”。以声音技术为例，从无声片字幕开始，声音制作先后经历了蜡盘录音、同期录音、多声道、数字环绕声、LED透声、杜比全景声技术，实现“完整电影”以人为核心的听觉世界，从技术上说这个听觉世界由物理同步、多声源、立体、环绕式的“真实”声音构成。这是一套稳定且开放的技术系统，始终在形式上尽可能模仿和还原自然世界，从低级形态向高级形态发展，致力于获得无限趋向“逼真”的感官效果。
尽管同样是再现“现实”，人工智能技术在本质上区别于上述技术。人工智能不是多路径的、局部的修改和完善以臻于“逼真”，它是通过模拟器一次性生成，得到的是一种“生成式”的“完整电影”。因此，人工智能不是电影技术链的某个环节，而是完全不同的、以人为参照的元技术。这种技术并不生发于电影范畴内，也不是以制作电影为目的，人工智能生成视频只是人工智能技术的应用域之一。因此，需要追溯人工智能的技术发展源流，来说明作为电影技术的人工智能视频生成技术的特性。
人工智能的技术流派包括符号主义、联结主义和行为主义三个分支。符号主义始于数理逻辑，其认为智能始于推理。1954年马丁·戴维斯（Martin Davis）编写了第一个定理自动证明程序。符号主义致力于将机器定理予以自动化逻辑演算，进行符号的表达。联结主义源于仿生学，认为智能的基础是大脑神经元的联结。1943年心理学家沃伦·麦卡洛克（Warren McCulloch）与数学家沃尔特·皮茨（Walter Pitts）提出首个“M-P神经元模型”，开创了人工神经网络方法，使机器学习并模拟人脑的认知过程。行为主义始于控制论。1948年诺伯特·维纳（Norbert Wiener）出版了该理论的奠基之作《控制论》，提出机器可以和有机体一样感知环境并获得反馈。人工智能技术受此启发，智能体通过算法来预测和控制行为以适应环境。三大流派此消彼长，符号主义因存在应用范围限制、算力指数爆炸等缺陷而衰退；行为主义偏重行为而非心智导致应用范围受限；联结主义自20世纪50年代兴起，经历了70年代的衰落和80年代的回归，2012年数据和算力急剧增长使深度学习技术快速发展，联结主义再次兴起。深度学习的关键技术是建立多层神经网络计算模型和用反向传播算法使机器能够模仿人脑的机制完成学习任务，譬如解释模型抓取文本、声音、图片和图像等数据，自动提取特征并进行分类和分析，生成高维数据。随着基于神经网络模型架构的深度学习在人机博弈、自然语言处理、计算机视觉、语音识别、自动驾驶等领域展现出惊人效果和巨大潜力，联结主义主导当前人工智能技术的发展。
视频生成模型在电影领域的应用便是上述技术发展的结果。人工智能生成视频主要使用基于深度学习的扩散模型。扩散模型的算法理论基础是通过拟合复杂分布的变分推断（Variational Inference）方法训练参数化的马尔可夫链（Markov Chain），生成高质量的影像。马尔可夫链具有“无记忆性”，数据的未来概率分布与历史状态无关，仅取决于当前状态。扩散模型训练短期记忆的数据，随机增加噪声“扩散”样本，然后反向去噪，最终输出文本、图像或视频。简单来说，视频生成模型运行的基本过程是：输入提示词→视觉编码→视觉加噪→反向去噪（采样、多次、梯度）→视觉解码→输出视频，算法模型处理多模态提示词，“从端到端”生成所需视频。
首先和电影发生关联的计算机技术是“犹他茶壶”。1974年，美国犹他大学计算机图形学研究者马丁·纽维尔（Martin Newell）用家中的茶壶建立模型进行算法测试，因包含曲面、鞍点及表面拓扑结构等特征，“犹他茶壶”成为计算机图形学算法测试的标准参照物，1995年被皮克斯运用到3D动画电影《玩具总动员》中，成为茶话会上巴斯光年的造型。《美女与野兽》《辛普森一家》也使用了这个模型，“犹他茶壶”由此成为著名的文化符号。来源于日常生活的“犹他茶壶”，建构“好莱坞”动画系统的部分审美范式，为电影业作出重要贡献。
近半个世纪后，基于计算机技术的人工智能视频生成模型被陆续运用到电影创作中，从根本上改写电影的既有模式。第一部AI编剧的电影“Sunspring”使用的是创作者Oscar Sharp和Ross Goodwin共同开发的Benjamin系统，2016年初次使用的Benjamin系统还是一个只能用于剧本生成的小模型，基于马尔可夫链的LSMT（长短期记忆网络）算法对几十部经典科幻电影剧本进行训练，将文本分解到字母级别，学习字母、单词和短语之间的关联与概率，在此基础上生成剧本。2018年，Benjamin系统继续使用LSMT算法，借助生成对抗网络（GAN），完成短片“Zone Out”。系统不仅用于生成剧本，还参与场景、表演、配音等更多电影工作。严格来说，Benjamin系统还是一个功能有限的小模型，并不是真正意义上的视频生成大模型，它的算法逐步实现文字生成、图片渲染、声画匹配，离一次性视频生成只有一步之遥。
真正实现一次性生成视频的AI模型是Sora。2024年2月，OpenAI宣布被界定为“世界模拟器”的Sora面世，同时发布“漫步东京”“长毛象”“海底折纸”“纸飞机”“雪中的东京”“超写实火车”等48个提示词案例，48个文生视频都是根据提示词生成的60秒连贯视频，涵盖各种场景。Sora被直接定位为文生视频（Creating video from text）模型。作为专门用于视频生成的大语言模型（LLM），Sora的关键技术是扩散模型和转换器引擎。Dall-E3扩散模型的视觉算法用来除噪，生成清晰、连贯的图像；GPT-4的Transformer引擎用来理解和分析，转换器模型对数据进行预处理，将原始视频数据“压缩打包”到包含关键信息和关系的潜在空间，生成逼真、流畅、具有统一格式的视频。
Sora之所以被称为“世界模拟器”，因为它的本质是模仿真实物理世界的大语言模型。OpenAI用模型“理解和模拟运动中的物理世界”，可广泛用于语音识别、社交互动、信息生产和分发、游戏产业、自动驾驶等领域，文生视频只是Sora的功能之一。Sora具有模拟真实物理世界和虚拟数字世界的能力，能够模拟静止物体的透视感、物体运动的连贯性以及物体与环境的交互影响。当然，Sora的模拟还不够完美，存在幻觉、帧跳跃、运动细节等局限，随着技术的完善，这些问题会很快得到解决。
除了Sora，专门用于视频生成的大语言模型还有Stable Video Diffusion、Pika、Runway、Veo、Lumiere、Kling、Vidu、Dreamina、Pixverse、Luma和Seedance等，它们在视频生成的清晰度、帧率、时长等方面各有特色，目前功能最强的是Seedance。2026年2月12日，字节跳动的Seedance 2.0上线，该模型采用去噪扩散概率模型（DDPM）与去噪扩散隐式模型（DDIM）的算法，在众多视频生成模型中表现出多重优势。一是多模态输入。模型可根据用户输入的文本或图片生成视频，支持文本、图片、音频、视频四种模态输入。二是声画同步。模型将视觉流和声音流设置为独立的Transformer分支，两个分支之间设置一个“跨模态注意力桥接模块”，让模型能够同时理解时间、空间和声音三种位置信息，即关键帧在视频中的时间位置、这个物体在画面中的空间位置、这个声音事件在音频流中的时间位置，解决了声画不同步的问题。三是多镜头长叙事。Seedance 2.0为了解决长视频中一直存在“脸部漂移”和“风格跳变”的角色不一致问题，通过“像素→潜在空间→空间特征聚合→时间序列化→位置编码→稀疏注意力优化”六个步骤将60秒视频进行帧编码，让模型对长视频的时间维度建立“全局关联和局部精细”的数学表达，角色在多镜头叙事中保持高度统一，生成视频模型真正具备电影的叙事能力。多模态输入、声画同步、多镜头长叙事使模型生成视频的质量大幅提升，为Seedance 2.0进入专业级的电影制作提供了技术支持。
从Sora到Seedance，人工智能技术在持续演进，视频生成模型不断优化基础建模、数据要素化与语料库建设，喂饲数据训练大模型，实现了从实验性的“玩具”到专业应用的“工具”的质变。深度学习的三要素是算法、算力和数据，视频生成模型在多种算法模型的基础上，结合大数据和超级算力快速发展起来。算法是视频的决定性因素，它让模型能够理解物理造型、运动规律、因果推理和叙事逻辑，从而能够模拟现实世界。算法的计算逻辑追求“真实”，排斥想象和无逻辑的影像，采用具有真实性的电影数据，生成“逼真”的影像。可以说，正是因为“算法向真”，视频生成模型才成为真正的“世界模拟器”。
三、超验真实：人工智能电影的影像本体
电影诞生以来，技术进化遵循真实性原则，始终以还原现实世界为目标演进。与此同时，经典电影理论也是以真实性为电影艺术的普遍准则，巴赞的现实主义理论和爱森斯坦的蒙太奇理论两大经典理论是真实性原则的一体两面。巴赞认为，“摄影的美学潜在特性在于揭示真实”，电影应再现事物原貌，“真实”就是摄影影像的本体。爱森斯坦则强调：“真正现实主义的作品，依据现实主义的原理，必须在所展示的现象中把现象的图像和这一现象的形象（即对该现象实质的概括）表现为一个密不可分的统一整体。”如果说现实主义理论追求展示“现象的图像”，譬如巴赞推崇的长镜头偏重用单一视点展示“独特图像”的造型，蒙太奇理论则用多视点的形式来“概括形象”，表现现实世界。事实上，两者殊途同归，都是在现实主义的尺度之内反映事物的真实状态。
作为和传统技术完全不同的革命性技术，人工智能的“黑箱”技术特征决定了视频生成模型不具有摄影和蒙太奇对图像及形象的确定性控制，人机交互的人工智能电影是在随机性和不确定性中趋近真实。既然人工智能的技术本质不同，人工智能电影是否依然遵循真实美学原则？这需要从人工智能生成视频的影像特征来判断。
人工智能影像的特征取决于算法逻辑和电影语料库。算法的推理依据是真实世界的物理造型、空间关系和运动规律，也就是说人工智能电影与现实仍然具有巴赞意义上的“同一性”，是再现现实的艺术。苏珊·朗格论及艺术再现时说：“人们或许像柏拉图或亚里士多德那样看待再现，认为它是绘画、雕塑、诗或戏剧的社会功能，作用是将观众的心意引向艺术品之外，即引向其再现的事物或行动；或许它可以被看作是艺术家创造作品的动机——对令他着迷的事物或他渴望将之永恒化的人物或场景的记录。”在苏珊·朗格看来，再现是艺术的社会功能和创作动机，这一规律对人工智能电影仍然适用，提示词的需求决定了它是一种面向使用者的社会性应用，算法服务于影像的社会功能和艺术家的创作动机。从这个意义上说，人工智能影像也是“现实的渐近线”，其叙事依然遵循真实性原则。
贾樟柯是一位积极拥抱新技术的导演，他在20世纪90年代便倡导使用DV拍摄电影。2024年，他用Kling制作了一部6分钟时长的科幻短片《麦收》后表示：“AI在影像生成方面确实还存在一定的技术瓶颈，目前仍在成长期，人类依然有着不可替代的作用。”这一观念也体现在《麦收》的故事中，影片用智人代替真人的返乡之旅表现关于技术的“乡愁”——人类拥抱AI，AI也和人类一样栖居于大地。尽管这是一部充满虚构和想象的科幻片，但构成故事的人物、情节、场景无疑是现实主义的，甚至技术乡愁的主题也契合当今社会的现实。2026年春节，贾樟柯再次用Seedance 2.0制作了一部6分钟时长的短片《贾科长Dance》，影片主题再次聚焦AI技术，贾樟柯的两位数字分身借助电影制作场景进行对话，短片中的数字人、摄影棚以及贾樟柯的电影作品都是人们可以理解的“现实”，人工智能与人的关系的主题依然是当下的现实议题。因此，与其说这两部作品是科幻电影，还不如说它们是讨论人工智能现象的现实主义电影，人工智能电影依然是再现现实的艺术。
视频生成大模型的语料库是电影数据库，随着原始数据和算力的增加，模型训练海量电影数据来支持影像的生成。由于喂养模型的数据来源是电影史上导演们创作的那些重要电影，因此生成的影像就不像传统电影那样是人类主体对客观现实的直接反映，而是如同列夫·马诺维奇所说的那样，人工智能艺术是一种人类无法创造的艺术类型，“计算机生成不具有人类艺术通常所具有的系统性和可预测性的对象、媒介、情境和经验——但它们并不是随机的，它们不是机械地将元素并置，只是为了震撼效果，也不仅仅是重混美学的实例。我认为它们会有另一种系统性，一种我们哪怕在最激进的现代音乐、雕塑、建筑、摄影中都没见过的系统性。一种我们会一见钟情的特质，就像之前所有伟大的艺术一样，它将扩展我们作为人类的身份”。这里所说的前所未有的系统性可以理解为模型基于数据库的真实影像进行的二次表达，人工智能艺术显然超越传统电影的“自我或日常经验的体验状态”，是经验之上的再加工，因而具有认识论层面的超验性。由于这种叙事依然遵循真实性原则，计算机生成的影像便可以看作一种超验真实的艺术系统。
《无意义时代的生命反思》（Total Pixel Space）是Runway公司2025年6月举行的AI电影节最佳影片。这是由美国作曲家雅各布·阿德勒（Jacob Adler）用Runway Gen-3、Midjourney和ElevenLabs制作的一部实验性电影短片，表现了世界由数字空间中的图像数量构成这一主题。通过影片的解说词，阿德勒揭示了电影的数学存在形式：“可能存在多少部电影呢？我们只需将可能的图像数量，以帧数为指数进行幂运算。回想一下总像素空间包含这么多可能的图像，这是一部电影中每一帧可能包含的图像数量，假设电影帧率为每秒24帧，存在如此多可能的一秒电影，一部两小时的电影包含172800帧……总像素空间的数学原理解释，时间并非一条我们无法控制的奔腾河流，而是大量静态时刻的集合，每个时刻都同时作为坐标存在。”AI生成的影像便源自这样以数学方式存在的电影数据库，画面不是拍摄而成，不是来自现实和艺术家的经验，而是由数据和算法达成的超验真实。
列夫·马诺维奇对此抱持一种乐观的态度，他认为“人工智能在艺术领域的应用可以看作是美学延展的一个简单实例，是在人类艺术家控制之下使用新的、明显更复杂精巧的设备”。倘若人工智能成为一种可控的工具，艺术家可以获得更大的自由，被广泛使用的风格迁移便是给艺术家带来较大自由的工具，这种利用卷积神经网络（CNN）分离图像的内容特征与风格特征的计算机视觉技术能够将图像内容与艺术风格快速融合，生成兼具原图内容与参考图风格的新图像。在AI创作中会出现失去控制的时刻诞生艺术的现象，譬如“涌现”现象。艺术家和大模型进行多模态交互时经常出现不可预测的突变，人工智能电影的涌现或许可以和传统艺术创作过程中的灵感迸发和“妙手偶得之”相媲美，“超验”带来的不确定性本身就蕴含着艺术属性。这样看来，人工智能影像的超验真实是充满未知性和无限可能性的影像本体，数据采样和算法推理的随机性为艺术的新质提供新的可能，人工智能电影具有向世界“敞开”的开放性。
结 语
人工智能应用于电影创作仅仅只有10年时间，经过恐慌、排斥到接受，它给电影创作带来了可见的变化。人工智能的运行机制表明，AIGC（生成式人工智能）不是电影技术链增加的一个技术环节，而是一种革命性的新技术。它用深度学习的扩散模型算法训练数据，从而获得区别于传统电影“再现现实”的超验真实，旨在模拟物理世界的算法促生一种新的认知世界的方式。
英国艺术评论家克莱夫·贝尔在《艺术》中提出一个著名的美学论断，他排斥具象的再现，强调艺术作品中线条、色彩以某种特殊方式组成某种形式或实践的关系，他将这种能够激起审美感情的艺术形式，称为“有意味的形式”。“有意味的形式”是对后印象主义以来的视觉艺术作出的权威性解释，是从理论上对现代艺术的辩护。或许可以将这一论断用于对人工智能艺术的分析，将超验真实的AI影像视作一种“有意味的形式”，大数据的算法逻辑依然遵循反映论再现“现实”的真实性原则，与现实主义的真实性相比，人工智能影像的超验真实可以看作一种“有意味的形式”，使审美体验发生巨大的变化。尽管都是“真实”影像，传统技术是循着“现实的渐近线”逐步发展出来的技术，人工智能则是基于电影历史数据生成的技术应用，两者存在根本差异：前者滞后于影像，逐步提升抵达“真实”；后者先于影像，基于数据库获得“真实”。
值得注意的是，对人工智能电影来说，“真实”并不是绝对不变的美学目标，当影像的生成指令发生偏移和数据库语料变更两个条件同时具备时，影像的属性很容易改变。正如传统电影的技术也存在不确定性，技术的局限可以转化为独特的美学特征，譬如镜头的景深局限反而产生丰富的前后景及人物调度关系；广角镜头的镜头畸变可以创造令人扭曲窒息的脸庞；变形宽银幕镜头的拉伸能够带来梦幻般的前后景椭圆形光斑。这些电影画面的美并不是源自技术的确定性寻求，而是因缺陷偶然得到的。人工智能电影也是如此，算法“向真”的未来并不确定。
载于《江西社会科学》2026年第5期
