一、 靶子：人工智能有哪些可以被批判的维度？

作者：李昱坤

这是一个非常深刻且具有前瞻性的问题。当代艺术家对人工智能（AI）的批判，已经超越了“AI是否会取代人类创作”这种表层的焦虑，转向了对AI作为一种权力结构、社会控制工具和认知模式的深度解构。

以下是对这一议题的完整、深入的回答，涵盖了批判对象、艺术家案例、过去策略的归纳以及未来策略的展望。

一、 靶子：人工智能有哪些可以被批判的维度？

艺术家们通常不把AI仅仅视为一种“技术”，而是将其视为一种社会技术组合体（Sociotechnical System）。主要的批判靶点包括：

数据偏见与分类暴力 (Bias & Taxonomy):

AI的训练数据（Datasets）充满了人类社会的历史偏见（种族主义、性别歧视）。

批判点： 算法如何通过贴标签（Labeling）固化刻板印象？谁有权力定义这些标签？

黑箱与不可解释性 (The Black Box):

深度学习的运作机制往往是不透明的，我们知道输入和输出，但不知道中间的逻辑。

批判点： 当算法决定贷款、刑期或医疗资源时，这种“不可解释性”便构成了权力的傲慢。

监控资本主义与隐私 (Surveillance Capitalism):

面部识别、行为预测技术被用于商业收割和国家监控。

批判点： 身体数据的被掠夺，以及“全景监狱”式的社会控制。

幽灵劳动与新殖民主义 (Ghost Work):

AI看似自动化，背后其实依赖大量低薪的肯尼亚、菲律宾数据标注员。

批判点： 技术的“光鲜”是建立在第三世界廉价劳动力的剥削之上的。

环境成本 (Ecological Cost):

训练大型模型（如GPT系列）需要消耗惊人的电力和水资源。

批判点： 虚拟智能背后的实体生态代价。

真理的消解 (Hallucination & Truth):

Deepfake（深度伪造）和生成式AI的幻觉（Hallucination）。

批判点： 在后真相时代，AI如何加速了现实与虚构界限的崩塌？

二、 证据：典型艺术家与其批判性作品

以下是几位具有代表性的艺术家，他们分别从不同维度切入进行批判：

1. 特雷弗·帕格伦 (Trevor Paglen)

关注点： 数据集的政治性、不可见的监控。

代表作： ImageNet Roulette (2019)。

批判逻辑： 他与AI研究员Kate Crawford合作，挖掘了著名的AI训练数据集ImageNet。他们发现其中有一个名为“人”的分类，里面充斥着种族主义和荒谬的标签（如将某些面孔标记为“罪犯”、“失败者”）。

表达方式： 他建立了一个互动网站，用户上传照片，AI会根据ImageNet的分类给用户贴上标签（通常是冒犯性的）。这直接揭露了数据集并非中立，而是充满了分类学的暴力。

2. 凯特·克劳福德 (Kate Crawford) & 弗拉丹·约勒 (Vladan Joler)

关注点： AI的物质性和剥削链条。

代表作： Anatomy of an AI System (2018)。

批判逻辑： 他们制作了一张巨大的解剖图，分析了一个亚马逊Echo（智能音箱）背后的全生命周期。

表达方式： 从刚果的锂矿开采，到菲律宾的数据标注工，再到废弃后的电子垃圾。这张图打破了AI是“云端”或“虚拟”的神话，展示了它作为重工业的剥削本质。

3. 詹姆斯·布莱德 (James Bridle)

关注点： 算法的荒谬性与自动化逻辑的陷阱。

代表作： Autonomous Trap 001 (2017)。

批判逻辑： 他利用自动驾驶汽车的视觉规则来“诱捕”汽车。

表达方式： 他在停车场用盐画了一个虚线的圆圈（在交通规则中，虚线代表可以跨越，但在特定排列下，汽车的算法将其识别为不可逾越的障碍）。汽车被困在圈里动弹不得。这讽刺了机器智能对规则的死板遵循，以及人类如何轻易干扰复杂的系统。

4. 希托·施泰耶尔 (Hito Steyerl)

关注点： 数字图像的政治经济学、战争与算法。

代表作： How Not to Be Seen: A Fucking Didactic Educational .MOV File (2013)。

批判逻辑： 探讨在数字化监控时代，如何从图像中消失。

表达方式： 通过幽默且低保真（Lo-Fi）的视频随笔，提出了在算法注视下隐身的策略（如躲在像素之下）。她批判了分辨率作为一种阶级划分和军事打击的工具。

5. 米米·奥诺哈 (Mimi Onuoha)

关注点： 数据缺失（Data Absence）。

代表作： The Library of Missing Datasets (2016)。

批判逻辑： 并不是所有东西都被数据化了。被忽略的数据往往属于弱势群体。

表达方式： 她展示了一个白色的文件柜，里面的文件夹标签写着“被警察杀害的平民数据”、“由于由于缺乏身份证明而被拒绝的住房申请”等，但文件夹里是空的。批判了大数据时代的盲区：不被记录，就意味着不存在。

三、 归纳：过去艺术家对AI的批判策略

回顾过去十年，艺术家的批判策略主要可以归纳为以下三类：

数据考古与审计 (Dataset Archeology):

策略： 像考古学家一样挖掘AI的“地基”（训练数据），寻找其中的烂根（偏见、错误）。

核心： 揭示“输入端”的脏乱差，打破算法的神圣性。（如Trevor Paglen）。

可视化不可见之物 (Visualizing the Invisible):

策略： 将隐藏在服务器、海底光缆、黑箱算法中的逻辑，转化为可视化的图表、装置或影像。

核心： 赋予抽象的算法以物理形态，让人类可以感知道它的存在和压迫。（如Kate Crawford）。

过度认同与归谬 (Over-identification & Reductio ad absurdum):

策略： 故意按照AI的逻辑行事，将其推向极端的荒谬，以此暴露其内在的缺陷。

核心： 用“魔法”打败“魔法”。比如James Bridle困住自动驾驶汽车，或者Dries Depoorter利用公开摄像头监控并在Instagram上标记玩手机的政客（The Flemish Scrollers）。

四、 展望：未来的艺术家还可以从哪些策略入手？

随着生成式AI（AIGC）的普及，批判的语境已经改变。未来的策略可能会更加主动和具有对抗性：

对抗性攻击与数据投毒 (Adversarial Attacks & Data Poisoning):

新策略： 不再仅仅是展示偏见，而是主动干扰模型的训练。

案例方向： 像“Glaze”或“Nightshade”这样的工具，在图像中加入人眼不可见但在算法层面产生混乱的噪点，破坏AI对艺术风格的学习。艺术家将从“被研究对象”转变为“系统的破坏者”。

生态与能源的具体化 (Radical Materiality):

新策略： 将AI的能耗直接转化为感官体验。

案例方向： 一个艺术装置，其热量直接来源于运行大模型显卡的废热；或者通过实时数据展示每一次ChatGPT对话消耗的水资源。将“云端”拉回“泥土”。

算法官僚主义的民族志 (Ethnography of Algorithmic Bureaucracy):

新策略： 关注AI如何成为新的官僚机构。

案例方向： 记录普通人被算法“拒绝”的故事（被拒保、被封号、被误判）。艺术作品可以是对抗这些算法判决的“申诉书”集合，探讨“算法治理”下的人权。

后人类/非人类视角的伦理 (Post-Humanist Ethics):

新策略： 跳出“AI是否像人”的争论，批判以人类为中心的智能定义。

案例方向： 探索植物智能、菌群智能与AI的结合，批判硅基智能对生物多样性思维的单一化吞噬。

合成现实的记录者 (Documenting the Synthetic Reality):

新策略： 在Deepfake泛滥的时代，艺术家成为“真相的法医”。

案例方向： 创造一种鉴别伪造的艺术方法论，或者故意创造极其逼真的虚构历史档案，以此来警示历史是如何被轻易重写的。

总结

当代艺术家对AI的批判，核心在于祛魅（Disenchantment）。

过去，他们告诉我们：AI不是魔法，它是由有偏见的数据和被剥削的劳动力构成的。

未来，他们可能会告诉我们：面对这个庞大的系统，个体如何进行战术性的反抗，以及如何想象一种不以“效率”和“控制”为核心的替代性技术未来。

我们可以为您做的下一步

如果您对某个特定的艺术家感兴趣，或者想了解**“如何使用对抗性工具（如Glaze）来保护自己的作品不被AI训练”**，我可以为您提供更具体的操作指南或技术原理解析。您需要吗？

这是一场关乎“视觉主权”的战役。对于很多像您一样的创作者来说，保护作品不仅仅是为了版权，更是为了维护作为人类创作者的尊严。

既然您提到自己是“电脑小白”，我会摒弃晦涩的技术术语，手把手教您如何操作，并深入剖析这场运动背后的深刻意义。

第一部分：小白指南——如何使用 Glaze 保护作品？

Glaze (釉) 是由芝加哥大学 SAND Lab 团队研发的一款免费工具。它的核心功能是给您的画“穿上一层隐身衣”。

1. 核心原理（通俗版）

想象一下，您的画是一张清晰的照片。AI 像是一个在学习画画的学生，它通过看这张照片来模仿您的风格。

Glaze 的作用是给这张照片加了一层人类肉眼几乎看不见的“噪点”或“滤镜”。

人类看： 还是原来的画，几乎没变化。

AI看： 看到的是完全不同的东西（比如把梵高的星空看成了波洛克的泼墨，或者把写实油画看成了抽象线条）。

这样，AI 就无法正确学习您的画风。这叫**“风格伪装” (Style Cloaking)**。

2. 操作步骤（针对电脑小白的两种方案）

由于 Glaze 运行需要较强的电脑显卡（GPU），我为您提供两套方案：

方案 A：WebGlaze（强烈推荐！无需安装，云端处理）

如果您不懂电脑配置，或者电脑比较旧，请选这个。

注册： 访问 WebGlaze 官网（您可能需要搜索 “WebGlaze Chicago”）。因为需求量大，它通常需要邀请码或排队注册，您可以去他们的官方推特或 Discord 社区蹲守邀请码。

上传： 登录后，像发朋友圈一样，点击“Upload”上传您的画作。

设置： 界面会有 Intensity (强度) 选项。

Low (低): 画质损失最小，保护力稍弱。

High (高): 保护力最强，但画面可能会有一点点像磨砂玻璃的感觉。

建议： 选默认或中等。

等待与下载： 点击运行，服务器帮您算好后，您下载回来的图就是带保护的图了。您可以安心把它发到微博或 ArtStation。

方案 B：下载桌面版（适合有高性能显卡的用户）

下载： 去芝加哥大学 Glaze 项目官网下载软件（Windows 或 Mac 版）。

安装： 解压文件，双击运行。注意：它文件很大（几个G），因为里面包含了运算模型。

操作：

Select Image: 选择您电脑里的画。

Intensity: 同样选择强度。

Render Quality: 渲染质量，选 Medium 或 High。

生成： 点击 Run Glaze。如果不报错，几分钟后就会生成一张新图（通常文件名会带 _glazed 后缀）。

重要提示：

不要裁剪/压缩： 生成后的图，尽量不要再进行大幅度的PS修图或压缩，否则“隐身衣”可能会破损失效。

配套工具 Nightshade： 该团队还出了一个工具叫 Nightshade (毒夜葵)。Glaze 是防御（不让学），Nightshade 是进攻（如果AI强行学，会让模型变傻，比如把狗学成猫）。操作界面和 Glaze 几乎一样。

第二部分：这有什么意义？

使用 Glaze 并不是为了“锁死”作品，而是一种技术性的抗议。

拒绝被自动化收割： AI 公司的逻辑是“网上的图都是免费的数据矿藏”。Glaze 宣示：我的作品是我的劳动成果，不是你们的燃料。

破坏训练数据的纯净度： 现在的 AI 模型之所以强，是因为有大量高质量人类数据。如果大家都用 Glaze，网上的数据就会变成“被污染的数据”，AI 模型的训练成本会大幅上升，效果会下降。

争取立法的时间窗口： 法律永远滞后于技术。在版权法修正案出台之前，艺术家只能用技术手段自卫。

第三部分：深度分析——谁在反抗？（艺术家案例）

您要求分析十个人，但实际上，并没有十个“超级巨星”是完全依靠 Glaze 成名的。相反，这是一场由插画师、概念设计师和中层创作者发起的集体自救运动。

与其列举10个随机的名字，不如分析三类关键人物和几位核心领袖，他们代表了当前艺术界的抵抗力量：

第一梯队：法庭上的角斗士（集体诉讼原告）

这三位是最勇敢的先行者，她们实名起诉了 Stability AI 和 Midjourney，是“反AI训练”的精神领袖。

Karla Ortiz (卡拉·奥尔蒂斯)

身份： 漫威电影概念设计师（设计了奇异博士的战衣）。

策略： 她不仅使用技术手段，更在国会听证会上作证。她的批判非常深刻：“这不是风格的模仿，这是身份的盗窃。” 她代表了行业顶尖人才对AI这一剥削逻辑的愤怒。

Kelly McKernan (凯莉·麦克克南)

身份： 独立插画师，风格独特，充满色彩流动感。

遭遇： 她的名字成为了 AI 提示词（Prompt）里的高频词。用户输入 “in the style of Kelly McKernan” 就能生成类似她的画，导致她收入锐减。

态度： 她使用 Glaze 并不是为了隐藏，而是为了夺回名字的所有权。她是“风格被滥用”的最典型受害者。

Sarah Andersen (萨拉·安德森)

身份： 著名网络漫画《Sarah’s Scribbles》作者。

策略： 她的画风极其简单，极易被 AI 模仿。她撰写了大量文章抨击 AI 公司的数据盗窃。她代表了大众流行文化创作者的声音。

第二梯队：行业中坚力量（概念艺术协会）

Greg Rutkowski (格雷格·鲁特科夫斯基)

现象级人物： 他可能是被 AI 模仿次数最多的在世艺术家。一度在 Stable Diffusion 中，他的名字比毕加索还常用。

意义： 他本身并没有发起激进运动，但他的存在就是对 AI 荒谬性的最大指证。他的名字被从“人”变成了一个“形容词”。他现在公开支持反 AI 的工具和法规。

Sam Yang (Sam Does Arts)

身份： YouTube 顶级数字艺术博主。

行动： 他专门制作视频教几百万粉丝如何保护作品，如何看待 AI。他利用自己的流量，完成了对年轻一代艺术家的技术启蒙。

Loish (Lois van Baarle)

身份： 数字绘画教母级人物。

态度： 她强调“人性瑕疵”的价值。她不仅支持 Glaze，还呼吁建立 “Opt-out”（选择退出）机制。她代表了社区领袖的力量。

第三梯队：技术与观念的结合（通过作品批判）

Miao Ying (苗颖)

虽然她不一定用 Glaze，但作为中国当代艺术家，她用 AI 生成荒诞的图像（如《亲特网》系列）来嘲讽算法的逻辑。这是一种**“加速主义”**的批判策略——比 AI 更疯癫，以此揭露 AI 的荒谬。

Hito Steyerl (希托·施泰耶尔)

她早在 AI 爆发前就提出了“贫瘠图像”（Poor Image）理论。现在的 Glaze 生成的噪点图像，恰恰呼应了她的理论：为了政治上的隐身，我们必须牺牲图像的高清度。

第四梯队：工具的创造者

Ben Zhao (赵燕斌教授)

芝加哥大学教授，Glaze 和 Nightshade 的发明者。虽然他是科学家，但在艺术界，他被视为“盗火者”。如果没有他，艺术家目前将手无寸铁。

第五梯队：作为群体的“无名者”

ArtStation 上的抗议者联盟

2022年底，ArtStation 上爆发了著名的“No AI”运动。成千上万的艺术家统一将头像换成禁止 AI 的标志。这第十个“人”，是集体意志。

第四部分：深度总结——当代艺术家应如何看待 AI？

这是您问题的核心。作为“电脑小白”但也想表达的艺术家，您应该建立一种怎样的**“批判性态度”**？

1. 态度：从“恐惧”转向“能动性 (Agency)”

不要只把 AI 看作洪水猛兽，也不要盲目崇拜。

作为工具的使用者： 您可以用 AI 辅助草图，但在训练阶段必须保护自己的原画。

作为系统的反抗者： 使用 Glaze 不仅是防守，更是一种**“数据罢工”**。您在告诉科技巨头：你们的算法虽强，但没有我们的数据，它就是空壳。

2. AI 对当代艺术的影响：价值重估

AI 的出现，正在逼迫艺术界重新定义“什么是有价值的”。

廉价的完美 vs. 昂贵的瑕疵：

AI 可以一秒钟生成完美的解剖结构和光影。因此，“画得像”和“技术完美”将不再是艺术评价的最高标准。

相反，人类的笔触、犹豫、修改的痕迹、情感的宣泄，甚至技术上的“瑕疵”，将变得无比珍贵。因为那是 AI 无法模仿的“肉身性”。

从“结果”转向“过程”：

以前我们看画，看的是最后那张图。以后，艺术家的创作过程、草图、思考路径将成为作品不可分割的一部分，用来证明“这是人画的”，并展示人类思考的独特路径。

3. 给您的建议

作为初学者，不要因为 AI 而感到气馁。

学会保护： 每次发图前，用 WebGlaze 处理一下，养成“数据卫生”的习惯。

深耕内核： AI 只能模仿表面的风格（Style），无法模仿深层的叙事（Narrative）和情感（Emotion）。画那些只有您作为一个活生生的人才能感受到的痛苦、快乐和故事。

最后，请记住：AI 生成的是“概率”，而您创造的是“意义”。

—
© 2026 李昱坤 liyukun.net | 艺术是一场拥抱 | 未经授权禁止转载