顾群业：社会技术系统中的图像

当下，生成式人工智能迅速进入视觉生产领域。围绕AI艺术，人们讨论最多的往往是图像是否逼真、提示词使用者能否被称为作者、机器有没有创造力。这些问题当然重要，但只是把目光停留在屏幕上，图像背后的生产过程便很容易被忽略。训练数据从哪里来，模型由谁开发，标签由谁填写，平台按照什么规则分发内容，计算过程消耗了多少能源，这些因素共同决定了一张图像如何出现，也决定了它会产生怎样的社会影响。

我们应该把研究重点放在这条漫长的生产链上，关注这种结构性变化：当人工智能逐渐成为社会运行的基础设施，图像便进入了由数据、模型、平台、劳动、资源和制度共同组成的系统。图像仍然可以供人欣赏，同时也被机器识别、分类和计算，并进一步用于预测行为、评估风险和触发行动。它已经成为社会技术系统中的一个工作环节。

摄影术诞生以来，现代视觉文化常把照片理解为现实留下的痕迹。一张照片记录了某个时间和地点，也保留了拍摄者观看世界的方式。进入人工智能系统后，图像还会获得另一种身份。训练图片需要被转换成像素数据、标签和特征，才能参与模型计算。对模型来说，画面中的人物、物品和场景都可以被拆解为可比较、可归类的信息。图像由此参与识别、排序、预测和管理，其作用远远超出观看本身。

例如同一张人脸照片，放在家庭相册里是一段私人记忆，进入身份识别系统后则可能决定一个人能否通过门禁。医学影像可以辅助诊断，也可以参与保险评估和风险分级。街景照片既记录城市面貌，也可以成为自动驾驶模型的训练材料。图像会产生什么后果，取决于它由谁采集、按照什么标准标注、进入哪一套模型，又与哪些制度相连接。

这种变化也改写了创作归属与责任分配。传统艺术生产通常围绕可署名的作者展开，人工智能图像则由多方条件共同促成。训练数据中可能包含大量艺术家的作品，标注人员为图片划分类别，工程师设计和调整模型，平台制定审核与推荐规则，数据中心提供算力，能源和矿产供应链维持设备运转。用户输入提示词，只是其中一个环节。若把全部创作成果归于屏幕前的操作者，其他参与者的劳动以及相应的责任便会消失在视野之外。

平台界面进一步压缩了这个过程。用户输入几句话，数秒之后便获得一张图。流畅的操作容易造成一种错觉，仿佛图像直接由个人想法生成。实际上，短暂的等待背后连接着长期的数据收集、人工标注、模型训练、内容审核、设备制造和能源消耗。屏幕界面把一个庞大的社会技术系统简化成了一次轻巧的点击。

这种遮蔽也影响了艺术批评。人们可以细致分析AI图像的构图、色彩和风格，却较少追问训练数据是否得到授权，标注工作是否获得合理报酬，模型依据谁的分类标准理解世界，平台为什么允许某些内容出现，又为什么压低另一些内容的传播。算力设施带来的用水、用电和碳排放，也很少进入作品评价。结果是，图像的形式得到充分讨论，支撑图像的劳动、权力和资源分配却被隐身。

德国电影人、理论家哈伦·法洛基指出，在军事侦察、工业检测和自动导航中，图像常常直接参与测量、锁定、导航和控制。这类图像的作用并不依赖观众欣赏，它们主要服务于系统运行。人工智能扩大了这种用途。人脸图像可以触发身份验证，卫星图像可以参与目标识别，医学影像可以影响风险评分，监控画面可以引发自动预警。图像因此成为制度采取行动的依据。

评价这类图像，既要看画面呈现了什么，也要考察它在系统中做了什么。一个识别结果可能影响贷款、就业、医疗和出行。分类错误也不会停留在屏幕上，它可能转化为现实中的拒绝、排斥和惩罚。图像研究由此需要进入模型、平台和制度内部，观察视觉信息怎样被加工，又如何转换成具体决定。

揭开这些隐藏环节，并不意味着展示得越多越好。公开数据来源可能侵犯隐私，重复传播暴力影像可能让受害者再次受伤，展示算法偏差也可能继续强化原有的刻板印象。艺术和研究在呈现技术系统时，需要明确伦理边界。数据来源和流转路径应当可以追溯，参与者与决策者的位置应当清楚，展示过程需要尊重隐私和拒绝权，算法决定应当允许质疑与申诉，已经造成的伤害还要有纠正和补偿机制。

问题的核心落在权利分配上。谁有权采集数据，谁可以决定分类标准，谁能够查看和修改系统记录，谁来承担判断错误的后果，都需要得到说明。更重要的是，被记录的人应当有机会决定自己是否进入数据库，是否接受机器识别，以及是否允许相关信息继续传播。让系统变得透明，只是改变权力关系的起点。有效的监督还需要申诉渠道、退出机制和责任追究。

这一认识也为艺术实践提供了新的方向。生成图像的形式探索仍然有价值，但艺术家可以把视线延伸到图像背后的数据和设施。作品可以呈现训练材料的来源，揭示标签如何形成，记录标注人员的劳动条件，说明模型和平台的所有权，追踪服务器的能源消耗，并展示算法结果怎样进入公共管理和日常生活。经过这样的处理，技术系统中难以察觉的关系才能成为可以感受、讨论和改变的问题。

观众在这类作品中也拥有多重身份。他们既是图像的观看者，同时也是被记录的数据。浏览、点击、停留和反馈会被平台收集，继而用于调整推荐系统和训练模型。用户在享受服务的同时，也持续为平台无偿提供数据和反馈。艺术若能呈现这种位置变化，观众便会意识到，自己并非站在系统之外，而是深度参与了系统运行。

艺术和技术本为一体。技术会改变艺术的语言、流程和传播方式，艺术也会影响技术的使用方向和社会意义。由此出发，技术应当服务于作品的叙事和公共价值，人的尊严、知情权和选择权则构成必要边界。这样的立场，既承认技术带来的创作空间，也对数据滥用、劳动剥削和权力集中保持警惕。

我们在建设中华工艺美术语料库时，意识到这些复杂的问题。传统工艺并非固定不变的文化标本，它受到地域、时代、族群、师承和个人经验的共同影响。由谁选择样本，采用怎样的分类方法，哪些知识可以公开，谁拥有数据权益，都会影响语料库最终呈现的文化面貌。处理不当，丰富而多变的传统可能被压缩成单一形象，技术系统也可能把暂时的分类固化为权威标准。我们在实践中遇到的这些问题，构成了相关研究继续推进的重要入口。

人工智能时代的艺术，需要把目光从生成结果延伸到支撑生成的整套系统。评价一件AI作品时，除了观察它创造了怎样的视觉效果，还应考察它使用了谁的数据，依靠了谁的劳动，遵循了谁的标准，消耗了哪些资源，又把利益和风险分配给了哪些人。

当图像参与身份认证、风险评估、行为预测和公共管理，艺术面对的也就不再是单纯的图像生产问题。谁可以观看，谁被迫暴露在系统的目光下，谁有权拒绝被采集和识别，正在成为视觉文化无法回避的议题。艺术可以把这些隐藏的联系带到公共空间，使人们感受到技术系统如何运转，并对其中的决定提出质疑。

技术越是流畅，背后的关系越容易被遗忘。艺术的价值正在于减缓这种遗忘，让数据来源、劳动条件、资源消耗和制度权力重新进入公众视野。当这些关系变得可以感知、可以讨论，可以纠正时，生成式人工智能才会从令人惊叹的内容生产工具，转化为一个能够接受公共审视的社会系统。

艺术的任务，不是对抗或解释AI，更不是创造新的视觉奇观，而是将被技术遮蔽的社会关系转化为显性议题，这才是艺术最不可替代的批判性力量。

顾群业，山东省摄影家协会副主席