承接上文：〈人工智能科技 賦能藝術創作與學習〉（「亞太創藝談」系列之28）
過去筆者已提及，利用人工智能技術和器材學習美術和創作的例子。當中有應用比較複雜的技術，也有純粹以創新概念表達，特別是科技界已開始關心AI發展的專業倫理和技術失控的課題。從科技角度看，當然會從制定「行業約章」和提升安全標準的層面着手；藝術界除了借用AI技術，也有利用自身的批判本質去表達對這些課題的觀點。
抗議科技濫權的藝術湧現
上一篇介紹過最近盛行的以「非同質化」代幣（Non-Fungible Token，NFT）創作，主要是想藉NFT的數碼形式，重新建構藝術獨一無二，以及具永恆價值的形象。但NFT也一如比特幣，都是一堆加密數字，未來也有機會被拆解。市場流傳比特幣也很快會被解密。
另外，美國Tesla行政總裁馬斯克今年力推的「狗狗幣」，也是以一種「數碼批判」的態度，由美國程式設計員Billy Markus在2013年12月15日創立。本意是開玩笑，動機源於不滿太多科企濫發加密幣圈錢，只用了幾小時去製造出來，以批判科技濫權，也可以算是一種AI數碼作品。現時他也沒持有此幣，仍是個上班族，貫徹沒有「機心」的本意。但他仍有解碼的本能嗎？市場上受追逐的幾百億「狗狗幣」，會隨時「歸零」嗎？又將是一場觸目驚心的好戲。
對AI批判的藝術個案，廣為人知的是一個由藝術家設計的金屬首飾”Incognito”面具，目的就是不滿人臉識別，挑戰讓監控系統失效。全世界公共空間監控鏡頭愈來愈多，已深度干擾公民生活。我在網上就看到一張截圖：一位青少年好像在做行為藝術，用一個高鐵架將自己安全坐在一個街道攝像頭前面「怒目而視」，以表達對侵犯私隱的不滿。
挑戰圖像識別創意試驗的，還有前年兩位比利時大學生，製作了一個40×40公分的圖片掛在身上，而這個圖片可以讓目標檢測演算法失效，使機器無法識別出「人」這個類別，讓我們可以在智能監控裏實現「隱身」。還有一位Facebook工程師，在一張”A”人物圖片加上的雜訊干擾花紋，普通人一眼都能識別”A”人物，但機器卻屢次在「對抗設計」下，誤讀其他人物，無法準確辨識。原來2018年英國的Ian Goodfellow已提出過「生成式對抗網絡」（Generative Adversarial Network, GAN），還被評為可能會影響未來的十大技術，是一項非常高的評價。
科技盲點多易避政治審查
另一些比較簡單的「對抗」設計，就是過去長時間大家見到眾多網民（特別是網絡審查嚴重地區）會用不同的技術和形式，去突破各種平台的AI 「政審系統」。常見是用不同的字詞、符號組合，逃避「敏感詞」審查；將文字稿改成圖像稿，甚至因為AI圖像識別軟件功能愈趨強大，而要在圖像上添加線條以干擾識別能力。
去年中，內地網民因為不滿網絡審查，把一篇正直醫生對疫情處理不滿的訪問稿「和調掉」，即時看到排山倒海式各種自發「火星文譯稿」出現，將網審「攻陷」，美術老師也可以用這類「對抗圖像」去進行探究。今年6月的敏感日子，筆者也在內地社交平台上載一張四角放有燭光的六格圖，以測試AI審查的「文化意識辨知層次」，最後未受到審查、舉報。
可能不少美術老師都教授過「錯視效果」（Optical Illusion）課題，去探究人類視覺盲點，以上例子也可以發展為讓學生學習探究AI科技的盲點。基本上，AI在這方面的水平仍很低，機械學習（Machine Learning）仍以「常態情況信息」為主，只能模仿「經驗思維」所以尚處於「弱人工智能」階段，替代不了人類「創意思維」和「情感思維」。
原來西方藝術界很早已出現一種「故障藝術」（Glitch Art）創作，是通過破壞數碼資料或物理操作電子設備，而導致的失真或者其他缺陷的做法，使這種故障缺陷反而成為一種另類藝術，其特徵在於將數碼或模擬錯誤用於審美目的。代表人物有1935年創作《彩盒》（A Color Box）的列恩·雷（Len Lye）、1965年被譽為「視頻藝術之父」的韓裔藝術家白南准（Nam June Paik）等。
荷蘭”Glitch Art”和”Resolution Theory”的理論家羅莎·滿克曼（Rosa Menkan）還創建了一個”Glitch Studies Manifesto”網站，用於收集全球故障藝術博客的交流作品。由此可見，只要願意嘗試，無論藝術創作和學習，科技仍有不少可以反思和批判的空間，老師和學生都可以用高科技（High-Tech）或低技術（Low-Tech）藝術去探索，這正是現代藝術創作的本質和強項。
創新藝術課程勿追末逐本
前文談過美術教育的課程發展，可以借助人工智能技術，研發創新的視藝創作形式，以及方便進行各種創意性概念探索。例如數碼多媒體藝術、網絡藝術、編程藝術、虛擬空間、遙控裝置、跨界融合等等，以至「藝術科技」（Art Technology）已成為一種創新藝術學習範疇。
不過，回到藝術本質的展現，以及學習目標安排的層面考慮，要注意Art Tech形式繁多，但科技只是工具，要確定探索和表達的內容，才決定技術選擇和應用形式，不要為「晒科技而搞科技」。例如，有一位台灣畫家朋友的兒子是加拿大數碼媒體藝術家，因疫情關係，這兩年父子分隔異地。今年初，他在父親70歲生日之際，創作了「Ritual-Spective迴融」多媒體項目，作為向父親致敬的新作品。
這個作品的內容主要思考自身文化與記憶的根，通過探索父親的藝術作品，探討兩代人對於藝術、文化和精神傳承的對話，選擇利用網上平台進行跨國跨時空展示。這種形式也可讓兩輩更多各地朋友觀看，甚至參與。當中還可包融各自不同的藝術形式展現，甚至互動。例如可以融合傳統繪畫在數碼藝術影像內，是充分切合主題、內容、社會情景的科技應用。
內地AI美術教育專家、中國美術學院范凱熹教授特別提到，在設計「思維4.0」的教育情境，重點是智造性、網絡性、動態性、數據性、定制性，AI世代的美術教育也要如是觀。學習藝術的方法才有機會作自主學習、修補式碎片化學習、全方位學習、終身學習等模式多元發展。范教授更指出，藝術教學模式也要注意變革，朝向分享、協作、探究、通聯和體驗模式。
現代美術教學三大改革方向
關於智能優化美術教育的應用探究，綜合幾篇前文，首先可以看到從現代AI核心技術，包括算力、算法、數據等領域發展的感知技術，其中的圖像識別和影像識別，對美術教育的課程和教材拓展，已可以有不少Art Tech主題。而三種機器學習演算法：監督學習（如分類）、非監督學習（如聚類）；以及增強學習（如隨機），和美術教育的現代思維訓練要求很接近。
其中增強學習演算法強調，通過不斷試錯和累積回報來學習的最佳策略，在過程中外界不給予直接指導（監督），只給予間接的或是遠距離的回報（reward）。這和專家談及借助AI，全面重塑教育的三個切入方向：推動「個體教學法」、打造「泛教育生態圈」、學習淡化結果，重視過程，都是現代美術教學倡導的優化方式。
至於內地教育企業及科網集團目前所開發的幾類AI賦能教育形式，例如線上教學、智能輔導、沉浸學習（VR模擬情境）、自適應學習（個性化課程）等，都可以借用到美術課堂上。而數據分析和配套方案（專家系統）等AI應用層面，很多年前個人已倡導包括校內和校美術教育體系，都應該考慮建立一個「美術創意學習展示平台」，我所做的方案叫「展藝台」，讓所有學生上載及存放個人多元藝術創作，以作美術教育專業數據的收集、整理、分析，以免美育落後於科技發展的形勢。
但行內思維傳統，欠缺發展遠見，推銷了10年，還是「講人自講」。所以AI已來，變革已來。學校和美術教師，都要不斷學習，不斷轉型避免落後。筆者撰寫這個「科技賦能現代美術教育」主題文稿，也是希望為業界提供一點最新資訊。
下次會回歸基本，探討一些應用傳統科技，發展Art Tech的教學設計，以貫徹個人所倡導低成本、低技術配置、普及推廣的”STEAM”教育願景。
「亞太創藝談」系列之29
