【本文原载于中国艺术杂志公众号2025年8月26日推文】

摘要：20 世纪以来，先锋艺术实践与技术文明的发展使传统艺术学深陷范式颠覆与理论失效的本体论危机、门类碎片化与跨学科整合薄弱的方法论危机以及审美独特性消解与技术祛魅的价值论危机。计算艺术学作为对危机的主动回应与范式重构，以“数据输入—算法处理—意义输出”为分析框架，通过开展量化审美感知、互动艺术仿真和参与式情感实验的研究范式，破除“人类创作”与“AI 创作”的二元对立，旨在弥合技术理性与艺术感性的价值鸿沟，构建人智共生的艺术创作生态。

关键词：计算艺术学、量化审美、艺术仿真、情感实验、人智共生

艺术学是一门系统研究艺术的本质与功能、形态与发展、创作与欣赏、传播与管理的综合性人文学科，是探究艺术及其相关问题所形成的知识体系，具有理论性、历史性、批判性和实践性研究的跨学科特征。中外学者对艺术的研究具有很长的历史，而作为一门独立意义的艺术学理论，则萌生于18 世纪上半叶法国学者夏尔·巴托（Charles Batteux，1713—1780）提出的“美的艺术”及其分类，形成于 19 世纪末康拉德·费德勒（Konrad Fiedler，1841—1895）关于“美学与艺术学”独立的学术主张以及 20 世纪初德国学者马克斯·德索（Max Dessoir，1867—1947）“一般艺术学”的概念提出。20 世纪以降，艺术领域的先锋实践与技术文明的指数级发展，使传统艺术学理论体系陷入深层困境。马塞尔·杜尚（Marcel Duchamp，1887—1968）的《泉》（小便池）的现成品革命、瓦尔特·本雅明（Walter  Benjamin，1892—1940）机械复制时代“光晕”（Aura）消逝的预言，以及智能技术所催生的人机协作式的创造模式，正在重构手工艺术、机械艺术、数字艺术和智能艺术的创作机制、表现形式和体验方式，也持续冲击着艺术学的本体论根基、方法论体系与价值论内涵。

迄今为止，就艺术学的理论发展而言，总体上还是采用手工艺术时代的经典理论和实践去认知和把握智能时代的艺术现实。虽然艺术学在近年来的探索过程中有一些闪光的阐释性理论创新出现，但仍然缺乏全新的艺术理论范式去系统揭示 AI 浪潮下数字艺术的新形态。“计算艺术”（Computational Art）的命名是对创作媒介的技术性承认，强调艺术创作依赖于可计算的逻辑结构而非传统手工技艺，是对算法执行与数据处理等计算机核心能力在艺术创作领域的揭示，是一种“算法艺术”和“生成艺术”。计算艺术学的勃兴，既源于算法生成、神经科学等技术突破对艺术创作与研究的赋能，更源于学术界对艺术学危机的主动回应。计算艺术学试图通过智能科学与人文学科的交叉融合，修补甚至重构适合当代艺术实践的研究范式和话语体系。

一、传统艺术学的三重危机

（一）本体论危机：范式颠覆与理论失效

杜尚及其之后的波普主义、达达主义等众多当代艺术家们将工业制品、日常用品通过挪用、拼贴等方式纳入艺术范畴的先锋行为，彻底解构了传统艺术定义中以“人造物”“审美性”和“创造性”为核心要件的艺术定义。总体而言，艺术定义的本体论包括艺术特征论、艺术功能论和艺术体制论等不同类型。正如维特根斯坦提出的家族相似理论所揭示的那样，艺术概念并非基于共同本质，而是通过绘画、音乐、戏剧、雕塑等不同艺术门类间的交叉相似性得以维系。这一洞见使得传统本体论中“艺术是有意味的形式”（贝尔）、“艺术即情感交流”（托尔斯泰）、“艺术即人造物及其所在某个社会体制的授予”（迪基）等艺术的本质主义定义失去普适性。

克莱夫·贝尔（Clive Bell，1881—1964）指出：“在各个不同的作品中，线条、色彩以某种特殊方式组成某种形式或形式间的关系，激起我们的审美情感。这种线、色的关系和组合，这些审美地感人的形式，我称之为‘有意味的形式’。‘有意味的形式’，就是一切视觉艺术的共同性质。”这种对艺术的判定依赖于个体的主观性，缺乏一个统一公允的集体标准。列夫·托尔斯泰（Lev  Tolstoy，1828—1910）强调：“艺术是这样的一项人类的活动：一个人用某些外在的符号有意识地把自己体验过的感情传达给别人，而别人为这些感情所感染，也体验到这些感情。”这个艺术的定义具有鲜明的道德至上主义倾向，遮蔽了艺术的情感功能和审美体验。亚瑟·C. 丹托（Arthur C. Danto，1924—2013）提出“艺术界”理论，指出艺术合法性取决于“理论氛围”与艺术史语境的建构。这种对艺术的定义虽然超越了艺术定义的感知属性，具有一种整体主义“理论氛围”和历史视角的“话语情境”，但这种由“艺术理论、历史知识和解释构成的氛围”具有历史语境的相对性，缺乏一种跨越历史的稳定性。为此，乔治·迪基（George Dickie，1926—2020）深化了丹托的“艺术界”概念，认为“类别意义上的艺术品是：1. 人工制品；2. 代表某种社会制度（即艺术世界）的一个人或一些人授予它具有欣赏对象资格的地位”。这个定义强调了艺术品的认可是由艺术界的公众来决定的，而艺术界的公众是一群“对艺术有准备的人”，似乎陷于一个逻辑自闭的循环定义圈。当安迪·沃霍尔（Andy Warhol，1928—1987）的《布里洛盒子》凭借艺术界话语成为艺术品时，艺术形态的相似性已无法作为“艺术之所以为艺术”的判定依据，艺术失去了跨越时空的本质主义特征，而只是一种相对主义的解释性存在。

E.H. 贡布里希（E. H. Gombrich，1909—2001）认为，艺术家在创作过程中会依赖已有的图式来整理和表现自然，这些图式是艺术家在长期的艺术实践中形成的，能够帮助他们更有效地表达思想和情感。这种再现理论以“图式—修正”模型解释艺术发展，但面对抽象表现主义、观念艺术等非再现性实践，其强调的“图像与现实的对应关系”完全失效。彭锋指出：“在信息领域，艺术与非艺术之间的边界彻底模糊。通过艺术品来划出艺术边界已经变得不再可能。但是，这并不意味着艺术边界将彻底消失。或许我们可以从艺术家的角度来重新发现艺术边界。”当代艺术中“人工性”与“艺术性”的剥离，使艺术本体论陷入“范畴错误”。当自然物、寻常品被赋予艺术品的身份时，传统艺术理论赖以立足的“人工创造”前提已然崩塌，“艺术家”的身份依然模糊。这种危机在人工智能时代更为凸显。算法生成的图像、AI 作曲的音乐，其“创作主体”的模糊性迫使艺术本体论重新界定“艺术之为艺术”的存在论根基。

（二）方法论危机：门类碎片化与跨学科整合薄弱

虽然从费德勒和德索开始，中外艺术学家们就在探索跨门类的一般艺术学的理论建构，但是，总体而言，传统艺术学长期受制于“一般艺术学”与“门类艺术学”的二元割裂。绘画史、音乐学、戏剧理论等分支学科各自形成封闭的研究范式，沃尔夫林的“艺术史观”更多适用于视觉艺术，阿多诺的音乐社会学难以迁移至数字媒体艺术。这种碎片化导致艺术学丧失对跨门类艺术现象的整体解释力。当新媒体艺术融合影像、声音、互动装置时，既有的门类研究框架无法捕捉其综合性本质。在王一川看来，“未来艺术学理论学科需要实施开放有度的学科战略：既坚守自身的艺术普遍性研究本体，同时又向其他学科，特别是艺术门类型学科开放”。而这样的艺术学整合性研究探索，依然在路上。

彭锋强调，艺术史研究中除了“跨门类整合”的缺失，使传统方法难以应对艺术形式的杂交创新外，还面临“跨文化的问题”，在世界范围内都缺乏高度整合型的研究成果。在他看来，黑格尔是跨门类艺术学研究和跨文化艺术学研究的第一人且是至今为止的唯一人，但这种将黑格尔作为艺术学者的身份指认稍显牵强。电影作为“综合艺术”的理论定位，在交互性的智能艺术面前已显陈旧。智能艺术进一步融合了虚拟叙事、算法生成与体感交互，需要超越单一门类的艺术理论分析模型加以解释和身份确认。计算艺术学兴起以前，理论界关于艺术学的方法论始终困于“质性阐释”“图像分析”和“观念思辨”的单一维度和静态研究，缺乏将风格分析、接受心理、文化语境等要素量化整合的有效工具，导致对艺术现象的解释停留在经验描述层面，难以形成具有预测力的理论洞见。

（三）价值论危机：审美独特性消解与技术祛魅

本雅明将“光晕”作为解释传统手工艺术的核心概念，并将“光晕”的“保有”或“凋敝”作为手工艺术与机械艺术的分野，这也在某种程度上构成传统艺术与现代艺术的分水岭。与此同时，本雅明还区分了传统艺术（绘画）的膜拜价值和机械艺术（摄影、电影）的展示价值在观赏时的“静观”和“震颤”的区别。这样的艺术品价值解释立场，严重依赖于对“光晕”概念的辨析。在彭锋看来，只要调整对本雅明关于“光晕”含混不清的定义进行结构主义的澄清，就可以从不同视角解释手工艺术品的光晕、机械艺术品的光晕甚至人工智能艺术品的光晕。彭锋将“在场性”视为“光晕”的核心要义，认为人工智能的“光晕”是由“观众在场”的外部激活而成。事实上，在智能算法时代，艺术品表现出更为复杂的价值结构和观赏形式。模板化创作思维源于电视时代的创作思维，试图将工业化流程与自由式创作融为一体。在数字时代，抖音、快手、小红书等短视频平台提供了模板化创作工具，更是将“模板化创意生产”推到艺术创作的新高度。一方面，这些平台为 UGC（用户生成内容）创作者提供图片、音乐、特效等各类素材进行整合编排的框架模板；另一方面，又为创作者预留出可以自由创作的空间。这种模板化艺术创作通过大数据分析用户偏好，生成标准化的“审美产品”，使艺术作品的“独一无二性”被批量生产的“可复制性”取代。这种“抖音美学工厂”的创制模式，将艺术价值降维为流量指标与用户数据，传统美学中“无功利审美”“精神超越”等价值维度被彻底置换。

塞米尔·泽基（Semir Zeki）提出“神经美学”，试图从大脑的发生机制出发去理解艺术审美价值的复杂性，这提供了一种研究艺术价值的新角度。他与研究团队通过实验法得出结论，审美判断除了与知觉判断共用系统外，还占用大脑特定的系统。当算法通过脑电波监测观众的审美反应并据此优化创作时，艺术的价值判断逐渐向“神经愉悦度”等生理性指标偏移。泽基的神经美学研究引发另一种深层次的悖论担忧：若艺术价值可被量化为生理性的神经数据，那么康德将“审美判断”构筑于愉悦性的情感基础之上而与建基于知觉力的认知判断划清界限的“判断力批判”的努力，是否最终沦为可计算的生理反应？ 2017 年，美国罗格斯大学教授艾哈迈德·埃尔加马尔（Ahmed Elgammal）创造的创意对抗网络（Creative Adversarial Networks，简称“CAN”），是第一个通过图灵测试的人工智能艺术家。在埃尔加马尔看来，“机器学会了画画”“AI 创造了美感”。如今，在更多的计算艺术实践中，越来越多的 AI 生成式“高仿古典绘画”通过了图灵测试。而且，越来越多的试验研究发现，AI艺术的低评价主要受标签触发的认知偏见影响，而非美学质量本身。这些 AI 艺术作品的价值判定不再依赖艺术史语境或创作者意图，而是取决于算法对“风格相似度”的计算。这使艺术的价值论在摆脱生理主义的牢笼后又陷入技术主义的窠臼，面临审美本质被工具主义逻辑吞噬的风险。

图 1  [美] 埃尔加马尔，《另类事实 : 谎言的多重面》（Alternative Facts: The Multi Faces of Untruth），CAN 生成，2018 年

二、计算艺术学的双维建构

（一）技术革命：主体范式转型与人机协同生态

传统艺术学与计算艺术学在艺术本体、研究范式与价值内核等方面都存在显著差异，体现出“人文主义”与“计算主义”的价值区别。计算艺术是以算法、规则、系统或计算过程为核心的艺术形态，关注计算思维、计算系统、生成性和规则性，强调计算过程在艺术创作中的应用。广义的计算艺术思想源远流长，包括纯手工绘制、机械计算装置、计算机编程，概念内涵广泛。狭义的计算艺术兴起于 20 世纪中叶，与计算机艺术几乎同步，在不同语境下还以“机器艺术”“信息艺术”“计算机艺术”“数字艺术”“网络艺术”“人工智能艺术”等概念术语进行表达。

早期的计算艺术家大多是数学家或计算机专家。1952 年，美国艺术家、数学家本杰明·弗朗西斯·拉波斯基（Benjamin Francis Laposky）用早期的计算机装置和电子阴极管示波器创作黑白数字艺术作品《电子抽象》，开启技术作为创作主体的序幕。匈牙利裔美籍艺术家查尔斯·楚里（Charles Csuri，1922—2022）以艺术家的身份学习计算机科学，成为一位真正意义上的计算艺术家。1967 年，他运用大型计算机创作了一幅数字绘画《正弦人像》（Sine Man），即用无数正弦曲线叠加成一个男子头像。美国计算机科学家、艺术家哈罗德·科恩（Harold Cohen，1928—2016）在 1972 年开发了计算机自动绘图程序 AARON，并用这个程序绘制了许多抽象绘画作品在伦敦泰特美术馆（Tate Gallery）等多家国际知名美术馆展出，也被旧金山艺术馆等机构收藏。AARON 程序是普通计算艺术向决策式计算艺术转型的标志，挑战了“人类作为唯一创作主体”的传统认知，迫使理论界重新定义艺术的创造性及其主体性。此后，计算艺术领域又出现了更具机器创造力的音乐机器人“希蒙”（Shimon）和自动绘画软件“绘画傻瓜”（Painting Fool）等，进一步挑战了人类的创造力。

图 2  [匈] 楚里，《正弦人像》，大型计算机创作，1967 年

图 3  [英] 科恩、AARON，《040502》，计算机辅助绘制作品，2004 年

2014 年，苹果公司原机器学习总监伊恩·古德费洛（Ian Goodfellow，1985— ）开发了生成式对抗网络（GAN），为数据生成、图像处理和艺术创作带来了革命性的变革，引发了生成式计算艺术的爆炸。土耳其裔美国先锋计算艺术家雷菲克·阿纳多尔（Refik Anadol，1985— ）的《溶解记忆》《量子记忆概率》《视觉音乐雕塑》等一系列计算艺术作品，打造了公共计算艺术雕塑、沉浸式感官体验场景，重新定义了艺术创意与计算机技术的内生关系。这时候，算法不仅执行指令，更能通过学习艺术史数据自主生成风格化作品。2018 年，法国术组织Obvious 创作的《爱德蒙·贝拉米》（Edmond  de Belamy）在纽约佳士得以高价被拍卖，引起艺术市场对艺术创作中人工智能主体性地位的高度关注。美国纽约大学教授菲利普·加兰特（Philip Galanter）提出“生成式艺术”（Generative  Art）的概念，用以描述全部或部分使用自治智能系统创作的艺术。人工智能究竟是人在艺术创作时的辅助工具，还是具有完全独立自主的主体地位？美国学者唐娜·哈拉维（Donna  Haraway）在《赛博格宣言》中将“赛博格”（Cyborg）视为一种机器和生物体的混合体，是一种受控机体的“半机器人”“电子人”。哈拉维的“赛博格”理论启示我们，当算法参与构思、人类负责审美判断时，生成式计算艺术的创作主体已演变为“人机共生体”。

图 4  [美] 阿纳多尔，《量子记忆概率》局部截图，数字艺术装置，2021

图5   [法] 艺术组织 Obvious，《爱德蒙·贝拉米》，人工智能生成作品，2018 年

（二）理论迭代：审美量化路径与跨学科融合

艺术的创造在于将混沌的情感状态转化为清晰可感的形式。计算艺术的本质是基于数据的审美推理和情感算法。许煜认为，数据是一种关系的存在，是一种“数码物”（Digital Object），具备普遍的关系性。信息美学领域，德国哲学家、美学家马克斯·本斯（Max Bense，1910—1990）于 1957 年提出“信息美学”的概念，认为“艺术领域根本性变革的动力并非来自社会，而是来自数学领域”。他将“元素库”作为微观美学计算公式的基础，运用数学化模型将审美体验转化为信息熵、复杂度等可计算参数，为“形式分析”提供量化工具，讨论计算机中的审美问题。本斯不仅从事计算艺术的理论研究，还开展计算艺术作品的创作实践，组织世界计算艺术展。当我们以本斯的计算艺术理论视角审视康定斯基的抽象画作时，其色彩分布的信息熵值可被精确计算，作为量化视觉元素秩序层级的关键指标。这种计算并非孤立，而是试图建立色彩符号系统的统计特性与其所承载的“精神表达”信息强度之间的潜在关联，从而为传统形式分析中主观模糊的“精神性”阐释提供客观的信息论参照系。同样，泽基神经美学的探索可纳入信息接收过程的框架。通过 FMRI（功能磁共振成像）技术监测审美体验中的神经活动，其本质是解码大脑在接收古典绘画视觉信息流时的信息处理模式。泽基发现的视觉皮层特定激活状态与“审美愉悦”体验的相关性，揭示了审美判断这一主观反应的神经信息学基础，印证了美感生成作为复杂生物信息处理过程的本质。

因此，我们可以看出，计算艺术学的理论视角是把艺术现象转化成可以用计算机处理的信息。计算艺术学融合了信息美学的熵值量化分析、神经美学的认知过程建模，以及艺术史的符号解读方法，搭建起一套“数据输入—算法处理—意义输出”的分析框架。这种三元计算艺术模型实现了艺术接受过程的全流程算法化。从生理数据采集、神经活动模式仿真到文化意义解读，不仅将传统美学中“哲学内涵”等抽象概念转化为符号关联权重、熵值阈值等可操作的量化参数，更通过神经美学实验数据与艺术史语义网络的交叉验证，推动审美研究从主观经验描述，转向可验证的科学计算范式。简而言之，计算艺术学通过信息系统的工程化方法，在保留人文深度的同时，建立起艺术分析的科学标准，标志着艺术研究从抽象思辨和史料研究，迈向可建模、可计算、可验证的新研究范式。

三、计算艺术学的研究范式及局限

计算机科学在人文社会科学的应用带动了数字人文、计算社会学、计算经济学、计算政治学等新兴学科的发展，也为艺术学的研究拓展了新的研究领域。传统艺术学的研究领域包括艺术理论、艺术史、艺术批评、艺术管理以及门类艺术史论等研究议题，计算艺术学是在数字艺术的研究和实践基础上发展起来的新兴艺术研究领域，更强调从数据、计算和推理等角度对艺术展开研究。朱青生团队在北京大学开展中国汉代图像信息数据库建设工作的基础上，将计算艺术史梳理为建立图像数据库、图像描述和标注、图像知识库、术语管理与应用、数据分析和应用等方面的工作。相较于传统艺术学以文献、图像、观念为基础的质性研究，计算艺术学则通过大数据、机器学习和人工智能等技术来研究艺术现象，倾向于广度研究和数据驱动研究。

（一）量化审美感知：数据驱动的艺术认知重构

量化审美感知范式是一种利用计算机和大数据分析技术进行艺术研究和分析的方法，将艺术解构为“创作—作品—接受”三维数据流，实现从物质载体到动态数据生态的转向。计算艺术以算法作为创作的底层逻辑，通过数据驱动的艺术创作改变内容的表达，进而重塑艺术作品的美学原则。计算艺术学摒弃传统的单一质性方法，构建“量化分析”与“质性阐释”相结合的混合研究范式，即通过采集艺术创作与接受过程中的多模态数据，构建可计算的美学模型。该范式将绘画笔触、颜料色谱、音乐频谱、舞蹈动势、设计线条等艺术元素转化为结构化数据，运用计算机视觉识别、声纹分析、运动捕捉等技术量化艺术作品的风格特征。比如，对中国山水画中的“留白”构图进行空间频率分析，可揭示其与西方油画透视法则的审美差异；对贝多芬交响乐的声压动态建模，可验证崇高美学的情感表达的声学阈值。此类研究不仅可以解构传统美学中的模糊概念，还能通过生成式人工智能逆向生成符合特定审美规则的艺术作品，实现创作规律的显性化表达。当然，艺术体验中的隐喻性与偶然性难以被完全数据化，需警惕“数据简化主义”对艺术感知丰富性的消解。

量化审美感知范式进一步整合生理传感与行为日志数据，可以建立观众审美反应的因果模型。比如，依托眼动追踪、脑电波、皮电反应等研究工具，可精确捕捉观者在欣赏蒙克《呐喊》时的视觉焦点轨迹与情绪波动，分析抖音用户在观看非遗舞蹈短视频时的中断行为与文化认同之间的逻辑关联。此类实验将康德所谓“无目的的合目的性”转化为可验证的审美感知机制。但是，量化审美感知范式面临挑战：其一，文化语境差异导致数据解读偏差，如红色在东方象征喜庆而西方隐含危险；其二，技术黑箱可能掩盖算法偏见，如人脸识别对非裔艺术形象的误判；其三，过度依赖数据可能忽视艺术的社会嵌入性，如街头涂鸦的社区政治意义。因此，该范式需以“艺术感性”平衡数据理性，保留艺术感知的不可通约价值。

（二）互动艺术仿真：复杂系统的艺术动态模拟

交互性是计算艺术的显著特征。互动艺术仿真范式将艺术生产、传播与消费视为复杂适应系统，通过多智能体建模（Agent–Based  Model）模拟微观个体互动衍生的宏观现象。计算艺术学将艺术创作理解为“可计算的数据流”，包含创作数据、作品数据和接受数据等不同维度的数据结构。该范式整合画廊、艺术家、收藏家、社交媒体算法等主体规则，输入市场交易数据、政策变量、技术冲击等参数，动态推演艺术系统的演化路径。例如，模拟 NFT 艺术泡沫的生成机制，可揭示投机资本与社交媒体算法推荐的正反馈循环如何催生价格背离价值的市场效应；梳理“一带一路”文化交流政策的影响因子，预测中国意象绘画作品在欧洲市场的接受度，为中国艺术作品的国际推广提供决策依据。互动艺术仿真突破传统艺术研究的静态描述，揭示流量分配、资本流动与文化权力再分配的深层动力学机制。

互动艺术仿真范式的核心价值在于风险预警与政策评估。赵汀阳认为，人工智能的危险性不在于其能力，而在于意识。计算艺术需以“增强而非替代人的创造性”为伦理前提。通过调整艺术创作智能体行为规则，可预判传统艺术市场面临的结构性冲击。比如，人工智能艺术作品与手作艺术之间价格关联研究。同时，互动艺术仿真能优化文化政策干预策略，比如推动中国艺术在全球南方艺术市场的推广策略的政策制定。当然，该范式也存在一定的本质局限：其一，模型依赖历史数据，难以预测颠覆性创新，如 AIGC引发的艺术伦理危机；其二，简化规则，无法复刻艺术创作的非理性特质和不确定性因素；其三，算法可能强化既有权力结构，默认某类特定的艺术标准为仿真基线。因此，该范式需结合艺术史学者的质性判断，在“复杂性科学”与“人文批判”间建立对话桥梁。

（三）参与式情感实验：人机协同的艺术干预验证

参与式实验范式通过受控环境下的艺术干预，验证技术、形式或语境变量对审美体验的因果效应。比如，通过构建线上线下混合实验场域，在虚拟空间，利用 VR 重建特定的艺术场景，随机分配研究对象体验“纯视觉浏览”或“AR 互动解说”模式，测量文化理解深度差异；在实体空间，部署传感器监测观众在装置艺术前的驻留轨迹，结合访谈挖掘行为动因。实验核心在于操纵关键变量，如将同一组艺术家的画作，分别以“传统卷轴”“NFT 动态化”“AI 风格重组”等三种形式呈现，通过眼动仪与语义分析检验接受效度差异。参与式实验范式突破了美学思辨和个体经验的模糊性，尤其适用于跨文化语境中的符号转译优化研究。

刘悦笛认为，人类“拥有”情感，机器无法拥有人类意义上的情感。机器虽然可以通过“模拟”情感来仿造情感，但无法由内而外地抒发情感。参与式情感实验范式的深层使命是人工智能艺术创作伦理边界的探测。通过参与式情感实验测试，可揭示计算艺术的算法偏见。例如，让社交机器人在艺术论坛发布相同质量的画作，研究不同署名对该画作的接受度，检验艺术推荐系统的隐性歧视问题。该范式还能评估人机共生创作的艺术价值。比如，邀请人类画家与 AI 工具协作，分析“AI 生成草图+ 人工深化”模式与纯人工创作模式的效率差异及艺术品质，验证“人工智能技术是辅助还是主导”的研究假设。当然，参与式实验范式面临严峻挑战：其一，过度控制的实验环境削弱艺术生态的随机性效度；其二，艺术感知的数据采集可能侵犯隐私；其三，工具理性侵蚀艺术本真性。因此，该范式要求实验设计遵循“艺术伦理先行”原则，守护艺术中不可计算的直觉与感性，在数字文明中重塑人的主体性。

四、结语

正如周宪所言：“美学的当代发展日益呈现出两种形态：自足性美学与介入性美学。前者聚焦于美学体系内部而带有自足特性，后者则倾向于介入当下社会文化问题。”艺术学研究也正遭遇这样的“艺术学及其不满”的理论困境，需要探索面对当下数字社会的艺术学研究新领域。20 世纪以降，艺术学知识演进遭遇的发展危机，本质上是工业文明向数字文明转型在艺术学知识生产场域的投射。计算艺术学的范式重构，既非对传统艺术学知识谱系的颠覆性解构，亦非技术理性对人文价值的单向度僭越，而是旨在构建“数据驱动—算法赋能—理论反哺”的研究机制，在数智工具的精确性与艺术审美的超越性之间，达成更高层次的辩证统一与共生演进。叶朗强调，美学是从“审美角度来研究人与世界关系，其目的在于通过对人与世界关系的审美把握，美化社会、美化生活，美化人生、完善自我”。计算艺术作为一种审美实践，也应该具备这样的精神旨归。计算艺术学研究的终极使命是拓展人的审美感知力，增强人的艺术创造力。

面向未来学科建设，计算艺术学尤需保持清醒的理论自觉，警惕两种认知偏向：其一，将鲜活的艺术创造与审美体验简单还原为数据模型与算法规则的机械运算，导致艺术作为人类精神超越性载体的本质维度被技术理性遮蔽；其二，陷入传统理论的封闭体系，拒斥技术创新带来的认知革命，错失在文明转型中拓展审美现代性的历史机遇。艺术创造与审美体验守护着人类的精神家园和意义世界。计算艺术学的价值追求，在于借助技术赋能开掘审美经验的新可能，同时以深沉的文化自觉守护艺术的人文内核，弘扬中华民族共同体美学精神。唯有在技术工具理性与人文价值理性之间保持必要的张力，才能在算法编织的数字生态中构建既具技术精准度又含人文温度的艺术学新范式。计算艺术学实现人类创造力与机器创造力融合的核心在于构建一种深度对话、相互激发、协同进化的人智共生系统。

本文为研究阐释党的二十届三中全会精神国家社科基金重大专项“文化和科技融合的有效机制与业态创新研究”（项目批准号：24ZDA078）的阶段性成果。

（原文见《中国艺术》2025年第4期，总第147期，注释从略）