走向基于提示的生成式AI的衍射分析

文献标题

Towards A Diffractive Analysis of Prompt-Based Generative AI

文献信息

• 主题领域: 人机交互 (HCI)，生成式人工智能对创意生产的影响
• 关键词: 生成式人工智能, 创意人工智能, 扩散模型, 衍射分析, 创意支持工具, prompt界面, 艺术与技术, 人机合作, 身份与作者, 创意生产效率

研究背景与问题

• 问题与挑战: 生成式人工智能的迅速发展，尤其是基于文本提示生成图像的系统，如Stable Diffusion和MidJourney，引发了伦理争议（如版权和抄袭）、文化影响和经济问题。尤其突出的是这些工具如何改变艺术家的创意流程，并可能威胁人类创造力的独特性。

  商业主导的人工智能开发可能过度宣称技术能力，而忽略了其对不同用户群体的深远影响，这为学术研究提供了批判性分析的空间，尤其是在tools影响文化生产时。

• 重要性: 艺术创作与技术的结合是生成式人工智能对文化领域的重要冲击。在人工智能被广泛应用的大背景下，理解人类创意与机器生成的互动对于塑造下一代生成式人工智能具有重要意义。

• 研究动机与相关工作: 本研究旨在超越单纯技术优化的视角，聚焦于当前技术如何影响艺术家实践，并探索生成式人工智能技术的文化和社会意义。与之前更关注数字艺术家的研究不同，本论文希望了解主要以物理材料为基础的艺术家如何看待和利用生成式人工智能工具。

解决方案

• 提出的解决方案/研究方法: 作者采用一种关键性理论方法——衍射分析（Diffractive Methodology, DM），以一种更敏感、开放的方法来探讨生成式人工智能对创意实践的影响。研究对象为7名艺术家，他们可使用经过微调的Stable Diffusion生成模型，该模型基于艺术家自身的作品进行定制化训练。

• 创新点:

  • 提出一种针对人机交互的新型定性分析方法（即衍射方法），强调研究中数据间的差异和背景关系，而非单一结果或统计普遍性。
  • 从生成式人工智能与传统物质性创作实践的冲突出发，综合考虑艺术家在创意流程中的主体性与对技术的适配。

• 实施步骤与关键技术:

  1. 模型定制化: 使用每个参与者的艺术作品数据微调Stable Diffusion模型，通过开放使用的EveryDream工具完成训练。
  2. 用户测试: 艺术家们在两周内使用模型，记录自然观察与体验。不对使用频率或策略有限制。
  3. 半结构化访谈: 在两周实验结束后对艺术家进行深度访谈，使用定性编码分析，并结合衍射分析的方法挖掘过程中的分歧、多样性与背景联系。

研究成果

• 具体成果:

  • 发现艺术家主要通过两种方式使用生成式人工智能工具：①创意启发（Ideation），②创意生产（Production）。每种模式对人机代理权有不同需求。
  • 提出了适用于两种交互模式的具体设计考虑（如界面优化、模型特定化、领域定制化）。
  • 提出对当前生成式人工智能伦理争议（如抄袭与数据获取方法）的中立性分析。

• 优势对比:

  • 与现有文献相比，本研究更加注重艺术家与模型之间深层次和语境化的交互，而非技术性能。
  • 强调模型的独特性与局限性本身可激发创意，而不是完全追求“完美的复制”。

• 实验与评估结果:

  • 艺术家对模型具有强烈的用户偏好，但体验中主导的情绪是矛盾的。生成式人工智能既被视为“威胁”又被视为“支持”。
  • 模型生成的内容通常不能独立视为作品，而更像是艺术家创作流程的一部分工具。这强调了协同创作（Co-Creative AI）的重要性。

• 局限性与未来方向:

  • 局限性：样本量较小，背景集中于有限的职业领域；未评估模型对一般用户或艺术作品观众的影响。
  • 未来方向：
    1. 扩展到其他生成式AI模型（如MidJourney），对比不同工具的创意支持特点。
    2. 从艺术观众的角度研究生成式人工智能生成作品的接受度。
    3. 探索AI与传统创作实践之间的进一步融合，比如“AI是否可以完全替代人？”以及相关文化和社会后果。

总结

本研究通过采用衍射分析深入揭示生成式人工智能与艺术实践的潜在互动与影响。它为生成式AI界面与技术设计提供了具体的参考，同时也对该技术的伦理议题提供了新的视角。生成式人工智能并非简单的工具，而是对人类创作能力的扩展，同时引发了关于主体性、创造力和文化生产的复杂讨论。