从亚像似符理论看人工智能艺术生成趋势

人工智能艺术是运用机器学习所进行的一种艺术创作形式。本文根据皮尔斯所提出的亚像似符理论,将人工智能艺术所呈现的符号形象分为形象性图像和图表性图像:形象性图像主要采用了卷积神经网络与神经风格迁移两类模型;图表性图像主要采用了对抗性神经网络和扩散模型。此外本文进一步论证了在当前阶段人工智能艺术由于缺乏意向性而无法创作出具有隐喻性图像的艺术作品,并指出人机共生才是人工智能艺术领域未来的发展前景。

亚像似符、符号运动与皮尔斯的视觉隐喻机制

图像符号是一种典型的像似符,其第一符号属性是像似性,"相像""再现"与"模仿"构成了像似符的三种基本指涉方式。我们可以从亚像似符和符号运动两个理论维度上把握皮尔斯的视觉隐喻机制。第一,隐喻是一种像似程度较低的亚像似符,它通过自身的特征实现符号体与对象的关联,即通过与该事物具有类比关系的另一事物来揭示该事物的再现特征。视觉符号的像似性恰恰存在于这种类比关系中,即隐喻揭示的是事物的类比关系。第二,图像符号的隐喻发生;存在一个"像似-指示-规约"的符号运动与意义流动过程,即符号超越符号第一性的像似关系,并经过符号第二性的指示关系,上升为符号第三性的规约关系,最终固定在文化之中,从社会文化系统中获得隐喻意义。

皮尔斯亚像似符视域中的图像分类研究

用皮尔斯的“亚像似符”(hypoicon)概念阐述一种新的图像分类方式,通过对形象、图表和隐喻三种亚像似符的论述,间接说明了不同图像所具有的不同特征,并以此构建起符号--图像的对应系统。与米歇尔、埃尔金斯的图像分类方式不同,该分类方式带有皮尔斯三元色彩的图像分类方式,这意味着这种图像分类方式具有流动的能力,这种流动性相较于前者更符合图像的特质,因而亚像似符视域的图像分类,是对原先图像分类研究的一种很好的补充。