人们往往会对秘密的披露感到欣喜。或者至少可以说，媒体机构已经意识到，诸如“谜团被解开”和“隐藏的宝藏被揭示”之类的新闻会带来流量和点击率。因此，当我（指本文作者Sonja Drimmer）看到人工智能辅助得出的、关于著名大师的艺术作品的新发现成为热点话题时，我从不感到惊讶。

仅在过去的一年里，我看到一些文章称人工智能恢复了意大利画家莫迪里阿尼（Modigliani）的“失落的情人”的“秘密”画作，让“隐藏的毕加索的裸体绘画重焕生机”，“复活”了奥地利画家古斯塔夫·克里姆特（Gustav Klimt）被毁的作品，“恢复”了伦勃朗1642年画作《守夜》的一部分。这样的例子不胜枚举。

作为一个艺术史学家，我对这些项目的报道和传播越发关注。实际上，它们并没有揭示秘密或解决谜团，它们所做的是创造让人们对人工智能产生良好印象的故事。

我们真的学到了任何新东西吗？

以有关莫迪里阿尼和毕加索画作的报道为例。这些项目是由同一家公司Oxia Palus执行的，该公司不是由艺术史学家而是由机器学习领域的博士生们创立的。

在这两个案例中，Oxia Palus采用了传统的X射线、X射线荧光和红外成像技术，这些技术在几年前就已经被发表并投入使用了——这些工作揭示了艺术家在画布可见层下的初步绘画。

该公司对这些X射线进行了编辑，并通过应用一种称为“神经风格转移”（neural style transfer）的技术，将它们重新组合为新的艺术作品。这是一个听起来很复杂的术语，指的是将艺术作品分解成极小的单元，从中推断出一种风格，然后以同样的风格重新创建其他内容的图像的技术。

从本质上讲，Oxia Palus将机器从现有的X射线图像和同一艺术家的其他画作中学习到的东西拼制成新作品。

但是，除了发挥人工智能的威力之外，该公司所做的事情，在艺术上、历史上是否有任何价值？这些重现并没有告诉我们任何我们不知道的关于艺术家的信息和他们的方法。

艺术家总是在他们的作品上一层叠一层地作画，这种情况非常普遍，以至于艺术史学家和文物管理员创造了一个专门的词来描述这种情况——Pentimento。这些早期的创作并不是像复活节彩蛋那样存放在画中供后来的研究人员发现的。最开始的X射线图像当然很有价值，因为它们提供了对艺术家工作方法的洞察力。

但在我看来，从艺术史的角度来看，这些项目所做的事情并不完全具有新闻价值。

急需支持的人文科学

因此，当我看到这些复制品吸引了媒体的关注时，我觉得这是为人工智能所做的软性营销，在对人工智能的欺骗、偏见和滥用的怀疑情绪上升的时候，这些新闻展示了对该技术的“文明”应用。

当人工智能因重现丢失的艺术品而受到关注时，它让自己听起来没有之前那么可怕了——曾几何时，它创造了伪造政治家言论的深度假象，还因利用面部识别进行专制监视而上了新闻头条。

这些研究和项目似乎也强化了计算机科学家比艺术史学家更善于进行历史研究这一认知。多年来，大学人文科学部门的资金逐渐被挤压，更多的资金被输送到科学领域。由于科学声称其具有客观性和和能得出经验上可证明的结果，它们往往从资助机构和公众那里获得更大的尊重，这为人文学科的学者采用算法提供了激励。

艺术史学家克莱尔·毕晓普（Claire Bishop）批评了这一发展，指出当计算机科学融入人文学科时，“理论问题被数据的重量压扁了，”从而产生了非常简单化的结果。从根本上而言，艺术史学家研究艺术曾经如何向人们提供看待世界的洞察力，探索艺术作品如何塑造了它们所处的世界，并继续影响后代。计算机算法不具有这些功能。

然而，一些学者和机构已经允许自己被科学所淹没，采用他们的方法并与他们在受到赞助项目中合作。文学评论家芭芭拉·赫恩斯坦·史密斯（Barbara Herrnstein Smith）警告说，不要向科学让步太多。在她看来，科学和人文学科并不是它们经常被描述成的那种二元对立的关系，但这种描述对科学是有利的——科学因其所谓的清晰性和实用性而受到推崇，而人文科学则被认为晦涩和无用。她还称，融合艺术和科学的混合研究领域可能会带来突破，但这些突破不可能作为一个孤立的学科存在。

我对此持怀疑态度。这并不是因为我怀疑扩大、多样化我们的工具箱是一件有用之事。可以肯定的是，一些从事数字人文科学的学者已经以微妙的方式和历史意识接受了算法，从而微妙地改写了某些根深蒂固的叙事，或干脆推翻了这些叙事。

我挥之不去的怀疑来自于这样一种意识：公众对科学的支持和对人文学科的轻视意味着，在努力获得资金和接受的过程中，人文学科将失去使其至关重要的东西。该领域对历史特殊性和文化差异的敏感性，使得将同样的代码应用于广泛不同的人工制品这件事显得完全不合逻辑。

认为100年前的黑白照片会和现在的数字照片具有相同颜色这件事是多么的荒谬。然而，这正是人工智能辅助着色的作用。这个特殊的例子可能听起来像是一个疑虑。但这种“让作品重焕新生”的努力经常会把表象误当作现实。添加颜色并不显示事物的本来面目，而是以我们自己的想象重新创造已经存在的东西——一张照片，现在有了计算机科学的批准印章。

艺术是科学家沙盘上的玩具

最近有一篇论文专门讨论使用人工智能分解扬和休伯特·凡·艾克的《根特祭坛画》的X射线图像，在该文的结论附近，撰写该论文的数学家和工程师提到他们的方法依赖于“选择‘所有可能的世界中最好的’（这是伏尔泰的原话），采取两个独立运行的第一个输出，只在输入的顺序上有所不同”。

也许，如果他们对人文科学有更多的了解，他们就会知道，当伏尔泰用这些话来嘲笑一个认为猖獗的痛苦和不公正都是上帝计划的一部分的哲学家时，这些话是多么具有讽刺意味——世界的现状代表了我们所希望的最好结果。也许这个用典有些廉价，但它说明了艺术和历史成为没有受过人文学科训练的科学家的沙盒玩具的问题。

别的姑且不说，我希望报道AI的这些发展的记者和评论家能对它们投以更多的怀疑眼光，并改变当下的AI的发展方式。在我看来，那些负责向公众传达这些研究结果的人，与其把这些研究当作英雄般的成就，不如把它们看作是质疑计算科学在挤占艺术研究时正在做什么的机会。他们应该问，除了人工智能、其最狂热的支持者和那些从中获利的人之外，这一切是否有利于任何人或任何东西。

本文作者Sonja Drimmer是马萨诸塞州大学阿默斯特分校中世纪艺术副教授。

（翻译：王宁远）