大数据与美学新思维.docx

《大数据与美学新思维.docx》由会员分享，可在线阅读，更多相关《大数据与美学新思维.docx（14页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、摘要：大数据改变了科学和认识的范式，同时也对传统美学产生冲击 和影响。首先是关联思维和计算思维的结合。大数据在人工智能艺术 中的应用，说明艺术中的关联思维可以被算法所表示。其次是全面性 认识与小样本方法的融合。全面的数据带来了客观性，使得艺术从专 家驱动走向了观众和流量驱动，而人类在小数据限制下的“隐喻-联想” 能力，也为实现人工智能的“大任务”提供了可能。最后，大数据技术还 可以融合静态思维和动态思维、定性分析和定量分析、理性认识和感 性认识等。但是，我们也要警惕“数据中心主义”和“数据霸权”，防止大 数据造成的审美同一化。我们应该提升人们的“数据素养，用审美理 性”来限制和引导大数据技术的

2、开展。从古希腊思想家毕达哥拉斯认为“万物皆数”，到物理学家惠 勒(A. Wheeler )提出“一切源自比特”，人们对世界的认知似乎 回到原点，然而这里面的内涵却已经千差万别。数据是人们标 识、衡量和认识事物的一种方式，但并非唯一的方式。阿科夫(R. L Ackoff )等学者提出人类认识的金字塔等级：数据 (data )、信息(information) 、知识(knowledge) 、智慧(wisdom) (DIKW ),数据处于最基础的地位，信息、知识和智慧都可以 与数据关联起来。然而，过去的人们受制于有限的计算能力， 并不能有效利用数据的规模优势，直到网络、人工智能和大数 能要想真正地成

3、为通用“智能”，必须实现“小数据-大任务”。人类在小样 本的条件下，通过联想、类比等能力，可以实现触类旁通，主要是因 为人类神经系统中有自联想记忆(auto-associative me mories ),这 是人类智能的关键，这种能力恰恰是人工智能现在所缺乏的。我们可 以训练人工智能去学习大量的文学文本，因为文学作品中包含了许多 隐喻语句，通过对隐喻的学习来训练其“隐喻-联想”能力，这种能力是 人类的“小数据-大任务”思维模式的重要基础。综上所述，我们可以看到，小数据条件下所产生的思维模式更加主 观、精英化和中心化，而全面的大数据那么带来了客观性、群众化和去 中心化。人们借助大数据分析，可以

4、让文艺迸发新的活力，但也可能 带来新的文化控制。三、静态思维与动态思维融合速度(velocity)快，这说明大数据是一个动态的系统，而非静态的数据累 积。在启蒙时代之前，人们追求的是恒定的认识和思维模式，必须对 客观对象进行静态的、定性的描述。亚里士多德论定义时认为，不应 该用含混的词、用不确定的和运动的词来定义。到了黑格尔那里，绝 对理念和一切事物都是辩证运动的，他将历史和运动的维度引入认识 之中。马克思主义进一步开展出历史和辩证唯物主义概念。后期的维 特根斯坦改变了前期的静态的图示说，而将概念视作“家族相似”，概念 是不断变化开展的集合。本雅明和阿多诺将静态的定义演变成动态的 集合“星座”

5、，星座包含了历史-社会维度，人们通过“精确地奇 想”(exakte Phantasie)来不断地接近和认识对象，这也是一个动态的 过程。举例来说，“艺”一字，考察其汉字起源，最早是“种植”的意思， 到了后来的“六艺”，“艺”成了技艺之意，后又从西方借鉴了 “自由艺术”(fine arts )的内涵，才慢慢地有了现代的艺术概念。随着时代的变迁 和文化的交流，这个词有了非常丰富的内涵和外延，而现在“艺术”一词 的词意还在不断发生变化。大数据与人工智能艺术的出现，打破了艺 术必须是以人为主体的共识，产生了非人的艺术。虽然历史上，我们 对客体的认识，已经从静态认识慢慢开展到了包含历史维度的认识， 但是

6、直到大数据技术的出现，我们才可能真正地用实时的、动态的数 据去反映不断变化的对象，并对复杂的对象进行分析，“大数据重新定 义了知识”。大数据技术的主要特征在于其反响-预测机制，反响是对已 经发生的事情进行收集和分析，而预测那么是对尚未发生的事情的合理 推测，“大数据的核心就是预测”，反响与预测代表着过去-未来两种时 间向度。静态思维的目的是为了对客体进行定性分析， 然而事实上，整个世 界都是一个不断变化的过程，想要在静止状态下观察和认识对象只能 是一种理想。大数据并不试图对客体定性，“我们可以停止寻找模型。 我们可以分析数据，而不用假设它会显示什么。我们可以将这些数字 投入到世界上有史以来最大

7、的计算集群中，让统计算法找到科学无法 找到的模式”。大数据方法力求在瞬息万变、纷繁芜杂的世界中寻求某 种确定性，却又放弃了对这种确定性背后的原因作出解释。但是，美 学研究并非仅是应用性研究，它还需要研究者去寻求更加普遍的原那么。因此，大数据技术可以成为美学的辅助研究工具和方法，改变传统美 学的静态思维方法，将动态思维和静态思维、定量研究和定性研究结 合起来。这种方法催生了如“数字人文”(digital humanities )、“数字艺 术”等许多新兴的交叉文艺学科，这些学科都利用大数据技术作为其研 究的 基础。正如 2009 年在 UCLA ( University of Californi

8、a, Los Angeles )研讨会上发布的数字人文宣言2.0中所说的：“数字人文 工作的第一波是量化的，调动数据库的搜索和检索能力，自动化语料 库语言学，将超级插件堆叠成关键数组。第二波是定性的、解释性的、 经验性的、情感性的、生成性的”。定量分析可以嵌入到定性框架之中。 静态思维还导致理性主义倾向，而动态思维与经验主义联系更加紧密。 理性主义强调认识的先天性，经验主义那么重视知识的后天经验积累。 康德试图将这两种倾向调和起来，他认为，一方面知识有先天的、确 定的基础一先天综合判断；另一方面这些基础知识又并非只是逻辑 上的同义反复，它们扩大了知识的内涵和外延。大数据技术重视经验 的累积，这

9、种经验并非是小样本的经验，而是真正的大样本、大数据 的经验，接近于“全”数据，可以戒少经验知识出错的可能性。但即使是 再大的样本，也会出现“黑天鹅”这种例外的可能，因此，需要对经验知 识及时反响和修正。理性主义认为世界上有永恒真理，如一些逻辑公 理但是“罗素悖论”和“哥德尔不完备定理”告诉我们，即使是逻辑公理 也有其运用的范围，超出了这个范围就不能成立。因此，我们可以认 为，康德所说的先天综合判断实际上是源自某个认识层面的超大数据 的经验知识的累积，这种知识只能说是无限逼近真理，如一些欧几里 得公理，在非欧几何下就不再适用。在文艺研究中，人们对小概率事件非常重视，“文学研究长期以来 注重经典和

10、对个别作品的解读，而从统计学角度来说，经典就是逸事小概率或随机事件的同义词。小概率事件或许是最有意义 的事件，但只有在一个广阔的背景中才能看到它们的意义因此，康德式的二元调和在大数据时代有了新的开展，数据的全面能够让我们 更加精确地认识对象，同时数据的实时处理技术又能够让人们即时修 正认识，这样我们才能认识更大范围、更为复杂的对象 如社会现 象、艺术现象和微观宇观世界等。静态思维和动态思维的结合还蕴涵着理性思维和感性思维的结合。 理性思维要求对对象的静观把握和分析，这种认识方式会导致主体和 客体的分化与对立。这种主客对立的认识方式为一些哲学家所批评， 如阿多诺认为，主客对立会导致主体对客体的压

11、抑和控制，产生同一 性思维和工具理性。而感性思维往往强调主客体之间的互动，主体通 过摹仿客体而不断地接近和认识客体。这种从艺术中借鉴而来的摹仿 方式是对工具理性的纠偏。中国传统美学也重视人和物之间的互动， 如“情景交融”“物感”说等。但是，长久以来，感性思维都被认为是无 法认识和分析的。“美学”(aesthetics )概念创始人鲍姆加通认为感性 是一种混乱的认识、次级的理性；鲍桑葵在解释这种混乱的观念时说， “混乱的观念那么是不能语言复制、始终属于同一种类、始终很复杂的观 念”，这种混乱性也可以有其自己的秩序，这种秩序只能为感觉所感知。 正是因为感性思维具有复杂性、动态性和互动性，所以导致这

12、种思维 方式难以被分析和认识，而大数据技术让这种感性思维能够被及时地 记录下来并可以分析。如前已提及的“情感计算”，这种计算无法测量每 个人真实的内心情感，但是它可以通过将外部表征与人的内部情感的 大数据对应起来，如通过测量“心理反响（面部表情）”来反映某种情绪。 现在很多人工智能艺术都要用到情感计算方法，如微软小冰的开发者 提出，小冰写诗程序是“采用基于情感计算框架的创造模型”，小冰学习 并分析了 500多位诗人的诗歌，总结并分析了这些诗歌与情感表现 的关系；同时，它还从1亿多用户那里收集了各种情感数据。如果仅 仅从外部输出的效果来看，小冰的诗歌里含有不少具有丰富情感表现 力的词语，这些词语

13、确实能触发读者的情感。如一只烛光中， “我 又躺在自己的床上/还不是珍奇甜蜜的感觉/一只烛光/忽变为寂寞之乡” 的诗句中透露出淡淡的忧愁。因此，得益于计算能力和大数据处理技 术，情感、情绪等能够通过一定的算法表征出来。事实上，大数据技术给美学带来的冲击和影响并非仅仅以上三种， 还引发了诸如可视与可知、线性与非线性、连续与离散、概率与逻辑 等不同认知和思维方式的碰撞与融合，这些新技术所带来的新思维， 正说明人的认识是一个动态变化的过程，是一个永远开放的、不断扩 大的集合。四、反思与总结诚然，大数据技术给我们的思想和生活带来了新的改变，但是这些 改变未必都是积极的，也有可能产生新的风险和挑战。我们

14、要警惕一种“数据中心主义”，即利用对数据的占有来谋求财富 和权力，从而产生数据鸿沟和分配的不平衡，这会导致数据霸权。目 前拥有大数据并能进行处理和应用的都是一些大的机构或公司，如谷 歌、脸书和中国的阿里巴巴等集团。我们在享受它们的服务或者购买 其产品时，同时也将自己的隐私和数据主动或被迫地给予了它们。这 些公司既有可能让大数据成为谋福利的手段，如谷歌公司将识别码大 数据与图书数字化工作结合起来；也可能成为窃取个人隐私、实施犯 罪行为的推手，如中央电视台曝光的骚扰和诈骗 中所运用的大数 据技术。想要防止数据中心主义，首先应该通过伦理准那么和法律来规 范这些大数据拥有者，还需要积极倡导数据的开源，

15、让数据的获取和 使用变得公开透明。其次，我们应该尊重个人的权利。虽然在海量数 据面前，个人的数据显得微缺乏道，但是，个体应该有权利处置自己 的数据，如数据记录和删除的权利，“我们的问题将从如何保存变成如 何抹除。一些事物必须被删除或者是不要去记录我们可以通过大数 据的方法有针对性地帮助个人实现其数据权。最后，要提升群众的“数 字素养(digitalliteracy ),让群众有能力去理解数据收集和共享的方 式、算法的使用和目的，以及他们可以使用哪些工具和技术来保护自己。另外，数据中心主义还会导致一种思维和标准的单维化，数据成了 唯一的衡量标准。阿多诺曾经批判过金钱拜物教和文化工业，商业社 会中

16、的一切价值都被交换价值所取代，交换价值深入到人的思维，就 成了同一性思维，如果深入到艺术和文化领域，就成了文化工业的标 准。大数据可以丰富人们的文化娱乐生活，但是也可能成为新型文化 工业的工具。大数据让文化工业的计算变得更加精确，艺术重视的就是例外和个性，当所有的文艺作品都成了大数据精确计算的产品时， 有个性的作品消失在平庸的、无个性的文化商品海洋之中时，艺术就 会枯萎消亡。因此，我们在艺术领域积极开发应用大数据技术的同时， 还要重视艺术的个性、实在性和直接性，重视人与对象的直接交流。因此，笔者认为，我们可以通过“审美理性”来引导大数据和人工智 能等新技术。审美理性是理性的自由自律阶段，是工具

17、合理性和摹仿 合理性的统一与超越，是技术与艺术、理性与感性的统一。我们应该 引导大数据等技术来改善人类生活、重塑人与自然的关系，而不是进 一步地对立并恶化人与自然的关系，去造成新的财富分化和阶层对立。 我们在尽量理性地挖掘和分析大数据的同时，也需要限制这种能力， 不应无限制地扩张理性和技术能力。大数据技术与艺术的结合，给我 们提供了这样一个契机：人类的技术与艺术可以实现融合，人们在试 图让艺术技术化的同时，也应该让技术艺术化，让技术服务于人类的 美好生活，协助人们去追寻身心的自由。据技术开展起来后，“大数据”才能为人类所用，并正在改变人热门网剧长安十二时辰中设想了一种算法“大案牍术”，根 据“

18、大唐卷宗案牍中记录的各种数字，就可以准确推断真相，预测未来 有人认为这是一种古代的“大”数据，但是，这些有赖于人力去查找、推 算和处理的数据，能真正称得上“大数据”吗？实际上，现代“大数据”的 数量，与唐代卷宗数据不是一个数量级。大数据不仅仅意味着我们的 数据量的极速增加，而且大数据主要有三个方面的特征，简称为“3V”， 即数量(volume )大，种类(variety)多和速度(velocity)快。大数据 技术的出现，其基础在于我们处理大规模数据的能力的提升，以及我 们对大规模数据的认识发生了根本的转变。学者认为，相较之前的小 数据时代对少量优质数据以及因果性的重视，大数据更加重视相关性、

19、 全面性和复杂性。图灵奖获得者格雷(J- Gray )认为，大数据让科学范式进入第四阶 段“数据密集型科学范式”，与之前的三种科学范式经验的、 理论的和计算的范式不同，第四范式统一了理论、实验和模拟。 大数据不仅改变了科学和认识的范式，也在文化和艺术领域产生了极 大的影响，如网飞(Netflix)公司重视对观众的观影习惯和审美偏好的 数据调查，抖音等APP那么根据观众的点击率进行针对性的推送等。因 此，大数据技术的出现，也势必对文化艺术领域产生影响，冲击传统的文艺研究和美学思维。下面，我们就来看看，大数据对传统美学思 维产生了哪些冲击和影响。一、关联思维与计算思维的结合20世纪初，哲学发生了

20、“语言转向”，这对美学也产生了极大的冲 击。哲学家维特根斯坦(L Wittgenstein )在其前期作品逻辑哲学导 论中认为人类的思想是世界的图示，两者有一一对应的关系，可以 用语言(命题)和逻辑符号来表示世界中存在的事实。同时，维特根 斯坦认为美学、伦理学等属于虚假命题，是无法用语言言说的，因为 这些命题没有真值。事实上，美学命题是否有真值、是否可以表示为 真值函项，与美学命题是否有意义并不等同，因为美学和艺术等问题 是非常复杂的集合和系统，是非收敛的、非二维的。阿多诺(T. Adorno ) 认为，艺术中蕴含“真理内涵”(Wahrheitgehalt )它是有历史和社 会维度的。因此，美

21、、艺术这些概念，都是一种“星座(” KonsteUation ), 随着历史和社会的开展而不断变化。大数据技术的出现，使得我们可以重新考量艺术、美和情感等概念。 信息论认为，世界上的一切事物都是有信息的，信息可以表示为数据。 那么，数据也可以成为表示世界的一种最基本的图示，不过这种图示 并非是维特根斯坦式的静态图示论，数据和世界并非是一一对应的映 射关系，而是一种动态的、复杂的“同构关系”。大数据研究说明，这种 “同构关系”是可能的。不过这种共同的“结构”是什么，现在还说不清楚， 因为大数据本身就是一种复杂性数据的集合，大数据之间、大数据与事物之间并非是一种明确的、单一的因果关系，而是复杂的相

22、关关系。因此，“我们的思想发生了转变，不再探求难以捉摸的因果关系，转而 关注事物的相关关系(correlation ) ”。相关性与因果性既有联系又有区别。有学者认为，因果关系是一类 相关关系；有人那么认为，相关关系是因果关系的派生，是一种 “因素关 系”，相关关系适合定量研究，因果关系适合定性分析，两者需要结合 起。相较于因果性，艺术思维更重视事物之间的相关性，这种相关是 艺术形象、物象、文化以及情感之间的关联，如白云与苍狗之间是形 象的联系，再由白云、苍狗想到历史变迁，那么是形象与文化、情感之 间的联系。形象之间的联系可能是联想的、想象的、象征的或者比喻 的，这些联系是相关的，但未必有因果

23、联系。葛瑞汉(A. Graham)认为， 关联思维(correlative thinking)是“艺术中的创作和欣赏活动”，它与科 学思维差距很大，但是也并非与真理无关。艺术的这种思维方式包含 了复杂的关系，包含了时间-空间、历史-社会的维度，例如梅、兰、竹、 菊象征着君子的品格，即将植物的自然属性(忍耐严酷环境)与君子 的社会属性(道德品质)进行了联系，这种联系背后是历史文化的积 淀。长期以来，我们认为这种艺术的关联思维是无法解释的，更别说对 之进行表示和计算。柏拉图将颂诗人的艺术活动视作一种神秘的“迷狂” 状态，康德那么认为艺术不像科学那样有规那么可供学习，艺术需要的是 “天才”。然而，大

24、数据和人工智能的出现正在改变人们对艺术关联思维的认识。例如，Netflix在制作电视剧时，就运用了大数据来调查和研 究观众的审美心理和偏好，其出品的影视剧如纸牌屋和麦克白 的海报封面上有着相似的深色背景色调，以及象征着权力与杀戮的带 血的手。在Hadoop峰会上，网飞的技术人员认为，通过大数据对色 彩的分析可以“测量客户之间的差异，这些数据可以帮助公司分析客 户对不同色彩、情节、人物和故事的偏好。艺术形式和审美偏好被算法化的同时，还表达在人工智能艺术上。微软小冰程序通过学习大量的诗歌作品而学会了写诗， CAN (creative adversary networks )系统、Google De

25、epdream 程序、清华道子程 序可以生成油画和中国画作品。这些人工智能程序通过深度学习(deep learning )和大数据技术，实现了对人类艺术的模仿。虽然人 们还不清楚人工智能是如何掌握这些艺术规律以及这些规律到底是什 么，但是，我们已经可以用程序和算法来表示与生成艺术，这是不争 的事实。关联思维还表达在人们的情感和与对象的联系上，比方不同情感计算(affective computing )正是通过将这些艺术形式与情感的大量数据进行对照，来 寻找两者之间的联系。大数据、人工智能等技术在审美和艺术上的运 用说明，我们的美学思维也应该吸纳计算思维。计算思维的“本质是抽 JJ大数据时代，那

26、种认为艺术是无法认识、更无法被算法化的传统美 学观点受到了挑战。人们的关联性(相关性)思维也是内含着复杂的 逻辑和因果规律的，只不过这种规律是非线性的、动态的，包含了大 量的数据，人的大脑无法处理这些数据，所以将之神秘化。当我们的 计算机和人工智能可以处理和学习这些数据之后，艺术中的一些关联 性也就可以被算法化。同时，大数据也告诉我们，不要单维的、线性 的、固定地看待数据之间、事物之间的关系，正如专家所说，大数据 所用到的“聚类算法”不是线性或对数曲线式的规模，而是立方级的规 模，因此很多算法会失效。因此，未来的美学将走向关联思维和计算思维相结合的阶段，新的实验美学、信息美学、神经美学、人工智

27、能美学等流派就是这种趋向 的代表。信息美学认为审美信息是可以计算的，神经美学那么将美学规 律与人脑、神经系统的动态表征相结合，都试图用科学计算的手段来 揭开艺术的神秘面纱。大数据除具有复杂性之外，全面性也是其重要的特点，这种全面性 包含数量上的全面以及结构上的多样。在小样本时代，人们对于样本 的选择以及找出样本之间的关系成了至关重要的事，因此，对个人的 主体认知水平和主观判断依赖较强，而大数据的全面性意味着我们可 以考察绝大局部对象的情况，而不需要有限地选取对象，这样也就在 某种程度上防止了个人选择和判断带来的主观性。康德认为，审美判断的基础是个体，个体通过“共通感”而将这种判 断上升到普遍性

28、，这种“共通感”是一种主观的情感而非客观的原那么。康 德希望用这种曲折的方式使主观的审美判断同时具有普遍性和客观性， 防止将审美判断建立在心理学基础上。康德追寻的普遍性是一种先天 的普遍性，是绝对可靠的真实，而大数据的全面性是一种经验上的普 遍性，是对真理的极限逼近。但是，我们知道，绝对真理是从未得到 确证的。康德提出的这种“应当的”审美普遍性时，忽视了人的审美判断 的社会的、历史的基础，以及判断的个体差异。阿多诺那么指出，审美 判断和人的认识图示都可能会被社会和历史所影响，从而发生改变。 但是这些社会-历史维度的加入，使得人们的审美判断和偏好具有复杂 性，这种复杂性只有通过大数据分析才能加以

29、解释。因此，正是因为 大数据的全面性，使得客观性得到了保证，机器分析代替了个人选择。虽然大数据本身具有客观性，但是设计算法和分析大数据仍然具 有一定的主观性，例如网飞公司通过大数据分析，为纸牌屋选择 了的最合适的导演和主演，但是为什么是选择导演和主演，而不是选 择故事或者服装等其他方面，这就是设计者的主观意愿。另外，一部 影视作品也不仅仅是大数据分析的结果，剧本的创作、导演的风格、 摄影的手法都是艺术创作者主观经验的表达。因此，大数据只是艺术 作品的辅助手段，真正要做的是将客观的数据与主观的个人艺术体验 结合起来。除了主观性和客观性的结合外，大数据对美学思维带来的影响还在于精英与群众的区别进一

30、步淡化。小样本时代，艺术标准的制定者、 艺术传播的决定者只能是少数的精英，一件作品被经典化，靠的是少 数具有艺术话语权的艺术家、批评家或者赞助商，艺术开展是由专家 驱动的，这是一种从上而下的方式。由于传播途径的限制，群众能够 看到的只能是很少的一些作品。本雅明所说的“机械复制时代”中，机 械复制技术改变了艺术的传播途径，技术第一次打破了精英和群众的 间隔，作者与公众的区分也消失了。大数据技术的出现，使得精准传 播和及时反响成为可能，“大数据主要与反响有关”，艺术由观众数量 及其产生的流量等数据驱动，这是一种从下而上的方式。艺术生产者 可以针对不同观众的喜好来制作和推送相应的内容，例如抖音、快手

31、 等APP,这些软件应用了推荐算法，这类算法基于用户的基本信息和 社交关系、基于内容流量池来进行推荐。其中内容流量池中的用户反 馈最为重要，也就是将观众对作品的完播率、点赞率和互动率等视作 反响数据，以此推送新的视频给观众。“网飞估计75%的观众来自其客 户推荐引擎的推荐。推荐引擎对于网飞如何留住客户至关重要观众看到的未必是艺术水准最高的一些作品，而是根据他之前的观看习惯 和偏好推送出来的相关作品。这种反响机制甚至会影响影视剧的制作方式，例如这几年风行一时的IP (intellectual property )现象。IP原 指的是“权利人对其所创作的智力劳动成果所享有的专有权利”，现多 指具有

32、巨大经济价值的网络小说、影视剧、游戏等文化品牌。一方面，IP产品的开发非常重视对粉丝大数据的分析，他们通过计算流量、关 注度、曝光率（“上头条”）等方式来衡量IP的商业价值。另一方面， 拥有高IP价值的文化创作者和开发商往往会及时地粉丝的反响， 甚至根据粉丝与流量的需求来修改自己的作品。实际上，当艺术从现 代的批判性走向后现代的互动性时，“传统的高雅文化和所谓的群众或 通俗文化之间的区别”就消弭了，大数据和网络技术不过是加速了这一 进程。大数据带来的文化产品的变化，并不都是正面的，在高雅文化 消失在数据的洪流中的同时，我们的审美品味也可能被平均化、庸俗 化。当艺术的标准不再是由专家、而是由大量

33、的观众所决定时，艺术IP经济热潮告诉我们，阿多诺所批判的“文化工业”有了新工具、新形式，艺术品成了文化 商品，遵循的是交换价值而非艺术价值，大数据等技术成了文化市场 的有力工具。因此，大数据时代，既要防止艺术话语权被精英垄断， 又不能让群众的盲目性以及商业价值主宰艺术，专家驱动和观众驱动 应该结合起来。另外，不单只是大数据会改变小样本的思维模式，人类在小样本的 限制下所具有的大任务处理能力（小数据-大任务）也值得仅仅只有“大 数据-小任务”能力的人工智能程序学习。我们现在所看到的人工智能 艺术程序，都只能处理某一种类的艺术形式，如索尼的人工智能音乐 程序不能画画；而美国人工智能专家科恩（H. Cohen ）设计的绘画程 序Aaron那么对音乐一窍不通，即使输入大量的音乐它也无法识别和学 习。人类那么不同，在只有少量样本的情况下也能处理不同类型的任务（虽然可能达不到精通的程度）。因此，人工智能专家认为，人工智