刘佳玉｜当机器开始观看世界

刘钦清 / 文

对话艺术家：刘佳玉｜2026年8月6日

从Arduino上的一盏绿色小灯，到机器学习生成的自然景观，再到持续演化的人工智能系统Jiayu，新媒体艺术家刘佳玉的创作跨越了开源硬件、神经网络与生成式人工智能的不同技术阶段。十余年来，她始终关注机器如何感知、理解与组织世界，以及技术如何改变人类的观看方式。当机器越来越多地参与信息生成与知识组织，人类又该如何重新理解自身的感知与创造力？*

2012年前后，刘佳玉第一次接触Arduino。

她通过一段简单的程序，点亮了连接在单片机13号引脚上的一盏绿色小灯。对于刚刚开始探索艺术与技术关系的她而言，这个基础的电子实验，成为此后十余年创作实践的一个起点。

从最初的程序编写、传感器与电子装置，到2018年前后开始使用生成对抗网络（GAN）训练自然图像，再到2023年发展自己的人工智能算法模块Jiayu*，2026年以“生成式人工智能时代下的白色表面”为研究获选剑桥大学数字人文中心进行学术访问，开启对向量媒介的探讨，刘佳玉的创作与实践始终伴随着计算技术的演进。

但在她看来，真正改变艺术创作的，并不只是技术工具本身。

今天，我们通过手机了解天气，通过卫星影像观察地球，通过搜索引擎与人工智能系统获取知识。机器不仅帮助人类记录世界，也越来越多地参与信息的筛选、组织与解释。

那些看似直接的观看与认知，实际上已经经过复杂的技术中介。

当机器逐渐成为我们理解世界的重要媒介，人类究竟在观看什么？机器所生成的图像、声音与语言，又在多大程度上改变了我们对现实的认识？

这些问题，构成了刘佳玉过去十余年创作中持续发展的研究线索。

01 从一盏绿色小灯开始

2010年代初期，开源硬件与创意编程正在为艺术创作提供新的可能。

Arduino、Processing、VVVV等工具，使艺术家能够直接参与电子控制、交互系统与计算图像的设计。

彼时的技术环境与今天已经相当不同。

如今，TouchDesigner等视觉内容开发工具能够方便地连接不同设备与数据系统，而在十余年前，许多实验仍然需要从基础代码、电路与硬件连接开始。

“那时候，我觉得技术更多是一种相对单向的关系：我们采集一些数据，通过程序处理，再让设备作出反应。”

对于刘佳玉而言，早期创作不仅意味着学习如何使用新的技术，也意味着进入一种开放的知识共享环境。

当时，创作者经常从软件自带的代码库中寻找示例，或在GitHub等开源社区下载他人分享的程序，再根据自己的需要进行修改。

与此同时，自己完成的实验也可以重新分享给其他创作者。

“对我来说，那是一个非常强调共享的环境：你可以使用别人的代码，也可以把自己的代码分享出去。”

2013年前后，刘佳玉的一些早期实验陆续被Arduino与Adafruit等技术社区平台转载。

这些经历逐渐影响了她对创作的理解。

艺术创作并不总是从一个完全独立的起点开始。不同的技术、知识与经验可以被重新组合，在开放的协作与持续迭代中形成新的表达方式。

《SOLIGAMI》，2013

随着机器学习的发展，刘佳玉开始探索人与技术之间另一种关系。

2018年前后，她尝试使用生成对抗网络（GAN）训练自然图像。

在《窗边》（Sitting by the Window）中，机器通过学习真实天空的影像数据，生成介于现实景观与计算想象之间的视觉内容。

《窗边》机器深度学习训练过程，2018

相比早期通过程序直接控制设备的方式，机器学习使计算系统能够从数据中提取特征，并在一定规则下生成新的内容。

艺术家不再需要预先规定图像中的每一个细节，而是通过训练数据、模型与生成条件，参与结果的形成。

这种变化也延续至她近年来对人工智能的探索。

不过，刘佳玉并不认为，某一种具体技术的出现足以解释创作方法的变化。

“真正影响我的并不是这项技术本身，而是我们所生活的时代。”

在今天的日常生活中，算法已经成为信息环境的重要组成部分。

社交媒体根据用户偏好推送内容，搜索引擎决定信息的呈现顺序，人工智能系统则进一步参与信息的组织与生成。

很多时候，人们以为自己正在直接认识世界，但机器已经深刻地参与了这一过程。

面对以屏幕为主的信息环境，她认为，我们或许需要重新学习如何观看。

02 机器感知：我们究竟如何认识世界？

“机器感知”是贯穿刘佳玉创作的重要概念。

在她看来，它并不是一个遥远的技术议题，而是早已进入人类的日常生活。

“比如今天打开手机，看到气温是32摄氏度，这个数字并不是我们直接感知到的，而是通过传感器、数据处理和信息系统获得的。”

同样，卫星影像、气象数据，以及那些人类无法直接抵达或观察的自然环境，也都通过机器系统被记录与呈现。

1972年，阿波罗17号任务拍摄的《蓝色弹珠》（The Blue Marble），使人类得以从太空观看地球的整体形象。

这张照片不仅提供了新的视觉经验，也改变了人们理解自身与地球关系的方式。

《蓝色弹珠》（The Blue Marble），1972，NASA

随着技术的发展，机器不断扩展人类能够感知的现实。

从微观尺度的科学成像，到行星尺度的遥感系统，许多原本无法通过人类感官直接认识的现象，开始以数据与图像的形式进入我们的视野。

但机器提供的信息，并不等同于世界本身。

它们始终经过特定的技术系统记录、处理与组织。

“机器所感知和理解的世界究竟是什么样的？当我们越来越多地通过机器这一媒介认识世界时，我们自身的感知与认知又会发生怎样的变化？”

生成式人工智能的出现，使这一问题进一步延伸至知识与信息的生成。

刘佳玉曾尝试向不同的大语言模型询问：“刘佳玉是谁？”

不同模型可能给出风格各异的回答，但往往会形成一个大致相似的整体印象：她是一位从事新媒体艺术与艺术科技研究的女性艺术家，创作过一些作品，也获得过相关奖项。

这些概括可能大体正确，但具体细节却未必准确。

“有一次AI甚至告诉我，我曾经在Tate Modern展出过。我当然觉得这是一个很美好的愿景，但实际上并没有发生。”

这次经历使她注意到一个有趣的现象：人工智能生成的内容，可能形成一种看似合理的整体描述，却同时包含并不准确的事实。

“AI所提供的总体‘氛围’可能是对的，但其中的具体事实却未必准确。”

这种差异，让她开始关注“回应”（Response）与“答案”（Answer）之间的关系。

当人工智能生成一段流畅、完整且具有说服力的文字时，使用者很容易将其视为可靠的知识。

然而，生成模型所提供的首先是一种回应，其内容是否准确，仍然需要通过其他方式验证。

当机器越来越多地参与知识的组织与传播，我们也需要重新思考：一个看似合理的回答，究竟在什么条件下才能成为可靠的答案？

03 艺术家的AI：当机器学习一位艺术家的过去

2023年前后，生成式人工智能迅速进入公众视野。

人工智能能否取代艺术家？AI生成的图像是否具有原创性？当机器能够生成大量视觉内容，艺术家的角色又将发生怎样的变化？

面对这些讨论，刘佳玉尝试从自己的创作实践出发，提出另一个问题：

如果人工智能学习的不是一个庞大的通用图像数据库，而是一位艺术家过去十余年的创作资料，它将生成什么？

她开始整理过往作品中的影像序列帧、采访、作品介绍与相关文本，并以这些材料构建数据集，发展出名为Jiayu*的人工智能算法模块。

在《丛林的预言》（Through Dawn）中，这一实验获得了具体的艺术形式。

“我感兴趣的是，当机器通过学习艺术家过去的创作经验来生成新的内容时，它会如何重新组织这些经验，又会产生怎样不同于艺术家自身想象的结果？”

《丛林的预言》（Through Dawn），2023

在当时，视频生成技术尚未发展到今天的成熟程度。

为了获得具有一定清晰度与连续性的生成影像，作品需要经过复杂的训练与制作过程。

与此同时，刘佳玉还为Jiayu*建立了线上交互界面。

观众可以输入自己的提示词，由系统生成图像，而这些结果被持续保存，逐渐形成一个由不同参与者共同构建的视觉档案。

Jiayu系统界面*，2023

在这里，人工智能不仅参与艺术家的创作，也成为公众与作品建立联系的媒介。

到了2024年的《宇宙的孩子》（Celestial Notes），Jiayu*进一步参与声音与语言的生成。

作品由多个具有独立视觉与声音表现的单元构成。它们仿佛各自拥有不同的表达方式，在同一个空间中持续发声。

“Jiayu*会讲述显示屏上出现的图片，以及它为什么要这样生成。”

然而，观众并不能真正听懂这些声音所表达的内容。

为了构建这种介于机器信号与人类语言之间的表达方式，刘佳玉与团队使用了拨号上网时期调制解调器的声音。

这些声音经过截取与采样，再参照英语口语的节奏、速度与连续性进行训练，最终形成具有语言韵律、却无法被完整辨认的机器声音。

《宇宙的孩子》声音与图像训练过程，2024

作品的空间组织则受到拉斐尔《雅典学院》（The School of Athens）的启发。

在这幅文艺复兴时期的绘画中，不同哲学家聚集在同一个建筑空间里。

有人交谈，有人思考，有人独自表达观点。

不同的思想彼此独立，却共同构成一个复杂的整体。

刘佳玉希望《宇宙的孩子》也能够形成类似的空间关系。

“它们各自言说，声音彼此交叠。观众穿行其间，听到的并不是某一句完整的话语，而是不同的声音、语言节奏与表达方式共同形成的空间氛围。”

《宇宙的孩子》（Celestial Notes），展览现场，苏州当代美术馆，2026

从《丛林的预言》到《宇宙的孩子》，Jiayu*逐渐从图像生成实验，发展为能够参与视觉、语言与声音创作的算法模块。

在这一过程中，刘佳玉并不试图将机器塑造成一个具有完整人格的数字分身。

她更关心的是，机器如何通过不同的训练材料与生成机制，形成与人类经验有所差异的表达方式。

04 从噪声到白色：生成式AI的认知边界

生成式人工智能能够在短时间内产生大量图像、文字与影像。

但一个值得注意的现象是，尽管生成内容数量庞大，最终呈现出的视觉风格、语言结构与表达方式，却常常趋于相似。

这种同质化现象，与模型的训练数据、概率分布及生成机制有关。

在一些生成条件下，模型更容易产生符合常见统计模式的内容，而那些位于数据分布边缘、具有较大差异性的结果，则可能相对不容易出现。

这一现象使刘佳玉逐渐关注人工智能与“噪声”（Noise）之间的关系。

在扩散模型中，去噪是图像生成的重要机制之一。

模型通过逐步处理噪声，使图像从随机状态中逐渐显现。

但如果反过来，要求模型生成噪声，又会发生什么？

艺术家与研究者埃里克·萨尔瓦乔（Eryk Salvaggio）在2024年的作品《游泳》（SWIM）中，便围绕这一问题展开实验。

他将舞蹈家的档案影像与人工智能生成的噪声图像结合起来，探索模型在生成噪声时所呈现的视觉特征。

对于刘佳玉而言，这类实验揭示了一个值得进一步研究的问题：

当噪声既是机器生成图像过程中需要处理的计算条件，又成为机器被要求生成的对象时，模型究竟如何处理这一要求？

这不仅涉及生成模型的技术机制，也关系到机器视觉、计算认知与知识形成的边界。

类似的思考，也出现在她2026年的新作《空间》（White Surface）中。

这一次，她向不同的生成式人工智能模型提出了一个看似简单的要求：

生成一张白色图像。

在传统数字图像系统中，纯白可以通过明确的RGB数值定义。

当红、绿、蓝三个通道的数值均为255时，便得到数字意义上的纯白。

但生成式AI所生成的“白色”，却未必遵循这种确定的数值定义。

当模型接收到“生成一张白色图片”的指令时，它可能生成一张肉眼看上去几乎纯白的图像。

然而，将图像放大并进行像素分析后，却会发现其中存在大量细微的色彩差异。

真正符合纯白数值的像素可能并不多。

对于生成式AI而言，“白色”不再仅仅是一个确定的数值，也可能成为模型根据训练经验生成的一种视觉印象。

《空间》（White Surface），双曜/Still，Life 展览现场，798CUBE，2026

这一实验让刘佳玉联想到马列维奇的《白上白》（White on White）。

在《空间》中，她进一步将生成式AI产生的数字图像转化为物质图像。

通过反复研究与测试，作品采用铁银印相（Kallitype）这一古典摄影工艺，使计算生成的细微差异在物质表面留下痕迹。

观众从远处观看时，几乎只能看到一片纯白。

只有走到非常近的位置，观众才能隐约察觉到画面表面细微的银色反光。为了实现这一微妙的视觉效果，艺术家与团队进行了长时间的反复实验与测试，在数字图像的数值控制，菲林片制作与化学药剂的显影反应之间寻找精确的平衡，使各部分都处于一个极其微妙的临界状态。

值得注意的是，当刘佳玉向自己的Jiayu*提出同样的生成要求时，系统并没有提供一张通常意义上的纯白图像，而是生成了一座表面呈白色、具有山体的图像。

由于Jiayu*的训练材料主要来自她过往的自然景观创作，模型对于“白色”的生成，也呈现出与这些经验之间的联系。

这一结果使她进一步意识到：不同模型所生成的图像，不仅取决于提示词，也受到训练数据与模型结构的影响。

《空间》生成过程与作品细节，2026

通过这样一张看似简单的白色图像，刘佳玉试图揭示生成式人工智能的图像逻辑与传统数字图像之间的差异。

当图像不再只是由确定数值直接构成，而是经过模型学习与概率生成的过程，我们是否仍然能够沿用过去理解数字图像的方式，来认识机器生成的视觉世界？

05 从诗歌到向量：信息如何形成一种氛围？

生成式人工智能所创造的内容，常常具有一种特殊的整体感。

这种感受未必来自某个具体的词语或图像，而可能来自大量信息共同形成的印象。

刘佳玉在作品《诗在风景中轰鸣》（Shadowing Verses）中，便尝试探索这种生成氛围。

她举了一个例子：

如果让人工智能生成100首关于同一个人的诗歌，逐句阅读时，可能会发现每首诗的用词与结构各不相同。

但当这些诗歌被放在一起，它们又可能呈现出相似的情绪与表达方式。

自然、生命、浪漫主义的想象，以及某种模糊的赞美，可能反复出现在不同文本之中。

“当AI生成大量内容时，我们最终感知到的，未必是其中某个具体的信息，而可能是一种整体的印象或氛围。”

在《诗在风景中轰鸣》中，十六首由人工智能参与生成的诗歌，分别对应十六张向量地图。

《诗在风景中轰鸣》（Shadowing Verses），2024

向量是当代人工智能组织信息的重要方式之一。

文字、图像与声音等不同类型的信息，可以通过模型转化为高维空间中的数值表示，并在其中建立关联。

对刘佳玉而言，这种高维空间不仅是一种抽象的计算结构，也可以被想象成某种信息的物流系统。

信息在其中被定位、组织、关联与传递。

“所以我一直觉得，这样的空间似乎也应该有一张地图。”

她尝试将这种信息组织关系转化为可观看的拓扑结构。

十六张向量地图并不是对现实地理空间的描绘，而是对计算系统内部信息关系的一种视觉想象。

在这里，诗歌的意义不再只存在于文字本身。

它也存在于信息如何被组织、不同内容如何建立关联，以及这些关系如何被转化为可以感知的形式之中。

从《宇宙的孩子》中的机器声音，到《空间》中的白色图像，再到《诗在风景中轰鸣》中的向量地图，刘佳玉不断尝试将原本隐藏在计算系统内部的过程转化为艺术经验。

这些作品共同指向一个问题：

当人工智能不仅参与内容生成，也参与信息的组织与意义的形成，我们应当如何重新理解图像、语言与知识之间的关系？

《巡航》（Sailing），双曜/Still，Life 展览现场，798CUBE，2026

06 从机器感知到计算生态

2023年的《激流引力》（Waves of Code），是刘佳玉创作历程中的另一件重要作品。

这件大型灯光装置以海洋数据与计算模拟为基础，通过连续排列的LED结构，将波浪的运动转化为沉浸式的空间经验。

但它的创作初衷，并不完全来自对机器与自然关系的研究。

2023年初，随着疫情之后公共空间逐渐重新开放，刘佳玉希望通过一件作品回应人们重新回到现实空间、重新建立身体感知与社会联系的时刻。

“公众终于能够再次走进真实的空间，置身于平静而炽烈的氛围之中，通过自身感知周围的环境，并重新与他人建立真实的连接。”

《激流引力》（Waves of Code），2023

在技术实现中，她将海洋数据、程序生成与视觉渲染结合起来，使光线在空间中形成持续变化的运动。

但对于观众而言，并不需要辨认每一个像素背后的计算过程。

更重要的是，当身体置身其中，光的运动如何改变空间的感知经验。

这种对身体与空间关系的关注，也延续至她近年来的研究。

在“静花园”（Still Garden）系列中，刘佳玉进一步将自然生态与计算系统联系起来。

《静花园 #2》来自她与浙江海洋大学合作开展的研究。

作品从贻贝的温度调节机制出发，将生物模型与海洋温度数据引入计算生成过程，使自然环境中的变化参与作品形态的形成。

《静花园 #3》则进一步结合陶土、苔藓、微生物与环境传感器，使不同生命形式、物质条件与计算过程在同一个空间中发生联系。

《静花园 #2》（Still Garden #2），2026

《静花园 #3》（Still Garden #3），2026

这些作品不再只是通过机器生成对自然的视觉模拟，而是尝试让自然过程成为计算与艺术系统的组成部分。

在这里，自然不再仅仅是等待被记录和解释的对象。

它也能够通过自身的变化，参与作品的生成。

这使刘佳玉开始提出一个与早期创作方向相反的问题：

“当我们习惯于借助计算技术研究和理解自然时，是否也能够反过来，通过观察自然界的组织方式与生命过程，重新思考我们对计算的理解？”

对于她而言，这并不意味着自然与人工智能之间已经形成某种完整的融合。

相反，两者之间仍然存在着差异、依赖与复杂的相互作用。

而艺术可以为这些关系提供一种能够被直接感知的形式。

07 当机器参与创造，我们如何重新理解人类？

从早期Arduino上的一盏小灯，到今天能够处理图像、语言、声音与环境数据的人工智能系统，刘佳玉的创作经历了不同技术阶段。

但她并不认为，这意味着自己正在从“机器自然”转向“机器拟人化”。

“其实没有。对我来说，无论是早期的作品，还是近年来围绕生成式AI展开的实践，我始终都是从机器感知的角度出发，关注机器如何感知、理解和组织世界。”

在她看来，人工智能拥有特定的信息处理、关联建立与内容生成机制。

这些机制并不意味着机器正在简单地变得越来越像人。

然而，随着模型能够处理的信息日益复杂，机器生成的结果有时也会超出人类的直接预期。

这使得关于机器创造力的讨论变得更加重要。

人们习惯于使用“学习”“记忆”“理解”，甚至“好奇心”等与人类认知相关的词汇描述人工智能。

但这些词汇在机器系统中究竟意味着什么？

当机器能够生成新的图像、声音、文字与结构时，我们是否应该将这些能力理解为创造力？

刘佳玉并不急于给出结论。

“机器究竟是否具有创造力，或许本身就是一个开放的哲学问题，并非艺术或科学能够单独回答。”

对于她而言，艺术实践的意义，并不一定在于证明机器已经具备某种与人类相同的能力。

相反，艺术可以通过具体的实验，让人们重新观察那些原本习以为常的概念。

什么是观看？

什么是理解？

什么是知识？

又是什么构成了创造？

在人工智能不断进入日常生活的今天，这些问题不再只属于技术研究，也逐渐成为我们理解自身处境的重要组成部分。

刘佳玉并没有为下一阶段的创作预设一个明确的转向。

她更愿意用“递进”来描述不同阶段之间的关系。

“每件作品都像是一座桥梁，既延续了此前的思考，也为下一件作品打开了新的可能性。”

从机器如何观看自然，到机器如何组织信息，再到自然是否能够反过来帮助我们理解计算，这条研究线索仍在持续发展。

而对于人与机器之间的创造力，她留下了一个更值得继续思考的问题：

“当人工智能开始参与创造，我们是否也需要重新思考对人类自身智能的理解？”

《神迹》（Living Signal），2026