浅论计算艺术的原动力

摘 要：随着计算机技术越来越深入地应用于人们生活的方方面面，在对于艺术领域的表现方面，计算机同样也有着用武之地。计算机对艺术的影响不仅表现在能够更有效率地创作，也为艺术和设计带来了全新的风格和创作方式，丰富了艺术表现形式，而这其中，推动计算艺术发展的原动力就是利用计算机技术更加有效地表达世界。非真实感绘制技术作为一种近年大热的计算机图形学分支，其起源、发展和现阶段成果都为计算艺术发展的原动力是更加有效地表达世界提供了佐证。但是艺术表达作为计算艺术的另一个发展方向，也同样为计算艺术改善人类生活带来了许多惊喜。

关键词：计算艺术；原动力；效能；艺术表达；非真实感绘制技术

1946年2月14日，世界上第一台电子多用途计算机ENIAC在美国宾夕法尼亚大学宣告诞生，自此之后，越来越多的高性能计算机被研制出来，计算机技术的发展也随之一路高歌，昂首猛进。在最初的设想当中，计算机的设计和计算机技术的应用是出于对高速运算的要求而得出的，实现了人们对于自动化大量计算的初步需求，而后，计算机开始应用于高科技技术计算和军事用途，现今已经普遍进入了人们的日常生活。环顾四周，各式各样的计算机利用计算机技术为我们的生活提供着各式各样的帮助和服务，负责联通着人与人之间的关系、人与机器之间的关系、人与社会之间的关系。因此，我们理应可以将计算机视为一种广义上的媒介（尤其在互联网的参与下），将计算机技术视为一种广义上的媒介技术。在西方传播学理论中，被称为“后麦克卢汉主义”的传播学者保罗·莱文森提出了著名的“补偿性媒介理论”，该理论认为，任何一种后继的媒介都是对过去的某一种媒介或某一种先天不足的功能的补救和补偿，但是新的媒介又会带来新的问题；媒介的进化是人的选择的结果，更好地满足人的需要的媒介被保留了下来。在理论贡献方面，“补偿性媒介”理论为媒介技术的进步提供了一种新的有说服力的解释，认为人类决定着媒介的进化方向；提出人类可以进化和控制媒介技术，保存和开发我们喜欢的媒介环境。计算机这种媒介的诞生同样是对之前媒介不足的一个弥补，其中一个特别明显的方面就体现在“多用途”上：利用逻辑算法进行计算的计算机理论上可以利用计算机语言规则实现对于所有有穷问题的计算，因此在人类为其制定了算法规则的前提下，可以为我们提供不胜枚举的用途。其中一个新晋的方面，就是在艺术领域的表现。计算艺术作为一门新兴的交叉学科，在现代艺术家的奇思妙想下焕发着独特的光彩。

技术与艺术之间的关系一直是人们试图论证的一个讨论热点。技术的定义是在某一领域为解决个人或社会问题而服务的规则的全部。在表达审美及情感这一领域来说，艺术可以看作是为了描述作者的个人体会，或是对社会的一种情感化表达而产生的，具有一定自由规则的（例如绘画的技法、弹奏的技巧、雕塑的手法等等）。因此笔者认为，艺术是技术的一种特殊极端化表达，因而也同样可以将“补偿性媒介理论”适用于此：由计算技术而衍生出的计算艺术，是对计算技术的某方面不足的补偿性媒介，根据补偿性媒介理论，媒介的进化是人根据需要的刻意选择，那么计算艺术的出现是为了满足人的何种需要，也就是本篇文章的核心——计算艺术的原动力：更加有效地表达世界。

笔者从“原动力”、“纯粹表达”、“高效表达”、“艺术性延伸”四个方面详细围绕计算艺术的原动力是更为有效地表达世界这一论点进行论述，利用补偿性媒介的原理，选取非真实感绘制技术（Non-photorealistic Rendering,NPR）作为具体对象进行分析。NPR技术是指利用计算机生成不具有照片般的真实感，而具有手绘风格的图形的技术。非真实感绘制最早出现在20世纪80年代的早期论文中如：Stassmann（1986）和Sasada（1987）。1990年 Saito and Takahashi和Haeberli在Siggraph会议上发表了两篇非常具有影响力的论文。1994年，随着几篇论文在Siggraph会议的发表（如Winkenbach and Salesin、Salisbury），和在Eurographics会议的发表（如Strothotte），这一新领域逐渐显现，直到1997年的Siggraph将非真实感绘制单独作为一个类别，此后非真实感绘制技术进入了一个稳步发展的时期。在计算机图形学30余年的发展历史中，真实感绘制一直占有主要地位，符合技术要求“精确、保真”，然而研究者们意识到，有时候人们反而需要由计算机来生成一些不同于真实感的图形，也就是NPR技术，同样作为真实感绘制技术的补偿性媒介而诞生。

一、计算艺术的原动力

在探讨计算艺术的原动力之前，首先需要对“原动力（motive power）”这个词进行解析，顾名思义，原动力的关键点就在于“原”字，则代表“本原、最初”。这也就意味着，技术的原动力指代某项技术发展而出的“最初”动力、目的、需求。再回到补偿性媒介理论来说，计算艺术的原动力即指计算艺术作为新的“补偿媒介”，作为对以往媒介的需求补偿所被人类需求的需求，而此处的“以往媒介”则指代传统艺术。传统艺术大致可以分为绘画、书法、建筑、雕塑、音乐、戏剧、文学等等，相应地也出现了计算机绘画（如PHOTOSHOP）、计算机书法（如手写输入系统）、计算机建筑（如CAD制图）、计算机雕塑（如3D打印）、计算机音乐（如编曲软件）、计算机戏剧（如多媒体动画）、计算机文学（如计算机语言）等广义上的计算艺术形式，从传播学三个传播要素（信源—信道—信宿）三个方面，分别满足了人们更加便捷有效地进行艺术表达、更加便捷有效地传播艺术表达、更加便捷有效地欣赏艺术表达的需求。综合来说，可以总结为：对比起传统艺术，满足人类“更加有效地表达世界”这一需求。具体到NPR技术这个例子上，自从计算机图形学诞生后，人们开始考虑用计算机绘制图形来自动或半自动地达到各种效果，然而早期出现的真实感图像很多时候并不能满足人们的视觉要求，NPR技术的起源就是人们对于更加有效地表达世界的需求，这其中又可以分为对于纯粹复杂的计算表达、对于深度细节的高效表达两个方面，将在下面两个部分中逐一详细阐述。

二、纯粹复杂的计算表达

在阐述关于计算艺术“纯粹复杂的计算表达”部分，我将选取NPR技术中利用蚁群算法的图像分割和边缘检测技术作为例子进行分析。蚁群算法（Ant colony algorithm,ACA）是意大利学者Dorigo受自然界中真实蚁群集体行为的启发，于1991年首次系统提出的一种基于蚂蚁种群的新型优化算法，其基本原理来源于蚂蚁在运动中在所经过的路径上留下信息素，并感知信息素的存在及其强度，朝着强度高方向移动，最终由蚁群集体行为表现出一种信息正反馈现象，通过群体行为达到搜索最优路径。该算法最初用于求借旅行商（TSP）问题，而后逐渐被用于其余领域，包括图像处理技术这一计算艺术方面。基于蚁群算法的图像边缘检测方式是利用路径检测机制，将蚂蚁初始位置设置在图像边缘附近，信息激素强度和启发式引导函值均定义为像素点灰度梯度值的函数，使蚂蚁以较大的概率选择图像边缘点作为下一步移动目标位置，通过多次循环迭代提取出图像边缘。是一种来源于自然，用于表达自然的仿生算法。

在ACA算法实现图像边缘检测技术中，若想得到无限靠近真实边缘的理想值，则需要蚁群的样本容量无限大，当蚁群集体数量越大，经过的个体选择越多，算法循环迭代的次数越多，得到的边缘越准确。这就要求计算机能够进行尽量多次的计算，从而实现我们的目标。对于由人作为能动主体的传统艺术来说，这样大量的复杂计算显然是不可能实现的，而对于现代智能计算机来说，就能通过算法轻松在短时间内得到大致准确的边缘。因此，计算艺术在进行纯粹、复杂的计算表达方面，“更加有效地表达世界”。

三、深度细节的高效表达

与计算艺术能够实现纯粹复杂的计算表达相对应，在另一方面，NPR技术的发展来自于人类对于深度细节高效表达的需求，比如在实际应用的工程制图中，建筑工程师希望要重点突出、简洁明了的图像；同样在医学上的微小的被隐藏的重要部分用真实感图像不能更清晰地被表达；电子产品的使用说明图、机械设备的维修指南图也都需要简单明了的插图而非真实感照片。因此，NPR技术的特色就是能够进行主动选择性重点突出、具有特殊风格的表达。计算艺术能够进行深度细节的高效表达，“更加有效地表现世界”。

四、延伸动力的艺术表达

计算艺术作为一种交叉学科，其来源是计算技术和传统艺术的结合。上文中“计算艺术的原动力”部分已经利用补偿性媒介理论对计算艺术和传统艺术的区别进行了探讨，而在另一方面，对于计算技术的补偿方面，计算艺术更加注重艺术表达，是一种富于审美感和抒情感的表达。上文中已经对于技术和艺术的关系进行了整理，即艺术是一种具有特殊美感表达的技术，因此，在计算艺术的原动力——更加有效地表达世界的基础上，计算艺术可以延伸出另外一方面的继发动力（次生动力），也就是对于艺术感知的表达。现在的NPR技术已经在许多方面用于对艺术的模拟甚至创造，例如我国学者徐颂华等人提出的基于虚拟毛笔系统的2D书画绘制交互式系统，能够模拟毛笔在书写、绘画过程中自身的变形以及在这一过程中毛笔内部墨水的扩散，很好地模拟了多灰度、飞白、渗透等艺术效果，通过对“基元”的定义实现对毛笔笔尖的模拟，以及实现分裂笔头的几何模型构建。这项技术的实现，对于中国毛笔书法的数字化展示有很重要的价值，在对外推广中国传统文化方面同样具有重要意义。这也就是计算艺术在其原动力——“更有效地表达世界”的基础上，发展而出的对于艺术的表达的继发动力。

不论是在原动力“更有效地表达世界”方面，还是在继发动力“艺术化地表达世界”方面，计算艺术都有着其精彩、独特的表现，越来越多地吸引着计算机科学家和艺术家的双重关注。相信在未来，计算艺术能够在二者的共同作用下，焕发出更加迷人的光芒。

参考文献：

[1] 任伟健,陈建玲,韩冬,王凤妤.蚁群算法综述[C].2007中国控制与决策学术年会论文集,2007.

[2] 徐颂华,徐从富,刘智满等.面向电子书画创作的虚拟毛笔模型[J].中国科学,2004(12).

[3] 王相海,秦晓彬,辛玲.非真实感绘制技术研究进展[J].计算机科学,2010(9).

[4] 张景虎,边振兴.基于蚁群算法的图像边缘检测研究[J].火力与指挥控制,2010(2).

[5] 郝巍东.计算机艺术的美学特点探索[J].太原师范学院学报:社会科学版,2010(2).