三个问题：超越数据驱动美学

MIT建筑系校友兼研究员Alexandros Haridis的展览“超越数据驱动美学”正在MIT凯勒画廊展出，展期至6月30日。该展览审视了20世纪和21世纪将计算转化为创造性生产与美学判断媒介的努力，涵盖了建筑学和应用艺术领域。通过融合哲学、数学、计算机科学和设计计算，展览将算法、理论和机器学习系统转化为物理装置和交互式可视化。

展览的起源来自三条交叉的研究线索。首先，在2022年左右完成MIT建筑系设计与计算博士学位期间，Haridis亲眼目睹了数据驱动机器学习（如ChatGPT和Stable Diffusion）如何迅速进入围绕创造力、美学判断、设计乃至高调艺术拍卖的公众讨论。同时，他自身的研究聚焦于美学判断与评估，并清楚意识到许多与AI相关的所谓“新”问题实际上在20世纪有着更悠久的历史。例如，1956年的达特茅斯夏季研究项目——AI领域的奠基性事件——就将创造和评估过程确定为未来AI研究应解决的七个关键人类智能维度之一。

其次，展览受到设计计算和形状语法研究的影响，这些研究通过基于规则的方法（而非纯粹的数据驱动学习）探究人类洞察力与计算之间的关系。近年来对美学理论（借鉴塞缪尔·泰勒·柯勒律治、奥斯卡·王尔德甚至约翰·冯·诺依曼等人）的解释性研究对Haridis尤为重要。这些研究探讨了哲学和文学文本中阐述的美学价值与比较理论是否可能揭示当代数字计算和AI模型在建筑与设计中的可能性或局限性。

最后，展览的动机还来自将设计、制造和数据可视化作为解释数学概念、算法和“黑箱”机器学习系统的方法。在各个学科中，研究人员越来越多地使用重建和可视化技术来使计算系统更加可感知和可解释——从计算机科学中的神经网络可视化，到建筑学和策展实践中的软件重建和数字制造。

展览的核心方法是：找出特定研究论文或书籍中最能体现其精髓的思想，然后利用设计以视觉、空间和体验形式解释该思想。通过软件重建、物理制作和数据可视化等设计技术，展览将充斥算法思想、抽象概念和数学公式的书面来源转化为包含互动、物质形式和数字可视化的空间故事。

展览本身围绕五个主题区域组织：美学度量、美学指南、算法美学、美学挪用和美学新颖性。每个主题作为一个“窗口”，展示来自特定出版物（一本书或一篇研究论文）的独特计算美学方法。主题名称源于每篇出版物的核心概念。例如，“度量”指数学家乔治·伯克霍夫在20世纪30年代量化美学价值的数学工作；而“新颖性”则考察机器学习系统AICAN如何根据认知美学理论（平衡熟悉度与对已知艺术风格的偏离）来判断生成的图像。

这五个案例的共同见解是：设计本身可以作为解释性翻译的方法——一种将技术领域传统学术研究仅通过文字和类似文字的表述手段（如科学图表和表格）传达的内容变得可见、可触和可体验的方式。

Haridis表示，“超越数据驱动美学”既是一个研究展览，也是一个持续探索计算系统如何参与建筑和应用艺术中美学判断、生成与变革的平台。展览的核心问题之一是计算评估超越纯粹性能或功能需求的能力，这适用于建筑、结构形式或日常产品等多种设计空间。展览案例研究表明，许多这些问题早在当前对计算和AI的兴趣之前就已存在，并且至少自20世纪初以来就通过多种计算和理论评估模型得到探讨。

同时，Haridis越来越关注如何将这些想法应用于与建成环境相关的更广泛领域。他尤其感兴趣的是，与“超越数据驱动美学”相关的研究如何帮助设计师和工程师更好地理解计算（无论是基于规则还是数据驱动）如何为人类体验（与人们居住和使用的空间和物体相关）做出积极贡献。

最后，Haridis继续探索的一个方向是设计本身作为解释工具的方法论角色。通过软件重建、可视化和物理制作，展览利用设计将不透明的计算系统转化为更清晰、可触和可体验的制品。更广泛地说，这开启了不仅关于机械化“美”或“品味”（20世纪美学形式主义的传统关注点）的问题，还关于传统学术研究和交流形式如何通过空间、视觉和面向公众的格式演变的问题。