三個問題：超越數據驅動美學

MIT建築系校友兼研究員Alexandros Haridis的展覽“超越數據驅動美學”正在MIT凱勒畫廊展出，展期至6月30日。該展覽審視了20世紀和21世紀將計算轉化為創造性生產與美學判斷媒介的努力，涵蓋了建築學和應用藝術領域。通過融合哲學、數學、計算機科學和設計計算，展覽將算法、理論和機器學習系統轉化為物理裝置和交互式可視化。

展覽的起源來自三條交叉的研究線索。首先，在2022年左右完成MIT建築系設計與計算博士學位期間，Haridis親眼目睹了數據驅動機器學習（如ChatGPT和Stable Diffusion）如何迅速進入圍繞創造力、美學判斷、設計乃至高調藝術拍賣的公眾討論。同時，他自身的研究聚焦於美學判斷與評估，並清楚意識到許多與AI相關的所謂“新”問題實際上在20世紀有着更悠久的歷史。例如，1956年的達特茅斯夏季研究項目——AI領域的奠基性事件——就將創造和評估過程確定為未來AI研究應解決的七個關鍵人類智能維度之一。

其次，展覽受到設計計算和形狀語法研究的影響，這些研究通過基於規則的方法（而非純粹的數據驅動學習）探究人類洞察力與計算之間的關係。近年來對美學理論（借鑑塞繆爾·泰勒·柯勒律治、奧斯卡·王爾德甚至約翰·馮·諾依曼等人）的解釋性研究對Haridis尤為重要。這些研究探討了哲學和文學文本中闡述的美學價值與比較理論是否可能揭示當代數字計算和AI模型在建築與設計中的可能性或侷限性。

最後，展覽的動機還來自將設計、製造和數據可視化作為解釋數學概念、算法和“黑箱”機器學習系統的方法。在各個學科中，研究人員越來越多地使用重建和可視化技術來使計算系統更加可感知和可解釋——從計算機科學中的神經網絡可視化，到建築學和策展實踐中的軟件重建和數字製造。

展覽的核心方法是：找出特定研究論文或書籍中最能體現其精髓的思想，然後利用設計以視覺、空間和體驗形式解釋該思想。通過軟件重建、物理製作和數據可視化等設計技術，展覽將充斥算法思想、抽象概念和數學公式的書面來源轉化為包含互動、物質形式和數字可視化的空間故事。

展覽本身圍繞五個主題區域組織：美學度量、美學指南、算法美學、美學挪用和美學新穎性。每個主題作為一個“窗口”，展示來自特定出版物（一本書或一篇研究論文）的獨特計算美學方法。主題名稱源於每篇出版物的核心概念。例如，“度量”指數學家喬治·伯克霍夫在20世紀30年代量化美學價值的數學工作；而“新穎性”則考察機器學習系統AICAN如何根據認知美學理論（平衡熟悉度與對已知藝術風格的偏離）來判斷生成的圖像。

這五個案例的共同見解是：設計本身可以作為解釋性翻譯的方法——一種將技術領域傳統學術研究僅通過文字和類似文字的表述手段（如科學圖表和表格）傳達的內容變得可見、可觸和可體驗的方式。

Haridis表示，“超越數據驅動美學”既是一個研究展覽，也是一個持續探索計算系統如何參與建築和應用藝術中美學判斷、生成與變革的平台。展覽的核心問題之一是計算評估超越純粹性能或功能需求的能力，這適用於建築、結構形式或日常產品等多種設計空間。展覽案例研究表明，許多這些問題早在當前對計算和AI的興趣之前就已存在，並且至少自20世紀初以來就通過多種計算和理論評估模型得到探討。

同時，Haridis越來越關注如何將這些想法應用於與建成環境相關的更廣泛領域。他尤其感興趣的是，與“超越數據驅動美學”相關的研究如何幫助設計師和工程師更好地理解計算（無論是基於規則還是數據驅動）如何為人類體驗（與人們居住和使用的空間和物體相關）做出積極貢獻。

最後，Haridis繼續探索的一個方向是設計本身作為解釋工具的方法論角色。通過軟件重建、可視化和物理製作，展覽利用設計將不透明的計算系統轉化為更清晰、可觸和可體驗的製品。更廣泛地説，這開啓了不僅關於機械化“美”或“品味”（20世紀美學形式主義的傳統關注點）的問題，還關於傳統學術研究和交流形式如何通過空間、視覺和麪向公眾的格式演變的問題。