只要寫一行文字，就讓電腦產生一張圖、一節音樂、一篇文字，甚至一段影片。從去（2022）年開始，這種受到人工智慧驅動的生成技術讓人類感到驚訝。雖然我們並不是第一次面對顛覆性新科技，但這次可以適應時間相對要短很多，難免令人焦慮。
人工智慧生成技術（generative artificial intelligence，或稱Generative AI、生成式AI）在過去一年間，突然從少數幾個服務系統變成一個巨大的體系，其實生成藝術或生成圖像的技術不算嶄新，從1960年代開始已經有60年的歷史，也累積了許多針對生成圖像特性的看法與研究。有些觀點雖然已經久遠，不過對應最流行的人工智慧生成圖像（artificial intelligence generated Art, AIGA）依然歷久彌新。
生成藝術包含了許多藝術形式，例如文字和音樂。生成藝術不一定要使用電腦操作，在目前AIGA發展的脈絡下，最重要的特性為「具有演算法」。創作者不一定要撰寫演算法，重點是演算法可以自主運行，而人類必須學會適應這個演算法展現出來的抗性，也就是創作媒材展現出需要被被控制與學習的特性。
在演算法之後，後續幾個特性都與演算法有關。第二個重要的特點為隨機性 (Randomness)，在同一個演算法之下，每次生成的內容都不會一樣。生成工具在同樣的指令下，每次都生成一模一樣的東西，則無法稱之為生成。第三個特性為不可控，不像紙筆、或者電腦繪圖，每一筆下去，位置都如同創作者的規劃，但生成圖像必然有部分不受創作者控制。不論是1％還是99％，生成藝術的創作者必須讓電腦多少可以獨立完成內容，而不是全然由人類控制。
第四個生成的特性為迭代，因為圖像會隨機生成，創作者必須不斷修改提示或產出變異，直到自己滿意為止，在這個過程中，每一張圖都可以視為下一次生成的草圖。第五個特性接續了前面四個特性，也是非常多文獻都會提到的特點，即為偶遇性（serendipity）：創作者會在預期之外得到覺得很好的作品。研究電腦創意的馬赫（Mary Lou Maher）形容，偶遇來自於對焦距的改變，讓創作者可以重新分類自己對作品的架構，從而發現產出物的新價值。
最後兩個特點為選擇及策展，這兩個特性主要都在AIGA出現後才被學者提出。在生成工具大量生成圖片後，選擇成為創作者非常重要的主控權，同時大量的作品也能被創作者以策展的方式產出新的意義。
創作教學的未來方向
過往美術教學通常依循傳統從草圖到成品的漸進模式，較少將美術歷程與文字創作結合。但隨著生成工具的逐步發展，局部生成工具的日益成熟，美術與語文的教師都可以嘗試讓學生以「草稿」取代或修飾「草圖」，並在生成工具的協助下，逐漸完善文字提示，從中體會生成特性中的隨機、偶遇與選擇。
從另一個角度來看，圖像生成工具也能成為文字創作的輔助工具。由於生成圖像對於每一個詞彙都有自己的表現方式，加上愈來愈多平台，如 Bing Create，也開始接受中文提示，老師也可以多鼓勵學生從事各種完整短篇創作，透過生成圖像工具不斷再現後，回頭修改文字，直到文字能夠呈現心像為止。
生成圖像工具擁有豐富的生成性和文字性，相信這兩種新的創作特性加上文字與圖像相互影響的雙元性，可以在科學與教育上繼續激發我們的創造力，而非限制人類的想像。
（本文摘錄自主講人2023年7月號「科學月刊」稿件並改寫）
