可塑性与承诺：生成式人工智能与实践的转化

1

引言

生成式人工智能（AI）进入艺术生产时，创作者往往仍在决定作品的目的。艺术家可以要求模型生成材料、解释结果，并提出进一步工作的建议。由此产生的解释又可以成为下一步创作的指令。在这种交流中，目的与艺术家用以追求目的的对象、语言和程序一同成形。当结果改变了目的，一个重要问题随之出现：艺术家凭什么将这一改变带入后续决定？

Toister 和 Zylinska[1]将概念与图像之间的往复运动称为图像思维。生成图像赋予观念以形式，使进一步的联想变得可感。艺术家可以考察这些联想、修改提示词，并带着不同的问题重新面对所得材料。当同一工作流程既提供作品又提供对其意义的解释时，艺术家还必须弄清这种解释帮助他人遭遇了哪些关系。一种解释是否有力量，取决于它能否帮助艺术家作出选择，也帮助观众看见作品中的差异。

设想一位艺术家要求生成清晰的肖像，得到的却是一张模糊的面孔。模型生成的解释将这种模糊描述为对不稳定记忆的探索。艺术家可以比较可辨认的程度、改变图像顺序，并观察面孔何时变得可辨认，借此检验这一提议。通过比较，艺术家可以进一步判断：如果要呈现记忆的不稳定，哪些图像和排列方式才合适。一幅过快消除辨认不确定性的图像，即使满足原先的要求，也可能不适合这一序列。这次遭遇既改变了标准，也改变了由此产生的选择。

可塑性与承诺解释了这些遭遇如何改变一种实践。一旦作出判断，人就需要面对这一判断带来的要求；这些要求可能在后续工作中逐渐显现，也可能受到挑战。可塑性使创作者能够通过修订目的或标准作出回应。接受一个证明可能要求放弃偏爱的猜想；遭遇意外的关系可能使一件作品得到重新组织。无论是哪一种情况，修正都体现为参与者开始看见新的区别，并据此作出不同的决定。

2

可塑性与承诺的力量

Malabou[2]赋予可塑性三个相互关联的含义：接受形式、赋予形式，以及摧毁既有形式。她所描述的转化，会改变经历转化的人或结构的能力。她将灵活性与适应外部施加的要求联系起来；可塑性还包括重塑既有安排或与之决裂的力量。将这一论述用于艺术判断，便会引导我们关注创作者在进一步工作中能够感知、区分和追求什么，以及这些能力如何改变。

回到模糊肖像的例子：艺术家可以比较面孔的可辨认程度、哪些地方不再像本人，以及图像序列的节奏，从而发展这种判断能力。这些比较赋予“不稳定记忆”的解释以具体内容。清晰的肖像可能过快消除不确定性，而较难辨认的图像则可能富有成效地延长这种不确定性。艺术家由此获得接受或拒绝特定图像的依据。相反，如果每幅新图像都得到一个迁就其结果的描述，而选择习惯保持不变，那么评论所记录的便是对具有说服力的结果的持续偏好。关键在于后续选择是否随之改变：它让我们看到，新的解释是否真的影响了艺术家的判断。

Brandom[3]通过判断的后果与不相容关系解释承诺。将某种物质认定为铜的人，同时承担了关于其行为表现的进一步主张。他人可以检验相关属性，以质疑这一认定。因此，判断在说话者接受的内容、他人可以要求其证明的内容，以及可能要求其修正的情况之间建立起关系。承诺使判断在后续遭遇中持续具有这种力量。

艺术家同样通过形式决定赋予判断以实践效力。当一个序列依赖辨认的逐渐消失时，排列顺序便具有了后果。替换一幅图像可能削弱或强化这一进程，也可能引入另一种关系。将这一序列描述为对记忆的探索，会引导创作者关注观众如何经历辨认与丧失。创作者可以比较不同安排、评估其效果，并根据比较所揭示的内容修正解释。

在艺术创作中，参与者常常通过感知和行动发现这些要求。艺术家可能先听出一个停顿改变了回应的力度，然后才找到语言描述其效果。小幅印制作品可以吸引观众走近；序列可以建立一种期待，又将其打断。随后的调整揭示了哪些关系对作品变得重要。将承诺的概念用于艺术形式，关注的正是这些在创作中逐渐形成的要求。观众虽然未必知道创作过程，却可以通过观看、聆听和比较感受到选择的效果，并据此提出质疑。

承诺赋予探索以方向，而一次遭遇可以改变这一方向。重视即时性的艺术家可能在新安排动摇这一期待时发现延迟的力量。对延迟的探索揭示了组织注意力的另一种方式。艺术家随后将这一发现带入关于节奏、序列和时长的后续决定。先前的判断仍是作品历史的一部分，因为它们有助于解释发生了什么变化，以及新方向为何重要。

持续的承诺也可能要求放弃某个具体选择。致力于有效推理的研究者可能不得不舍弃一个猜想。追求辨认中的不确定性的艺术家可能不得不丢弃序列中技术上最出色的肖像。在每种情况下，另一项考量都为参与者提供了修正最初决定的理由。修正后的判断又会产生新的要求。可塑性通过这种有选择的改变发挥作用：参与者改变某种信念、标准或目的，并处理它对相关决定的影响。

Alicia Guo 的 Cephalopoet（2026）将这种关系置于一个编辑程序之中。删除一个文本分支会生成两个新分支。Guo 将这首互动诗描述为对人工智能生成规模及其编辑限制的实验[4][5]。读者选择要删除的材料，程序则将这一选择转化为进一步的生产。Guo 改变了一个熟悉动作所能达成的结果，使其后果成为可供考察的对象。

试图缩短诗作的读者会遇到删减的目的与每次删除所造成的扩张之间的冲突。反复尝试可能将注意力引向规则本身。追求缩减需要另一套程序；继续艺术实验则意味着关注不断生成自己试图删除之物的体验。因此，读者的下一步决定取决于哪个目的变得重要。这次遭遇可能使判断的对象从单个词句的质量转向编辑的组织方式。

肖像与诗作将修正置于实践中的不同位置。比较肖像可以改变艺术家选择图像的标准。与 Cephalopoet 互动可以改变读者对实现某种目的所需程序的理解。在这首诗中，挫败感也获得了艺术作用：反复扩张使对编辑控制的期待获得了读者可以体验的形式。由此，我们可以追问：保留这条规则，让读者体验到了什么？这种体验是否值得成为作品的一部分？

读者可以指出编辑规则的效果，为改变后的目的提供理由；评论者可以引导注意力转向序列内部的关系。数学证明通过确立研究者已经接受的主张所具有的某个后果，为他们提供另一种修正的理由。这些例子共同说明：人们已经接受的判断或目的，可以因为新的发现而被重新审视；发现的意义也往往要在继续工作的过程中才逐渐显现。

3

发现与承诺的修正

人可以在认识到一项主张的所有后果之前接受它。这一间隙赋予发现改变立场的能力：新论证可能揭示，此前同时持有的两种信念彼此不相容。按照 Brandom 对承诺的理解，新发现之所以有力量，是因为它揭示了已被接受的主张还要求我们接受什么。当研究者认识到冲突并检视解决冲突的依据时，他们便获得了修正立场的理由。生成系统可以通过提出某种构造或论证，使被忽略的后果进入视野，从而参与这一过程。

Alman 和 Vassilevska Williams[7]在关于 3SUM 的研究中报告了这样一项贡献。3SUM 问题是判断一个列表中是否存在三个和为零的数。算法是解决问题的一套明确步骤。研究者提出的新算法适用于大小处于特定范围内的整数，改进了先前猜想的运行时间界限。作者将核心算法的发现归功于 Claude，并描述了他们随后对其解释与扩展所做的工作。猜想是有待证明的主张；定理则通过特定假设下的证明确立一项主张。研究者可以围绕一个猜想组织大量工作，仍可能因意外的构造而获得放弃它的依据。一旦他们接受该构造及其分析，对有效推理的承诺就使这一改变成为必要。

3SUM 的例子涉及一种算法的发现；P 对 NP 问题则将寻找答案与检验答案的区别放到更广阔的计算背景中。例如，展览组织者必须找到一种布置方案，满足空间、照明以及哪些作品可以共同展出的限制。对于一个已提出的方案，组织者可以检查摆放位置及其是否符合限制；找到方案则需要在可用选择之间协调这些限制。这一区别涉及指向同一目的的两项活动：产生一个令人满意的答案，以及评估一个候选答案。

计算机科学家通过衡量计算工作量如何随输入规模增长来研究这些活动。输入规模指的是表述问题所需的信息量。多项式时间方法将这种增长限制在输入规模的某个固定次幂之内，如平方或立方。P 包含算法能够在此类界限内解决的是非问题。NP 包含这样一些问题：其肯定答案具有多项式长度的支持性证据，称为证书，算法可以在多项式时间内检验它。P 对 NP 问的是，每个具有这种可高效检验证据的问题是否也有多项式时间的求解方法。这里的效率指增长率；指数、常数和输入规模共同决定实际运行时间[8]。

理解这一问题的一个入口是 3-SAT。每个变量取真或假。一个子句包含至多三个项，每一项要求某个变量为真或为假，而每个子句中至少有一项必须成立。一个给定赋值可以逐个子句检验；找到满足所有子句的赋值则需要协调它们相互重叠的要求。该问题是 NP 完全的：NP 中的每个问题都可以通过多项式时间转换归约为它。因此，一般 3-SAT 的多项式时间算法将确立 P = NP。克雷数学研究所目前仍将 P 对 NP 列为未解决问题[10]。

指数时间假设（ETH）为 3-SAT 提出了一道更具体的障碍。它排除了最坏情况下运行时间相对于变量数量为次指数的算法。指数增长意味着规模增加时工作量以固定倍数增长；次指数增长最终慢于任何具有固定正增长率的指数界限，但仍可能超过任何多项式。如果出现适用于一般情形的次指数算法，就会驳倒 ETH；如果出现多项式时间算法，则不仅会驳倒 ETH，还会确立 P = NP。2026 年 10 月 26 日，OpenAI 宣布声称已驳倒 ETH，Impagliazzo、Paturi 和 Williams 随后组织了对其正确性及后果的独立审查[11][12]。

如果这一算法经过检验并被接受，研究者评估计算难度的依据就会改变。此前关于如果 ETH 成立会得出什么结果的证明，将保留其逻辑形式。研究者会重新考虑这些蕴涵如何指导进一步探究，以及问题之间的既有关系是否支持新算法。这时，研究者仍然遵循有效推理，并保留那些条件证明；需要放弃的是把 ETH 当作可靠障碍的做法。可塑性体现为他们能否根据这一变化重新理解既有结果，并发展新的研究方向。

如果 P = NP，其影响将超出某个具体问题：对于一类问题，它意味着可以从判断答案是否存在，进一步走向构造答案。假设某程序能够高效判断一个尚未完成的展览布置是否存在有效的完成方案。它可以试放一件作品，询问是否仍有可能完成布置，然后保留或修改该摆放。重复这一过程即可构造出一个方案。对于规模有多项式界限且具有高效检验程序的候选方案，P = NP 将使相关判定问题可在多项式时间内求解，从而支持这种逐步搜索。寻找与检验都将属于多项式时间类，其具体运行时间由所涉算法决定[13]。

寻找数学证明，是这种从判定走向构造的一个重要例子。研究者可以选择一个证明步骤可高效检验的形式系统，并设定证明长度上限。在 P = NP 的条件下，可以在关于命题规模及该上限本身的多项式时间内找到界限之内的证明。因此，所需资源仍取决于证明必须有多长。实际有效的实现可能使此前罕见的有界发现变得可以经常获得，并将探究引向它们之间的关系及其含义[14]。当有价值的构造更易获得时，社群将不得不重新考虑如何认可创造性成就。

如果有价值的证明更容易找到，评价创造性成就的依据也可能改变。这促使我们区分获得一个结果有多困难，以及结果本身有何意义。两位研究者可能耗费截然不同的时间，得出提供同等信息的证明。这些经历对教育、传记和功劳归属具有意义；证明则通过其包含的论证确立主张。同样，当时长或努力成为观众所遭遇之物的一部分时，艺术劳动也能够对作品作出贡献。随着生产变得更容易，创作者和评论者有理由说明这种劳动贡献了什么，以及作品的哪些品质不依赖稀缺性而值得关注。这个层面的可塑性关乎一个社群修正其评价成就之依据的能力。

这一区分也改变了人们对先前困难的理解。反复尝试可能使研究者相信某道障碍是问题固有的。新算法可以揭示一种关系，使他们避开先前方法所需的搜索。P ≠ NP 将确立某些可高效验证的问题在多项式时间算法上的最坏情况限制；个别实例仍可能有有效解法。因此，相关的思想修正关乎特定任务和计算模型。研究者认识到先前困难中哪些部分源于当时可用的方法，而这种认识改变了他们接下来有理由尝试的事情。

从计算转向艺术，问题还涉及另一层：人们依据什么标准来组织搜索、判断结果？作曲家可能规定配器、时长和反复出现的动机。检查这些属性的算法定义了一个目标，成功的搜索便产生满足该目标的音乐。它与一部引人入胜的交响曲有何关系，取决于所选属性如何表达听众珍视的内容。Aaronson 指出这种计算上的后果取决于是否存在能够识别相关成就的算法。选择或开发这种识别器本身已要求对成功结果应具备的品质作出判断。

生成的乐段可以为作曲家提供修正这些判断的理由。假设任务要求一条不间断的旋律，而生成的停顿却赋予旋律的回归以意想不到的力量。作曲家可能围绕中断与回归的关系重新组织作品。新的目的产生具体要求：延长停顿可能加强期待，增加一个乐句则可能削弱对比。聆听和编辑进一步发展了作曲家在追求这一关系时所接受的内容。承诺使这一变化对后续选择产生后果；可塑性则使这次遭遇能够重塑作曲家作出选择的标准。

Boden[15]区分了两种活动。第一种是探索概念空间，即由惯例与约束组织起来的、可以辨识的可能性；第二种是转化使这些可能性变得相关的规则。她考察了这两种活动的计算模型。由此看，人工智能既可能帮助人们按照既定标准寻找结果，也可能提供契机，让人们重新考虑标准本身。当参与者处理这一转化的后果时，它便获得了实质内容：先前的哪项要求应当保留，哪项应当改变，以及新的目的使什么对下一次决定变得重要。

从审美标准回到知识发现，也存在一个类似的间隙：接受某些前提，并不意味着已经知道它们的所有后果。Aaronson 讨论了逻辑全知，即知道自己所知一切事物的所有后果这一理想化状态。实际的研究者接受一些假设，其含义仍有部分尚未发现。新的构造可以使某种蕴涵可供研究，从而增加知识。人工智能系统对既有材料的依赖与这种贡献并不矛盾：前提提供起点，而新显现的后果改变了研究者所知的内容以及他们已接受立场的要求。

如果计算方法让更多结果变得容易获得，研究社群能够持续探究的问题也会改变。寻找有界、可检验答案的实用方法将使研究者能够比较更多构造，并研究此前需要耗费巨大搜索成本的关系。经验研究则以另一种方式检验这些结果。两种解释可能符合相同的观察，却对进一步实验预测不同结果；它们的分歧于是提供了收集更多证据的理由。例如，AlphaFold 的开发与评估将预测的蛋白质结构与通过实验确定的结构联系起来[16]。科学承诺将计算提出的方案与观察联系起来，研究者借助观察修正对世界的解释。

不过，并非所有实践都希望计算变得更容易。有些保护措施恰恰依赖计算的困难。密码保护可能依赖于恢复秘密的成本，因此由 P = NP 带来的实际有效算法将重新分配访问能力和脆弱性。更容易发现的价值部分取决于障碍服务于什么目的。扩展知识的承诺可能支持消除一种障碍，而保密的承诺则提供了维护另一种保护形式的理由。随着计算能力变化，参与者必须重新考虑实现这些目的的手段。

以上例子表明，一项新贡献的力量，体现在人们接受它之后需要如何重新判断和行动。接受证明的研究者必须重新审视相冲突的信念；追求意外音乐关系的作曲家必须据此判断后续变化。修正的依据各不相同。证明能够依据公认的推理标准解决问题；乐段则可能使此前未受重视的关系变得值得追求，让听众有机会发展并争论标准本身。承诺将两种遭遇带入后续选择，可塑性则使参与者能够通过这些后果修正其信念或价值判断。

4

作品如何改变判断的依据

康德对规定性判断与反思性判断的区分，描述了将具体遭遇与一般性解释联系起来的两种方式。在规定性判断中，人将现有规则应用于个案；在反思性判断中，人通过关注具体事物寻求恰当的解释。康德将审美批评置于判断力的发展和运用之中，观众通过自身与作品的遭遇从事这一活动[17]。反思性判断有助于解释陌生作品如何改变观众认为重要的特征。

以技术上的清晰度和足够的肖似度来面对模糊肖像的评论者，可能在观看序列时重新考虑这些标准。作品的安排可能使辨认面孔的困难对其效果变得重要。评估这一提议需要关注图像共同产生的作用：面孔何时变得可辨认，哪些细节持续存在，以及一幅图像如何改变对另一幅的记忆。评论者通过追踪这一关系的具体呈现来形成判断。

一种解释是否与作品相关，可以通过比较不同安排来检验。它引导人们注意对作品重要的特征，解释具体选择如何强化、削弱或改变它们之间的关系。另一位观众可能认识到所提出的关系，却认为其处理方式缺乏说服力。双方的分歧于是具有共同的对象：辨认发生的时机、间隔的效果，或一幅图像对另一幅的依赖。通过指出某种标准能让人注意到什么、又能成为怎样的争论对象，批评也在发展这一标准。

数学与艺术都可能促使人修正判断，但修正的依据并不相同。接受证明的研究者依据他们仍然保留的推理标准修正一项主张。遭遇陌生安排的观众可以修正赋予其特征的重要性，并通过感知和讨论发展理由。因此，这里的比较关注的是：在具体情境中，参与者凭什么修正某项判断。一种实践可以同时运用两者：艺术家也评估事实主张，数学研究者也可以重新考虑概念和研究目的。辨明相关操作有助于解释某项具体贡献如何获得力量。

Toister 和 Zylinska 关于图像思维的论述有助于解释生成材料如何进入这一发展过程。图像可以使艺术家提示词中未曾明确的联想变得可感。对图像的讨论可以引入进一步的提议，进而影响下一次创作。每一次转换都为艺术家提供考察这种联想的材料。当所提出的解释改变了艺术家发展的关系，并将这些关系呈现给观众时，它便获得了实践效力。

Lisa Oppenheim 的 Monsieur Steichen 于 2026 年在阿尔勒摄影节展出，为这一过程提供了一个具体的历史对象。该项目涉及一种已消失的鸢尾花品种，由植物学家 Fernand Denis 于 1910 年培育，并以 Steichen 的名字命名。Oppenheim 使用人工智能，根据其两个亲本品种的图像生成假想杂交品种。随后，她制作了染料转印照片：这一摄影工艺通过依次转印青、品红和黄三种染料构成色彩。改变色彩组合使花朵的可能外观成倍增加[18][19]。

Oppenheim 的程序为失落品种提供了一系列建构的可能性。亲本品种的图像为生成杂交品种提供材料，色彩转印则使关于其外观的进一步决定变得可见。观众可以比较照片中始终可辨认的特征，以及引人注意其建构过程的变化。一幅外观近似植物图鉴的图像因其表面上的完整性而获得特殊权威；这一系列则通过各版本之间的差异，使这种权威可供考察。

这一系列可以被理解为对一个问题的探究：当历史证据无法还原失落花朵的实际外观时，图像如何让这种缺失变得可见？按照这种解读，观众评估照片之间的差异是否使人持续关注这一缺失。色彩、变化和相似性之所以重要，在于它们在整个系列中建立的关系。若将重建图像作为历史证据呈现，便需要评估它与失落花朵是否相符。假想杂交品种提出了另一种艺术目的：提供可能的外观，同时让该品种实际外观的问题保持开放。

这一目的使具体选择具有后果。色彩变化可以拓展可能外观的范围，随附说明则标明它们的假想性质。观众因此既可以考察关于鸢尾花的历史叙述，也可以观看这一系列如何通过不同版本呈现无法确定的外观。他们可能接受历史叙述，却对艺术效果持不同意见。艺术家对所提出探究的承诺，为观众追问每一种变化如何对其作出贡献提供了依据。

这次遭遇显示，改变后的艺术标准如何与持续的证据承诺并行。观众可能开始重视一幅逼真的图像，因为它与其他图像的关系维持了不确定性。关于该品种历史的主张仍然需要历史证据支持。因此，观众一方面修正赋予图像的目的，另一方面依据证据评估事实陈述。这种有选择的修正解释了艺术发现如何既能改变标准，又保留使这一改变可以理解的关系。

语义化将描述置于检索和生成图像的操作之中[20]。因此，一种解释可以成为生成进一步材料的指令。当创作者采纳这一指令时，该解释便开始组织哪些特征受到关注，以及哪些结果进入作品。当创作者允许这些结果影响对该解释是否仍有说服力的判断时，承诺便产生了实际影响。

在《The Honest Photographer》中，生成的评论与其所解释的图像及其制作记录一同呈现。这一安排使人们能够考察对作品意义的阐释如何与作品一同发展。观看者可以将评论的主张与材料所呈现的关系进行比较。该主张由此成为能够在遭遇中发生改变的事物之一。

例如，评论可能认为，某个姿态看似表达的意图之所以发生变化，是由特定的时间序列造成的。比较不同的后续发展，便可以检验它们是否产生了所描述的差异。如果不同选择产生的效果大致相同，创作者就有理由修订这一解释或重新考虑相关安排。评论所忽略的细节则可能确立一个更富成效的方向。可塑性关乎创作者认识并追寻这一差异的能力。承诺则要求创作者将这一差异的后果带入后续选择，包括放弃一种已经变得顺手的解释。生成的阐释因接受可能改变其方向的经验的检验，而获得批判力量。

5

当生成语言改变立场

写作者将计划转化为文字时，会发展主张之间的关系。生成的句子可能引入一种含义，改变作者所呈现的立场。对艺术家而言，这可能发生在生产指令、艺术家自述、申请材料或评论中：语言改变了人们对作品提出何种主张的理解，也改变了支持这一主张所需的依据。Write Futures Lab 的研究者考察了写作不同阶段的辅助如何影响写作者与文本之间正在发展的关系。

Gero 等人[21]研究了 253 名参与者在规划、起草或修订阶段获得人工智能辅助撰写短篇议论文的情况，并设置了无辅助条件。获得生成草稿的参与者报告的心理所有权最低，但在以人工评分校准的自动评估中提交了得分最高的文章。即使草稿基于参与者自己提供的大纲，他们也将实质性观点归因于人工智能。研究测量了感知到的所有权和评估质量，显示随着辅助阶段变化，这两个维度可能以不同方式发展。

不过，感到一段文字属于自己，与愿意承担其中主张的后果，并不是同一回事。写作者可能追究模型提供的论证的后果，却对其措辞几乎没有所有权感。另一位写作者可能具有很强的所有权感，却直到读者指出才发现某种含义。承诺体现在每位写作者如何回应：考察缺乏支持的前提、解决不相容的结论，或修正立场。这些回应为读者评估写作者接受什么以及异议如何改变论证提供依据。

设想一份艺术家自述以“本作品记录公共空间中的相遇”开头。生成的修订将其改为“本作品构造公共空间中可能发生的相遇”。“记录”将读者引向已经发生的事件；“构造可能发生的相遇”则将其引向虚构及其可信性。接受这一修订会改变自述所需的支持类型。写作者必须重新考虑新表述对例证、图注以及关于图像的主张带来什么后果。

因此，模型的措辞可以帮助写作者发现一个具有后果的区别。写作者通过追踪它在全文中的影响来发展这一区别：修改图注、改变生产记录的作用，或解释建构的场景如何组织一个想象中的事件。这些调整使修订后的句子在论证中获得连贯的位置，也使读者能够依据自述现在提出的目的评估项目。当写作者接受这些含义，并据此修改其他部分时，承诺才落实到写作实践中。

人工智能介入的阶段之所以重要，是因为起草与修订为写作者留下的判断空间不同。在起草阶段，作者发展大纲尚未确定的联系。生成的草稿可以提供这些联系，首次将一个立场扩展为完整形式。在修订阶段，作者处理的论证中的张力和依赖关系可能已经较为熟悉。Gero 等人表明，感知到的所有权和评估质量随辅助时机而变化。写作者的承诺则通过另一项活动形成：认识到不断演变的文本提出了哪些主张，并追究这些主张在各部分中的含义。

生成的解释也可以进入递归的创作过程。艺术家将模型对一幅图像的解释用作生成下一幅图像的提示词，新结果进一步发展所提出的关系。艺术家可以通过比较不同版本、关注不符合解释的细节以及邀请其他解读来考察这种关系。当此后每幅图像都因符合这一解释而被选中时，工作流程便强化了最初的描述。保留具有实质后果的差异，为艺术家评估正在发展的方向提供了依据。

因此，创作中能否保持批判距离，不只取决于有没有不同意见，还取决于异议能否真正影响后续选择。艺术家和模型可以产生不同版本，揭示偏爱的解释中的弱点。另一位观众可以指出被忽略的特征并改变作品的方向。当此类贡献影响参与者的选择时，他们便建立了批判距离。这使批评成为正在发展的合作中的一项活动，也提出了有关其条件的问题：系统的哪些特征鼓励特定判断，参与者又能够修正哪些决定？

6

系统如何塑造判断能力

前面讨论了艺术家如何在工作流程中保持判断。接下来的问题是：提供这些工具的系统，会怎样反过来塑造判断？Steyerl 的 Mean Images（2023）[22]将这一问题放回生产条件中考察。她通过种族分类、被挪用的文化材料、劳动和专有基础设施考察统计图像。她关于系统训练其用户的观察，将这些安排与判断联系起来。反复使用可以使人养成适合服务设计的提示、选择和接受习惯。这些习惯影响用户逐渐将什么视为有吸引力的结果，以及哪些工作方式变得熟悉。

Steyerl 通过早期面向公众的图像生成系统展开这一论点，政治上强调攫取、分类与依赖。她对 mean 一词的使用将统计生产与审美和经济判断联系起来。这些关系需要不同类型的证据。对平台如何获取数据的说明确立了生产条件；特定安排的效果还取决于艺术家和观众如何使用其结果。Toister 和 Zylinska 将图像思维定位于这些递归遭遇，并质疑将合成图像斥为平均或“平庸”（mean）的观点。他们的论证使使用的认知效果成为进一步的研究对象，与 Steyerl 考察的生产关系并列。

Malabou 对灵活性和可塑性的区分有助于考察这种学习的方向。艺术家可能变得善于获取平台现成提供的视觉方案，并逐渐将其采纳为个人偏好。认识到这一模式可以使选择的条件成为研究对象。艺术家可以比较不同工具的结果、修改提示词，或修订保留图像的标准。每一项行动都在检验对这些塑造条件的一种可能回应。关于这些决定的证据表明，艺术家在哪些方面能够改变实践，以及平台在哪些方面继续决定可用的选择。

在 2026 年于 MACRO 展出的 Mechanical Kurds（2025）中，Steyerl 将伊拉克库尔德斯坦 Domiz 难民营的影像与生成图像结合起来。影片收录了三名从事图像标注的库尔德裔叙利亚难民的声音。这些工作者使用边界框识别物体，即为计算处理图像的计算机视觉系统标记物体的矩形轮廓。MACRO 的展陈设计重复使用了这些框[23]。一项技术性标记操作由此成为观众遭遇作品的空间的一部分。

在训练图像中，框标识系统应当学会识别的物体。在装置中，相同的形状将注意力引向绘制边界的人，以及其分类可能被使用的情境。工作者的声音让观众看到，这种标注操作背后有具体的人及其社会处境。观众得以遭遇这样的劳动：通过它，一项看似基本的视觉区分成为自动化系统的材料。这种安排可以改变观众认为该操作中哪些部分重要。

作品还让我们看到，理解一种标记与决定它的用途，是两种不同的行动能力。观众可以重新思考框的意义；工作者则提供标注，帮助系统识别物体。这些活动产生不同后果，也在不同条件下进行。关于工作者处境的纪实性主张需要证据，而推想性的序列提出关系，使观众借此思考其意义。Steyerl 的构成将这些方式结合起来，使具体主张的证据支持及其安排的效果共同成为判断对象。

Steyerl 使分类的用途对图像的判断产生影响。一旦观众通过系统对被分类者的影响评估该系统，技术准确性便成为更大目的中的一项要求。对这些人的关注引出谁决定标签用途、谁可以提出质疑的问题。装置通过工作者的声音与他们执行的视觉操作之间的关系，使这些要求进入视野。依据这些要求行动，需要对赋予分类以实际效果的程序和机构拥有决定权。因此，改变后的判断可以构成寻求改变生产规则的理由。

7

谁治理条款与条件？

判断发生变化，可能要求参与者修订共同工作的安排。一位艺术家意识到某项筛选规则排除了如今对项目至关重要的材料，便有理由修改这项规则。要将这一判断付诸行动，可能有赖于维护软件的合作者、决定展览条件的策展人，或控制访问权限的服务提供者。艺术家学习的能力与改变共同程序的权力，分别处于不同的位置。治理决定了参与者如何将二者联系起来。

分布式认知将创造性判断置于人、工具、记录以及材料的连续转化之中。在这一论述中，系统支架（agent harness）由模型之外的各种安排构成，项目参与者可以明确配置、检查和修订这些安排，包括记忆、工具权限、评估与后续运行。这些安排依赖于基础设施，而基础设施的条件可能由别处控制[24]。这一区分指出了修订后的判断必须在何处生效，以及这一改变需要谁参与。

经过配置的程序将先前的判断带入后续决策。设想一位艺术家开始重视模糊肖像中不确定的辨认体验。假设自动化筛选程序仍然只保留最清晰的面孔。艺术家的新标准与筛选程序如今将项目引向不同的结果。要继续探索这种新的关系，就需要改变程序所保留的内容，并使被排除的材料可供比较。发展作品的承诺为艺术家提供了理由，去修订一项此前服务于这一承诺的程序。当改变后的判断影响后续材料被遭遇和评估的方式时，可塑性便产生了实际影响。

访问权限的组织方式也塑造了哪些遭遇能够促成修订。语义化描述了标签、摘要和计算表征如何为检索与排序组织图像。这些操作在观看者审视某一具体图像之前便已分配了可见性。因此，艺术家若要探究现有类别所忽略的关系，可能需要取得被排除版本的访问权限，或采用不同的检索程序。维护类别和访问规则的人，会影响他人发现改变理由的机会。治理工作流程，也包括决定参与者如何重新审视工作流程过滤掉的内容。

在 Palazzo Diedo 举办的《Strange Rules》（2026）通过其策展提出的“Protocol Art”，将治理程序转化为艺术材料。协议确立了人与系统如何贡献、交换信息和行动的规则[25]。在展览中，Herndon 和 Dryhurst 的《Attention Guild》围绕艺术家设定的任务组织软件智能体，即在连续互动中执行任务的程序。参观者向集体记忆贡献信息，这些信息被用于开发应用程序。智能体通过一种音乐语言交流，最终产生的软件则发布在公共代码库中[26]。

任务将这些贡献与持续的目标联系起来。新信息可能帮助智能体开发应用程序，而意料之外的后果也可能为参与者提供理由，重新思考应用程序应当实现什么。假设一位参观者发现，某项提议中的用途与促成该任务的关切之间存在冲突。将这一观察纳入智能体的上下文，与将其视为修订任务的理由，需要作出不同的决定。前者改变了可用于工作的材料，后者则将其组织性目标置于审议之下。要使这一贡献促成审议，就必须有人获权重新考虑任务，并回应这一观察所提出的关切。

Dryhurst 将能够正常运行的软件视为艺术家所提出的协议艺术的要求之一[27]。这一承诺使该提案必须面对使用中出现的后果。故障可能需要修复实现方式；而一个符合其规格的应用程序，也可能揭示出改变规格本身的理由。此时，参与者必须判断现有任务是否仍然服务于他们所重视的目标。维护这一目标可能要求修订任务、评估标准或参与条件。这件作品使这些问题产生实际影响，因为其程序所组织的活动超出了与装置的初次遭遇。

组织者借以邀请参与的承诺，确立了这种审议的范围。邀请参观者贡献信息赋予他们一种角色；提议共享决策权则赋予他们另一种角色。共享权力需要一条经各方同意的路径，使提出关切能够导向对相关决定的审议。系统维护者可以说明某项规则为何仍然适当，修改规则，或重新审视它所服务的目标。艺术约束可能仍然对作品提供的体验至关重要。在这种情况下，保留约束便体现了对该体验的判断。参与者可以审视这一决定的理由及其持续产生的影响。

《Little Free Language Models》提出建立一个由写作者为其创作社群创建的语言模型[28]。Guo、Schnitzler 和 Gero[29]考察了写作者关于社群治理的提议，涉及持续同意、边界、认可和规模。持续同意为承诺提出了特定的时间性要求：贡献者可能通过后来的使用了解到新的情况，从而改变他们希望自己的作品参与其中的条件。追求这一原则的社群需要明确，贡献者可以重新考虑其作品的哪些用途，谁负责落实他们的决定，以及这些决定如何影响后续发展。

设想一个社群同意将贡献的文字用于一场探索性工作坊，后来又考虑更广泛地应用这些文字。参与者可能发现扩大使用带来的益处，同时对先前的同意是否涵盖这种用途产生分歧。尊重他们持续拥有的权力，需要在将材料带入新场景之前重新审议这一决定。社群可以缩小应用范围、寻求重新参与，或开发不同的资源。对贡献者权力的承诺将组织这些选择，同时为具体的解决方式保留开放空间。这里的可塑性关乎社群根据参与者所学到的东西重塑安排的能力。

这样的承诺也对资源维护者提出了要求。他们需要说明权限变更能够实现什么、哪些使用仍会继续，以及拟议的变更需要开展哪些技术工作。贡献者需要有途径审视这一回应，并对未能满足其明确条件的决定提出异议。如果相关操作由另一家服务提供者控制，社群就必须协商访问权限、选择不同的安排，或重新考虑其承诺的范围。实施修订的责任，取决于各个阶段所涉及的决定和能力。

这些情形表明，一项承诺如何能够在其实施方式改变的过程中持续存在。先前协议的记录有助于参与者确定获得授权的内容及其原因；经验则可能揭示某种后果，要求他们重新考虑程序。治理这一安排的人随后决定哪些要求仍具约束力，以及工作流程的哪些部分必须改变才能满足这些要求。他们的权力也包含一项责任，即以他人可以审视的形式作出这些决定。治理维系着一段历史，参与者由此能够区分有理由的修订与缺乏解释的条款变更。

因此，可塑性在共同实践中的分布并不均等。一位参与者可能形成新的判断，另一位可能控制该判断所质疑的程序，第三位则可能承受程序维持不变的影响。当治理安排提供途径，使这些经验能够进入相关决策并得到有实际影响的回应时，它便支持了集体学习。承诺为参与者要求这一回应提供了依据。因此，谁治理条款与条件，决定了谁的学习能够重塑实践，也决定了实践变化之际哪些义务继续具有重要性。

8

结论

生成式人工智能可以参与形成人们组织工作的目的。生成图像可能揭示值得发展的关系，一个句子可能改变论证的主张，一个证明可能要求放弃某个猜想。这些贡献通过后续决定的变化产生后果：参与者获得了区分不同选择以及重新思考自身追求的理由。

可塑性关乎通过遭遇获得另一种感知和判断方式的能力。承诺解释了为什么这种遭遇可能要求改变。人可能在认识到某个立场的全部含义之前采纳它；后来的工作可能揭示冲突，或揭示一种重新组织其含义的关系。因此，继续认真追究一个问题可能要求放弃偏爱的答案、修正标准或改变程序。持续发挥作用的承诺为他人理解这一修正提供依据，而新的目的则为后续选择确立要求。

这些改变的依据因实践而异。数学证明可以通过公认的推理标准推翻一种预期。艺术作品可以使被忽略的关系变得可感，并为观众重新考虑其重要性提供依据。写作者可以通过追究一种表述的含义发现自己的立场。高效发现还可能使重要结果更易获得，从而改变社群评价成就的方式。每一种发展都要求参与者考察实践的哪个部分发生了变化：可获得的结果、评价结果的标准，还是生产所服务的目的。

艺术实践则通过对具体形式和材料的选择，让观众体验这些变化。一个序列可以维持不确定性，同时其创作者继续准确说明图像来源。编辑规则可以揭示行动与预期效果之间的冲突。装置可以赋予异议以声音，同时保持其持续的条件不变。观众通过所遭遇的形式评估这些关系，创作者则获得保留、修正或放弃具体选择的依据。

个人可以修订一项判断，而工作流程仍在执行先前的判断。因此，改变共同实践需要在认识到某个理由的人与能够改变相关安排的人之间建立联系。一项承诺赋予这一诉求具体内容：参与者可以指出某项程序所服务的要求，经验如何使这一程序受到质疑，以及修订将保留或改变什么。当这些遭遇能够重塑后续工作的规则时，可塑性便成为集体的可塑性。治理决定了谁的判断能够进入这一过程，以及谁必须对其后果负责。

参考文献

1. [1] TOISTER Y, ZYLINSKA J. Image thinking after artificial intelligence[J]. Journal of Visual Culture, 2025, 24(3): 431–451. https://doi.org/10.1177/14704129251405715
2. [2] MALABOU C. What Should We Do with Our Brain?[M]. RAND S, 译. Fordham University Press, 2008.
3. [3] BRANDOM R. Commitments and Concepts: Riyadh–MANA Lectures[Z/OL]. University of Pittsburgh, 2022. https://sites.pitt.edu/~rbrandom/Texts/Commitments%20and%20Concepts%20Lecture%20Texts%2022-2-26%20c.pdf 引文位置：第27、31页。
4. [4] GUO A. Cephalopoet[Z/OL]. 2026. https://aliciaguo.com/cephalopoet/
5. [5] GUO A. Process note 8[EB/OL]. Upcycled Words, 2026-05-29. https://upcycledwords.substack.com/p/process-note
6. [6] GUO A. Cephalopoet[Z/OL]. Ensemble Park, 第2期, 2026: 22, 26. https://www.ensemblepark.com/issues/ensemble_park_2.pdf
7. [7] ALMAN J, VASSILEVSKA WILLIAMS V. Truly subquadratic 3SUM and truly subcubic APSP via triangles in sparse lopsided graphs[EB/OL]. arXiv, 2026. https://doi.org/10.48550/arXiv.2610.06783
8. [8] COOK S. The P versus NP problem[A/OL]. 见: CARLSON J, JAFFE A, WILES A, 编. The Millennium Prize Problems[M]. American Mathematical Society and Clay Mathematics Institute, 2006. https://www.claymath.org/wp-content/uploads/2022/06/pvsnp.pdf
9. [9] ESFAHBOD B. P、NP、NP 完全与 NP 困难的关系图[Z/OL]. Wikimedia Commons, 2007. https://commons.wikimedia.org/wiki/File:P_np_np-complete_np-hard.svg （CC BY-SA 3.0）.
10. [10] CLAY MATHEMATICS INSTITUTE. P vs NP[EB/OL]. https://www.claymath.org/millennium/p-vs-np/
11. [11] OPENAI. Working with academic communities to build scientific understanding[EB/OL]. 2026-10-26. https://openai.com/index/building-scientific-understanding-with-academic-communities/
12. [12] IMPAGLIAZZO R, PATURI R, WILLIAMS R. ETH refutation: Examination and discussion[EB/OL]. ETH: Community Examination and Discussion, 2026-10-26. https://ethdiscussion.blog/2026/10/26/eth-refutation-examination-and-discussion/
13. [13] AARONSON S. P versus NP[Z/OL]. University of Texas at Austin, 2017. https://www.scottaaronson.com/papers/pnp.pdf
14. [14] AARONSON S. Why philosophers should care about computational complexity[A/OL]. 见: COPELAND B J, POSY C J, SHAGRIR O, 编. Computability: Turing, Gödel, Church, and Beyond[M]. MIT Press, 2013. https://www.scottaaronson.com/papers/philos.pdf 引文位置：第3.1节。
15. [15] BODEN M A. Creativity and artificial intelligence[A/OL]. 见: POLLACK M E, 编. Proceedings of the Fifteenth International Joint Conference on Artificial Intelligence[C]. IJCAI, 1997: 1563–1565. https://ijcai.org/proceedings/1997/229
16. [16] JUMPER J, EVANS R, PRITZEL A, 等. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596: 583–589. https://doi.org/10.1038/s41586-021-03819-2
17. [17] KANT I. Critique of Judgement[M/OL]. BERNARD J H, 译. 第2版. Macmillan, 1914（原著出版于1790年）. https://www.gutenberg.org/ebooks/48433 引文位置：导论第四节，第34节。
18. [18] STEINBRÜGGE B. Lisa Oppenheim: Monsieur Steichen[EB/OL]. Les Rencontres d’Arles, 2026. https://www.rencontres-arles.com/fr/expositions/2026/lisa-oppenheim
19. [19] MUDAM LUXEMBOURG. Lisa Oppenheim: Monsieur Steichen[Z/OL]. 2025. https://dbf642yz813mr.cloudfront.net/documents/2025_02_03_LisaOppenheim_miniguide_EN.pdf
20. [20] MT. 摄影语义化：算法可见性、查询式观看与生成影像的感知边界[J]. 中国摄影, 2026(6). https://mt-zeng.com/zh/art/photography-semanticization/
21. [21] GERO K I, LONG T, SCHNITZLER C, 等. From planning to revision: How AI writing support at different stages alters ownership[C/OL]. Proceedings of the 2026 ACM Designing Interactive Systems Conference, 2026. https://doi.org/10.1145/3800645.3813003
22. [22] STEYERL H. Mean images[J]. New Left Review, 2023(140/141): 82–97.
23. [23] MACRO. Hito Steyerl: Mechanical Kurds[EB/OL]. 2026. https://www.museomacro.it/mostra/hito-steyerl-mechanical-kurds-000
24. [24] MT. 从分布式认知与系统支架视角看生成影像艺术中的作者性[J]. 中国摄影, 待刊. https://mt-zeng.com/zh/art/generative-image-authorship/
25. [25] BERGGRUEN ARTS & CULTURE. Strange Rules[EB/OL]. 2026. https://berggruenarts.org/en/exhibitions/current-exhibitions-palazzo-diedo/current-exhibitions-palazzo-diedo-strange-rules
26. [26] BERGGRUEN ARTS & CULTURE. Mat Dryhurst & Holly Herndon: Attention Guild[EB/OL]. 2026. https://berggruenarts.org/en/exhibitions/artists/mat-dryhurst-holly-herndon-2
27. [27] BELLOSI G. “Strange Rules”: Mat Dryhurst and Holly Herndon at Palazzo Diedo Venice[EB/OL]. COEVAL, 2026-05-26. https://www.coeval-magazine.com/coeval/strange-rules-mat-dryhurst-and-holly-herndon-at-palazzo-diedo-venice
28. [28] GUO A. Selected works and research[EB/OL]. https://aliciaguo.com/
29. [29] GUO A, SCHNITZLER C, GERO K I. Seed bank, co-op, stoop swap: Metaphors for governing language model data for creative writing[EB/OL]. arXiv, 2026. https://doi.org/10.48550/arXiv.2605.12888