海报设计：二姑娘
图文整理：田力语
蚂蚁隔壁班--方政在线分享会声音版
音频整理：玫瑰之上
各位晚上好，很高兴今天有机会受到邀请，对我的最近的一个作品进行分享，缘起是源自今年大概五月末，我在微信公众平台”夹山改梁Jasagala”上发表的一篇名为《地方美术学院本科毕业展》的文章（点击查看）。
这是篇关于美术学院本科毕业作品的推送，它全是由AI自动生成的。其中的学生照片、姓名、作品图片、作品标题，还有作品的阐述，差不多全部都是由ChatGPT和Midjourney在我的引导下自动完成。并且我在生成之后，我是没有进行任何后期的人为修改，无论是对图片还是对文字，都没有增减。出乎意料是，几个小时之内就突破了10万加的阅读。
我之前也发表过类似的文章，但这几篇文章基本上只停留在我们小圈子范围，没有被摆放到公众层面来讨论，之前的文章有用Midjourney生成的叫“在这样那样的世界摄影”，等于是把AI摄影作为一种方式来做，还有之前用OutPainting，我做了一个对画家王兴伟作品的尝试，类似小恶搞，不过一直没有进入到更广的读者层面。
这之后，很多人联系到我，说想把这个推送发展下去，海杰老师就邀请我来到广西师范大学出版社美术馆，这一次，想象imagine的展览，算是把这样的网上推送做了一个物质化的延伸。也借此机会跟大家做一次分享，所以我想说说我对人工智能、学院教育、原创以及风格等问题的一些拙见。
开始之前，我想聊一下这篇推送的创作过程，这批作品的创作，其实我一开始是想直接将真实的存在的学生作品，通过把图片作为提示的方式去生成。举个例子，比如：这个学生画了一个西北戈壁题材，那我拿他的图片进行作为提示词，保留大部分的风格和内容，这样我也能生成一个西北戈壁，只不过里面的东西的话，但是它的风格和内容可保留，我后来还是决定用纯提示词作为唯一的生成源。有以下几方面的考虑。
首先，是版权的考虑，如果直接拿图片作为提示词的话，某种意义上它会有一个这样那样的问题；第二个我觉得单纯以文字来作为提示词的话，它更有哲学趣味在里面，因为人们对很多东西的理解、对概念的理解，主要还是从文字出发。实际上很少人会用图像化记忆，图片思维，我觉得大部分人还是以文字作为驱动，作为储存概念，去理解事情。效果意外的不错，尤其是在作品的生成方面，比我想象的要好很多。
真正比较花时间的部分，是作者照片的这一块，因为在保留真实性的前提下，要做到多样性，很难。不知道群里面有没有人也玩这种AI生成的朋友，如果你用Midjourney呀，或者用一些更差一点的AI，就会经常就会做成一眼就能看出是AI生成的照片。比如说，一个人拍照，他会做出很做作的特效，比如很浮夸的伦勃朗打光，细节特别的油腻，整个质感就是一种很AI的质感，这也是在我生成的时候需要避免的，这里面一些复杂的问题，我之后会再提。
归根结底，生成人脸这么复杂或者这么难，它更为根本的原因是，人对于人脸是非常敏感的，就是我们能够通过一张脸获得的信息，在我们这多少数万年的演化当中，它是刻在我们DNA里的，我们可以从个人的表情能够读出很多东西，比如，通过他的皮肤的状况，他的眼神，他的笑容，我们都可以理解很多很多的信息。所以人脸生成，并不是说他真的比猫和狗难，而是人对于这个东西的标准比猫和狗要高。
绘画和雕塑，是最容易生成的。如上图。大部分情况下，我只需要几个关键词就可以写出作品中大致的内容。比较好用的方法，用一到两个知名艺术家的名字，比如说里希特，多伊格，刘小东，大卫霍克尼之类的名家，因为风格其实很含糊，尤其是你说什么粗犷的笔触，或者什么灵动的画面，这种含糊的词，它的效果比较一般。如果你能够具体到艺术家的名字，或是某种流派、风格，它的效果就会比较好。
至于作品简介生成的部分，文字部分是完全用就是在ChatGPT生成的。但我前期做了非常多的工作。首先我需要构建一个非常完备的具体的作品的语境。我需要对作品解释的深奥程度，还有其多样性进行一个非常细致的筛选和设定。
大家其实用过去ChatGPT就知道，它本身作为通用AI的或者它一开始不知道你的语境是什么，你可能只是一个刚上网的孩子，想拿它来应付作业；也有可能是一个科学家，用它辅助工作；有可能你是诗人，你想让他做一些很玄乎的一些词，看看有什么神奇的碰撞，但是它在默认情况下，给大家是提供一个非常单一的语境，就是这种很AI化、标准化的，它还会给告诉你我只是一个AI，你不能完全依靠我。
所以在简介生成部分，我首先告诉它，语境是中国的一个美术学院的作品简介，规定好这个作者是男是女还是怎其他，他们的姓名，这批人今年毕业，应该是零零后，他们的姓名要符合这个时代的一个风格，在这个人物确立的情况之下，根据所处的学院的不同，作品简介也是有变化的，这也是我经过之前对于不同学院的观察和了解之后的一个设想。
它还是不太能够完全的无中生有，所以我一般会随机给三个左右的关键词。比如说家庭、女人、房间，或者是夏天、冰块、行为这样的三个关键词，他就开始帮我写了。我在写之前，我让它们确立语境是什么。
对于传统媒介，我会倾向于让作品保持比较简单的状态，不用说的太学术太复杂，比如：这就是我生活的随机感悟，或者说这个表达了我对于什么的思考之类。
对于新媒介，我希望它会阐述的稍略微晦涩，这个可以说是学院教育上的一些通病，很多学生会喜欢把作品往复杂了说，以此显得自己的作品更有深度。
至于人文学院，我都会要求，必须要是美术史的语境，需要极为晦涩难懂，最好里面包含一些哲学家的名字，还有一些学术的用语，最好这些用语还要用括号，用德文标注起来。
我给大家分享以下几个案例。
油画系的作品，《北方的冬》。作品简介：北方的冬是我对姐妹间深深的情感和中国北方冬季室内生活的再现，我与妹妹在家中的一切都成为我绘画的源泉，这是一种深深的人文关怀和对中国传统居家生活的热爱。在画面中，我尽力去捕捉我们的笑声，以及那些温暖的室内空间。熟悉的木质家具、热气腾腾的暖气和窗户上凝结的冰花，我将这些细节逐一记录下来，试图通过它们传递北方冬天的室内生活的氛围和情感。这些细节虽然微小，但是对我来说，它们构成了我们生活的独特方式，是我身为中国人身份的一部分，也是我对这个世界的理解。
这篇刚好是这一次我们讲座的这个海报的这这张画。
另一个例子。壁画系的《无声》。在《无声》中，我以无人的房间作为画面的主题，试图捕捉和表达在日常生活中被忽视的静谧感……
大家可以感受到，在传统媒介，我会尽可能跟他们说简单的话，大白话，从自己的生活感受出发，值得注意就是这里面是完全没有经过修改的，是直接生成的一个结果。
至于新媒介，尤其是实验艺术学院，我会要求他们有更强的批判性，在用词上可能会稍微晦涩一点。
比如《季节游戏》，我生成了一个人，在夏天抱着冰块。作品简介：季节游戏既是一次行为艺术的表演，也是一次对人类感知与环境关系的探索，在夏季炎热的阳光下，我选择以兜售寒意的方式，试图打破常规的季节感知，寒意在此即是一种物理状态。也有象征的意味，暗指内心深处的情感与思考。通过这样一种对抗的方式，我试图破解我们对季节感知的固有认知，并重新审视我们对环境……
当来到人文学院的时候，我会尽可能让它写地更离谱一点。人文学院的标题就特别长，他这篇毕业论文叫《寻踪阿伊努族意识形态与后法兰克福学派视野下的反思对意志文化碰撞的深层结构》。论文的概述是，本文将以后法兰克福学派的批判理论为基石，对阿伊努族的独特文化与其意识形态进行全方位的深度解析。首先，本文将从阿伊努族的社会文化现象出发，尝试理解他们其意识形态是如何形成并通过特殊的文化符号传递的。对此，我们将采用后法兰克福学派……后面编一串德文，这样显得它更复杂。
这里面讲了很多人工智能，这篇推送也好，作品也好，我的出发点并不完全是说只关于人工智能。其实更关注于艺术教育，或者说更为广泛的教育本身。早在几年前，我就试图去做一个类似这样的尝试，不过很难实施，因为我当时想靠自己一个人把所有的东西都都做一遍，无论是油画还是版画，还是雕塑，但这个实施上有太大的问题，一直悬置在我的脑中，没办法落地。
我对于艺术学院的教育的感觉，有一种仿佛一直在轮回，不断的重复的倦怠感，这种倦怠不仅仅是说针对于学生的创作，内容或者形式，而是在于整个学院教育的本身。简单聊一下我的教育背景，我之前是读的央美附中，然后去了央美的版画系，后来我去了加州大学洛杉矶分校读研，毕业后，我留校任教，担任讲师到现在。所以在教育系统，也有些年头了。
在央美读本科的时候，我跟同学们差不多已经可以能够准确地预测每个院系甚至每个工作室的作品面貌、风格、创作主题内容，甚至于传统的画种也好，版种也好，它里面的反叛者有多少，油画系做新媒体的比例有多少，版画系的比例有多少？或者说实验艺术跑过来画画的人，他的比例又有多少？这些其实都是可以预测的，因为一年一年都是这么来的。如果到了展览现场的话，距离20米开外就可以认出是哪个工作室的作品，尤其是国画，油画，基本上就是太好认了。
去了美国之后，我开始接触一些机器学习的东西，学校有一些课程，很多老师朋友也在做这一块，自己学了挺多的。后来我开始思考，一个全新的视角，如何通过机器学习来把它作为一种方法，作为我们的一面镜子去反思，何为人，何为创新、何为教育？
简单地说，机器学习，用最最大白话的来讲，就是要让这个电脑拥有一个找到一个函数的能力。什么意思呢？举个例子，比如每年春运的人流变换，你只要给他数据量够大，它基本能够预测明年的春运的变换，尤其是你给出更多数据，今年降雨，降雪情况，把不同东西给它之后，它可以找到彼此的相关性，就能找到一条函数，可以让你输入什么，它就可以输出什么。
在大部分情况下呢，它可以这样去生成，但是实际操作的时候，因为这样那样的问题，我们新手去玩这个机器学习的时候，如果自己去跑一些模型，你要跑自己的数据集，你会出现一种叫做过拟合的问题。什么过拟合呢？如果你的输入源的样本太少，或者多样性太差，这个当一个模型过度复杂的时候，它就会过于适应这个训练数据中的随机误差或者噪音，而不是说真的去深究它背后的一个潜在关系。
举这样一个例子吧，比如说你想让机器去学习“什么是斑点狗”。
这种已经算是比较经典的例子，现在很多算法就是可以给一堆某一种类型的照片，像大家肯定都玩过，或者被玩，他要验证你是不是机器人，会让你去识别图中哪个是公交，哪个是自行车，哪个是斑马线。又比如说你收集了1万张斑点狗的照片，给这个机器，给这个电脑，让它自己去摸索，当你用利用现有的别人写好的这个大的框架，你提供了你自己一万张或者说一千张，你提供了一千张斑点狗的照片，按道理就能够学会哪种是斑点狗，有个问题是什么呢？假如你这一千张照片是完全重复，那它其实就只能够识别这一张照片。
又或者是说，你这一千张照片只是你家里的那一只斑点狗的照片，没有任何别的斑点狗，你家里那个斑点狗其实长得挺有特点的，比如说它的额头上有一特别像中国地图的一块一块斑点，那么问题就来了，如果你这1000张照片的斑点狗都是只是你家的那个额头上有中国地图的斑点狗，那么很有可能这个算法就是不能识别别的斑点狗，它只有在这个斑点狗的额头像中国地图的时候，它才能识别这是斑点狗，就是一个很经典的一个过拟合的一个状态。它会完全按照你的输入数据，去把它奉为圭臬，把它作为自己理解世界的全部。
在训练的时候，这种过拟合的模型，如果你还是拿之前给它的训练数据去测试，你再测，随便挑这一千张照片里面一张，你看它能不能识别出来。就发现他异常的准确，但是一旦应用到新的没有见过的数据，你拿另外一只斑点狗，它可能就识别不出来了，就是因为这个模型是记住了训练数据中特定的噪声和异常的值。而不是学习到数据背后的真实的趋势，还有它的一个模式。
从根源上讲，就是我生成的这一批机器学习生成的作品。它之所以能够和很经典的美术学院语境下的毕业创作，能够如此之像，他的风格上和表现上如此接近，其实就是因为他们两者之间，在艺术教育啊，甚至是更广义的人类的学习的过程中，我们作为人类本身，我们是很容易陷入类似机器学习中的过拟合这样的困境。
想象一下我们是如何进行学习的，通常我们都是学习大师，学习前辈，学习老师，学习比自己厉害的学长学姐。我们把前辈创作的脉络视为我们自身的训练的数据集，从模仿开始去学习它们的风格。但是每种风格，它其实又不是那么简单的，每种风格它其实意味着多种策略的一种复杂组合。
美国著名的批评家、艺术史学家——亚瑟丹托，曾经在64年，写的艺术世界当中，提过一个叫做风格矩阵的概念。简单来说，就是我们的风格，风格与风格之间，在我们艺术界的这个场域，它会形成一种肯定或否定，是与非、正向或者负向的一种关系。举个例子，比如说我们现在抛开其他的因素不谈，我们把艺术只分为两个维度，再现和表现这两个维度。
那么其实我们可以得到四种风格。
比如说野兽派，野兽派就是既再现又表现。野兽派不管画的是现实中的这些人、物，他的手法是很表现主义，比较奔放、随心，不是那种抠抠搜搜的；新古典主义，它就是再现非表现，他画的也是很具象的，再现的，但它一点都不表现，就是现实主义和写实主义，它不一定严格相等的；抽象表现主义，就是不再现，因为他是抽象嘛，但他很表现。其实这里面还有另外一种，第四种，就是比如说硬边抽象，他是对两者的反叛，就是既非再现也非表现。
杜尚的那个小便池在艺术界能够起这么大的一个反响，一直到现在，都有无数人去谈论。就是因为杜尚在当时基本上把艺术的所有的属性都加上了负号，最后出了小便池这样的作品。
回过来讲机器学习这部分，如果我们沿用这种思路，我们可以将某种流派或者某种艺术家的创作风格，也是有点类似于这种方式，其实我们已经在这么做了，我们在用Midjourney的时候在这么做，我们在用stable diffusion的时候，也是在这么做。像Midjourney，你就可以直接用自然语言去讲，但是像stable diffusion，或者是一些其他的，我们甚至可以直接的去安排哪些是正向关键词，哪些是负向关键词。
在这里，我们以刘晓东来作为一个例子，试着去把它作为一个风格上的拆解。首先，题材上它是一个现实主义题材，画面表现的感觉，是一个写实主义的画面，它的笔触，可能是一个中等尺寸、不是特别大的笔，也不是那种很细很小的笔，他的作品呢，有一种摄影视角，有一种很随机的感觉，不是那种经典构图，但他又强调一种非制作性，它比较强调一种临场的写生感。
他的作品，我个人认为有一定程度的强调油画材料，你能够明显感觉到它的笔触，它的肌理，它的颜料之间的堆叠、混合，与画布之间的关系。我们可以继续往很细致的方式拆分，比如说我们从色彩的三要素，我们可以从明度、纯度、色相来说。刘小东的画，它是中高饱和度，一种鲜灰的色调，它的饱和度的差异性比较低，就是它不太会把很灰的颜色跟很艳的颜色，在画面进行组合，他们的饱和度上的差异性是比较低的。
他的色相的差异性又会比较高，尤其是在室外的一些人物。比如他画的三峡移民，皮肤靠上面反天光的颜色，会很明显地去把天光的那种蓝色表现出来，下面阳光打到地上，反射到底部这种很温暖的颜色，会把它反映出来，它的色相上的差异性就比较强，甚至是即使是在光线柔和的情况，它也会强调这种色相的差异性，明度上它会保持一种中高明度。
在这里，我们会发现，我们是可以通过文字的方式，将一个艺术家的创作风格尽可能用语言描述出来。
回到机器学习的语境，细想，这种正负极的碎片化的风格就变成了这种创作图片所用到的一个来源。换句话说就是写提示词，其实在这个语境当中，它就是艺术创作的本身，刚刚一开始我提到说我之前还写过另外一篇推送，就是将它作为一种摄影，那篇开头，我写的是我几号到几号这两天之内的摄影作品。
摄影，群里的大家都比我更了解，一开始大家都会觉得摄影是纪实的，后面有各种摆拍，也有很强的制作性，PS出来的。再到后面比如说像双喜之类的。他的照片都不是他拍的，一些的摄影师，不拍照片，他是选照片的人，他是找到那张照片的人。
这有点像目前我们的这种用AI生成的语境，AI它已经创造了一个复杂度无限的世界，它能够生成无限的图片。数学上可能是几乎无限的图片。那么你要做的是什么？你像是一个可以游历平行时空的人，你要去找到这个平行时空的一张图片。
我们顺着这个思路去想，早在人工智能出现之前，就已经有很多很多的人通过输入提示词，或者我们所谓的调参，有人喜欢叫他炼丹，进行艺术创作。举个例子，比如有些画家，他得帕金森了，没法继续画画，就会去找人代笔，好像很多人说达利晚期的很多画都不是他画，都是他的助手画，但我觉得那些画不能说是他助手画就不是好，我觉得画的其实都蛮好的。无论是从基本功，创作手法上，还是整个作品的构思都不错，是不是也可以叫“导演”呢？
现在的很多导演，他已经不参与任何具体的某一项工作了，有人给你写剧本，有人给你掌镜，有摄影师、剪辑师，演员还有选角导演。导演，到底是在干嘛呢，最后只是在做选择。选择本身就变成了一种创作方式。
我曾经跟别人开玩笑，我个人认为文艺复兴时期最伟大的艺术家是谁？不是什么达芬奇、米开朗基罗什么的，有可能是美第奇家族，美第奇家族当时应该算是艺术总监了，当时是有这么多的艺术家，整个意大利、佛罗伦萨有这么多的艺术家，他们做的各种形式的创作，但是美第奇家族决定我们要资助哪些艺术家，他们是有一个自己的选择，这个选择，有很多的艺术家把它给具现化。
在庞杂的艺术领域，对于多种的创作手法的选择，这些选择的方式、思路、逻辑、技巧，更多的则是艺术家的主观判断，而不应该变成一种创作上的金科玉律。
举一个生物学层面的例子。比如说在我们的遗传里面，有很多你的DNA序列，它不是控制你的单一表征。比如说有一节DNA，我们以最简单的方式阐释。（当然现实比这个要复杂的多)，比如说你的一节DNA，它可能能够减少你得胃癌的概率，但是它会让你的头发在50岁之后迅速的变白，这两者有这样的一个关系，有关联的，但头发变白这件事情，到底意味着什么，如果搞不清楚这之间的关系的话，就会被绕在里面。
艺术其实也是，艺术家们都有自己一套手法，如果是画家，在选材上，对画面的画幅，作品的大小、是画具象还是画抽象，如果是画有内容的东西，到底画什么，里面要写实到多少程度，它其实里面当然是有它的一些巧思，就是一种复杂策略的执行，人的精力太有限了，不太能够去做双盲实验一样去只选取一个因素对照测试。这辈子画的画是很有限的一个数量，所以大部分情况下，是把多种东西糅杂一起，进行尝试。
你在获得成功，受到大家肯定之后，人们就开始会很惯性的把你创作的东西称为是你的风格。我以前读书的时候一直很忧心，没找到自己的风格。但是我现在对这个东西的看法就完全不一样了，回到学生的学习，如果当学生开始学习的时候，尤其是面对大师，或者自己的老师、教授、学长学姐。他会陷入的一种对于他的整体风格全盘照收的一种惰性学习，像我刚刚说的一个作品，它是多种风格策略的一个综合影响的结果，按道理，它没有那么缺一不可。
但是学习的时候，一方面可能是因为他们在创作经验上无法分辨，在另一方面就比较可惜，是目前这种社会情境下的潜移默化的一种生存策略。齐白石曾经说过一句话，我觉得特别好，“学我者生，似我者死”。然而在学院的教育当中，画的像自己的老师好像又并不是一件值得批评的事情，尤其是在国画系，它可能是一种要求。
我曾经亲眼见过美院的老师，有一次一个老先生，他去参观年轻老师的一个群展。在这个群展上，他几乎把每个人的作品都批评了一遍，他批评别人，都是很随机的从一些小点去评，比如：这个作品画笔用笔太碎了；物体前后关系没有拉开；这个红色部分画太火了，类似就这种。但他唯一肯定的作品，他的评语是什么呢？他说的是，这张画画的挺像徐芒耀的。
所以在很多时候，学术学院他怕的并不是说被人评价自己画的和老师太像，反而是怕自己的作品进入市场或者进入这种体系的过程中，不像自己老师而失去了原本可以有的竞争优势。这是一种默契，也是一场共谋吧。
最开始的这件作品以微信推送的形式呈现，接下来我想聊一下，观众朋友们对于这件作品的一个回应，挺有意思的。首先我觉得挺不幸，就是大部分的读者都陷入了一个对技术很盲目的自信或者自卑之中。
最经典的就是他们会说，哎呀，天啊，不会吧不会吧，这么明显的AI你们都看不出来了吗？我一眼就看出来了，我好厉害呀，这个手一看就是AI呀。或者是说哎呀，我真的被骗到了，没想到这个居然都是AI生成的，我好笨之类的这种对于真假的一种判断当中。
对我而言，就如同我前面跟大家提到的，我觉得AI在这里它不是说一个跟人相对的实体，它是一面镜子，可以让我们有一个更好的角度去理解回人。我前面提到的AI，在算法上其实跟现在人脑已经有某种程度的类似了，这种神经网络，就是参考人类的神经元来进行架构的。从另一个角度来说，很可悲的，就是人类在世界上是找不到智商比我们更高的什么生物，连接近的都找不到，而且人对智力其实是非常非常的敏感。
还有一种评论，是对AI生成图像的一种非常强烈的厌恶。他们会说，一看这个画面这么冰冷，呆板，一看就是AI生成的。
他们会觉得机器和算法是绝对不会有情感的，所以生成的作品也不会很有情感。这里面就有一个让我们很难忽视的一个问题，我们会自然而然的将人类与人工智能相对立。像我前面说的，他从算法上其实很接近人类，从现在从智力水平也越来越接近了。
可能更关键的是，现在的AI突飞猛进，他们的一个工作方法就是尽可能的把尽可能多的数据去用，而不是说把功夫花在优化数据，或者去做一些什么别的东西，他们就是有点类似于大力出奇迹这样的感觉，像最经典的例子就是Chat GPT产生了这么大的成功，就是他们尽可能的把整个互联网的文本信息，全部都灌进去。像open AI其他作品其实也有点类似，语音识别最好的可能就是whisper ，whisper它基本上是传统算法的1000倍的语音数据集进行采样学习。大概就这个数据，具体记不太清楚了。
所以机器它不是一个从石头缝里面蹦出来的东西，也不是陨石里面装了台电脑，从遥远的外太空飞过来，它有一个独立于人类，跟人类无关的事情，不是的，它是来自于人类社会的价值喜好判断，他没有泪腺，但他会哭，他没有嘴，但他会笑，因为它接受了太多我们从网上对于世界的看法和理解。所以我觉得如果简单的把它归为它不懂感情，没感情，无法分辨感情，这是一个非常不负责任的行为。从哲学上来讲，我个人认为，比起AI，我对另一个东西觉得反倒更该分成两部分。
比起AI，我不会把人类和AI作为对立的部分，我喜欢把我和除我之外的所有事物都作为相区别的两个个体。归根结底，我们又怎么知道其他的人类是否和我自己是有一样的情感呢？还是说他们所有的反应只不过是一种基于电信号或者什么生理的一种反馈。可能他们整个起作用的机制、原理和感觉跟我自己是完全不一样，我怎么去判断。我觉得我们不能够这么武断地去把它强加到AI上面。
在里面的这么多留言当中，有一条我的感触特别的深，他是这样子写的：我很自然地忽略掉了所有的疑点和破绽，和AI作品共了情，我在寻找隐喻，只看到了自己想要的东西。这是我个人比较认可的一个思路，我们不一定非得这么刨根问底——这到底是什么？这到底是不是人？是不是有感情？苏东坡有句词很好，“耳得之而为声，目遇之而成色”。那么当我们看见了、听见了一样东西，我们尽可能用身体去体验它。
机器学习生成这些信息，就如同一个平行时空当中的无尽藏海，我们已经在历史长河中经过了这么多“何为艺术”的讨论。比如说，以前的人可能就觉得有声电影就不能算电影了；或者电影就应该是彩色的；摄影就必须是胶片的；不押韵的不能叫诗歌……
我是很反感这种要把一个东西约束在另一个框架下，当然，我们可以把这些东西分门别类地讨论，但不能以此来否定一些新生的事物。
有个很厉害的画家，也是我的好朋友张中阁，他有句话，让我记了很多年，他说：绘画可能一部分属于艺术。绘画除去所谓的艺术的部分，可能是玩乐；是技术；是巫术；是奢侈品；是有钱的投资工具；是靠它来贿赂别人的晋升渠道；是艺术家的一种体力劳作；是时间的沉淀；是对材料的浪费；是对有毒的颜料和媒介机的被动的一种吸入。
这并不代表最终的结果一定是冰冷、无趣、不值一提的。也许我们可以抛开脑海中现有的既定的一些框架、背景，我们应该暂停自己的观念和逻辑，回归到最简单、最直接的对作品的一种观看当中，一种基于肉身，基于直觉的观看。艺术，可能只有一部分属于人类。
还有一点让我比较在意的是，在几百条留言当中，居然没有一条是关于人文学院的，这究竟是因为大家对于文史领域比较陌生，还是说文字天然没有像图像那么受人关注，还是更为可怕的，有可能知识本身它就是一种幻象，可能它太复杂，它的语言、辞藻、逻辑结构的方式，以这种电信号的形式麻痹了我们的大脑，其实有太多可以聊的事情了。
最后，今天的分享其实就差不多到这里了，很开心今天有大家有机会跟大家去啊，展开来聊一下我对于作品，还有我自己对于最近关于AI，关于艺术创作，关于学院教育的一些想法。谢谢大家。