目录

第1章AI与人文艺术: 一场新的对话1

1.1人工智能是什么: 人文视角的再定义2

1.2AI简史: 从符号主义到生成时代的文化影响3

1.2.1萌芽期(1940s—1980s): 符号主义与“理性机器”的诞生4

1.2.2发展期(1990s—2010s): 机器学习崛起与“经验智能”的胜利7

1.2.3爆发期(2020s至今): 生成式AI与“创造性机器”的争议10

1.2.4一条双向演进的文明线索11

1.3基于硅的认知: AI如何“理解”文本、图像与声音11

1.3.1AI“理解”的核心逻辑: 数据里的规律游戏11

1.3.2分模态解析: AI如何“处理”文本、图像与声音12

1.3.3本质差异: AI的“识别”vs人类的“感知”13

1.4人文艺术类学生: AI时代的角色与机遇14

1.4.1角色转变14

1.4.2时代机遇15

1.4.3能力培养17

1.5伦理与思考: AI是文化的传承者还是颠覆者17

1.5.1AI与文化的传承、传播和普及17

1.5.2AI对文化颠覆的风险18

1.5.3平衡之道: 以人文价值引领技术发展19

1.6习题20

第2章机器学习: 文化规律的发现与模仿22

2.1机器学习的核心逻辑: 从数据中提取风格与模式23

2.1.1特征、风格与模式: 从个性、调性到共性24

2.1.2机器学习的一般步骤: 实践探索24

2.1.3机器学习的基本范式: 几种经典的学习模式26

2.2监督学习: 分类与预测在文学分析、风格鉴定中的应用26

2.2.1分类任务: 内容的精准识别与区分27

2.2.2预测任务: 从已知中发现未知29

2.3无监督学习: 聚类与降维在文化研究、策展中的价值挖掘30

2.3.1聚类任务: 在数据中寻找自然分组32

2.3.2降维任务: 在复杂中看见本质32

2.4强化学习: 交互叙事与动态艺术中的实践尝试33

2.5伦理与思考: 机器学习是否会固化文化偏见34

2.6习题36

第3章深度学习: 生成革命与文化生产37

3.1深度学习: 从数据解读到内容生成的跨越38

3.2神经网络: 一种模拟创造力的结构39

3.2.1神经元: 神经网络的基本单元39

3.2.2信息传递机制: 多层级特征深化与误差反馈优化41

3.3卷积神经网络(CNN): 从碑拓说起42

3.4生成对抗网络(GAN): AI思维的碰撞43

3.5循环神经网络(RNN): 回声的共鸣45

3.6伦理与思考: 深度学习是否会替代人类的学习与创造46

3.7习题47

第4章大语言模型: 从文本到知识重组49

4.1大语言模型为何“智能”51

4.1.1大模型的发展历程51

4.1.2大语言模型的智能本质54

4.1.3大语言模型的关键特性55

4.2模型如何实现知识重组: Transformer与架构多样性57

4.2.1大模型的工作原理57

4.2.2理解与生成的关键: 自注意力机制60

4.2.3Transformer架构: 编码器与解码器63

4.2.4理解与生成: BERT与GPT66

4.2.5混合专家模型: 术有专攻70

4.3如何有效地使用大模型: 从提示到检索73

4.3.1提示工程: 与AI进行苏格拉底式对话73

4.3.2RAG: 检索增强生成76

4.4伦理与思考: AI写作是否会侵蚀人类表达的真实性79

4.4.1AI写作的本质: 算法模仿而非自主表达79

4.4.2潜在挑战: AI写作对人类表达真实性的侵蚀路径80

4.4.3理性认知: AI写作是辅助工具，而非真实性的“对立面”81

4.4.4实践路径: 平衡技术便捷与表达真诚，守护人类表达的真实性81

4.5习题82

第5章AIGC: 多模态创作与跨学科实践85

5.1 什么是多模态生成——文、图、音、视频的联动86

5.1.1多模态的定义: 从人类感知到AI系统86

5.1.2AI多模态演进之路88

5.1.3多模态AIGC应用场景图97

5.2文生文模型: 文本理解与生成的核心基础98

5.2.1什么是文生文模型98

5.2.2文生文模型技术演进之路100

5.2.3文生文模型实践案例103

5.3文生图模型: 从概念到视觉的表达转换106

5.3.1什么是文生图模型106

5.3.2文生图模型技术演进之路107

5.3.3文生图模型实践案例110

5.4音视频生成: AI作曲、语音合成与动态影像119

5.4.1什么是音视频生成119

5.4.2音视频生成模型技术演进之路120

5.4.3音视频生成模型实践案例124

5.5伦理与思考: AIGC是否会导致创作同质化127

5.5.1创作同质化风险: 现象与证据127

5.5.2模型偏见与审美茧房128

5.5.3版权与原创性困境129

5.5.4对创作者职业的影响130

5.5.5保护文化多样性的策略131

5.5.6人类在AI时代的不可替代性132

5.6习题134

第6章AI赋能人文艺术创作与研究137

6.1创作范式: 从工具到协作者到策展人138

6.1.1什么是范式138

6.1.2什么是创作范式139

6.1.3创作范式转换与演进140

6.1.4创作范式演进对创作者的影响143

6.1.5实用建议: 如何进行AI协作创作144

6.2研究范式: AI赋能的人文研究新范式144

6.2.1什么是研究范式144

6.2.2人文研究范式转换与演进145

6.2.3实用建议: 如何进行AI辅助的人文研究147

6.3设计范式: 从手工创作到AI智能共创的设计演进148

6.3.1什么是设计范式148

6.3.2设计范式转换与演进149

6.3.3AI在用户体验设计中的应用151

6.3.4AI在视觉传达设计中的应用154

6.3.5AI在服装设计中的应用158

6.4教育范式: AI如何重塑艺术与人文教学161

6.4.1什么是教育范式161

6.4.2教育范式的转换与演进162

6.4.3AI互动伙伴: 苏格拉底式对话的复兴164

6.4.4AI在艺术与人文教学中的应用165

6.5伦理与思考: AI时代的价值边界与人类责任168

6.5.1为什么要讨论AI伦理168

6.5.2AI伦理在人文艺术领域的特殊性169

6.6习题170

第7章AI前沿形态: 智能体、具身智能和脑机接口174

7.1智能体: 从对话者到执行者175

7.1.1什么是智能体176

7.1.2智能体的四大核心组件178

7.1.3智能体的工作流程179

7.1.4智能体与人文艺术: 融合、应用与未来180

7.2具身智能: 融于现实的智能新形态182

7.2.1具身智能的定义和发展182

7.2.2具身智能的核心组成184

7.2.3具身智能的典型应用185

7.3脑机接口: 意识表达与未来艺术形式的终极想象187

7.3.1引言: 当技术触达意识而带来的创作革命187

7.3.2脑机接口: 从科幻走向现实的意识桥梁187

7.3.3脑机接口基本原理与系统结构189

7.3.4脑机接口的发展历程: 脱机向在线的循序演进191

7.3.5脑机接口与艺术创作: 四大经典形式193

7.3.6未来的艺术形态: 基于脑机接口的终极想象197

7.4伦理与思考: 人与机器的边界在哪里197

7.4.1技术回顾: 已经在模糊的边界198

7.4.2三大核心伦理问题: 读懂边界，才能用好技术198

7.4.3对人文艺术类学习者的启示: 守住边界，拥抱技术200

7.5习题200

第8章AI安全治理与社会责任: 技术时代的人文守界203

8.1AI安全风险概述: 内涵与分类204

8.1.1AI安全的定义: 核心内涵204

8.1.2AI安全分类: 基于风险根源的三维划分204

8.1.3AIGC安全与AI安全的关系: 一脉相承的延伸与挑战207

8.2AI核心风险: 技术浪潮下的人文隐忧208

8.2.1技术内生安全风险: 当“基因”决定命运208

8.2.2技术应用安全风险: 当AI“落地”时209

8.2.3应用衍生安全风险: 当AI“重塑”社会时211

8.3AI的安全治理: 多维协同构筑防护生态213

8.3.1技术风险治理措施: 源头防控214

8.3.2伦理风险治理措施: 过程管控214

8.3.3法律风险治理措施: 过程管控215

8.3.4社会风险治理措施: 长效治理217

8.4伦理与思考: AI时代的人文与规则如何共生218

8.4.1伦理认知: 正视人文与规则的碰撞，理清共生核心矛盾218

8.4.2实践思考: 立足AI安全治理，探寻人文与规则共生路径219

8.5习题220

参考文献222