中国作家协会主管

一、引言

随着数字化技术的快速发展，图像的生产与流通速度持续加快，尤其在生成式人工智能技术的推动下，图像创作逐渐从依赖人类艺术家主导的创作过程，转向以算法为核心、通过大规模数据训练并基于概率模型生成的方式。人工智能生成图像的视觉语言深受其算法逻辑与训练数据的驱动，这种语言的独特性在于其重组能力与对数据的依赖。凯特・克劳福德指出 “人工智能并非一种客观、普适或中立的计算技术，它不会在没有人类指导的情况下做出决策，其系统植根于社会、政治、文化和经济环境中，受到人类、机构以及决定其行为方式和运作方式的各种因素的影响”。以Midjourney、DALL·E、Stable Diffusion等为代表的人工智能图像生成工具，正在深刻地改变艺术创作的生产逻辑。随着生成式人工智能在图像生成、视频制作等领域的突破，我们目睹了艺术叙事方式的显著变革，算法不仅成为艺术创作的工具，更演变为叙事过程中的参与者，乃至共同作者。

“视觉语言” 通常是指视觉媒介中用于传达意义的符号体系，包括图像的构图、色彩、形式及符号隐喻等要素。生成式人工智能所建构的视觉语言，它们基于对大量现有艺术和媒体数据的训练，不仅体现在图像的风格选择与视觉表现中，更深层地体现为一种复杂的符号系统。它通过语言提示与图像生成之间的跨模态协同，构建出语义联结和视觉逻辑相互支持的意义结构，进而生成具有开放性与多义性的视觉叙事内容。威廉・约翰・托马斯・米切尔指出，我们需要考虑图像的叙事性，它们 “讲故事” 的能力，以及像语言一样作为具有句法、语义和语用维度的话语形式发挥作用的能力。我们需要考虑图像的叙事性，它们 “讲故事” 的能力，即作为一种话语形式发挥作用的能力，具有类似语言的句法、语义及语用层面。其视觉元素构成一种复杂的符号语言。传统视觉语言往往通过具象的符号、风格化的表现技法以及嵌入美术史脉络中的语境，来构建其视觉叙事方式，随着艺术流派的发展不断演进。例如，宗教绘画借助象征体系传达超验的意义，纪实摄影强调视觉的真实性与社会记录功能，先锋艺术则通过构成语言打破传统再现逻辑，建立形式上的叙事张力等。而生成式人工智能所生成的图像则通过完全不同的路径，它依托庞大而复杂的数据集、自然语言提示与深度学习算法来产出图像。这些图像表面上看似是自动生成的，但背后深藏着训练数据中的文化、社会与政治结构等，生成算法则通过诸如降噪等机制，重构并再编码视觉再现的方式。

生成式人工智能的视觉语言依赖于大规模图文配对数据集的统计分布与重组逻辑，其语义表达不再局限于图像本体，而是通过语言与图像间的协同互动，实现更为复杂的上下文嵌入。在亚历克・拉德福德等人提出的对比语言-图像预训练CLIP模型中，图像与文本被共同嵌入一个共享的语义空间，模型通过对比学习完成跨模态语义对齐。这种机制使图像生成过程不仅仅是视觉再现，更是建立在符号逻辑与语义驱动基础上的叙事构造过程。由此形成的视觉语言通常表现出碎片化、混合风格与非线性结构的视觉叙事等特征。这里的 “非线性” 并非指图像时间顺序的简单打乱，而是指图像中叙事单元之间缺乏明确因果关系或时间逻辑联结，仅通过语义邻接被组合在一起。这些符号蕴含技术性美学风格，呈现出 “梦境感”“复古风” 或 “蒸汽波” 等多样化特征。这些美学风格本身可视为新的叙事维度的生成载体。

在这一背景下，艺术叙事的结构也正在面临着重构。艺术叙事指通过视觉艺术作品如绘画、影像、装置等讲述故事或传达情节的方式，其核心在于如何组织和呈现形象以引发观众对情节的理解与想象。艺术叙事本质上涉及艺术如何 “说话”、说了什么，以及为何以此方式说话。叙事结构本身就是意义生产的关键。艺术作品因此不仅传达题材内容，更通过具体的叙述方式反映创作者所处的文化语境与价值立场。米凯・巴尔进一步指出，视觉叙事不再是语言叙述的附属，而是在图像、装置与时空编排中生成意义的独立机制，挑战了线性、文本中心的传统叙事范式。因此艺术叙事作为一种文化与媒介实践，正被重新定义为一种更为复杂、多层次的表达系统。长期以来，艺术叙事被视为具有主体性与情境性的表达过程，是艺术家与其时代、文化和观众之间的互动，艺术家通过有意识的设计，如连贯的构图、重复出现的人物形象、递进的场景安排等来确保叙事的完整性和连贯性。然而，在面对人工智能生成图像时，“谁是叙事的主体？” 成为亟待探讨的问题。是训练算法？是庞大的数据集？还是输入提示词的用户？这种算法介入的生产模式动摇了艺术创作中长期确立的人类中心主义传统，软件作用的日益增强正挑战着以人类创作者为中心的传统艺术创作观念。软件作用的日益凸显正挑战着以人类创作者为核心的传统艺术主体性观念，并引发关于 “算法是否成为共同的创作者” 的争议。

本文旨在探讨生成式人工智能所建构的 “算法视觉语言” 是如何传达意义、构建叙事，并重塑艺术与观众之间的交流逻辑的。本文将围绕以下三个核心问题展开分析：人工智能生成图像如何通过独特的视觉语言传递意义？这一视觉语言与传统艺术叙事逻辑之间存在何种延续与断裂？这种算法介入的图像生产模式对艺术家和观众在叙事中的角色和主体性产生了何种影响？

本文将从理论基础入手，结合符号学、视觉文化研究与媒介理论，引入算法和数据集构建在当代艺术创作中的作用，探讨它们如何与AI生成图像中的美学特征和多模态生成结合，形成新的艺术表达方式。本文还将选取诺拉・阿尔-巴德里、哈伦・法罗基和布鲁诺・莫雷斯基三位艺术家及其代表作品，分析他们如何利用生成式人工智能进行视觉语言的实验、重构与批判。通过对这些案例的分析，本文将探讨人工智能视觉语言对当代艺术叙事逻辑的影响，揭示其是否在创造一种全新的观看方式及讲述结构。

在方法上，本文将融合视觉文化研究、媒介理论、符号学与批判算法研究等跨学科视角，从图像的生成机制、美学特征到其语义结构与文化编码机制等层面，深入探讨生成式人工智能图像如何以其独特方式讲述故事。本文认为，生成式人工智能所引入的视觉语言，不仅体现为图像生成技术的创新，更具体表现为对传统线性叙事逻辑的突破、对隐含于数据集中的文化价值的重构与再语境化，以及对传统观赏模式及视觉权力结构的挑战与再定义，引发对视觉主体性的新探讨。

二、理论基础与生成式 AI 视觉语言的形成机制

视觉语言不仅指图像的视觉表现形式，更是一个复杂的符号系统，承载意义并构建叙事。对视觉语言的研究涵盖了视觉文化、叙事学与符号学等多个学科领域，形成了较为丰富的理论基础。米切尔探讨了图像与叙事之间的复杂关系，认为图像不仅是被观看的静态对象，它们同时具备主动表达与叙事的能力，通过视觉元素的有机组合和符号的系统排列，形成一种叙事结构，激发观看者的意义建构过程，从而使图像得以讲述故事。这一观点突破了传统艺术研究中将图像视为被动展示的思维模式，指出视觉语言中蕴含的主动讲述潜能。

与传统艺术家基于画笔、构图或摄影技术塑造视觉叙事不同，生成式人工智能通过对庞大的数据集的深度学习和概率模型的统计重组来生成视觉内容，依赖于图像内部符号之间的互动关系，其视觉语言的特征表现为高度的模糊性和概率性象征，这种随机与重组的本质，使得生成图像呈现出多义性和开放性的叙事路径，突破了传统具象且线性的视觉叙事框架，如阿迪蒂亚・拉梅什等人在对DALL·E模型的研究中指出，这类系统并非简单 “还原” 文本内容，而是基于跨模态的共现概率分布，生成一种可被多重解读的 “潜在图像”。以Midjourney 和DALL·E等图像生成模型为例，这些系统常常输出具有强烈意象感但缺乏清晰语法逻辑的图像，如融合宗教图腾与工业建筑的混成景观，或将人物面孔与自然元素进行不规则拼接的肖像画。这种看似随机的组合，其实是基于模型对海量图像数据中概率共现关系的统计学习所生成的可能图像，体现了生成式人工智能的视觉语言中的非线性构造方式。观者在面对这种模糊多义的图像时，往往需借助自身经验与文化背景主动建立意义关联，从而构建起图像的 “叙事通道”。

米切尔强调的 “叙事结构” 不仅是视觉元素的排列，更是一种促使观看者参与叙事解读的机制。这意味着生成式人工智能视觉作品中那些看似碎片化和无序的符号与形象，实际上可以在观众的主动感知下被重组为具有内在联系的故事情节或情感表达。从技术角度看，当前主流的生成模型如扩散模型与生成对抗网络本质上并不依赖线性叙事逻辑来生成图像，而是通过采样、扰动与重构潜在空间中的图像分布，逐步形塑出具有统计一致性但语义开放的视觉产物。这种构建机制本身就是非线性和分布式的，其结果便是生成图像在视觉上呈现出跳跃式的结构，强调的是潜在符号之间的 “共现概率” 而非 “因果关系”。因此，生成式人工智能视觉语言中的叙事潜力不在于讲述一个线性故事，而在于为观看者提供一组可以被重新组织与诠释的视觉线索，形成具有 “多路径叙事性” 的图像经验。

继米切尔之后，巴尔在其著作Narratology: Introduction to the Theory of Narrative中进一步拓展了视觉叙事的理论视野。她指出：“叙事性并非仅属于语言或文学的特性，它是一种组织信息的方式，同样可能出现在其他媒介中。” 也就是说，叙事是一种组织形式，而非语言所独有的功能。在非语言媒介中，叙事往往通过空间结构、视觉线索与物理排列的组织方式来实现。艺术作品的构图、色彩分布、空间布局不仅具有美学意义，也构成了视觉叙事的 “语法” 体系。她引入 “时间的空间化” 这一概念，指出静态图像通过对视角、重复、前后关系的构造，模拟时间推移与事件关联，从而建构非线性叙事。

生成式人工智能视觉作品通常通过视觉碎片进行拼贴、叠加、并置等方式构建图像，其意义的生成依赖于观看者在视觉元素之间主动建立联系。这种空间化叙事结构使图像脱离线性因果时间序列，而以复合性与潜在结构引导解读。生成式人工智能视觉语言的叙事方式，并非通过语言构造的故事线索来传达意义，而是依托视觉符号之间的排列与空间语法，引发观者的叙事建构。巴尔的跨媒介理论也揭示了生成式人工智能图像的复合媒介特性。与传统绘画或摄影的单一媒介不同，生成式人工智能视觉作品融合文本提示、图像素材与风格模拟，形成多模态的视觉语法。这种多模态的视觉语法超越了静态形式的叙事限制，加入了交互性、流动性与语义模糊性等维度，从而使生成式人工智能艺术叙事在结构与表现上都具有更大的开放性与复杂性。

罗兰・巴特在其符号学经典作品 “Rhetoric of the Image” 中，提出了 “能指” 与 “所指” 的概念，深入揭示了图像作为符号系统的双重结构。他指出，图像的表层视觉符号不仅传递直观意义，更隐藏着文化意识形态的深层编码。生成式人工智能依托训练数据进行图像生成，这些数据本身嵌入了特定的历史语境、社会文化结构与权力关系。算法在生成图像时，无意识地再现并放大了这些文化编码和社会偏见。因此，分析生成式人工智能视觉语言不能局限于技术层面，而必须转向对其所映射与再生产的文化结构的批判性理解。图像的 “神话” 功能，即其作为文化话语载体的能力，使其在视觉传播中成为巩固或挑战既有权力结构的重要媒介。生成式人工智能视觉语言不仅是技术产物，更是文化权力的具象表现。这种权力结构通过训练数据和算法设计得以固化，并反映在视觉输出中，进而影响社会认知和文化理解。

这一社会文化层面的分析得到了凯特・克劳福德 “数据集的社会构造论” 的有力支撑。数据集并非中立客观的材料，它反映并强化了社会中的种族、性别及其他权力不平等。生成式人工智能视觉语言的形成正是技术与社会偏见交织的产物，她将人工智能视为 “文化机器”，数据和算法的设计者在模型构建过程中所嵌入的文化偏向，会深刻影响生成式人工智能图像生成的叙事倾向与符号体系。因此，研究生成式人工智能视觉语言不仅是技术分析，更是对社会文化权力的批判性反思。克劳福德进一步揭示了训练数据收集和标注过程中的隐性偏见。例如，大量训练数据来源于网络图像，这些图像多反映以欧美为中心的文化审美和价值观念，导致人工智能生成的图像中普遍存在对特定身体形态、肤色、性别角色的偏向性表现。此外，某些少数群体的文化符号往往在数据集中被边缘化或误读，造成文化符号的失真或误用。这些现象表明生成式人工智能视觉语言实际上再生产了社会不平等，进一步巩固了主流文化的意识形态霸权。

关于生成式人工智能与视觉文化交叉领域的研究也日益丰富。吴涛等人从多模态大模型的语义对齐机制切入，提出了 “语义引导-对齐机制”，强调文本与图像之间的对应关系并非表层映射，而是通过深层语义结构的联动实现意义建构。这一机制揭示了生成式人工智能系统如何在图文协同生成中形成复杂的视觉-语言嵌套关系，拓展了图像表达的语义深度与生成可塑性，为生成式人工智能视觉语言的理论建构提供了技术基础。玛格丽特・博登从认知科学与哲学角度出发，指出创造力可分为组合性、探索性与变革性三种机制。基于这一框架，生成式人工智能工具，特别是在生成式系统中的协同使用，展现出作为 “创作伙伴” 的潜力，模糊了传统的人为与机器工具之间的界限，对主体性与原创性的理解提出了新的挑战。艾哈迈德・埃尔加马尔等人的研究聚焦于生成式人工智能在艺术风格迁移中的视觉语言创新，揭示了算法在风格再现与跨风格变异中的关键作用，推动了视觉语言的演化与跨时代转型。芭芭拉・玛丽亚・斯塔福德则在Echo Objects中提出 “回声物体” 概念，主张图像具有认知能动性，能够激发观者的感知结构与文化记忆。她的观点帮助我们理解生成式人工智能图像如何成为认知—文化间的中介物，从而在视觉语言建构中发挥主动作用。这些研究体现了生成式人工智能视觉语言理论构建的跨学科和动态发展趋势。

在美学方面，马泰奥・帕斯奎内利提出 “算法美学” 理论，强调生成式人工智能视觉语言是一种由数学逻辑驱动的算法程序与文化符号系统交织构成的复合结构。通过概率建模、向量空间映射与统计模式识别，算法重组图像元素，形成具有高度辨识度的视觉样式。这些风格不仅仅是审美的表现，更是数据、技术与审美共同作用的产物，使视觉叙事从静态的图像符号转变为动态的语义系统，呈现出更高的开放性与交互性。算法系统不仅是生成图像的技术中介，更是主动参与主观性建构的语义机制。算法通过分类、推断与排序等操作激活了一系列特定的主体位置，参与定义 “谁” 和 “什么” 应当被看见、如何被编码与可视化。因此，算法并非简单地反映预设的身份或语义，而是在生成过程中共同构成了观看立场与意义框架。

曼诺维奇在Software Takes Command 中指出，当下媒体创作已不再由人类单一主体主导，而是由软件作为一种 “元媒介”，影响、塑造甚至决定内容形式与视觉风格。软件通过对视觉符号的解构与重组、对界面与叙事路径的设定，介入了创作过程中，从而发挥了一种类似 “共同构造者” 的作用。算法、提示语与数据集之间的协作关系构成了复杂的生成网络，促使艺术创作中的主客体关系与符号权力结构发生重新配置。

然而，这一协同创作模型也引发了关于创作控制权的深层忧虑。人工智能的 “黑箱化” 创作逻辑与 “不可解释性” 特征，使人类创作者丧失了对作品的完全掌控，甚至面临被技术权力异化的风险。在人工智能驱动的图像生成过程中，创作者的意图往往以 “提示词” 的形式输入，而图像的具体生成逻辑却依赖于复杂的概率模型与训练数据结构。这种不对等的控制关系将人类创作者置于 “协商者” 而非 “主导者” 的位置，使生成图像的意义构建不可避免地受到算法参数、数据偏见与模型设定的深刻影响。因此，在理解生成式人工智能的视觉语言时，必须将其 “技术不可见性” 与 “意义外包” 的机制纳入批判性反思。

三、艺术叙事重构的具体实践

越来越多的人工智能艺术家不仅利用人工智能生成工具进行艺术实践，同时也在他们的作品中体现出他们批判性地干预其背后的意义生成与文化编码机制，试图通过艺术实践揭示并重塑这一新的视觉叙事秩序。

在作品The Post-Truth Museum中，阿尔-巴德里运用生成式人工智能与深度合成技术构建了一系列虚构的博物馆馆长访谈，模拟角色对殖民博物馆制度的悔罪性独白。作品通过人脸合成模型、语音合成系统与脚本提示文本协同生成，实现影像中角色的语言、面部与语音的高度同步。画面中的面孔设定采用中景固定镜头，背景为典型西方博物馆室内结构，包括大理石柱廊与柔光处理的经典雕塑。面部细节如眼纹、唇部阴影与光影反射均体现出高写实度，但眨眼频率略不自然，嘴形与语音存在轻微错位，提示观众这是算法生成的伪造形象。

在声音方面，语音语调平稳，缺乏人类说话中的情感。配合陈述式告白的文本，这种去情感化的表达方式形成了冷静、平滑但异常均值化的语音体验。观众在初始阶段被博物馆馆长身份与影像权威感所引导，但随着画面重复、语音异常与语义内容，例如对白中揭露殖民掠夺与机构内控的逐渐展开，这种对于可信度的错觉开始破裂，观众被迫进入反思的过程。这一观看体验的可感知构成恰恰在于阿尔-巴德里精确地利用算法生成中那些被压制但可被察觉的误差残留。

阿尔-巴德里并不将人工智能技术视为中立工具，而是建构视觉语境与塑造观看关系的文化机制，其背后的编码结构直接影响观看者如何感知与解读图像。她通过操控提示词结构、生成参数与表演风格设计，构建出一种算法表象主导下的观看体验。马修・富勒、安德鲁・高菲指出，媒介系统的政治效力并非体现在其内容的真假，而在于它如何设定语境、组织注意与塑造信任机制。阿尔 - 巴德里的作品将这一理论转化为操作性实践，她通过 “高度真实” 与 “可识破伪装” 的交替嵌套，揭示了图像的可信度本身是可以被操控的文化编码。这不仅使人工智能生成图像成为博物馆制度批判的工具，也迫使观众重新定义 “何为真实” 和 “由谁建构”。

The Post-Truth Museum不仅在视听层面揭示了生成图像的伪真实结构，更通过对权威话语的合成与解构，凸显了生成式人工智能在文化政治中的反身性功能。作品中的伪馆长形象通过精确编排的语义内容与合成表象，模拟了制度性发声的信任机制，也通过微妙的不协调细节诱发观众对其合法性的质疑，从而使人工智能图像生成成为介入观看结构与历史话语的批判手段。阿里埃拉・阿祖雷在Potential History: Unlearning Imperialism中指出，博物馆不仅是展示物件的空间，更是帝国知识的制度性建构场域，其通过视觉分类、展陈逻辑与可见性机制，持续再生产殖民秩序与观看规则。阿尔-巴德里通过技术手段介入这种结构，将人工智能作为反叙事的武器，逆转图像的合法性机制，使生成图像成为干预文化霸权、修正历史话语的策略平台。因此，这件作品不仅体现了生成式人工智能在视觉表达与语义结构上的实验性，为理解生成图像如何在政治语境中的介入路径提供了切实案例，也支撑了本文对生成式人工智能视觉语言作为叙事主体的核心论点。

法罗基的机器视觉实践揭示了算法作为非人类视觉主体的叙事潜能。他通过监控视频、无人机视角和目标识别系统等素材，呈现出一种不依赖人类情感逻辑的“机器观看”方式。在Eye/Machine III中，法罗基将军事图像识别界面与工业监控流程画面并置，形成一种基于算法判断逻辑的 “机器观看” 结构。作品中，画面常通过分屏与跳剪等方式非线性地并列呈现，如热成像镜头与目标识别框交替出现，识别界面中嵌有坐标数值、对象边界标记与实时响应提示。这些元素显示图像的意义不在于呈现完整场景，而在于支持机器对 “是否执行” 的决策。在这些情境中产生的图像源自机器视觉系统的感知机制，这些系统以自主或远程形式存在，通过人工环境关系运作，其中图像作为运动与引导的关键组成部分。正如法罗基所言，操作性图像是操作的一部分，这意味着行动与功能的优先性，而非作为被观赏与解读意义的图像。图像在这里充当的是算法流程中的操作单元。

于西・帕里卡在 Operational Images: From the Visual to the Invisual 中指出，操作性图像并不旨在再现，而是 “嵌入于行动、过程与操作之中”，它们构成了一种与控制系统、自动化与决策协议紧密耦合的视觉机制。法罗基在他的作品中的声音设计也强化了这一点，影片中语音提示节奏均一，配合图像中同步闪烁的热感区域，构成了类似于数据扫描节拍的结构。影片不设主观镜头或人类叙述者，也不通过事件线索串联画面，而是以视觉功能节点的方式，将图像片段排列为识别、判断与执行三个阶段的视觉循环。这种叙事策略放弃了传统的时间逻辑与情感牵引，而是以机器运行节奏的主导视觉节拍，体现出非人类叙事主体的独特结构逻辑。这种设计不仅揭示了图像如何在算法系统中获得意义，更使观众置于人类之外的观看位置，激活对图像功能性与权力结构的反思。

法罗基的作品展现出图像如何被嵌入权力系统之中，成为感知与控制机制的组成部分。这一点也与特雷弗・帕格伦所指出的 “机器视觉是一种机器间通信，而非供人类观看” 的观点相契合。法罗基并未赋予画面任何道德引导或人道情绪，而是冷静展示图像如何作为认知技术服务于操控与战术判断。在作品中，图像所传递的不再是现实的再现，而成为决策支持系统的一部分，个体被视觉系统转化为目标，空间则被标注为 “战区”。这种通过图像构建权力认知与行动边界的逻辑，与阿里埃拉・阿祖雷在Potential History: Unlearning Imperialism中所批判的 “视觉政体” 相吻合。阿祖雷指出，视觉不仅是知识获取的方式，更是帝国权力的一部分，它决定了 “谁能够被看见、如何被看见、被谁看见”。法罗基以其具批判张力的影像拼贴手法，揭示了这一殖民观看秩序如何在数字机器视觉语境中被再度激活。

法罗基的实践表达了 “观看” 如何成为一种政治过程，以及 “谁在观看”“为何而看” 的问题，体现出了在生成式人工智能时代，艺术家的角色不仅是图像创作者，更是视觉系统与意义机制的解构者。

莫雷斯基在对算法权力结构的批判性实践中，强调艺术家在图像生成中的主动位置。他并不满足于作为技术的使用者，而是通过干预数据集、修改算法参数，直接介入生成机制，制造视觉语言中的 “裂缝”。这种裂缝不仅是对系统偏见的揭露，更是一种文化重写。莫雷斯基的实践展现了艺术家如何在被高度规范化的技术系统中，重新打开意义空间，使生成图像摆脱默认叙事逻辑的规训。

在其作品(De)composite Collections中，莫雷斯基联合吉赛尔・贝吉尔曼和贝尔纳多・丰特斯针对博物馆藏品数字档案中存在的分类偏见展开干预。他选择巴西国家美术馆的图像资料库，利用人工智能工具对原有的藏品图像进行 “重新标注” 与 “错配”，通过人为混淆训练系统对作品风格、作者性别与文化归属的判断，故意将某些标签错误地附加于图像，例如，一幅典型的 19 世纪欧洲肖像画中，人物为白人男性官员，背景布景包括权力象征性的高背椅与书架，构图采用传统三分法并强化了面部亮部刻画，但莫雷斯基将其标签设定为 “非洲女性肖像” 并归类于 “部落艺术” 门类。这一错配图像被并置于原始图像旁展出，强化了观众的视觉冲突体验。图像与标签之间的不协调迫使观众质疑算法的观看机制与知识来源。这种展陈方式不仅揭示了算法在运作中的文化前设，也鼓励观众参与对 “谁在告诉算法怎么看” 的反思。算法偏见不再是抽象统计意义上的问题，而是以 “可观看的误差” 形式被转化为公共视觉经验。

莫雷斯基的关键策略不在于图像风格的再造，而是对信息结构的解构与重构。他将数字藏品中的分类逻辑作为艺术材料，挑战制度化的视觉规范系统。米歇尔・福柯在The Order of Things: An Archaeology of the Human Sciences中所阐释的 “分类秩序” 的政治性 —— 博物馆作为知识体制将世界编码为可分类且可命名的对象集合，莫雷斯基的干预揭示了这种权力机制如何在人工智能训练集中被继承并自动化，尤其在错配标签与重新归档的过程中，暴露了算法如何无意识地重复乃至加剧结构性偏见的过程。他的实践即是通过图像制造 “错误” 的方式，将不可见的算法偏见转化为公共经验。在叙事结构上，作品采用并置、对照与混淆等展览语言，使图像之间形成张力。观众被置于一个多重现实的观看场域中，一方面看到系统希望他们看到的内容，另一方面又被这些错误揭示所扰乱。这种感知裂变转化为认知行动，观众不再是被动接受者，而成为分类秩序的质疑者。

他的艺术不是反对技术本身，而是通过介入与重组，促成关于文化分类、数据政治与观看主体性的再协商。正是在这一点上，他的实践为生成式人工智能介入社会语境提供了操作模板，艺术家可以通过最基础的训练数据和标签系统，改变机器 “如何观看” 与 “为何观看” 的逻辑。随着人工智能系统融合语义识别、图像合成与语境计算，其生成图像正逐渐演化为具有社会政治维度的视觉文本。在这一过程中，艺术家的干预不再仅仅是象征性的表达，而是对视觉文化中权力分配机制的深度介入。他以操作性的方式挑战了数据集作为 “文化资本存储结构” 的地位，将分类系统本身作为艺术实践的对象，从而反转了人工智能系统中 “谁定义图像、谁拥有标签权” 的问题结构。

四、讨论与批判性反思

人工智能图像生成通过提示词驱动与多模态协同机制，将图像构建为开放、跳跃与重组的语义集合，从而打破了单一时间线索下的叙事逻辑，构建出更加去中心化的表达路径。正如温迪・惠・京・春指出：“习惯削弱了时间的线性性。它循环往复，相互关联。习惯性行为并非像链条上的环节一样依次相连，而是相互共鸣，每一次重复既是更新，也是记忆。习惯并非因果关系，而是递归的：它通过预见将未来带入当下，并以潜在的可能性重现过去。” 她所提出的 “习惯性时间” 与 “数据断裂” 揭示了数字媒介如何通过重复与中断，瓦解传统叙事的因果结构，并将 “断裂” 转化为一种新的叙事语法。在生成式人工智能图像构建中，这种非线性体现为图像缺乏线性因果关系，而是通过语义邻接、概念联想和提示词触发在潜在空间中生成可变路径。

当前主流图像生成系统常通过将文本与图像嵌入共享语义空间的方式，使语言成为视觉构建的关键驱动力。这种机制虽不直接建构叙事结构，但为图像的多义性与结构开放性提供了重要技术基础，促使视觉叙事脱离线性推进，呈现出多路径展开的潜力。同时，随着 AR/VR 等交互媒介的融合，人工智能生成图像已不再是静态结果，而被纳入沉浸式体验与互动叙事结构之中。观众可通过感知输入或路径选择影响图像的呈现与叙事走向，从而参与叙事走向的生成。这种类似于协商式的叙事改变了传统观众的被动接收地位，将观看过程本身转化为意义生成的动态场域。在这一语境下，视觉叙事的形式与功能被重新定义，对传统叙事理论中的连贯性、统一性和作者中心提出了根本性挑战。

尽管生成式人工智能在图像生成机制与视觉表现上展现出高度的技术创新，其输出结果在视觉符号系统上仍体现出对传统艺术语汇的显著影响。詹姆斯・埃尔金斯指出：“通过大量插图的实例，他提出了一种全新的视觉分析方法，这种方法依赖于物体自身内在的组织结构。” 这揭示图像在形式、构图与风格层面蕴含自身的组织结构，而生成式系统正是基于这些已有视觉范式，从艺术史图像数据库中提取并重组风格元素。例如，Al-Badri的作品通过对非西方图像资料的算法性拆解与重组，不仅保留了文化标识的历史痕迹，也构建出一种跨文化且去中心化的新型图像语法。同样，法罗基所展示的非线性图像结构虽然前瞻，却仍依赖20世纪视觉系统的编排传统。斯塔福德指出：“回声物体探讨了复杂图像——或那些压缩时空的模式——如何揭示人类意识中不可见的秩序。” 她的 “回声物体” 概念强调图像具有文化记忆的认知结构，生成式人工智能图像语言因而不应视为历史的断裂，而是传统与科技之间持续协商的产物，其视觉语言在创新中同时承担着历史延续的文化责任。

生成式人工智能引发的主体性问题，已成为视觉语言研究中的核心议题之一。人工智能生成的作品并非仅仅是独立机器智能的产物，而是处于人类与机器之间作者身份光谱的中间地带。这是因为它们是高度分布式生产模式的产物，这种模式跨越了支撑它们的算法、底层信息系统和训练数据，以及那些既贡献又提取价值的艺术家。这一 “分布式作者机制” 体现为一种 “双重署名” 的创作结构，其中提示词提供者与人工智能系统共同构成创作主体，挑战了传统艺术中 “作者唯一性” 的观念基础。如埃尔加马尔等人在提出创意对抗网络模型CAN时强调，CAN模型 “通过偏离学到的风格激发创意潜能，在学习中偏离规范成为其生成艺术图像的关键逻辑”。这种从选择到偏离的机制突破了将人工智能视为被动工具的界限，使其具备了表达与判断的程序能力。从道德哲学视角来看，生成式人工智能系统展现 “复杂且近似具有代理者行为”，这为通过自身目标与反馈机制进行创作决策的可能性提供理论基础。

摩根・S. 波特进一步表明，语言模型在道德困境中展现 “理性论证能力” 和 “根据新信息调整选择” 的倾向，从而具备某种形式的自主创作意向。在图像生成的评估阶段，观众在判定其真实性、归属与艺术价值时陷入不确定状态。索菲・弗拉德指出：“我们对人工智能生成图像是否构成艺术的集体犹豫，正源于其缺乏明确的作者角色。” 这种身份模糊不仅削弱了作品的主体性感知，也凸显了在生成式系统中，艺术创作权与观念归属权之间日益扩大的断裂。

受众的角色与解读机制在生成式人工智能视觉语言的影响下正发生转变。观众不再是图像意义的被动接收者，而是通过其文化经验、情感投射与交互行为参与意义构建的 “协同解读者”。参与式文化促使观众从 “消费者” 转向 “生产者”，在文本的意义建构与传播中发挥主动作用。社交媒体平台与算法机制的深度介入进一步促成了 “平台化解读” 现象，观众通过转发、评论、剪辑与再创作等方式，成为视觉叙事的共建者，推动图像语义在传播中的扩展与再现。然而，这种开放性也带来了认知与解释结构的挑战。伊莱・帕里瑟在其对 “过滤气泡” 的研究中指出，当信息被过度算法筛选后，用户将面临认知封闭与碎片化问题。而丹娜・博伊德强调，注意力经济鼓励平台设计以情绪操控为核心的系统，“激励恐惧、愤怒与焦虑，来维持用户黏性，进而促使认知过程趋于快速反应与浅层处理”。因此，尽管人工智能图像系统提升了观看主体的能动性与视觉语言的多样性，但同时也加剧了语义不稳定性与认知负荷的上升。未来视觉文化研究需进一步探索，在技术生成机制的开放性与意义建构的深度之间，如何建立新的平衡机制与解释框架。

从视觉文化角度看，算法视觉语言的广泛应用激发出工具化倾向与自由表达之间的紧张关系。一方面，生成式人工智能依赖大规模训练数据与模型标准化逻辑，导致视觉表达趋向样式同质化与语义模板化，这在一定程度上可能限制创作的灵活性与文化表达的多样性。凯西・奥尼尔指出，算法系统会通过反馈循环强化自身逻辑，“惩罚人们无法控制的环境”，并使结果 “日益呈现出偏见、标准化与不透明性”，对于视觉语言而言，这种结构性偏向可能固化现有的美学规范，压制边缘经验与另类风格的表达空间。另一方面，生成式人工智能也为特定群体提供了绕开主流艺术机制的可能性。唐雨莹等人指出：“人工智能工具具有民主化创意流程的潜力，使艺术和设计任务对缺乏传统专业知识的个人更加易于获取。” 这类 “生成性进入” 机制不仅拓展了艺术实践的主体边界，也重新定义了视觉语言的参与权与文化再分配结构。这一辩证关系提醒我们在警觉算法可能带来的文化规范化风险的同时，也应肯定其激发艺术创新和社会参与的积极作用。从技术哲学视角，唐娜・珍妮・哈拉维的 “赛博格” 概念启发我们理解人机共生的艺术主体性与叙事可能性，赛博格并非仅是技术附体的人类，而是一个拒绝纯粹性、打破自然与文化、人类与非人类界限的混合存在。它象征着新的主体结构的诞生，一个在技术介入中生成、自反，并具有批判潜能的文化构建者。这一视角促使我们将生成式人工智能理解为不仅是工具，更是主体生成机制中的结构性参与者。

五、结论

本文聚焦生成式人工智能所建构的算法视觉语言，探讨其如何在当代艺术叙事中重塑图像表达的结构逻辑、创作主体的分布关系，以及文化意义的生产机制。通过理论分析与三个具有代表性的艺术实践案例，本文指出，生成式人工智能视觉语言不仅是一种新兴的图像生产技术，更是一种深刻介入文化符号系统与观看结构的媒介转型。

研究发现，基于关键词驱动与跨模态嵌入机制的图像生成流程，有效突破了传统艺术作品所依赖的线性时间结构与象征性语义逻辑。多路径叙事、非线性展开与语义漂移成为其核心特征。这一生成逻辑依托算法概率建模，在表达层面提供了高度的可变性与灵活性，同时也表现出对既有艺术符号体系的延续与重组。图像的碎片性与编排性为艺术家创造出更加开放、多义的叙事空间，拓展了视觉语言在当代表达中的可能性边界。随着生成机制的技术深化，艺术创作的主体结构也呈现出动态演化。人工智能不再是单一工具，而在创作过程中逐步获得 “表达代理权”。艺术家、算法模型以及用户之间形成一种协作机制，创作意图与生成权力呈现出流动性与协商性。这不仅重塑了艺术主体的定义，也引发了关于算法透明度、伦理责任与权属界定的多维议题。

在图像接收层面，观众的观看行为也因视觉语言的生成逻辑发生转变。生成图像所体现的开放性与模糊性使观看成为语境化、互动式的建构过程。观众不再是单向接收者，而是通过自身文化经验与参与行为介入意义协商。在社交平台与视觉传播机制推动下，图像传播逐渐呈现出 “平台化解读” 的特征，观众通过评论、分享与再创作成为视觉叙事的一部分。这一参与性扩展了视觉文化的传播路径，同时也暴露出叙事连贯性的弱化与语义过载等问题。进一步，本文从批判文化角度切入，揭示了生成式人工智能视觉语言所依赖的数据与模型背后隐藏的文化编码问题。训练数据的构成往往再生产既有的视觉权力结构与社会偏见，使得生成图像在形式创新的同时，也可能固化甚至放大结构性不平等。算法系统常在 “无意识中再生产种族差异”，即使其运作逻辑看似中立，仍深受社会结构性偏见所嵌入。当一个算法学习如何看，看什么，以及为何而看时，它是在某种特定的世界观基础上学习的。训练数据中的文化编码会以符号形式转化为图像结构，从而影响生成内容的文化表达与再现方式。这一现象提醒我们，任何技术性的图像生成机制都不应被视为中立过程，艺术与理论实践需始终保持对算法机制与文化系统交互关系的批判敏感。

本文整合视觉文化、叙事学、符号学与算法批判理论，在跨学科视野下深入分析了生成式人工智能视觉语言的构成机制与文化张力。然而研究也有一定的局限，人工智能视觉语言的实际应用快速演变，本文尚未能全面覆盖非西方语境、跨媒介叙事及新型交互平台的表现方式。特别是在全球视觉文化结构中，非西方图像和美学往往在生成模型中被边缘化、泛化或误读，形成 “偏见的局部性”，其再现机制和文化后果仍有待深入实证分析。受众解读机制的认知层分析也仍有待结合神经美学与参与式传播研究进一步拓展。

围绕这一研究框架，未来探讨可聚焦几个核心问题：如何在算法日益自主的背景下，重新界定创作者身份与创作权力分配？生成式人工智能视觉语言如何与传统艺术媒介形成协同机制，构建跨平台叙事？观众在平台化观看中如何协商意义、建构经验？在亚洲、非洲、拉丁美洲等非西方文化语境中，生成式人工智能图像是否能够摆脱偏见限制，发展出具有文化在地性与美学自主性的视觉语法？这些 “区域性重构” 的潜力，或将成为挑战算法视觉霸权与重塑全球观看结构的关键议题。这些问题不仅关乎图像生成技术的应用边界，更涉及视觉文化全球结构的再配置。