When Algorithms Meet Artists: Semantic Compression and Stake-holder Marginalisation in Public AI-Art Discourse (2013-2025)

想象一下，你正走进一个巨大的、嘈杂的城镇广场，每个人都在大声谈论一项新发明：人工智能。在这个广场上，有两个主要群体。一组是“建设者”（Builders），即制造人工智能的技术公司和科学家。另一组是“使用者”（Users），即 AI 正在学习其作品的艺术家。建设者们声音洪亮且清晰，在谈论这些机器是多么神奇、快速且具有革命性。他们是那些手持扩音器的人。

但棘手的地方在于：我们如何知道使用者到底在想什么？在科学领域，特别是在研究人类如何与技术互动时，研究人员经常观察“公共话语”（public discourse）。这只是一个高级说法，指的是“人们在新闻、法律诉讼文件、播客和研究文章中表达的内容”。他们使用一种叫做“主题建模”（topic modeling）的工具，这就像一台超级智能的分拣机。它阅读成千上万个句子，并根据它们所讨论的内容将它们归入不同的“桶”中。如果新闻主要是在讨论“作为酷工具的 AI”和“作为可怕怪物的 AI”，那么机器就会把这些句子分别放入两个大桶中。

这个研究提出的核心问题是：如果我们倾听整个城镇广场的声音，我们真的能听到使用者的声音吗？还是说，建设者的喧嚣淹没了他们？研究人员想要观察，艺术家们复杂、混乱且多样的观点，是否得到了公平的麦克风份额，还是被挤压到了一个微小且无法辨认的角落里。

---

声音的大挤压

在这项研究中，两位研究人员决定玩一场名为“语义标签”（semantic tag）的游戏，以观察 2013 年至 2025 年间 AI 与艺术世界之间究竟发生了什么。他们收集了海量的公共谈论内容——包括来自新闻文章、播客、法庭案件和研究论文的 1,736 个文本块。他们使用分拣机将这一堆资料组织成了 20 个不同的主题。有些主题关于技术的历史，有些关于创造力的哲学，还有些关于艺术家的法律权利。

随后，他们请来了真正的艺术家。他们提取了来自美国 252 位执业艺术家（画家、摄影师、作家、音乐家等）的回答，这些艺术家曾就他们对 AI 的感受接受过调查。这些艺术家拥有非常具体且细致的观点。有些人认为 AI 是一个伟大的工具，但一种糟糕的商业模式；有些人希望为自己的作品获得报酬，而另一些人则愿意免费捐赠。有些人感到恐惧，有些人则充满好奇。总计，这些艺术家表达了 70 种独特的观点（或称“框架”），分布在所有权、效用、透明度和补偿等五个主要领域。

研究人员随后将这 70 种独特的艺术家观点尝试“投影”到他们从公共新闻中构建的 20 个主题地图中。他们想看：艺术家们在地图上的位置在哪里？

令人震惊的结果：大海洋中的小岛屿

答案令人震惊。公共话语的地图非常宏大且多样化，充满了 20 个不同的主题。但当研究人员将艺术家的声音投射到这张地图上时，他们并没有散开。他们并没有落在“法律权利”桶或“公平报酬”桶里。相反，94.9% 的艺术家关注点被挤压到了仅仅两个主题中。

你可以这样理解：想象一个拥有 20 个不同房间的巨大图书馆。公众正在讨论从画笔的历史到 AI 背后的数学等各种话题。但当艺术家们试图发声时，他们都被迫进入了 1 号房间 和 2 号房间。

• 1 号房间 被标记为“作为创意协作者的 AI”。
• 2 号房间 被标记为“AI 艺术真实性与人类创造力”。

图书馆中的其他 15 个房间（占整个对话内容的 58.2%）完全没有艺术家的声音。这些空荡荡的房间正是公共讨论中关于“AI 版权与法律保护”、“艺术家防御工具”以及“AI 艺术作者身份辩论”的话题所在。公众正在这些房间里进行着一场关于艺术家的巨大讨论，但艺术家本人却不在那里。这就像是一场关于你所在社区的镇民大会，市长、警察和开发商都在发言，但实际的居民却被锁在了大楼外面。

这不仅仅是风格不匹配

你可能会想：“好吧，也许艺术家们的表达方式不同。也许他们在调查中使用的句子简短简单，而新闻使用的是长篇大论。也许这就是为什么他们无法匹配。”

研究人员对此进行了检查。他们将公共新闻切碎成与艺术家调查回答完全一致的短句，试图实现“风格匹配”。但即便风格完全相同，艺术家们仍然无法融入。差距不在于他们如何说话，而在于他们谈论的内容。公共话语仅仅是忽略了艺术家们具体的、可操作的要求。

挤压发生的四种方式

研究发现，这种“压缩”通过四种隐蔽的方式发生：

1. 主题排斥（Topical Exclusion）： 艺术家们根本没有被邀请参加这场派对。如前所述，20 个主题中有 15 个主题完全没有艺术家的声音，尽管这些主题本身就是在讨论艺术家的权利和法律防御。
2. 框架重定向（Frame Redirection）： 这是最令人困惑的部分。当艺术家谈论所有权（谁拥有这件艺术品？）或效用（这个工具是否有用？）时，他们的词汇被重新路由了。他们的观点并没有落在关于“金钱”或“权利”的主题中，而是被丢进了“真实性”房间。因此，一个艺术家说“我想拥有我的作品”，会被归类到关于“这甚至算不算真正的艺术？”的哲学讨论中。对所有权的明确诉求在关于美学的辩论中消失了。
3. 二元简化（Binary Simplification）： 公众喜欢简单的故事：AI 究竟是“威胁”还是“工具”？研究人员发现，公共话语强行将艺术家塞进这两个框子里。如果艺术家说“AI 对我的工作构成了威胁”，公众讨论会将他们放入“威胁”框。但如果他们说“AI 不是威胁”，他们就会被放入“真实性”框。这种细微差别消失了。公共对话无法容纳一个既说“它威胁到我的工作，但我同时也用它来制作酷炫的东西”的艺术家。
4. 声音坍缩（Voice Collapse）： 这是最狡猾的一个。公共话语仅仅因为人们听起来相似，就将他们归为一类，即使他们的意思截然相反。例如，“创意协作者”房间包含了热爱 AI 的艺术家和讨厌 AI 的艺术家，仅仅因为他们都使用了相同的“忧虑的艺术家”语气。公众看到了一群艺术家在说话，但他们无法分辨其中一半人想要禁止这项技术，而另一半人想要出售这项技术。

为什么这很重要

研究人员非常明确地指出：这不仅仅是一个奇怪的统计学偏差。这是一个结构性问题。当决策者、法官和公司通过观察新闻来决定艺术家想要什么时，他们看到的是一幅扭曲的图景。他们看到的只是关于“AI 对抗人类”或“艺术对抗技术”的简单辩论。他们看不到的是一个复杂的现实，即艺术家对于如何支付报酬、如何使用其数据以及如何保障其权利，有着 70 种不同的、具体的诉求。

论文指出，这种“语义压缩”意味着受 AI 影响最直接的人群（艺术家）正被推向对话的边缘。他们是话题的主体，却不是发声的主体。公共领域捕捉到了关于 AI 与艺术的“概念”，但未能捕捉到艺术家的“现实”。其结果是，治理系统可能会基于一个简化、压缩后的真相来制定法律，从而错失了它本应保护的人群的真实需求。