How Learning Reshapes Aesthetic Evaluation of AI-generated and Traditional Xilankapu Patterns: Evidence from a Longitudinal Intervention Study

几个世纪以来，人类一直认为，对艺术最深刻的欣赏需要一颗人类的心灵和一颗人类的大脑。当我们注视一幅画作或一幅织锦时，我们不仅是在看色彩和形状；我们还在感知作品背后的故事、历史和意图。这种感觉是衡量美感的核心。但如今，计算机可以创造出与人类作品一样引人入胜的图像。这些由人工智能驱动的机器，通过学习现有的庞大艺术库，可以生成图案、风景和肖像。这种能力引发了一个微妙而紧迫的问题：当我们了解一件作品是如何被制造出来的时候，我们识别和评价艺术的能力是否会发生变化？如果我们理解了计算机遵循的规则，或者如果我们了解了传统设计的深层历史，我们的脑海中看待作品的方式是否会开始发生改变？研究人类如何感知美的科学家们（这一领域被称为神经美学）现在正在探究，我们的审美趣味是固定的，还是可以随着所学知识而重塑。

一个研究小组致力于通过关注一个特定且美丽的传统来回答这个问题：中国土家族的西兰卡普图案。这些是复杂的织锦，充满了自然、宗教和日常生活的象征意义，并代代相传。研究人员想要观察人们如何评价这些传统图案与人工智能创作的新图案。他们特别关注三类图像：原始的手工织造设计、完全由计算机在没有任何人类帮助下生成的图案，以及人类设计师与计算机协作完善后的图案。为了进行测试，他们收集了一百名对这些织锦一无所知的成年人。这些参与者并非艺术或技术专家，但对视觉设计具有一般的敏感度。研究人员要求他们观察这些图案，并就其美感程度、意义感以及他们认为是由人类还是机器制作的进行评分。

实验分为两个阶段，中间隔着一个月的学习过程。在第一阶段，参与者仅仅观察图案并给出他们的直观印象。他们根据十五种不同的特质对图像进行评分，范围从色彩的鲜艳程度到情感连接的强度。随后，研究人员引入了一个结构化的学习计划。在三十天内，参与者学习了西兰卡普的历史、符号背后的含义，以及计算机生成新图案的技术原理。他们学习了土家族人如何将自然图像转化为几何形式，以及人工智能是如何组合这些元素的。在经过这一个月的学习后，同样的参与者再次观察相同的图案并再次进行评分。其目标是观察这种新知识是否改变了他们的想法。

结果揭示了参与者看待艺术世界方式的明显转变。在学习之前，他们的判断主要受即时感官反应的驱动。他们喜欢明亮、鲜艳且富有表现力的图像。他们被图案的表面美感所吸引。然而，在学习一个月后，他们的标准发生了变化。他们开始重视作品的深层意义。关于“典型性”（即一个图案与传统风格的契合程度）和“意义”（即它传达文化故事的能力）的重要性在他们的评分中变得显著提升。参与者开始不仅根据外观，而是根据其代表的内容来评判艺术。他们不再仅仅是对色彩做出反应，而是在解读符号。

这种思维方式的变化也影响了他们如何判断艺术的来源。在学习阶段之前，参与者经常对谁制作了这些图案感到困惑。他们无法可靠地分辨手工织造的织锦与计算机生成的图案之间的区别。事实上，在干预之前，由人类与计算机共同完成（HITL）的图案获得了最高的审美评分，超过了纯粹的传统图案和纯粹的计算机生成图案。但在学习了历史和符号之后，他们识别传统图案的能力显著提高。他们变得能够更好地识别真正的手工织造织锦，而这些织锦在核心文化维度（如典型性和意义）上获得了最高评分。有趣的是，他们仍然将人类与计算机共同制作的图案评为非常美丽，但对纯粹计算机生成的图案的评分仍然是最低的。学习并没有让他们更加喜爱机器制造的艺术；相反，学习给了他们识别出纯自动化版本中缺失了什么的工具。

这项研究表明，当我们了解一个物体背行的文化时，我们的大脑处理它的方式也会发生改变。我们从快速的、本能的反应转向了更缓慢、更深思熟虑的评估。研究中的参与者发现，纯粹由计算机生成的图案虽然有时在视觉上很引人注目，但缺乏传统图案所拥有的深层文化共鸣。与计算机合作的人类设计师似乎弥补了这一差距，创造出的作品既显得新鲜又具有文化根基。研究表明，虽然人工智能可以模仿一种文化的视觉风格，但如果没有人类的引导，它很难捕捉到其历史和意义的全部分量。

最终，这项研究表明，我们对艺术的欣赏并非一种固定的特质，而是一种随着知识增长而发展的灵活技能。当人们理解了图案背后的故事时，他们对它的评价方式就会改变。他们会对那些缺乏故事的作品变得更加挑剔，即使这些作品在表面上看起来很美。这一发现为人类与机器在创意世界中的关系提供了新的视角。它表明，随着人工智能在创作方面变得越来越强大，人类的角色变得更加至关重要——不仅是为了创作艺术，更是为了提供让艺术真正引起共鸣的语境和意义。图案之美不仅在于其线条和色彩，更在于我们带入其中的知识。