浅谈AI辅助油画创作的技术路径与艺术价值

第一章 AI 辅助油画创作的技术路径

1.1 人工智能在视觉艺术中的发展

人工智能活跃在视觉艺术领域的历史上，实际上早就伴随着计算机图像处理的发展而逐渐展开。20 世纪末随着 photoshop 等一系列数字处理图像的软件出现，艺术家便开始尝试在虚拟画布上去模拟传统油画的笔触与色彩效果。这一时期的数字艺术虽然为绘画提供的全新的媒介，但是根本上还是由人类去主导的数字绘图软件去操作，与人工智能的自主生成仍然有本质上的区别。进入21 世纪之后，机器学习与深度学习开始发展使得电脑在图像识别和生成方面有了重大突破。尤其是2014 年 Ian Goodfellow 提出的生成对抗网络（Generative Adversarial Networks， GAN），首次赋予了机器进行创造图像的可能。GAN 的生成与辨别相互博弈使得生成的图像逐步接近真实，从而为艺术创作提供了权限的技术手段。2015 年的神经风格迁移技术更是将技术推向大众视野，它能够将著名油画风格迁移到任何照片当中，产生类似于梵高、伦勃朗风格的图像，这一技术突破被认为是AI 在艺术领域的里程碑。

随着扩散模型的出现，由AI 生成的图像的精美度和艺术表现力得到了极大的提升。它能够通过逐步的去噪点过程，在随机噪声中恢复图像的精美度，能够在细节和整体之上呈现出高级的真实感与精美度。尤其是在油画笔触的模拟与颜料堆积的质感方面尤为突出，扩散模型比GAN 更加的自然与逼真，这一阶段的AI 以及不再是简单的模仿者而是逐渐具备了与艺术家协同创作的潜力。

1.2 AI 在油画创作中的具体应用技术

人工智能的应用并非笼统的去在油画里改变风格，而是通过一系列的具体算法与技术手段介入油画创作，在油画生成与辅助创作中最具有代表性的是神经风格迁移技术，这是图像创作软件 Midjourney 最重要的技术之一，其核心机制在于，深度卷积神经网络可以同时去提取图像的内容特征与风格特征。通过将一幅油画的风格特征迁移到另一幅图像之上，就能够拥有特定的艺术风格与笔触。例如梵高的《向日葵》的笔触与色彩就可以迁移到另一个任意风格的图片之中，从而生成一幅带有印象派风格的油画作品。

这种方式在艺术教育与实验创作之中有重要意义。它能让初学者能够快速体验不同风格的油画效果，同时他也为艺术家提供了风格融合的可能。然而这种技术也有着他的局限性，由它生成的画面往往都缺乏细节层次，笔触的表现也较为机械，难以替代艺术家人工绘制的微妙画面效果，存在明显缺陷。

第二章 AI 辅助油画创作的艺术价值

人工智能介入油画创作当中最为显著的价值是在于去拓展艺术表达的边界。传统油画因其材料的特定与技法的要求，往往需要初学者经历很长时间的学习与训练的过程，创作周期也较为缓慢。而AI 的介入打破了这一局限，它通过算法能够快速生成多种构图、色彩风格和笔触效果，艺术家只需要将过往的艺术作品输入给 AI 绘图软件它就能够给你生成出符合你艺术风格的作品，使得艺术家在短时间内探索出数十种甚至上百种的不同构图和表现形式。

例如艺术家在面对城市夜景这一题材时可以利用扩散模型生成多种不同风格的油画风格版本，写实的、表现的、印象派的、超现实的、甚至能够融合中国国画的大写意风格与不同水墨意境的混合风格。这种创作的可能性不仅提高了艺术试验的效率，也使得油画艺术的表现范围变得更加宽广，呈现出了前所未有的面貌。在风格融合的能力上还达打破了传统艺术门类直接的局限性，在过去立体主义风格与浪漫主义现实主义风格几乎完全无法自然融合，而AI 就能够通过大模型训练生成跨风格融合的作品。这种风格重组使得艺术家能够通过 AI 去创作出既熟悉又陌生的视觉差，从而推动油画艺术进入到跨界融合的新阶段。

在艺术之中，AI 的的参与引发了一个令人十分关注的问题：作品的主体创作者究竟是谁？是艺术家本人，还是绘图软件的核心算法？这一问题不仅是技术层面的讨论，更是艺术哲学层面的深度思考。在传统艺术观念中，艺术作品被视为艺术家主体意识与情感的外化。在 AI 大模型的的环境下，作品的生成往往是依赖于提示词、训练模型以及算法的随机性。这意味着创作者并非直接操作画笔画出图像，而是通过设定规则与选择画面效果间接的完成创作。AI 成为了共同作者，甚至在某种程度上具有了半自主创作的能力。

在这种情景之下艺术家的创作主体性并未消失，而是转变成了一位引导者或者策展人的角色。艺术家通过设计草图去选择合适的绘画模型，编辑生成画面结果，这决定了作品的主题与精神内涵。因此 AI 的存在更多的是一种媒介，他帮助了艺术家在思想与作品之间建立了一个全新的通道。重新定义了绘画的主体性，使艺术家能够从繁琐的绘画技法之中解放出来，将更多的精力投入到对艺术观念的表达和艺术美学的探索之中。AI 大模型对绘画的价值远远不止这些，未来还可能会有更多不同的应用手段未来某一天或许真的能够代替人独立进行艺术创作，从而进行艺术革命。

第三章 人机协作的未来趋势与展望

AI 绘画模型的生成能力高度依赖了训练数据的质量与其规模。如果训练的数据过于单一或者存在个别偏差，则生成的油画作品也容易出现风格单调，内容雷同等问题。例如一个主要的西方古典油画训练的模型，它很可能无法自然的呈现中国油画特有的色彩语境与文化含义。这种数据偏见，限制了AI 创作的多样性与文化深度。

AI 绘画的生成过程往往难以被完全解释。及其内部的数据机制仍然是一个黑箱式的，无法令大众看得见的一个运行模式。这意味着艺术家使用AI 绘画进行辅助创作时可能无法准确的预测其输出的结果。这种不确定性一方面为创作带来了不一样的惊喜。另一方面也可能造成艺术家难以把控 AI 生成的作品方向，导致创作意图与生成的效果存在十分巨大的落差。

虽然 AI 在整体的构图与绘画风格的模仿上面有着明显优势，但在绘画的局部细节与笔触机理和材质表现等方面，仍然难以真正的油画技法去媲美，尤其在表现油画语言特有的厚涂机理、笔触方向以及色彩叠加和颜色变化时，AI 的模拟仍然显得机械化，严重缺乏人类画家在绘画细节处的感性处理，在绘画整体的把控上套图化效果也十分严重。这种不足影响了其在艺术真实感和油画质感上的说服力。

结语

AI 大模型对油画创作的辅助并非是对传统油画艺术的完美替代，而是对艺术语言与创作逻辑的一种延展。油画创作的未来发展应该是在技术与艺术之间寻求一个平衡点。既能发挥AI 的计算生成优势，同时也能坚持艺术创作的人文核心。在跨学科融合背景之下，AI 十分有希望成为能够推动艺术革新，以及当代艺术向前发展的重要力量。

参考文献

1、王蕾青.AI 生成艺术对传统油画创作的挑战与启示[J].艺术大观，2024，No.213（33）：37-39.

2、王之盟，於玲玲.探索 AI 时代下油画创作的新维度[J].浙江工艺美术，2024，No.310（01）：40-42.

3、陈琦.从艺术发展的角度看人工智能将是不可回避的艺术命题[J].世界美术，2018，（02）：127-128.

4、任旭敏，张志欣.浅析人工智能对美术创作的影响[J].美术文献，2021，（10）：81-82.

作者简介

汪诗翔（2000.10.12），男，汉族，籍贯：辽宁营口人，绘画艺术学院，23 在读研究生，硕士学位，专业：油画系，研究方向：现代油画语言表达方式研究