麻省理工学院凯勒画廊正在举办一场名为“超越数据驱动美学”的展览——展期至6月30日——主角是该校建筑系校友兼研究员亚历山德罗斯·哈里迪斯。这场展览的主题，听上去就很有意思：它试图梳理20世纪到21世纪，人类如何一步步将计算机变成创意生产和审美判断的工具，落脚点是建筑和应用艺术。但别急着把它归为一场纯技术展览。展览的独到之处在于，它把哲学、数学、计算机科学和设计计算等多个领域的视角揉在一起——最后呈现出来的，不是枯燥的代码或公式，而是实体装置和互动可视化作品。

问：这个展览的灵感从何而来？它到底想追问什么？

答：坦率说，“超越数据驱动美学”的起源，至少有三条线索交织在一起。

第一条线索发生在2022年前后。那时我还在麻省理工学院建筑系攻读设计与计算方向的博士学位。那段时间，以ChatGPT和Stable Diffusion为代表的数据驱动机器学习系统，迅速占据了公众讨论的中心——创造力、审美判断、设计……甚至引发了那场轰动一时的艺术拍卖争议。但有意思的是，我的研究方向本身就集中在审美判断与评估上。我逐渐意识到，许多被媒体和公众当作“AI带来的全新问题”的话题，其实早在整个20世纪就已经反复讨论过了。举个例子：1956年的达特茅斯夏季研究项目——那可是AI领域的奠基性活动——创造与评估过程就已经被列为未来AI研究应该探索的人类智能七大核心维度之一。

第二条线索来自设计计算与形状语法研究领域。这个领域不走“数据驱动”这条路，而是通过基于规则的方法来探索人类洞察力和计算之间的关系。尤其是近年来，一批学者从塞缪尔·泰勒·柯勒律治、奥斯卡·王尔德、甚至约翰·冯·诺依曼等人的著作中汲取思想，对审美理论做了不少诠释性研究。这些研究想回答一个根本问题：那些在哲学和文学文本中阐述的审美价值与比较理论，能不能揭示当代数字计算和AI在建筑、设计领域里的潜力，或者局限？

第三条线索则更偏向方法论——如何用设计、制造和数据可视化来诠释数学概念、算法，乃至被视为“黑箱”的机器学习系统。跨学科研究者们越来越频繁地用重建和可视化技术，让那些本来难以感知、难以理解的计算系统变得“可见可感”。比如，计算机科学里对神经网络的呈现，建筑和策展实践中对软件的重建与数字制造——都在做同一件事。

问：具体怎么把计算和美学的研究，转化成一场物理空间的展览？

答：核心的方法很简单：先问，某篇论文或某本书里，最核心的那个思想到底是什么？然后，用设计手段，把它变成可以看、可以摸、可以体验的东西。展览综合运用了软件重建、实体制作和数据可视化——那些原本藏在算法思维、抽象概念和数学公式里的内容，被转译成了空间叙事，融合了互动、物质形态和数字表达。

整个展览围绕五大主题领域展开：审美度量、审美准则、算法美学、审美挪用、审美新颖性。每个主题都像一扇窗户，通向一种独特的计算审美判断。有趣的是，每个主题都来源于一本书或一篇研究论文——它们的名称，就直接取自那些出版物里的核心概念。比如，“度量”指的是数学家乔治·伯克霍夫在20世纪30年代试图用数学方式量化审美价值的工作；而“新颖性”则来自于机器学习系统AICAN——它根据认知美学的理论来评判自己生成的图像：既要让人感到熟悉，又不能和已有的艺术风格偏离太远，得找到一个恰到好处的平衡点。

贯穿这五个案例的，有一条核心洞见：设计本身就可以作为一种“诠释性转译”的方法。传统学术研究在技术领域往往只用文字、科学图表和数据表格来传达内容——而展览试图跨越这个障碍，把那些隐藏在文字背后的东西，变成可见、可触、可体验的形式。

问：接下来打算往哪个方向继续探索？

答：“超越数据驱动美学”首先是一场研究性展览，但它更是一个开放的、持续演进的平台——不断追问计算系统如何参与建筑和应用艺术领域中的审美判断、生成与转化。

展览触及的一个核心议题——也是越来越多建筑、设计和工程领域研究者正在关注的方向——是怎么超越纯粹的性能或功能要求，去评价一个设计。不管是建筑、结构形式，还是日常产品，这个问题都适用。而且，展览中的案例已经清楚地表明，这些问题远在当今这股计算和AI热潮之前就存在了——至少从20世纪初开始，人们就在用各种计算和理论评估模型去探讨它们。

与此同时，我越来越感兴趣的是，这些理念如何延伸到建成环境中去。更具体一点说：能不能利用与“超越数据驱动美学”相关的研究，帮助设计师和工程师更好地理解计算手段——无论是基于规则的，还是数据驱动的——到底能不能告诉我们，哪些因素会对人们所居住和使用的空间与物品的积极体验产生正向贡献？

最后，还有一个方向我一直没有松懈。那就是，设计本身作为一种诠释手段，到底能扮演什么样的方法论角色。展览通过软件重建、可视化和实体制作，把那些不透明的计算系统变成了更容易理解、更可触知、更可体验的作品。站在更宏观的角度看，这不只是在追问“如何把‘美’或‘品味’机械化”——那是20世纪审美形式主义的老课题了——它也在启发我们：传统的学术研究和学术传播形式，能不能通过空间化、视觉化、面向公众的方式，来一次真正的演进？

Q&A

Q1：展览“超越数据驱动美学”主要讲的是什么内容？

A：这个展览聚焦于20至21世纪，人类如何试图把计算机变成创意生产和审美判断工具的历史探索，落脚点是建筑和应用艺术领域。它融合哲学、数学、计算机科学和设计计算等多个视角，把算法、理论和机器学习系统变成了实体装置和互动可视化作品。全部内容围绕五个主题展开：审美度量、审美准则、算法美学、审美挪用与审美新颖性。

Q2：展览中提到的AICAN系统是如何进行审美判断的？

A：AICAN是一个机器学习系统，它依据认知美学中的一种理论来判断自己生成的图像。核心逻辑是：在不断生成的图像中，找到“熟悉感”和“对已知艺术风格的偏离程度”之间的平衡。简单说，生成的图像不能太平淡、让人觉得毫无新意；但也不能与已有风格偏离得太远、让人完全无法理解——必须在这两者之间找到一个恰到好处的平衡点。

Q3：计算与审美的关系研究对建筑设计有什么实际意义？

A：这个研究方向能帮助设计师和工程师更好地理解——无论是基于规则还是数据驱动的计算手段，到底能告诉我们什么因素会对人们所居住和使用的空间与物品，产生积极的体验价值。不少研究已经表明，超越纯粹功能和性能的计算评估，对建筑、结构形式以及日常产品设计，都有广泛的应用潜力。