生成艺术，是代码艺术家通过计算机制定基于美学规则的随机化生成系统，并在该系统中给定参数生成的艺术作品。
01写在前面
2018年10月，佳士得纽约拍卖行以43.25万美元的惊人价格出售了一幅由算法生成的、类似于19世纪欧洲肖像画的作品，名为EdmonddeBelamy，该最终售价几乎是其最高估价的45倍。这幅由法国艺术组织Obvious创作的生成艺术在拍卖之前从未展出或出售过，它的拍卖震惊了整个艺术界。同时随着NFT一波又一波的热浪，自动生动艺术一步步渗透进艺术圈。
生成艺术这一概念最早来自于计算机图形学，是当代艺术创作的一种创新形式。作品创作者创建一组规则，例如自然语言，音乐语言，二进制代码等，从而得到无法复制、具有稀有度的作品。
随着区块链和数字所有权的兴起，尤其是NFT，生成艺术被记录在不可替代的区块链上，因此它们更加复杂，用户、创作者和代码都参与了创作过程。买方利用代码，即可生成一个独特的图像，即生成艺术NFT。
02通生成艺术之起源：哈罗德·科恩的AARON
生成艺术的现代应用可以追溯到1960年代，艺术家哈罗德·科恩当时在加州大学圣地亚哥分校工作。他受一名研究生启发，开始探索这一概念。当时的程序员使用一种名为「FORTRAN」的指令系统，将打孔卡输入“批量处理机器”，然后计算机会生成新的打孔卡或打印件。
科恩投身于这项技术，并开始为计算机编程，让计算机为他画画。1971年，他开发了一个名为AARON的功能系统，并在拉斯维加斯秋季联合计算机会议上的一个特别展览中展示了该系统。
该展览标志着科恩开始拥有艺术家-程序员-研究人员三重身份，从职业画家完全转变为为编程画家。这也是如今生成艺术的起源。
▲科恩1976年的AARON图纸与1995年推出的彩色版本的比较。图源：计算机历史博物馆收藏，目录号Billions项目组102741168
在1988年的一篇论文中，科恩认为，最好将AARON视为一种用于研究和扩展的工具，而不是供人直接使用的开发成品。但经过15年的发展，AARON技术已相当成熟，能够自主生成各种人类手绘图。
03生成艺术NFT
生成艺术NFT藏品集通常是通过将PNG图像堆叠在一起生成的。首先，选择形象特征，每个特征的各种变化在最终图形中都具有相同的尺寸和相对位置。例如，最终成品藏品集可能包含10000个HippieDogNFT，其中一个特征恰好是口叼着飞盘。
▲将一定数量的图层随机结合成各种组合，便可得到社交头像NFT，各个组合罕见度不同。
设计师可以决定飞盘颜色有多少种变化。毛发、眼睛、头饰等其他特征也是如此。每一层都有一个透明的背景，以便它们在图像中整齐连贯地堆叠。
许多最受欢迎的NFT项目都不是由艺术家一个一个制作出来的，而是作品的通证化版本。它们由算法引擎生成，能够快速生成10000个整齐有序的NFT以供发布。例如，虽然每个CryptoPunk都具有独特的属性，但其创作并不受用户购买的影响。
▲尽管CryptoPunk使用生成艺术脚本来合成NFT集，但其本身是在链下创作的，之后才通过智能合约进行引用。
另一方面，如今已有一些公司采用此概念，并取得了不同程度的成功，如Autoglyphs和ArtBlocks。这两个成功的生成艺术项目已应用于NFT，买家可通过铸币参与创作过程。
04以太坊上的第一个生成艺术：Autoglyphs
加拿大软件开发商和LarvaLabs创始人JohnWatkinson和MattHall早在2019年就推出了Autoglyphs。LarvaLabs是OGNFT收藏品CryptoPunks背后团队，Autoglyphs是他们继CryptoPunks之后的第二个项目。
Autoglyphs是以太坊上链上的第一个生成艺术实验，该生成器在创建512个字形后自行失效。出于这种稀缺性，Autoglyphs如今的售价高昂，底价高达177ETH，约544,000美元。此外，赋予它们真正独特价值的是它们是有史以来第一个链上生成艺术项目，拥有着开创性。
▲Autoglyphs可能是第一个完全独立的机制，不仅用于创作，还拥有数字藏品的所有权。
根据DappRadar的数据，Autoglyph#376是该系列的最新NFT，售价为248.16ETH。这个最初只需花费0.2ETH汽油费并且在当时任何人都可以铸造的NFT如今让人高不可攀。出售Autoglyphs的收益被捐赠给了一个致力于可再生能源行动的组织，将NFT藏品销售与可能对其社区产生积极影响的实体组织联系到一起，可以有效推高价格并带来更高的人气。
05专注自动生成艺术的平台：ArtBlocks
ArtBlocks是一个独特的NFT平台，它不仅展销生成艺术，还托管生成代码，让买家参与创作过程。创作源自“种子代码”的随机变量而成定制NFT艺术作品，作品拥有独一无二的属性。种子决定了生成代码的艺术成品，因为颜色、形状和其他稀有特征变量都来源于其内容。
当收藏者使用ArtBlocks铸造NFT时，他们会创建以太坊通证，这些通证会记录到区块链账本上并保存在收藏者的钱包地址里，且与任何NFT一样，具有唯一不可替代性。因此，使用ArtBlocks铸造生成艺术NFT类似于使用算力来定制艺术品，再加上以太坊区块链的安全性来证明艺术品的原创性和真实性。
ArtBlocks有三个层级的NFT，其中的两层并非所有人都能参与，如Curated层是该平台生成艺术NFT的顶层，被选中参加该层的艺术家所创作的NFT可视为ArtBlocks的官方藏品集。
策展层中的项目因其复杂性和受欢迎程度而受到NFT生成艺术家们向往。虽然该层许多NFT项目在发布时的铸造成本并不高，但如今它们已大幅升值。「穷困潦倒」这个词可能以后再也不会用来形容艺术家了。
ChromieSquiggle是ArtBlocks的第一个策展层NFT项目，由匿名创始人SnowFro制作。ChromieSquiggles使用铸造过的通证种子来确定梯度角度、颜色和段数等特征。
▲目前，OpenSea上最便宜的ChromieSquiggle售价仍接近13ETH。
策展层的艺术家也可以在第二层Playground层中创作生成艺术NFT。这些项目不属于官方收藏，但仍广受欢迎，因为游乐场层为艺术家们提供了一个扩展实验性项目、推出精选NFT的空间。艺术家必须先在策展层发布过生成艺术NFT项目，才能在游乐场层中发布作品。
最后，ArtBlocks还有Factory层，为新艺术家提供门槛和成本最低的加入方式。如果艺术家暂时无法进入策展层，他们可以先在工厂层试试手。工厂层NFT项目可能不如策展级中的项目那么精致，但似乎这是平台有意为之，而不是自然形成的。尽管策展和游乐场层的项目兼具艺术感和NFT的高发展水平，但工厂层的NFT藏品却也有着独特的俏皮感、自发性和艺术怪癖。
06生成艺术真的是艺术么？
许多从事艺术领域的人都对“AI艺术”或者“自动生成艺术”这类词嗤之以鼻，认为它们具有替代性。其通过软件生成的成百上千具有一定稀缺性的艺术跟传统需要数日或者数周完成的艺术相比，效率极高，给人一种很强的颠覆感。同时，针对一些自动生成艺术不断被卖出高价的现象也引起了不断的争议。
业内人士也曾批判计算机系统尚不具备批判和创新能力，具有生成逼真图像的能力并不会使其成为艺术家；但多于生成艺术的拥护者则表示，生成艺术是人和系统合作的结果，其底层逻辑依旧布满了思考和表达，和传统艺术一样值得被认可。
从创新性来看，艺术本身意味着突破和创新，系统的辅助确实使生成艺术设计远远超过了传统团队的创造能力，进而帮助设计师或者艺术家探索通过高效的方式探索最满意的结果。生成艺术打破的是传统意义上的作品生产路径。
从艺术性来看，由程序艺术家制定规则通过计算机编程完成的美学设计跟表达思路，赋予艺术表达全新的可能性，一定程度是艺术的规则和量化，也是设计的无序和随机，具有真实的艺术性。
从价值性来看，时代的发展带来了新事物，新观念，新技术。科技圈在变化，艺术圈也在变化，生活在数字时代的人们更像是数字游民，它们拥有的体验贯穿线上线下，它们拥有的价值观也不仅限在物质，收藏的艺术品也不再局限于物质艺术。
从所有权来看，非同质化通证解决了所有权难题，收藏者可以真实地所有数字艺术资产，在数字游民的体验里面，数字资产的所有体验也是真实的。
生成艺术并不会取代传统艺术，系统也不会取代传统艺术家。它们只是拓宽了艺术和艺术家的边界，从历史脉络来看，它的出现就如同摄影一样，在最初只被认为是技术和工具，直到摄影术发明的一百五十年后才被上升为艺术摄影。同样的，生成艺术这种全新的表达形式也会慢慢融进艺术史。
▲Ferragamo纽约SoHo店内的NFT展位。
07生成艺术的未来如何？
许多人认为生成艺术的炒作大过于价值，但当目前的生成艺术热潮退去，其发展的趋势并不会消失。
目前随着众多科技公司开始推出可在几秒内生成逼真图像的人工智能工具，这种新的艺术表达形势已处在重大变革的边缘，这些科技公司希望能将这种小众行为部分地推广给普通消费者。
科技公司都在宣传新工具的优点，称用其创作的作品逼真、富有创造性，且使用者无需掌握编码技能。谷歌公司Imagen网页上充斥着各种利用指令生成的不同风格的图像。Open-AI公司也极力夸耀旗下Dalle-2工具可用任何艺术风格描绘任何场景。
虽然人工智能的到来引得人们担心，人类将在从客服到新闻的各个领域被机器取代，但艺术家们认为，这种发展态势更多的是一种机遇，而非威胁。
区块链和NFT为艺术表达打开了通往记录化和货币化的大门，让生成艺术作为一种新奇的创作方式广受追捧。人们聚集于NFT创作平台和二级市场，收集和欣赏多种形式的生成艺术。最重要的是，一种新的数字艺术流派即将诞生，艺术家和收藏者之间会有一种全新的关系，各方的参与度和赞助都将大大增加。
市场有风险，投资需谨慎。本文不构成投资建议，用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。