“超越数据驱动美学”展览由麻省理工学院建筑系校友和研究者Alexandros Haridis策展，展览至6月30日，探讨了20世纪和21世纪如何将计算转变为创作和美学判断的媒介。展览结合哲学、数学、计算机科学与设计计算，将算法、理论和机器学习系统转化为物理装置和互动可视化。
Q: “超越数据驱动美学”的灵感来自哪里？探讨了哪些问题？ A: 该展览的概念来源于三条交叉的研究线索。首先，在2022年完成设计与计算的博士学位时，我观察到数据驱动的机器学习（如ChatGPT和Stable Diffusion）迅速进入公众对创造力和美学判断的讨论中。同时，我的研究也专注于美学判断，逐渐意识到与AI相关的许多“新”问题实际上在20世纪早已有所探讨。例如，1956年达特茅斯夏季研究项目将创造与评价过程视为未来AI研究应关注的七个关键维度之一。
其次，展览受到设计计算和形状文法研究的影响，这些研究通过基于规则的方法探讨人类洞察与计算之间的关系，而非单纯依赖数据驱动的学习。更近的美学理论研究，借鉴了塞缪尔·泰勒·柯尔律治、奥斯卡·王尔德等人的思想，重点探讨哲学和文学文本中关于美学价值的理论如何揭示当代数字计算和AI在建筑与设计中的可能性与局限。
最后，展览强调设计、制造与数据可视化作为理解数学概念、算法和“黑箱”机器学习系统的方法。跨学科的研究者日益使用重建和可视化技术，使计算系统更具可触性和可解释性。
Q: 如何将计算与美学研究转化为展览？ A: 展览的方式是提问特定研究论文或书籍中最重要的思想，并利用设计将其转化为视觉、空间和体验的格式。通过软件重建、实物制作和数据可视化，展览将充满算法思想、抽象概念和数学公式的书面资料转化为包含互动、材料形式和数字可视化的空间故事。
展览围绕五个主题区域组织：美学度量、美学指南、算法美学、美学挪用和美学新颖性。每个主题作为特定出版物的计算美学判断的“窗口”。例如，“度量”指代乔治·伯克霍夫在1930年代对美学价值进行数学量化的工作，而“新颖性”探讨机器学习系统AICAN如何依据认知美学理论对生成图像进行判断。
Q: 接下来希望探索哪些问题？ A: “超越数据驱动美学”既是一个研究展览，也是一个持续探讨计算系统如何参与美学判断、生成与转化的公共平台。展览的核心问题之一是超越纯粹功能要求的计算评估，适用于建筑、结构形态或日常产品等多种设计空间。这些问题的许多探讨早在当前对计算和AI的兴趣之前就已存在。
最后，我希望研究如何将这些理念扩展到更广泛的建筑环境相关应用，特别是如何通过规则驱动或数据驱动的计算帮助设计师和工程师理解哪些因素对人类体验产生积极影响。更广泛地说，这也开启了关于美和品味的机械化以及传统研究和交流方式如何通过空间、视觉和公众导向格式演变的新问题。
博主点评： 此展览不仅展示了计算与艺术的结合，更引发了对传统美学判断的深刻反思。随着计算技术的进步，如何有效地将这些技术融入设计与创作过程，将是未来研究的关键所在。