下载掌阅APP，畅读海量书库
立即打开
早在20世纪50年代，计算机科学家便开始尝试使用算法生成各式各样的简单或复杂的几何图形，尽管这些图形与传统绘画存在很大差异，但它们标志着计算机在艺术创作领域开始初步尝试。
随后的几十年里，越来越多的科学家和艺术家着手探索计算机绘画的潜力，他们创作了很多印刷、素描、油画、照片和数字艺术作品，其中一些人成为计算机艺术领域的先驱，为后人留下了众多经典作品。
20世纪60年代，德国斯图加特大学的哲学教授马克思·本塞（Max Bense）成立了一个非正式的学派，他主张采用更科学的方法研究美学，这一主张对许多早期的计算机艺术从业者产生了深远的影响。事实上，本塞教授是最早将信息处理原理应用于美学的学者之一，他的演讲厅也是世界上第一个计算机生成艺术展览的举办地。
弗里德·纳克（Frieder Nake）在斯图加特大学攻读数学专业研究生期间加入了这个由本塞领导的学派，并成为核心成员。1965年，纳克发布了一幅由计算机程序生成的画作，名为《向保罗·克利致敬》（Hommage à Paul Klee）（如图2-1所示）。这幅画作被认为是数字艺术运动先锋时代的标志性之作，是20世纪60年代中期计算机艺术最早阶段中最常被引用的画作之一。
图2-1 向保罗·克利致敬（1965），弗里德·纳克（Frieder Nake）
这幅画的灵感源自保罗·克利（Paul Klee）于1929年创作的《大路与小道》（High Roads and Byroads），现藏于德国科隆的路德维希博物馆。纳克借鉴了克利对比例及画面中垂直与水平线条关系的探究，编写了相应的算法，并使用绘图仪生成了这幅作品。
绘图仪是一种机械设备，用于固定画笔或毛刷，并通过连接的计算机来控制其运动。在当时的技术背景下，计算机还没有可以显示图像的屏幕，艺术家需要借助绘图仪等工具将作品展现出来。在编写计算机程序创作作品时，纳克还特意将随机变量融入程序，让计算机在某些选项中基于概率自动做出选择。
哈罗德·科恩（Harold Cohen）是一位英国艺术家，曾代表英国参加1966年的威尼斯双年展。1968年，他成为加州大学圣地亚哥分校的客座教授，在那里他接触到了计算机编程。1971年，他向秋季计算机联合会议展示了一个初步的绘画系统原型，并因此受邀以访问学者的身份前往斯坦福人工智能实验室，1973年，他在那里开发了名为AARON的计算机绘画程序。
AARON的目标是实现独立的艺术创作，它不同于之前的大部分仅能生成随机图片的同类产品，AARON则能够绘制特定的对象。不过，这个系统与现在被人们理解的人工智能不同，它没有通过海量数据学习绘画，而是一个由开发者构建的“专家系统”，通过人工编码大量复杂的规则来模仿人类的决策过程。此外，由于当时的计算机存在诸多限制，为了实现绘图功能，科恩还开发了专用的外接设备，利用机械臂在纸上移动画笔进行作画。
AARON虽然只能按照科恩编码的风格进行创作，但它能以这种风格绘制出无限的作品。图2-2和图2-3所示是科恩的两幅作品。
图2-2 无题阿姆斯特丹组曲11（1977），哈罗德·科恩（Harold Cohen）
科恩（或者说AARON）的作品引起了全球的关注，曾在伦敦泰特现代美术馆和旧金山现代艺术博物馆等主要机构展出。
除了艺术方向的探索，也有科学家尝试使用计算机绘制学术方向的图像。
本诺伊特·曼德尔布罗特（Benoit Mandelbrot）是分形几何的奠基人，他的名字与著名的曼德尔布罗特集合紧密相连。曼德尔布罗特集合是通过对复数迭代运算生成的分形图形，这种图形在计算机艺术中具有重要意义。
1978年，罗伯特·W·布鲁克斯（Robert·W·Brooks）和彼得·马特尔斯基（Peter Matelski）使用计算机绘制了第一张曼德尔布罗特集合的公开图片，如图2-4所示。
图2-3 第一批运动员，运动员系列（1986），哈罗德·科恩（Harold Cohen）
图2-4 第一张曼德尔布罗特集合的公开图片（1978年） ①
①扫码查看
之后，1980年，本诺伊特·曼德尔布罗特本人在位于纽约约克镇的IBM托马斯·沃森研究中心工作时生成了该集合的更高质量可视化效果图，如图2-5所示。
曼德尔布罗特集合的定义非常简单，但其产生的结构极为复杂，无论放大多少倍，都能发现它仍然包含着无限精细且自相似的细节，这也是分形图形最重要的特征。如果不借助计算机而仅凭人力，曼德尔布罗特集合几乎不可能被精确绘制。
图2-5 曼德尔布罗特集合 ①
①扫码查看
到20世纪80年代中期，计算机已经强大到足以以高分辨率绘制和显示复杂的图形。由于独特的美学魅力，曼德尔布罗特集合经常被选中用于演示计算机的图形能力，它也因此变得更为流行，成为数学可视化、数学美和主题（motif）的最著名示例之一。
这段时期虽然产生了很多让人印象深刻的计算机绘画作品，但它们在创造力以及艺术表现上仍然比较有限，因为它们背后的算法规则仍然很简单。20世纪80年代至90年代，神经网络和机器学习技术的出现，为计算机绘画的发展带来了新的可能性，这些技术允许计算机通过学习大量数据来模拟人类大脑的工作方式，从而在一定程度上实现智能绘画。
随着新技术的应用，艺术家们能够使用计算机创作出更为复杂和逼真的作品。