Page 53 - 艺术设计教育创新研究

第三章 人工智能在艺术设计教育中的应用

面的支持与鼓励。在艺术创作环节中，人工智能的协同发展非常关键。
在创作的初期，人工智能机器可以为你提供艺术知识、艺术理念的定制化推
送；一件艺术设计作品在设计和创作的过程中，学生与教师之间需要使用某种交
互的方式或媒介，人工智能的语音输出识别等技术可以为作为沟通与交互的平台；

在创作作品的展出中，人工智能可以发挥其对艺术展出多样性的作用，丰富展出
形式的同时还可拉近创作者与用户、用户与作品之间的联系。未来的生活中，我
们与机器的“碰撞”会越来越多，最终可以找到一种人机协同的平衡点。

三、人工智能应用于教育的关键技术

（一）人工智能技术
1. 机器学习
机器学习的过程可以归纳为四个步骤，分别是信息的获取、信息的归纳、有

效信息的挖掘、信息可视化，他是一门通过计算机自身经验改进自身的应用技术。
20 世纪 90 年代，计算机内部集成电路的小型化发展和计算机可以解决数学代数
的问题，计算机性能也得到了发展，计算机的普及率因此得到大幅度提升，性能
和数学的发展推动人工智能技术到达了发展的黄金时代。之后计算机融入了全新

的数学算法模型（贝叶斯网络）、统计学模型（隐马尔可夫模型）和信息方法论
等理念，使得自然语言理解、机器识别成为机器学习的主要研究方向和技术核心。
在 2006 年之后，机器学习领域先后研发出循环神经网络、卷积神经网络。直至
2014 年残差神经网络的研究突破，进而引申出深度学习的概念，人工智能机器

学习的科学版图得到了新一轮扩展。
（1）机器学习与艺术设计的适切性
机器学习的运作模式是以数据为基础，通过算法的模拟最终得到有秩序、有
规律的高效信息，自我进行模式模拟做到自动识别。机器学习领域在艺术设计的

教学创作等过程中，通过对艺术符号、艺术风格等基础数据进行对比学习，从而
可以对学生创作灵感和热情的激发起到积极的作用。机器学习本身数据量积累到
一定程度的时候，它就更加了解创作者需要什么，对事物把控力就会越来越强。
经过研究分析，机器学习在艺术设计教育的应用方法，主要有以下方面：第

一，数据挖掘，其包括对图片信息、声音信息、艺术元素符号的基础信息处理；
第二，关联性数据挖掘，关联性数据挖掘应用是与检索数据库中的有趣性关系的

·45·