【编者按】 当代社会正经历着由数字技术驱动的深刻变革，人工智能、大数据算法、虚拟现实与增强现实等技术，不仅重塑了人类的生产生活方式，更从根本上改变了审美的生成机制与接受形态。那些涌现于数智语境中的流行审美范式，不仅涉及审美形式的更新，更触及审美本体论的深层重构，构成了当代中国最为鲜活的审美叙事。本刊特推出“数智时代的审美变迁”专题，约请多位专家学者，围绕数智时代的审美核心议题展开多元对话与观点碰撞，通过追踪一系列审美观念的历史生成、审美话语的语义流变、审美趣味的发展转变，分析其背后的文化内涵、技术动因、价值取向、社会心理与美育需求，呈现各有侧重、彼此参照又相互争鸣的系列论述，形成具有学理性、思辨性、前瞻性的研究成果，以期为理解数智时代的文化文艺及审美变迁提供思想资源和参考路径。

算法向美：论人工智能艺术的三个审美范畴

【内容摘要】 作为一种新的艺术类型，人工智能艺术生产了新的艺术范式，使艺术史进入革命性的新阶段。本文旨在考察人工智能艺术创造的独特审美范畴，这些与技术密切相关的审美范畴包括三个层面：一是优化，算法的迭代优化推动人工智能艺术的发展，其审美参照始终以人为尺度；二是推理，人工智能艺术生产基于算法推理逻辑，大模型据此预测生成作品；三是涌现，人工智能是当代的数字炼金术，量的累积导致美学突变，涌现的美学潜能使理想的人机协同系统成为可能。人工智能艺术必然会趋向更加精准和富有逻辑，涌现富有随机性和不可预测性，其具有的美学潜力将使人工智能在艺术上更有作为。

【关 键 词】 人工智能艺术 审美 范畴 算法 涌现

人工智能艺术的发展几乎与人工智能技术的迭代升级同步。1957年，美国作曲家勒贾伦•希勒(Lejaren Hiller)和数学家伦纳德•艾萨克森(Leonard Isaacson)用计算机编写程序，创作了第一部由人工智能生成的弦乐四重奏音乐作品《伊利亚克组曲》(Illiac Suite)，成为人工智能应用于音乐的经典案例。1965年，在美国和德国举办的首届计算机艺术展标志着人工智能在艺术领域的正式应用，第一批作品是由计算机程序计算出来并通过绘图仪绘制，再由打印机打印出来或矢量显示器展示出来的图画，这批作品受彼时结构主义思潮的影响，表现为根据数学逻辑产生的多边形图画形式，具有极简主义风格，但缺乏色彩、速度和交互性，且局限于科学实验室或先锋艺术家的实验性创作。半个多世纪以来，绘画、音乐、文学、电影、建筑、设计等不同艺术领域陆续开始尝试用人工智能进行创作。人工智能技术的突飞猛进使得艺术界对人工智能的热情高涨，2019年的电子艺术大奖(The 2019 edition of the Prix Ars Electronica)新增一个“人工智能与生命艺术”的奖项，确立了以人工智能为导向的数字艺术新趋势。

人工智能的艺术应用真正得到社会性普及，应归功于近年来深度学习的技术变革。2020年，OpenAI发布的大语言模型(Large Language Model，简称LLM)GPT-3，标志着人工智能创作文字和图像形式的艺术作品得以可能。2024年，OpenAI发布的Sora和2026年字节跳动发布的Seedance 2.0都是多模态大模型，意味着人工智能能够创作包含文字、图像、音乐、视频等不同符号形式的艺术作品。至此，无论是在艺术美学层面还是在社会事实层面，人工智能艺术都是一种已然存在的艺术实践形式。

然而，与传统艺术相比，人工智能艺术并不是艺术史上出现的一种具有持续性的新艺术形态。在艺术史上，先后出现了建筑、雕刻、绘画、音乐、诗歌、舞蹈和工艺美术等经典艺术，以及摄影、电影、电视、新媒体等现代艺术。这些艺术种类中通行一种基本的艺术观念，即它们都奉行康德对于艺术的审美判断，即艺术具有非功利性、自由性和主观普遍性。它们认同艺术家是创作主体，将技术视为工具性的手段和方法，艺术家借助技术用感性形式来表现个人观念。人工智能艺术和传统艺术的根本区别在于，技术从工具变成了创作主体，技术自身可以表现艺术观念，由创作者、作品和接受者三元素形成的经典艺术模式被颠覆。在人工智能科学家和艺术家看来，在艺术史上，“艺术作品是个人心理、情感状态或表达观点的连贯表达，这种想法始于浪漫主义时代，并在19世纪和20世纪成为西欧及其殖民地的主流规范。尽管这仍然是当今许多艺术家共同的创作动机，但这并不意味着它是对艺术唯一且正确的定义。当然，这也不是任何人工智能系统所能扮演的角色。机器学习和人工智能显然无法复制人类的生活经验，因此，人工智能无法像人类艺术家那样进行艺术创作”。也就是说，人工智能艺术不再是艺术家的自我表达，智能机器作为创作主体，重建了一套新的艺术创作模式，对艺术的影响是革命性的。

由此可见，人工智能艺术不是艺术史上新增的一个艺术种类，人工智能使艺术史进入一个完全不同的新阶段。人工智能经过技术的不断迭代，目前主要采用深度学习的神经网络技术，这类算法以模拟人类为目标，智能机器最终要像人一样思考和行动。人工智能是一种通用性技术，不是画笔、乐器、摄影机这些专门为艺术而发明的应用工具，艺术只是它的应用场域之一。人工智能不仅在技术目标和工具价值上超出了传统的艺术界定，还生产了新的审美范式，这种新的艺术类型需要进行系统而全面地观察、识别和辨析。循此路径，本文将考察人工智能艺术发生在技术和美学之间的互动，深入分析人工智能艺术独有的优化、推理和涌现等与技术密切相关的审美范畴，以确认人工智能艺术的本体属性。

一、优化：以人为尺度的审美参照

1950年，“人工智能之父”阿兰•图灵在划时代的论文《计算机器与智能》中提出了一个伟大的问题——“机器可以和人一样思考吗？”为了回答这个问题，图灵设计了一个用于判断和评估机器是否具有人类智能的测试，这就是著名的图灵测试，对后来计算机科学和人工智能的发展产生了深远影响。作为具有里程碑意义的思想实验，图灵测试不但构建了人工智能的基础思想框架，还提供了实现人工智能的可操作性方法，从理论和实践上奠定了人工智能的理论基础和发展路径。不仅如此，《计算机器与智能》提出的“可计算性”“智能”等关键性概念以及设问“机器可以和人一样思考吗？”直接催生出人工智能哲学这一新学科。

图灵将机器和人同时作为测试对象，意味着人类对智能机器的设想是以人为尺度的，人工智能的终极目标就是让智能机器在认知、思维、行为等方面像人一样。作为人工智能的一种应用，人工智能艺术正是以人为尺度，参照人类艺术进行创作。智能机器模仿人进行创作的技术流程是：人工智能系统对包含艺术内容的数据集进行标注，通过优化算法进行机器学习和编码，然后生成艺术作品。这显然是与人类迥然不同的创作方式。人工智能艺术通过算法对历史数据进行优化，智能机器的创作过程和艺术呈现也是算法优化的结果，因此，以优化为技术核心形成了一种新的审美范畴。

算法优化不断提升人工智能的计算效率、适应能力和泛化能力，优化的路径朝向“与人一样思考”，应用于艺术创作时却产生了多样化的美学结果。对比原始人类，“现在的我们挺直身体，然后投射意义之矢，编造代码。也就是说，我们不是去行动，而是去象征；不是探寻某个对象的信息，而是拟造纯粹的信息——技术图像就是这样的草稿。技术图像的电子化程度越高，那么它们包含的信息就越纯粹”。所谓纯粹性，就是技术抽离了图像与真实世界的关联，这正是人工智能艺术的全新审美特征，具体表现为宏大抽象的主题、结构主义的语言和形式主义的风格，这些特征普遍存在于不同类别的人工智能艺术创作中。

[巴西] 威廉• 弗卢塞尔著《技术图像的宇宙》

2021年，观念艺术家徐冰在平遥国际电影展上展出了由剧本、视频、字幕、音频四个算法模型相互协作完成的电影《人工智能无限电影》(AI-IF，2020)，用反身性(self-reflexive)的媒介形式来探讨AI之于电影的意义。2022年，在美国科罗拉多州博览会的年度艺术比赛中，美国游戏设计师杰森•艾伦(Jason M.Allen)使用Midjourney生成的绘画作品《太空歌剧院》获得数字艺术类别的冠军，其太空科幻主题和巴洛克风格赋予作品恢宏的风格。2024年，中央音乐学院正式演出人工智能作曲系统创作的交响乐《千里江山图》，这部音乐作品融合了东方艺术主题和西方作曲技术。以上分属于电影、绘画、音乐艺术类别的三部作品共同选择了极为宏大的主题，无论是讨论作为媒介的技术，还是显影现代与古典交汇的场景，抑或是表现东西方文化的融合，人工智能艺术的宏大主题剥离了真实世界的意义，这是人工智能与人的创作存在的明显差异。

在1965年的首届计算机艺术展上展出的第一代计算机艺术家的画作，表现出一个共同的特征，即形式上都采用像素、线条、多边形构成的几何图形语言，这种语言的理论驱动力可溯源到彼时结构主义思潮，在今天的人工智能绘画中仍然是主流。结构主义的绘画语言盛行的根本原因在于，“计算机生成图像所揭示的则是计算机编码在其以图像形式呈现之前的预设结构；显示该结构的只能是话语。这并不是说计算机生成的作品远离现实，而是说它所复制的只是没有内容的形式：计算机生成的布尔函数蒙太奇，在这样的作品中，结构本身成了思考的对象和原则”。不难理解，人工智能的结构式编码决定了它选择凸显与结构相关的信息，算法对结构的提炼和强化必然会体现在作品的美学形式上，譬如音乐的作曲程式、电影的类型、文学的体裁等成为人工智能艺术优先表达的内容。

人工智能艺术还普遍具有形式主义的风格，在文本、视觉和听觉等多模态信息中都表现出强烈的形式感。人工智能生成的视觉图像在构图、色彩、运镜和剪辑上有许多共同之处，包括Sora、Stable Video Diffusion、Pika、Runway、Veo、Lumiere、Kling、Vidu、Dreamina、PixVerse、Luma、Seedance等众多大模型生成的图像都表现出某些相似性。譬如高斯飞溅进行精细的建模和渲染，不仅使画面采用对称式、黄金分割比例或开放式等教科书般的构图，还使色彩呈现调色板式的均衡色调和极高的饱和度，具有电影《天使爱美丽》般的超现实感，这或许是人工智能能够在古装、动画、奇幻、科幻等题材电影和短剧中广泛使用的原因。尽管算法有非线性、离散性、随机性等不确定性因素，但算法对数据的处理总体上是根据概率统计出来的结果，普遍性的、常规的程式化信息容易被模型所抓取，因此生成的作品不可避免地具有程式化的特点，形式主义的风格十分明显。

图灵测试奠定了智能机器以模仿人类为技术宗旨，人工智能的审美自然以人类艺术的审美准则为参照系。大模型的数据采样是大众化的，数据特征值偏向常态，数据蒸馏和数据萃取是算法优化提本增效的方法。由此，艺术创作时产生的结果是提炼出宏大抽象主题，分离出结构性语言，形成高频度的形式主义风格，算法创造了这些暗藏着“纯粹性”的极简主义审美特征。但是，算法仍然在不断优化，尽管人工智能艺术目前还无法和人完全相似，但是随着技术迭代，必然会循着从简约向繁复的美学路径，向具有创造力和想象力的艺术创作方向发展。

二、推理：大模型预测的艺术逻辑

人工智能是基于线性函数和非线性函数的复杂算法系统，这个系统的根本逻辑是程序化和结构化的，由人类提供大量的数据和答案，人工智能模型通过算法自动总结出规律，生成人类需要的结果。因此，和人类独有的“灵感—酝酿—建构”的创作模式不同，人工智能进行艺术创作以数据集、算法结构及其应用为基本条件，结构化逻辑控制着人工智能的系统运行，形成“数据训练—算法推理—机器生成”的人工智能创作模式，大模型基于理性主义的推理最终预测生成人类所需的艺术作品。

黑格尔说“美就是理念的感性显现”，人工智能似乎将“感性”排除在外，事实上人类的艺术并非完全受“感性”驱动，它们也是理性和逻辑的产物。日本计算机艺术家川野洋就认为：“尽管自从18世纪以来，受到主观主义的认识论哲学影响，我们似乎过度强调了现代艺术中的感觉(aesthetic)特质，但艺术的产生本质上基于人类的理性，就像古典希腊和文艺复兴时期艺术展现的那样。这告诉我们，艺术本质上是一种逻辑活动，这正是计算机艺术存在的理由。”人工智能无疑强化了艺术的理性，将艺术全部置于机器的控制论逻辑之中，遵循控制论建构的“输入—输出—反馈”信息循环模式，计算机通过调整参数来控制机器“黑箱”的信息输入和输出，生成的艺术作品取决于机器的信息推理能力。大模型机器学习的基本流程是：通过压缩、蒸馏、萃取进行数据清洗和标注，对标记后的数据进行特征提取和规律总结，据此进行预测或决策。除了基础算力之外，模型推理和预测的能力主要取决于数据和算法。具体来说，人工智能艺术的预测逻辑取决于以下三个因素。

一是数据集的来源。对神经网络模型来说，数据比算法更加重要，因为数据质量的高低决定了输出信息和需求的匹配度，生成结果高度依赖模型能够获取的原始数据。一般来说，通用大模型的数据来自真实世界的已有数据，来源广泛导致质量参差不齐。艺术创作使用的大多是有定向需求的通用大模型或专门研发的模型，喂养的数据分为通用型数据和专业性数据，来自专业领域的数据在艺术创作中更为常见。譬如2016年出现的第一部AI科幻短片《Sunspring》，剧本是用专门开发的递归神经网络系统“本杰明”(Benjamin)完成的，数据来自几十部经典科幻电影剧本。甚至有将电影作为研究对象的人工智能系统，譬如麻省理工学院的电影黑客系统MIT AI Film Hack，采集了2023年至2025年的几百部人工智能电影数据，据此分析人工智能电影的发展状况。通用大模型Sora、Midjourney、Seedance则采集真实世界的海量数据，算法处理大规模数据通常倾向于数据均值回归，最终获得有规律性的数据。但是，算法对规律性的寻求会产生数据偏差的现象。譬如，算法会排斥想象力和无逻辑的电影影像，导致艺术电影或小众电影的数据被过滤，具有创造力和想象力的影像被排除在规律性的预测之外。至于历史数据本身存在的偏差就更加无法得到纠正，电影中的职业偏见、性别偏见、年龄偏见等刻板印象都会原封不动地成为“算法遗产”在生成作品中继承下来。

二是数据训练和知识识别。数据采集后，训练数据是模型推理的关键步骤，模型通过多层神经网络计算模型和反向传播算法来训练数据，提取特征进行知识识别。无论模型采用何种算法，统计是训练数据集的基本方法，大规模的数据训练通常采用分布式统计获得高维数据，这样既能提升效率，也能获得相对准确的结果。但是，统计方法也存在先天弊端，列夫•马诺维奇认为：“‘统计’的方法是一种对于信息集合的特征‘概括’(summary)。而‘概括’默认会省略掉许多细节，因为它比原始信息要小。因此，如果我们使用统计的方法去概括一系列文化产品，或者是一个包含了文化行为(例如，在社交网络平台上分享、点赞或评论一些特定图像)信息的数据集，以寻找它们之间的关系或者某种共同的模式的话，这些关系和模式不会适用于数据集里的所有内容。”的确，尽管算法在不断优化以保证数据的可靠性，但是不可避免会损失数据的细节，以及和数据相关的整体性信息。因此，也有学者提出：“所谓‘训练数据集’，本质上是艺术风格、文化表达与语义惯习的样本化投影。因此，对数据的理解不应仅限于其统计属性，更应深入其审美结构、符号逻辑与文化语境。”对人工智能艺术来说，基于统计方法的算法的优点是能够获得大概率的、具有普遍性的数据，从而预测出符合文化惯习的艺术作品，同时导致超出常规的艺术是鲜见的，这正是当前人工智能艺术的瓶颈。

三是向量编码和风格迁移。人工智能艺术使用的深层神经网络模型在近年发展迅速，实现了将文本、图像、音频等多模态数据转换为计算机能够处理的数值向量表示的数据，这个过程就是向量编码，编码数据经过训练后形成“概念”，模型再根据“概念”进行推理和预测。在人工智能艺术创作的过程中，生成的作品与历史数据蕴含的风格密切相关，符合大数据概率的“规律”“惯习”和“概念”能够预测作品的风格，而确认作品是否具有艺术性，也往往取决于我们能否判别其具有某种或多种艺术风格。那么，为何艺术作品的风格如此重要？黑格尔认为，风格是“指艺术表现的一些定性和规律，即对象所借以表现的那门艺术特性所产生的定性和规律”。或者说，风格就是材料条件、表现形式和共同规律，这是艺术作品的显著特征。这恰恰是大模型所擅长的，它善于抓取数据、分析形式、寻找规律，因此人工智能艺术从技术上天然具备形式塑造能力，并形成明晰可辨的风格。由此，我们可以理解人工智能为何会出现风格迁移的特殊现象。所谓风格迁移，就是数据进行向量编码时强化其空间信息，将视觉形式迁移到指定内容上，生成兼具两者特征的新图像或新视频。可以说，风格迁移就是一种突出风格形式的数据合成技术，它产生了新图像，但没有产生有别于过去的创新性风格。

作为算法推理的结果，人工智能艺术作品能否被纳入艺术范畴，与模型的预测能力成正比。从目前来看，深层大模型的结构化逻辑的利弊共存：它能处理海量数据却无法保证质量，它能进行高维数据训练却无法胜任知识识别和深度理解，它能通过编码突出形式风格却难以产生新的风格。由于人工智能艺术的预测逻辑基于算法的数据化和结构化特征，因此算法的推理能力偏重量化概率和精准度，能有效提炼和强化均值规律，但在语义联想和文化浸润方面尚难以与人类匹敌。

三、涌现：数字炼金术的美学突变

1971年，英国艺术家哈罗德•科恩开发了图像生成系统AARON，该系统具备自动绘图能力，一直持续完善、改进和维护至今。和其他人工智能系统不同，AARON追求艺术的想象力和创造力，致力于创作出与人类精湛水平相当的艺术作品。如前所述，智能机器的创作采用“数据训练—算法推理—机器生成”的结构性模式，在数据和提示词之间完成理性推演，是具有确定性的推理和预测。与之相比，人类的艺术创作经历“灵感—酝酿—建构”的过程，依赖天才和灵感的不确定性。于是，智能机器和人类的艺术创作似乎存在理性与感性、确定性和不确定性的天然区别，这使得人类暂且对自身抱持着信心。

但是，智能机器真的缺乏不确定性吗？在人工智能的应用实践中，不但令人惊叹的作品层出不穷，还出现了涌现、幻觉、过拟合等充满不确定性的现象。艺术界普遍认为这些现象是缺陷，是算法的失控。有研究者在整理近年来人工智能电影进展时发现，尽管人工智能生成的视觉内容越来越逼真，但大多数影片仍保持着卡通风格——这可能是因为在卡通风格的视频中，不一致之处不如在写实风格的视频中那么明显。可见，生成视频中的“不一致之处”是一个较为普遍的现象，这正是涌现、幻觉、过拟合等问题造成的结果。幻觉因无法深度理解数据而产生，过拟合因缺乏泛化能力而导致，这些的确可以看作是算法的缺陷。从技术上说，用于多模态数据处理的扩散模型是一种可控的神经网络技术，通过在多层网络反复加噪和去噪，生成高质量数据。但是，反复地加噪和去噪过程必然会使数据信息产生梯度衰减。尽管算法采用激活函数进行反向传播，但在每层处理后冻住数据再解冻，数据变形仍是不可避免的，这便是幻觉和过拟合产生的根本原因。

与幻觉和过拟合相比，涌现是完全不同的现象，它不能看作算法的缺陷。涌现(emergence)是指当AI模型的规模和数据量达到某个临界点后，系统自发产生远超设计预期的复杂能力(如逻辑推理、创造性生成、复杂问题解决等)的现象。涌现是在量的大幅度累积的基础上产生的质的突变，即“量变引起质变”。涌现的随机性和不确定性给艺术创作带来不可预测性，艺术界和学术界对智能涌现现象充满争议。数字艺术家马克•唐尼认为：“计算涌现指的是计算系统出现了原始系统构成所没有的属性的现象。”机器学习算法的不可预测性对于艺术实践来说是一种缺陷。然而，彭锋却对涌现抱有乐观的态度，提出“或许艺术家采用人工智能的目的，不是更快地实现自己的意图，而是产生意外的效果，即生成艺术家难以控制的作品。如果真是这样的话，人工智能在艺术创作中所扮演的角色的艺术性就有可能体现出来”。

[加] 索非安• 奥德里著《人工智能艺术：机器学习时代的新艺术形式》

面对争议，还是回到技术原点来分析。涌现产生的突变改变了受控制论驱动的智能机器的线性结构，机器不是“输入—输出”的线性推理程序，而是一个不可知的“黑箱”，算法对数据的处理过程成为高度自主化和具有失控潜力的机器学习过程。“黑箱”因此被赋予积极的美学价值，涌现使得智能机器拥有一种美学上的潜能，它不只能够进行线性推理和预测，还能够完成更复杂的预测。涌现的美学潜能使我们产生了令人兴奋的期许，或许智能机器未来能够创作出和人类相媲美的、具有想象力和创造力的艺术作品，那时便真正回答和实现了图灵的天才设问——“机器可以和人一样思考吗？”

还应注意到的是，涌现现象使人类和智能机器合作关系的形成成为可能，未来若出现高阶涌现系统，将无疑是一种理想的人机协同系统。在这个系统里，艺术家和智能机器都被视作艺术创作的主体，除了提示词的交流之外，艺术家可以通过参数调整、算法优化、风格编码来实现人机交互。可以设想，高阶涌现系统补充了算法的理性逻辑缺憾，将“感性”注入人工智能艺术中，使智能机器产生“算法性直觉”，这一技术瓶颈的突破必然会催生出新的美学系统。由此，我们有理由将涌现视作一个独立的审美范畴。作为当代的数字炼金术，人工智能有望实现人机协同创作的技术远景和美学期待。

结语

通过以上对人工智能艺术的技术和美学之间的复杂关系的考察，我们发现，人工智能艺术在过去的半个多世纪里，不但实现了突飞猛进的技术跃迁，还形成了“数据训练—算法推理—机器生成”的创作模式，同时产生了新的艺术范式。算法“向美”，人工智能艺术基于算法，创造了若干与技术密切相关的审美范畴：一是优化，算法的迭代优化推动人工智能艺术的发展，其审美参照始终以人为尺度；二是推理，人工智能艺术生产基于算法推理逻辑，大模型据此预测生成作品；三是涌现，人工智能是当代的数字炼金术，量的累积导致美学突变，涌现的美学潜能使理想的人机协同系统成为可能。

本文认同数字媒体理论家列夫•马诺维奇对“人工智能艺术”的定义，他说：“人工智能艺术是一种我们人类受身体、大脑以及其他制约因素限制而无法创造的艺术类型。我在上文中概述的那种可能性是计算机生成不具有人类艺术通常所具有的系统性和可预测性的对象、媒介、情境和经验——但它们并不是随机的，它们不是机械地将元素并置，只是为了震撼效果，也不仅仅是重混美学的实例。我认为它们会有另一种系统性，一种我们哪怕在最激进的现代音乐、雕塑、建筑、摄影中都没见过的系统性。一种我们会一见钟情的特质，就像之前所有伟大的艺术一样，它将扩展我们作为人类的身份。”近年来，算法优化和模型推理已经展示出人工智能在预测生成上的精准性和逻辑性，随着技术的快速发展，人工智能艺术必然会趋向更加精准和富有逻辑。与此同时，数据规模和复杂算法的提升有助于推动高阶涌现系统的出现，涌现蕴含的随机性和不可预测性体现了人工智能的美学潜力。我们有理由相信，人工智能在艺术上的作为必然会“扩展我们作为人类的身份”。

*本文系2024年度国家社科基金艺术学一般项目“人工智能时代的电影技术美学研究”（项目批准号：24BC061）的阶段性成果。

*为方便电子阅读，已略去原文注释，如需完整版本，请查阅纸刊。

作者：孟君 单位：武汉大学艺术学院

《中国文艺评论》2026年第6期（总第129期）

责任编辑：陶璐

☆本刊所发文章的稿酬和数字化著作权使用费已由中国文联文艺评论中心给付。新媒体转载《中国文艺评论》杂志文章电子版及“中国文艺评论”微信公众号所选载文章，需经允许。获得合法授权的，应在授权范围内使用，为作者署名并清晰注明来源《中国文艺评论》及期数。（点击取得书面授权）

《中国文艺评论》论文投稿邮箱：zgwlplzx@126.com。

延伸阅读：

孟君 | 算法向美：论人工智能艺术的三个审美范畴（“中国文艺评论”微信公号）

欢迎订阅2026年《中国文艺评论》杂志

《中国文艺评论》来稿须知

《中国文艺评论》杂志2026年度重点选题参考

《中国文艺评论》2026年第6期目录