流体与动态雕塑：物理艺术焕发生机（与数据）
雕塑不再是被静默观赏的惰性材料。2026年，人工智能与软体机器人的交汇催生了“流动与动态雕塑”。在本篇深度分析中，我们审视那些能够呼吸、变形，并实时调整自身行为以回应人类在场的实体装置。我们探讨“合成好奇心”的概念、纯粹互动性作品与适应性雕塑之间的差异，以及这一强大的赛博生态系统如何瓦解艺术作者身份的传统观念，将观者转
当我们想到雕塑时，脑海中浮现的直观形象是冰冷的大理石、静止的青铜或雕琢的木材：无生命的物质，永远凝固在创作者决定的形式中。但在2026年，机器学习、软体机器人技术和交互式建筑的交叉催生了一种新的美学范式：流体与动态雕塑。
我们谈论的不是投影在屏幕上的视频，也不是局限于VR头显中的生成艺术。我们谈论的是有形的、可触摸的物理作品，它们会呼吸、会变形，并实时改变自身行为。在本期《情景与反思》的深度探讨中，我们将探索人工智能如何将雕塑从被动客体转变为反应性系统，以及为什么这种生命幻觉会重新质疑艺术作者身份本身的概念。
1. 从客体到有机体：感知建筑
要理解这一变革的深度，我们必须观察那些融合了工程学、生物学和人工智能的装置作品。
最具颠覆性的案例研究是菲利普·比斯利工作室和活体建筑系统小组的作品。他们的装置Amatria，被著名期刊《美国国家科学院院刊》在一篇关于感知建筑及其与我们与人工智能不断演变的关系的专题文章中描述，是一个由数千个运动传感器、灯光、声音和微型致动器组成的轻盈而参差不齐的结构。
使Amatria独一无二的不是它的形态，而是它的“大脑”。这件作品不遵循预设的脚本。它利用持续学习算法（机器学习）来观察参观者的行为，并通过起伏、发光或退缩来调整自身的反应。正如该小组在关于交互系统机器学习的文件中所解释的那样，这件作品从交互式雕塑（以固定输出响应输入）过渡到自适应雕塑（从经验中学习，永远不会以相同方式响应两次）。
| 交互层级 | 雕塑行为 | 算法角色 |
| 交互式 | 根据刚性规则对刺激做出反应（例如，你靠近，它就亮起）。 | 条件式编程（如果A，则B）。 |
| 自适应 | 根据历史记录修改反应（例如，如果太多人骚动，它“受惊”并关闭）。 | 机器学习（模式识别）。 |
| 生成式（自主） | 发展出不可预测的运动编排，出于好奇探索环境。 | 强化学习 / 基于好奇心的学习。 |
2. “基于好奇心的学习”与涌现编排
为了使一件作品看起来有生命，它不仅要被动地反应，还要主动探索自己的空间。滑铁卢大学关于用于交互式艺术雕塑的基于好奇心的学习算法（CBLA）的工程研究，将“合成好奇心”的概念引入了动态雕塑。
一种强化学习算法会在作品发现环境中新的反应时给予奖励。雕塑执行微小的实验性动作，观察观众（或相邻的其他雕塑）如何反应，并调整自己的行为以产生新颖的响应。
这种方法催生了“涌现编排”，在NeurIPS上展示的项目节奏机器人：一个敏感的即兴环境很好地说明了这一点。在这里，一个动态机器人生态系统不仅响应人类，而且相互响应地改变自身运动。雕塑之间进行机械“对话”，创造出一种艺术家触发但无法以任何方式预测或控制细节的审美体验。
3. 自由的幻觉与作者身份的危机
神经网络、外部数据分析（如BREAKFAST工作室的NVIDIA AI艺术画廊中展出的作品）以及3D打印的整合，促使我们质疑创造性行为的本质。
ACM关于通过衍射艺术实践原型化机器学习的研究提出了一个关键问题：这件作品属于谁？如果艺术家编程了算法，但却是数据或参观者的混沌行为决定了物质的最终变形，那么作者身份就碎片化了。它被分散在工程师、传感器、算法和观众自己之间。
此外，保持批判性视角以避免危险的技术浪漫主义至关重要。无论自适应雕塑看起来多么流畅、有生命力和不可预测，它的“自由”总是被限制在一种隐藏的刚性之内。作品只能在其机械关节允许的自由度内移动；它只能“感知”其传感器（热敏、光学或声学）能够测量的内容。
关键操作要点（数字艺术要点）
- 避免“感知”耸人听闻：艺术家和策展人必须抵制将这些机器定义为“创造性”或“有意识”的诱惑。算法并不创造；它基于人类预先设定的数学逻辑（奖励函数或模式匹配）优化机械输出。
- 为机械可持续性而设计：与纯软件艺术不同，人工智能驱动的动态雕塑面临物理的严格限制。持续运动会磨损微型致动器。算法必须包含自我保护参数，以防止作品在尝试探索新编排时“损坏”。
- 雕塑作为物理仪表板：许多研究，如关于自主动态艺术和多材料3D打印的研究，表明这些作品可以成为可视化大量抽象数据（例如气候趋势）的有形界面，将大数据转化为在数月内改变自身物理形态的雕塑。
常见问题解答：理解人工智能驱动的动态雕塑
1. 什么是人工智能驱动的“流体或动态雕塑”？
它是一种三维物理艺术作品，配备传感器（用于看、听或测量）和机械致动器，利用人工智能算法实时处理环境数据，并自主改变其形态、颜色或运动。
2. 雕塑如何“从观众那里学习”？
如果作品配备了机器学习算法（例如强化学习），它可以观察自己的哪些运动会吸引人们靠近，哪些会让他们远离。通过记忆这些交互，雕塑将在接下来的几个月内逐渐改变其行为，学会以与开幕当天不同的方式互动。
3. 这是否意味着机器正在成为自主艺术家？
绝对不是。机器是“画笔”，无论多么复杂和反应灵敏。是艺术家（连同工程师和程序员团队）决定了基本形态、材料、算法目标（例如“试图让用户惊讶”）以及作品的物理限制。人工智能产生的是执行的自主性，而非意图的自主性。
结论：硅基灵魂
流体与动态雕塑闭合了一个千年的循环。自皮格马利翁神话时代起，雕塑家的首要执念就是将生命注入无生命的物质。人工智能没有解决这个神话悖论，但它创造了一个极其复杂的魔术把戏。
通过将神经网络植入建筑结构和电机中，我们并没有创造出有感知的雕塑或拥有灵魂的机器。相反，我们创造了动态镜子：迷人而令人不安的实体，它们不断对我们的存在做出反应而改变自身形态，通过每一次机械颤动和每一次算法涟漪，揭示我们自身在世界中运动的巨大复杂性。
参考书目与来源
- 感知建筑与自适应系统：
- 算法学习与编排（强化学习）：
- 制造、美学与衍射实践：
本文由《人工智能指南针》编辑部编辑