引语

我们的美术是在与现在非常不同的时代发展起来的，它们的类型和用途是由那些对事物的行动能力与我们相比是微不足道的人建立起来的。但是，我们技术的惊人发展，它们所达到的适应性和精确性，它们所创造的思想和习惯，使我们确信，古老的美丽技艺即将发生深刻的变化。在所有的艺术中，有一种物质的成分，它不能被认为就是过去那样的，也不能不受我们现代知识和力量的影响。在过去的二十年里，无论是物质、空间还是时间都不再是远古时代的样子了。我们必须期望创新能改变整个艺术技术，从而影响艺术发明本身，甚至可能给我们的艺术观念带来惊人的变化。

VR 本身就是一种灵感！我们正在处理一件史无前例的事情——人类作为一个物种，自从洞穴绘画以来，一直在平面上讲故事，但 VR 让我们第一次通过看似真实的世界讲述故事。这是大众化的。

随着我们进入沉浸式时代，我们将看到沉浸式体验以新的、令人兴奋的方式融合物理世界和数字世界。目前，博物馆展览、密室等户外娱乐的重点是在物理空间范围内讲述故事。未来几年，沉浸式技术将允许这些地点成为通往其他世界的门户。例如，你当然可以在博物馆里了解国际空间站，但使用 VR 被运送到近地轨道，并与在那里以高度真实的方式工作的宇航员见面，是一种完全不同的体验。它更有趣，能培养更深层次的理解，给观众带来更多的情感和难忘的体验。

我认为互动体验不一定比更简单的 360 度电影更具优势。实际上，要制作真正好的互动体验真的很困难。如果互动过多或过于复杂，最终将适得其反。VR 艺术家应避免过于雄心勃勃，取而代之的是问自己：我为什么选择将这种想法变成 VR 体验？我该讲些什么？

我发现作为一个艺术家，特别是作为一个画家，我所做的事情并不完全是通过媒体或机器来处理的，而是可以直接追溯到作为作者的我。我对所看到的事情负责，并且可以基于该责任做出决定。

通过一组适当的约定（而不是标准），您可以获得世界之间的互操作性，而无需开发人员进行大规模更改来实现。我们已经拥有大量的虚拟世界，如果我们要获得 Metaverse（虚拟实境），这些世界应该能够轻松连接到 Metaverse。

人类是工具使用者和工具创造者，所以我们总是在创造工具，而新工具意味着一种更新、更好、更快的做事方式。人们会适应。我们非常善于适应，这是我们人类智力的真正基础。

VR 的潜在应用是广泛的，但我认为它最大的潜力可能是作为一种艺术媒介。VR 的根本创新在于表现空间存在的能力。纵观历史，艺术家和建筑师使用空间存在来调解我们对现实的体验。令我兴奋的是，我能够不受现实的约束，去调解现实的体验。

机器人会告诉我们人是什么。如果它们发展出某种形式的意识，那就意味着我们也是机器，已经进化到拥有足够强大的意识的程度。但如果机器人永远不能发展出意识，也许这就意味着我们不仅仅是机器。然后我们需要问自己，“然后呢？我们是什么？“当你思考这个问题时，你会发现它是一个非常有趣的问题。

文化是社会的操作系统，这个程序决定了人们如何互相交流。艺术让我们重新编程文化。艺术向我们展示我们是谁或我们可能成为谁，并在此过程中改变文化。

推理是对知识元素的组合，要做好它，首先需要获得知识。传统的推理方法非常强大，但忽视推理所依赖的知识。这就是为什么推理应该与从数据中提取知识的机器学习相结合的原因。目前学习推理的系统还处于初级阶段，但是我们能够利用神经网络的注意力和记忆扩展来学习推理，这本身就是非常有希望的事情。

美是一个非常有趣的问题，但我认为，至少在一定程度上，它可以归结为具有或暗示生物学价值的刺激的和谐和共鸣。例如，我们似乎天生就喜欢在自然中寻求和谐——它与我们进化中精致的快乐循环产生共鸣——所以我们追求美。这是否意味着我们需要在人工智能的核心引导它？

人们希望人工智能像人类一样。我一直强调的是不同类型的思维方式，人工智能的主要好处是它不像人类那样思考。举个例子：鸟类振翅飞翔，但为了让人类飞翔，我们必须发明一种不同的飞行方式——一种自然界中从未出现过的飞行方式。所以，同样地，通过人工智能，我们将发明许多新型的思维方式，它们在生物学上并不存在，也不像人类的思维方式。因此，这种智能并不会取代人类的思维，而是增强人类的思维。

在传统的拍摄中，观众与画面的关系是被动的。你对所看的东西会有情感反应，但除此之外，你不会做太多其他事情。而在 VR 中，我们的观众就在我们的视觉内容和结构中，这便构建了一种不同的动态关系。它引出了什么是自然行为，什么是感知，以及这种文化在成长过程中的性质如何不同的概念。更多关注的不是框架，而是世界——观众进入我们身临其境的故事，并与周围的事物产生共鸣。这一切都是关于一个人如何与一个空间相关的起起伏伏。

我们都在研究非常有趣的技术，但我们无法确切地指出它意味着什么。你必须从内到外构建并询问：什么是物理学？什么是交互性？什么是代理？每种技术都提供了各种限制以及重新构想这些层的不同方法。

如果可以使用自然语言处理、图形算法和其他基本的机器学习技术来解决文学奖项中的偏见，那么这些技术也可用于在流行的训练数据集中找到偏差。一旦发现问题，就应该发布然后修复它们。这将有双重目的。训练数据可能会受到熵的影响，这可能会危及整个系统。经常注意，训练数据可以保持健康。

在过去，人类甚至把伟大的力量和天才归因于没有生命的图腾。完全有可能的是，我们将会把人工智能机器视为比我们优越得多的机器，以至于我们会自然而然地把创造力归功于它们。如果真的发生这种情况，那也不会是因为机器已经超越了我们。那是因为我们会诋毁自己。

在我看来，只有一个人才能被视为一个真正有创造力的艺术家。或许有一天，人工智能将超越其计算主义的形式，但这需要一个目前难以想象的飞跃。我们不仅要寻找模拟人类活动的新算法或新程序，我们还需要寻找作为人类基础的新材料。