麻省理工學院建築系校友兼研究員 Alexandros Haridis 的「超越數據驅動美學」展覽，即日起至 6 月 30 日在麻省理工學院凱勒畫廊展出。此展覽探討 20 世紀和 21 世紀以來，如何將運算轉化為建築與應用藝術中創意生產和美學判斷的媒介。展覽結合哲學、數學、電腦科學和設計運算，將演算法、理論和機器學習系統轉譯為實體裝置和互動視覺化作品。
問：「超越數據驅動美學」的靈感來源為何？它探討了哪些問題？
答：「超越數據驅動美學」的構思源於三個相互交織的研究方向。
首先，大約在 2022 年，我在麻省理工學院建築系攻讀設計與運算博士學位時，即時觀察到數據驅動機器學習的進展，例如 ChatGPT 和 Stable Diffusion 等系統，正迅速進入公眾對創造力、美學判斷、設計，甚至高知名度藝術拍賣的討論中。
同時，我自己的研究也已聚焦於美學判斷與評估，我越來越清楚地意識到，許多公開呈現為與 AI 相關的「新」問題，實際上在 20 世紀就已擁有更悠久的歷史。舉例來說，在 1956 年達特茅斯夏季研究計畫（AI 領域的奠基性事件）中，創造和評估過程就被認定為未來 AI 研究應解決的人類智慧七個關鍵面向之一。
其次，展覽也受到設計運算和形狀文法研究的影響，這些研究透過基於規則的方法，而非純粹的數據驅動學習，來探討人類洞察力與運算之間的關係。近期對美學理論的詮釋性研究，借鑒了 Samuel Taylor Coleridge、Oscar Wilde 甚至 John von Neumann 等人物的思想，對我來說尤其重要。
這些研究探討了哲學和文學文本中闡述的美學價值和比較理論，是否能揭示當代數位運算和 AI 模型在建築與設計領域的可能性或局限性。
最後，展覽的動機是利用設計、製造和數據視覺化作為解釋數學概念、演算法和「黑箱」機器學習系統的方法。跨學科的研究人員越來越多地使用重建和視覺化技術，使運算系統更具體、更易於理解，從電腦科學中的神經網路視覺化，到建築和策展實踐中的軟體重建和數位製造皆是如此。
問：您如何將運算與美學的研究轉化為展覽？
答：展覽的方法是探究特定研究論文或書籍中，究竟是什麼捕捉了其最顯著的理念，然後利用設計以視覺、空間和體驗的形式來詮釋該理念。展覽借鑒了軟體重建、實體製作和數據視覺化等設計技術，將充滿演算法思想、抽象概念和數學公式的書面資料，轉化為包含互動、物質形式和數位視覺化的空間故事。
展覽本身圍繞五個主題區域組織：美學測量、美學指南、演算法美學、美學挪用和美學新穎性。每個主題都像一個選擇性的「窗口」，深入探討來自特定出版物（一本書或研究論文）中，對美學判斷的獨特運算方法。這些主題的標題源自於各出版物的核心概念。例如，「測量」指的是數學家 George Birkhoff 在 1930 年代，以數學方式量化美學價值的工作；而「新穎性」則探討機器學習系統 AICAN 如何根據認知美學理論，平衡熟悉度與偏離已知藝術風格來判斷生成的圖像。
在這五個案例中，關鍵的洞察是設計本身可以作為一種詮釋性轉譯的方法，它能將技術領域傳統學術研究通常透過文字和類似文字的表徵工具（如科學圖表和表格）傳達的內容，變得可見、具體且可體驗。
問：您接下來希望探索哪些問題？
答：「超越數據驅動美學」被構思為一個研究展覽，同時也是一個持續的平台，旨在探討運算系統如何在建築和應用藝術中參與美學判斷、生成和轉化的過程。
展覽的核心問題之一，也是建築、設計和工程領域研究人員日益關注的焦點，是超越純粹性能或功能要求的運算評估。這適用於許多不同的設計領域，無論是建築物、結構形式還是日常產品。展覽的案例研究表明，其中許多問題早在當前對運算和 AI 的興趣之前就已存在，並且至少自 20 世紀初以來，就已透過一系列運算和理論評估模型進行探討。
同時，我越來越關注這些想法如何能應用於更廣泛的建成環境相關領域。特別是，我對「超越數據驅動美學」相關研究如何幫助設計師和工程師，更好地理解運算（無論是基於規則還是數據驅動）如何能讓我們了解，在人們居住和使用的空間與物品中，哪些因素能對人類體驗產生正面貢獻。
最後，我持續探索的一個方向是設計本身作為詮釋工具的方法學角色。透過軟體重建、視覺化和實體製作，展覽利用設計將不透明的運算系統轉化為更清晰、具體和可體驗的物件。更廣泛地說，這不僅提出了關於「美」或「品味」機械化的問題（這是 20 世紀美學形式主義的傳統關注點），也探討了傳統研究學術和傳播形式，如何透過空間、視覺和面向公眾的格式演變。
