国际会议｜刘沛文：人工智能在文化创意产业的崛起：机遇与挑战

近日，由马来西亚北方大学、举办的“人工智能在文化创意产业的崛起：机遇与挑战”CIIC2024国际会议在兰卡威隆重召开。此次国际会议的学术顾问马来西亚北方大学副校长 Dr.Osman Ghazali、马来西亚北方大学 SCIMPA 学院院长Dr.Adzrool Idzwan Ismail，主讲人刘沛文、于淼淼、刘蓉蓉、刘聪聪等。研讨会还邀请了来自天津美术学院、鲁迅美术学院、四川美术学院、南京艺术学院、四川文化艺术学院、深圳城市职业学院、广东培正学院、南京审计大学金审学院、阜阳幼儿师范高等专科学校、誉燐画院等各界相关研究领域的专家学者参加了此次会议。

Dr.Adzrool Idzwan Ismail（学术顾问）：在当前数字化与创新驱动的时代，人工智能正以前所未有的速度和广度影响着文化创意产业的格局。当下，我们正处于一个重要的转折点，人工智能技术的蓬勃发展为文化创意产业带来了无限的可能性和挑战。在这个充满机遇的时代，文化创意产业不仅面临着如何利用人工智能提升创作效率、丰富表达形式的任务，还必须应对技术滥用、艺术伦理等复杂问题。我们的目标不仅是探讨人工智能在艺术创作、设计、戏剧影视、音乐、建筑等领域的创新应用，更是要从跨学科的角度深入探究人工智能如何融入文化创意产业的每一个环节，实现技术与艺术、人文与科学的深度融合。

刘沛文（主讲人）：在当前教育领域，人工智能技术正逐步渗透到艺术教育中，为创意和表现形式带来了前所未有的革新。然而，传统的教育模型，尤其是 ADDIE模型，在应对复杂的跨学科课程设计时表现出明显的局限性。ADDIE 模型的线性结构虽然在系统性和步骤明确性方面具有优势，但其固有的僵化流程难以满足艺术专业课程中对灵活性和创新性的高要求。艺术教育通常需要跨越多个学科，融合技术与艺术、理论与实践，这种复杂性要求课程设计能够迅速适应变化并进行动态调整。

为了解决这些问题,刘沛文首次提出 CRISP 模型，旨在探索基于 CRISP 模型的艺术专业人工智能导论课程建设方法，以应对传统教育模型在复杂跨学科课程设计中的局限性。通过对CRISP模型与ADDIE模型的系统对比分析，揭示了CRISP模型在灵活性、跨学科整合和动态反馈机制方面的优势。CRISP 模型通过引入研究循环、整合与创新、同步创作与开发等步骤，为艺术专业的课程设计提供了更加适应复杂教育环境的解决方案。

会议中，刘沛文详细阐述了 CRISP 模型的使用方法，参考麻省理工媒体实验室的教学模式，并通过 PBL 项目制与阿里巴巴国际站合作，通过 PBL 实际案例验证了其在艺术教育中的应用效果。结果表明，CRISP 模型不仅提升了课程的创新性和实效性，还增强了学生的参与度和学习效果，为艺术专业的人工智能导论课程建设提供了坚实的理论基础和实践指导。

于淼淼（主讲人）：“国潮”风格的手绘插图不仅继承了中国优秀的传统文化，还插入了现代化的翅膀，在商品经济背景下更好地适应了现代生活方式。自2018年以来，“国潮”风格在新产品发布中被正式提及。此后，“国潮”风格已成为中国当代时尚风格的同义词。但许多伪“国潮”风格的艺术形式只是一堆列出和移植的传统符号，甚至与一些封建残渣一起，造成了年轻消费者的误导价值。随着科学技术的发展，手绘插图也随着人们审美风格的变化而发生了变化。它们不仅存在于书籍中，还出现在微信、微博等商业广告中。因此，在“国潮”风格手绘插画时，它们的视觉设计元素尤为重要。从公众的视觉美学角度来看，与其他风格相比，“国潮”风格不太被世界接受的原因缺乏探究。为此，研究人员进一步确定了在“国潮”风格的手绘插画中进行视觉设计的开发模型。然而，它缺乏理论内容，几乎是不系统的，大多停留在研究者的个人经验和理解中，缺乏实践参考，缺乏“国潮”风格的手绘插图理解也是当前研究的困境。

刘蓉蓉（主讲人）：智慧建筑作为一个不断发展的领域，代表了我们对建筑环境的构思和互动方式的重大转变。随着物联网、大数据和人工智能等先进技术的融入，传统的静态建筑转变为动态的、响应环境的空间。然而，尽管这些智慧建筑的功能性方面已经得到了广泛的探讨，但从视觉艺术的角度出发，探讨其美学维度的研究仍显不足。本研究集中分析了三座具有代表性的智慧建筑：阿布扎比的Al Bahar Towers、巴黎的阿拉伯世界研究所和阿姆斯特丹的 The Edge。这些案例不仅展示了如何将视觉美学与智慧设计相结合的独特方式，并且还可以总结出几个智慧建筑设计的关键策略。这些策略包括材料的创新使用、几何形态的灵活应用、纹理的动态整合以及光影的智能控制。这些策略旨在为建筑师提供指导，设计出不仅功能齐全、技术先进，还具有视觉和文化共鸣的建筑。

刘聪聪（主讲人）：AI 技术在各行业已经得到广泛应用，在平面设计行业起到了巨大的推动作用。在世界技能大赛平面设计技术项目中国选拔赛训练中 AI 技术可以起到哪些辅助训练的作用，是本研究讨论的重点，目的在于论证使用 AI技术最终可以实现训练效率和比赛成绩的提升。本研究使用混合研究方法，通过文献的查考，对比赛项目考核内容特点和评价标准的分析，以及对选手的采访得出影响比赛准备的因素，讨论将参赛训练融入 AI 技术的可行性分析。最终得出使用 AI 技术辅助训练将会提高比赛训练的效率，提高比赛成绩的结论。

刘秦冉、陈新椿（四川文化艺术学院）：目前美术馆在当代艺术语境下的展示方法仍存在诸多问题，包括如何更有效地利用展柜空间以增强艺术作品的表现力，以及如何在不同空间中实现当代艺术的“在地性”创作。“江湖-当代青年艺术家邀请展”是一个极具有创造性、实验性的艺术项目。展览中主要分为三个单元，其中最主要的一个单元则是美术馆的壁式展柜区，天津滨海美术馆有4个长8米、高3.5米、纵深近1米的玻璃展柜，此次展览中的艺术家，通过前期于现场为期两周的“在地性”创作，进而形成了具有天津滨海美术馆独具特色的4件主要作品，分别是季雪峰《覆盖白色》、卢柏年《用乐高作柱石》、李志刚《2020系列》、刘迪《光·边界》。

在“新美术馆学”的背景下，随着当代艺术于美术馆展柜中的介入，以“江湖- 当代青年艺术家邀请展”为例。当代艺术作品与美术馆固有展柜空间的互动，不仅充分利用了美术馆的展陈布局，也更能体现出美术馆本身的“地域性”空间特征。从当代艺术发展的角度来看，为当代艺术在创作空间上提供了更多的挑战，同时也为当代艺术的发展提供了新的语境和思考维度。策展人可以通过对多种类的展柜空间、展柜种类与当代艺术进行融合，并从中寻找更多有建设性的展览主题。同时在策展方面也能将美术馆“刻板印象”的空间进行转化，更多元化的加强艺术作品与观者之间的对话，而这种对话所产生的互动性也会拉近观者与美术馆之间的距离，并通过不断的互动交流与观者达成更完美的约会，从而能让更多的群体走进美术馆。

聂圣轩（鲁迅美术学院）：在“人工智能+跨界”交织的时代，设计教学正迈入一个充满可能性的崭新领域。本研究以 YL-未来设计工作室为核心，探讨如何通过整合人工智能技术与跨学科合作，推动设计教育的变革与发展。研究通过分析该工作室的教学模式、课程设置以及学生项目成果，揭示了 AI 在提升学生创意表达、优化设计流程与跨学科思维方面的独特作用。在课程成果的展示中，不仅讨论了这些成果对设计教育和行业实践的双重影响，同时也展现了技术与未来设计生活的多角度融合。

本研究强调，在“人工智能+跨学科”时代，设计教学不仅需要技术的推动，还需要深厚的人文底蕴。YL-未来设计工作室的教学目标，进一步表明未来的设计人才应具备的思维方式。这样的教学模式不仅推动了学生的创造性发展，也为未来设计教学的创新提供了新方向。如何在技术飞速发展的背景下保持与人文情感的深刻联系，将是未来设计教育的重要课题。

郝锐昌（四川美术学院）：在“人工智能+跨界”时代的浪潮中，设计教学正迈向一个充满未知与希望的未来。通过分析 YL-未来设计工作室的课程成果，本研究探索了如何在技术与人文交织的复杂背景下，将人工智能与跨学科合作有机融合于设计教学中。正如其课程体系所启示的，未来设计不仅仅是对形态与功能的探索，更在于深度思考人工智能、艺术、科学、文学的关系。在工作室的教学实践中，人工智能不仅作为一种工具，更作为一种创意的“催化剂”，为学生们提供了无尽的灵感源泉。

赵紫晨（广东培正学院）：通过人工智能，我们不仅能够在舞台设计和场景呈现上突破传统限制，还能够通过智能化的编程和数据处理实现舞台效果的精确控制。可以使用生成对抗网络（GANS）来生成虚拟场景，并结合增强现实（AR）技术，将这些虚拟场景与实际舞台空间无缝融合，创造出极具沉浸感的戏剧体验。同时，通过机器学习算法分析观众的实时反应数据，我们可以动态调整灯光、音效和布景，以提升观众的情感共鸣。为了使戏剧表演更具互动性和个性化，我还研究了自然语言处理（NLP）技术在戏剧对话中的应用。通过分析演员与观众的对话互动，NLP 模型能够自动生成并调整剧本内容，使表演更加贴近观众的情感需求。然而，这些技术应用在实践中也面临着挑战，特别是在如何确保人工智能技术不会削弱戏剧艺术的人文性和创造性方面，仍需我们进行更深入的思考和探索。

关涵（南京审计大学金审学院）：本次研究主要围绕，人工智能技术如何变革音乐治疗的方式。可以采用支持向量机（SVM）和长短期记忆网络（LSTM）等先进的机器学习模型，结合脑电图（EEG）和皮肤电反应（GSR）等生理监测仪器，实时捕捉患者在音乐治疗中的生理反应。这些数据经过傅里叶变换（FFT）处理后，被输入机器学习算法，用于预测患者的情感状态和生理变化，从而动态调整治疗方案。通过 Python 编程语言中的 Pandas 和 Scikit-learn 库，我们能够处理和分析这些复杂数据，进一步优化音乐治疗的个性化设计。

此外，为了确保治疗的针对性，可以通过广泛的用户调研方法，包括定量问卷调查、半结构化访谈以及情感计算技术。通过这些方法，进一步分析患者的音乐偏好、心理状态和生理特征，最终生成高度定制化的音乐治疗方案。然而，这些技术的应用也将引发伦理和隐私方面的挑战。例如，如何在保障患者隐私的前提下，充分利用人工智能技术进行有效的治疗，如何防止算法偏见对治疗结果的负面影响，以及如何确保所有的治疗方案都符合伦理规范，这些都是需要进一步探讨的重要议题。