伴随着 AI、区块链等底层技术的成熟和艺术思想的发展，并非完全由人类艺术家创作的数字艺术进入了曾经被认为「只有人类方可胜任」的艺术领域，甚至有了成为全新流派的趋势
随着数字时代的到来，数字技术已向人类生活各个领域全面推进，数字化的发展普及到了我们生活中的各个角落，影响着我们生活的方方面面。伴随着 AI、区块链等底层技术的成熟和艺术思想的发展，并非完全由人类艺术家创作的数字艺术进入了曾经被认为「只有人类方可胜任」的艺术领域，甚至有了成为全新流派的趋势。
数字艺术这一概念最早进入大众视野，可能是纽约佳士得拍卖艺术家 Beeple 的一幅 NFT 数字艺术品《每一天：前 5000 天》，经过竞价最终以 6025 万美元落槌。但早在此之前，数字艺术品就已经逐渐在艺术家和收藏者群体中兴起，有史以来首次使用人工智能创作的艺术作品《爱德蒙·德·贝拉米肖像》于 2019 年在佳士得被拍卖。该作品由法国艺术团体 Obvious 通过算法创作完成。基于 15000 张创作于 14 至 20 世纪之间的人像作品，借助「生成对抗网络」算法（GAN）完成。
何为数字艺术？
数字艺术的特征还在显现之中。早期将物理艺术品映射到数字世界，这类作品被称为形式数字艺术，伴随着 AI、NFT 等技术的成熟，直接进行数字作品的创作和流通成为了可能。
原生数字艺术目前表现出来的特点有美学算法化，放弃对传统媒材的隐喻，直接对数字进行操作，比如利用编程进行艺术创作，并开始利用生成对抗网络 GAN 等具有人工智能和生物启发作为创作手法。
数字时代产生了诸多的新的艺术形态，在形式上，一方面利用新的媒介和手法，保留或复现了已有的艺术样式，另一方面由媒介或技术导致全新的艺术展现；在效果上，通过数字媒介和数字化手段表现的艺术作品，带给人们全新的审美体验和审美感受。艺术的创作过程也发生了巨大变化，无论艺术体验、艺术构思、艺术传达，都可以导入并运用数字化。
如何创作数字艺术？
早期数字艺术
1946 年世界上第一台电子计算机「爱尼亚克」（ENIA） C 诞生，其与艺术的融合随之出现，计算机艺术很自然地被关注。1952 年，美国爱荷华数学家兼艺术家本•拉波斯基首创了名为「电子抽象」的黑白电脑图像，他使用受控制的电子束照射到示波器 CRT 的荧光屏上，产生出各种数学曲线，并且使用高速胶片将获取的图像拍摄下来，创作了世界上第一件计算机「艺术」作品。
60 年代以来，人们就开始考虑将视觉艺术与技术相结合的想法。著名艺术家安迪沃霍尔也是数字艺术的先驱之一。他在 Amiga 计算机上创建了数字绘图。
人工智能的出现为艺术家增加了新的创作手段
进入 21 世纪以来，随着 GAN 等技术的成熟，新的数字艺术创作与展现形式开始被艺术家关注。
生成对抗网络（Generative Adversarial Network，简称 GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由伊恩·古德费洛等人于 2014 年提出。
生成对抗网络常用于生成以假乱真的图片。此外，该方法还被用于生成影片、三维物体模型等。
较为著名的创作者包括视觉艺术家和软件工程师海伦娜·萨林 Helena Sarin，她接触 GAN 的方式就像一名经验丰富的艺术家面对任何新媒介所作的——大量的实验与细致的观察。萨林的大量作品以食物、鲜花、花瓶、容器和其他「拼贴物」为模型。
GAN 分解图像并通过算法重新组合元素以形成一个全新的视角，这一过程在与早期的立体派画家确有相似之处。与「分析立体主义」类似，萨林的作品以有限的调色板和平而浅的图像平面为特征。与此同时，其作品亦带有德国表现主义的视觉美学。
人和机器协作进行艺术创作
人机协作领域的先驱钟愫君（Sougwen Chung）是一名华裔跨学科艺术家，她的创作涵盖装置、雕塑、绘画和行为艺术，探索分别由人手和机器创作的痕迹图画（mark-making），以期更好地理解人与计算机之间的相互作用。
在其艺术项目《绘图操作》（Drawing Operations）中，钟愫君使用 Google 的 TensorFlow （一种用于机器学习的开源软件库）对自己的图绘档案进行分类。该软件将所习得的 Sougwen 的绘图风格和方法转移到机械臂上，并与艺术家同台作画。
此外，她还自己的项目中利用 pix2pix （一种经过训练后在图像上生成变化的神经网络，例如将白天拍摄的照片转成夜间模式）和能够在人类绘画的基础上继续完成数字素描的 sketch-rnn 等技术手段，对于人机协作的概念进行拓展。
下一代数字艺术的展望
NFT 为数字艺术加上新的拼图
NFT （non-fungible token 非同质化代币）的出现可以说为数字艺术增加了极其重要的一块拼图。
每个 NFT 代币可以代表一个独特的数码资料。由于其不能互换，非同质化代币可以代表数位文件，如画作、声音、影片、游戏中的项目或其他形式的创意作品。虽然文件（作品）本身是可以无限复制的，但代表它们的 NFT 在其底层区块链上被追踪，并为买家提供所有权证明。
NFT 提供了一种标记原生数字资产所有权的方法，赋予了数字艺术品的稀缺与不可复制性，做到了让收藏者真正的拥有一件数字艺术品。
艺术家开始使用算法、数据进行创作，比如利用生成对抗神经网络 GAN 进行的艺术创作，但依然是将 GAN 用于控制像素进行可视化，似乎数字艺术只不过是现实的虚拟，数据艺术的本身就是数据可视化。
例如最近的 Beeple 作品中就显现出这个局限，Beeple 作品以图片的方式做成 NFT 进行拍卖，这样的 NFT 还不是数字艺术作品本身。现在的 NFT 还仅仅是作为数字艺术的容器，就如同一副画作的画纸。但在未来的数字艺术中，NFT 作为非同质化数据，可能不仅仅是资产的容器和交易的载体，也是数字艺术的直接创作媒材。
数字艺术的新型创作形式
下一代的数字艺术可能是以数据为血肉和算法为 DNA 的数字生成之物，是艺术家头脑中创意的数字孪生。数字艺术家也可以抛弃电子画板、电子调色板这类数字化的历史遗留（艺术媒材，直接对「原子化的数字」进行操作。而基于区块链数据的原生数字艺术才可能进行资产化参与交易流通，才可能让艺术创作具有经济的可持续性。
创作本身就是生成的过程，艺术的生成是灵感迸发，观念的涌现。但这些理论和思想还是停留在观念、世界观等哲学层面，生成论的具体方法是什么？灵感产生的机制是什么？艺术创作可以预测吗？艺术可以自我进化吗？这些问题长期并没有得到明确的回答。
但这不妨碍艺术家和科学家进行新的尝试，例如将因果涌现理论结合 GAN 应用到生成艺术领域。提出一种新颖的因果涌现 GAN （CEGAN）。
以因果涌现理论为基础的原生数字艺术创作带来了或者说量化了生成艺术创作的方法。艺术家在创作过程中的大脑活动本身就是生成性的活动，现有的 GAN 生成图像的过程也是对这中生成活动的算法模仿。比如通过自然语言生成图像的 Obj-GAN、DALI-E。
在创作阶段，数字艺术家们可直接借助协同涌现 GAN 个性化定制，艺术家提供原始素材或现有作品，由 AI 创作平台对原始图片进行预处理，并生成可供 AI 学习的图片集，借助 AI 训练生成多个模型。
不同艺术家训练出来的模型甚至可以成为不同的素材库，模型也可以在新的数据集上进行再次训练。在这些模型和生成的作品基础上，艺术家可以再次创作。进而诞生出独一无二的原生数字艺术品。
整个创作过程可在后台自动上链，作品将会以 NFT 的形式存在，方便它的溯源和流通，创造出的作品可直接在元宇宙中以多种形式展现。
对于何为艺术的讨论至今没有定论。但众多艺术家纷纷借助所处时代的先进技术进行艺术创作，扩展艺术品类的边界。在我们所处的这个时代，数字世界和物理世界的边界逐渐模糊，伴随着元宇宙概念的兴起，人们在数字生活存在的时间和空间将会越来越大，甚至诞生数字原住民。
在这一基础上上，原生数字艺术的诞生也就成为了必然。在创作工具和媒材上借助 AI 算法，在作品载体上借助 NFT，在作品展示上借助 AR 等。数字艺术的发展空间值得想象。
