人工智能干预下的汉字重构研究.docxVIP

  • 12
  • 0
  • 约5.39千字
  • 约 5页
  • 2021-07-30 发布于广东
  • 举报
人工智能干预下的汉字重构研究 摘要:文章着重研究字体设计与科技相结合的意义及影响。探寻AI智能干预造字的方法、优势及延伸价值,并在传统字体设计的语境下探索全球化的现代字体设计多样化发展的新趋势。以往传统的设计以及计算机为辅助完成设计转变为人与计算机的携手并进。设计是感性中掺杂着理性,跨学科的设计团队趋势加强了现代制造需求的现实性。 引言 中华汉字历经五千余年,其结构从象形符号表意到抽象符号意蕴,这种解构演变不仅提高了汉字信息交流、思想意识传达的功能,也成为一种重要的传达审美理想的符号。伴随人工智能等高科技的不断涌入,汉字的发展与创新方式被进一步推动,迎合人们日益增长的审美需求和传播效率。当今信息化社会,运用文字符号的传播方式更加多样化,广泛地传达出各种不同的社会意识。人工智能干预下的汉字设计,不仅使我们能够更加高效地完成汉字设计任务,扩大了应用范围,使得汉字在市场经济下充分发挥独特的艺术魅力和社会商业效益,同时也被认为是汉字艺术文化的传承和创新设计的一个必然选择。 首先,本文深入探讨在新媒介、新科技领域下的汉字设计的新趋势,以及如何在人工智能的干预下对汉字设计进行重构。其次,汉字设计是一个新的符号生成过程,其中包含哪些内部要素,尤其是人工智能不可替代要素,即是本研究的关键点。再次,探寻人工智能干预下的汉字重构过程中的优势以及面临的问题,是本文重点探讨的议题,以期对研究人工智能造字产生一定的借鉴意义。 一、从解构到重构——汉字设计与人工智能干预 文字是人类文明历程的再现,是人类智慧的结晶。据文献记载,汉代许慎在《说文解字叙》中,“古者庖栖氏之王天下也,仰则观象于天,俯则观法于地,观乌兽之文与地之宜,近取诸身,远取诸物,于是始作易象八卦,以垂宪象。既神农结绳为治,而统其事,庶业其繁,饰伪萌生。黄帝之史仓颉,见鸟兽之蹏迒之迹,知分理之可相别异也,初造书契 一方面,从古至今人们意识表达、心灵沟通、思想传播,文化交流多以文字进行。文字已融入到人们生活的各个环节,构成人类文化符号的重要部分。文字设计成为了人类社会经济生产和实践中必然要求,随着现代社会文明的进步而发展。从最早的雕刻而成的楔形文字、甲骨文到运用毛笔、钢笔书写的草书、楷书等,再到计算机键盘敲打出的各种字体,直到今天,现代科技智能干预下重构的新字体,无不表明书写工具的进步是字体日新月异的前提,也是汉字设计发展的必然趋势。另一方面,每一个新技术,新思想的转换时期,必然会产生各种主张。在当代科技人工智能语境下,人工智能与传统文字设计之间的思辨成为讨论的焦点。 关于人工智能,有学者解读为“人工智能机器人创作作品”、“人工智能生成内容”或“人工智能创作物”等,但值得注意的是,人工智能与人工智能干预的概念有所不同,前者完全排除了以计算机来创造内容的复杂过程,全程由一台计算机进行创作和完成,而后者则主要是指以计算机将人类自己作为其创造的主体,人工智能将其作为一种辅助手段和工具,其算法以卷积式神经网络(Convolutional Neural Network,简称CNN)为基础的深度机器学习算法和技术,对汉字图像、时间序列数据进行处理,内容的自动生成基于计算机生成一种与对抗网络方法的模仿与学习(Imitation Learning based on generative adversarial nets,即简称之为计算机自动运行(GANs-IL)来进行处理完成的,最终结果与设计程序员有较大的关联,生成艺术内容的程序即是设计师在实践中进行艺术创造性表演的过程。简言之,人工智能干预是设计师创作的现代化工具,设计师在文字设计前期,基于传统历史语境和解构主义理论对新的字体进行重构。最早期的汉字产生于图画,在似与不似之间描绘,意与象构成字体内部结构。例如,“羊”字利用羊头的特征来表现羊字,是“意”的表现方式。再如“象”字的甲骨文则是大象的造型,是“象”的表现方式 由此可见,现代设计师的文字设计方法依然存有早期文字生成的过程的影子,文字设计与其他设计一样,都是建立在历史的基础上,层层递进,从解构到重构不断优化。雅克德里达(Jacquederrida)是一种被广泛应用于研究和批判现代语言学领域中的人工结构主义而最终提出的人工结构主义理论,其通过对分解人工结构再次进行创新和重组的核心思想与如今的人工智能相结合,集中隐形于“干扰”之中,通过对人的解构思维再次进行编码,重构并创造出新的显形汉字符号,成为了传递文明和信息的传达信息的一种新载体。 二、从智能到干预——人工智能干预设计的基本编码方法 人工智能对汉字图像的处理主要是在卷积神经网络CNN的基础上运行一定的网络结构来完成的。这里的人工智能干预设计的编码算法用到的是:深度表征学习(Deep Representation Learning

文档评论(0)

1亿VIP精品文档

相关文档