人工科学中的艺术-TheArtofArtificialScience.docx

人工科学中的艺术TheArtofArtificialScience作者：肯尼思0.斯坦利作者简介：肯尼思0.斯坦利，中佛罗里达大学计算机科学系教授、演化复杂性研究小组负责人，他是NEAT、HyPerNEAT和新颖性搜索算法的发明者，他的团队创建了Picbreeder网站，本文从这一网站选取了许多案例。译者：王兆原文出处：世界美术（京）2020年第20201期第7T3页内容提要：本文认为人工科学（人工智能和人工生命）与艺术有着特殊的关联（而艺术在大部分科学中却是缺席的）。正如艺术通常是对自然的描绘或阐释一样，人工科学中的算法也是如此。这一点很重要，因为在这些领域的讨论中，很大程度上都忽视了与自然的主观共鸣和科学进步两者之间的关联。如果科学家们不能公开讨论这种共鸣，那么这种进展很有可能就无法取得。为了支持这种观点，本文作者提供了他自己职业生涯中的几个案例，说明了类似这种共鸣的主观感受是如何导致新颖的编码和算法的。作者得出结论认为，通过在人工科学的讨论中加入某种程度的主观性，可能会有更多的收获。期刊名称：造型艺术复印期号：2020年03期关键词:人工科学/艺术/交叉/算法DOI:10.13318ki.sjms.2020.01.003虽然"艺术嬲!对科学而言十分重要”这类言论早已有人提出口-3.但是在本文中我认为，艺术与人工智能和人工生命等科学领域的关系是不一样的，这种关系值得进行更多开放式的讨论。"人工智能"和"人工生命"二者都有“人工"二字，而与"人工"相关的任可事情在某种程度上都与自然中的某些对应物有关。对人工智能和人工生命而言，其自然对应物是明确的：智能和生命都是高度突显的自然现象。如此一来，人工智能和人工生命就偏离了科学中的某些领域，这些领域并没有创造出自然现象的人工版本。对艺术而言，随之而来的联系是：很多艺术也都与自然中可见的再现现象有关。当然，我们必须承认一点，尤其是在现代时期，并非所有的艺术都关注对自然的再现4。艺术探讨的范围常常超越自身的具象表征，延伸至艺术家的文化历史背景等其他方面。然而，对自然和文明的描述和阐释是艺术发展过程中关键的历史驱动因素。这是当今的一种文化现象，并且对大多数艺术而言都是如此5-7。然而，虽然艺术经常描绘或阐释外部世界，但这并不意味着在这种情况下它是对其主题的完美再现。例如，一幅没有呈现所有细节的画作，就可以捕捉某个事件、某种情绪或是某个人的精髓8。而且，也没有人预期这幅画指涉的就是那个事件或那个人；相反，它是对这些的一种人工再现。正如贡布里希所说：“画家研究的并不是物质世界中的自然，而是人们对其做出反应的自然"9。同样，音乐也可以捕捉某种感情或文学的情况。在这些表达方式中，没有一种要求这种再现是完美的、完整的或"逼真的。事实上，艺术的一种力量是它可以强调（甚至夸大）某种特质，而这通常以牺牲整体的精准性为代价（例如漫画10或印象派艺术）。另一方面，艺术家可能会选取特别的共鸣特征以接近某种理想化的现实11。当艺术与我们现实世界中的某些经验产生深刻的共鸣时，它是最动人的，例如我们对自然的体验12-14。若要以这种方式产生共鸣，艺术必须捕捉其主题的本质，了解艺术家的意图，并将其呈现给我们，以便我们感受到它与其自然对应物的共鸣。列奥纳多达芬奇口5描述了寻找这种共鸣的挑战：”绘画.迫使画家自身的思想转变为自然的绝对理念，成为自然与艺术二者之间的诠释者"口6。例如，凡高著名的绘画星夜口刀并没有精确的再现，但它展现了共鸣的价值。地球上的任何一个夜晚都不太可能与凡高笔下描绘的完全一样。然而，通过夸大一些细节和造型，这幅画与蕴含在这样一个夜晚中更深层次的内在光辉和神秘感产生了共鸣。观看画中景象的观众可能会开始欣赏关于真实星夜的更深层次的真相，但除非他们体验过真实的星空，否则是不可能实现的。在某些情况下，承认艺术家的意图能进一步丰富这种体验；艺术成为某种镜头，以牺牲其他事物为代价来放大某物的一些特质，并最终通过巧妙地歪曲它来丰富我们对现实的认识18,19值得注意的是，绘画与其自然对应物之间的关系，以及对自然的任何人工再现与灵感再现之间的关系，二者之间并无二致。如此一来，人工智能或人工生命中的相关算法实际上是某种自然的"绘画"，只能通过"过程"的镜头而不是图像来观看。然而，原则上，通过描绘过程对自然进行再现，并不½M他任何艺术媒介更具解释性或启发性。其主要的不同之处在于，这一过程通常被描绘成一系列代码，只有那些在艺术中的计算机编程或计算机科学领域经验丰富的人才能轻松地理解。算法的价值可以追溯到自然中对应过程的共鸣，这一想法开启了对科学界传统惯例的一个重要讨论：关于评估算法在“人工科学"中的影响(借用西蒙的一个术语20)o通过算法(不需要传统的测量精度)就可以实现与自然共鸣的感觉，对自然过程某些方面的夸大或强调甚至是可以预期的21,因此,可以将“观众"的思维拓展到大自然隐藏的部分，就像星夜一样。这一观点为人工智能和人工生命领域提出了一个实际的问题，因为他们的人工产品被广泛地从对立客观角度进行了评估。这一尖锐的客观问题可以通过人工智能和机器学习的呈现22以及人工生命世界的准确性来体现23,24但是问题在于，这些传统的关注扼杀了对更多有关自然共鸣主观概念的讨论和升华。也许人工智能可以成为一种"星夜"，促使我们重新审视心灵。一种新算法可以作为一种不同的智能观，而不是一个优秀的表现者。在进入真正的艺术世界之前，很少有人要求在星夜和真正的星夜之间进行“比较”。当然，共鸣并没有被完全排除在人工科学的考虑范围作用之外。一些诸如此类的条款被列在人工智能和人工生命的补充附录A中。科学界中的次群体有时会挑战整体的趋势。并非所有关于引入人工智能和人工生命的决策都是完全客观的和性能驱动的。相反，虽然主观的考虑偶尔会影响思考，但它们往往沦为私人的话语，在文学记录中产生不了预期的共鸣，或者它们仅通过特定的渠道(如EvoMUSART)使这种主流之外的讨论标准化(如NIPS,ICMLjCLR或AAAI)。尽管这场辩论可能看起来很抽象，但忽视“人工”的艺术层面这一做法的根本问题在于，在这些领域中，可能（从一个想法到另一个想法的）创新链接最终需要穿越一些想法，这些想法之所以引人注目，并不在于它们的准确性或表现性，而在于它们的共鸣。即使在主流的人工智能中，以全新的视角呈现给我们某个熟悉场景的想法正是我们需要的那种刺激，从长远来看它能激发出富有想象力的新方法。当然，并非所有这些领域的进步都需要艺术倾向，为了不妨碍我们取得进步，我们可能需要更广泛地承认某些科学领域中人工的特殊性质，它们与艺术的联系比其他科学学科更紧密。在本文中,通过来自人工生命和人工智能产品的证据，我试图证明这些主观阐释和经验应该被容许进入这些学科的专业话语（如出版物和评论），这不仅是为了产生美学的结果而服务，同时也为了最终实现在这一领域的宏伟目标。因为对科学中的艺术进行彻底的检查需要一定程度的主观性，在本文中，我有意识地选择呈现了大量我个人的第一观看角度，这不是为了自传的意图，而是希望我个人职业生涯的轶事能有效地支持这一普通的观点：艺术对人工智能和人工生命而言是必不可少的。一旦就这个问题展开对话，我希望科学家们能够更容易地讨论他们算法的主观层面和美学层面。无论是在已发表的作品中，还是在又携交的文章进行评论时，希望这些都不会被称为是不科学的。对过去科学与艺术交叉的反思因为科野口艺术都是创造性的尝试，所以它们之间的关系能引起许多思想家的兴趣也就不足为奇了。正如阿尔伯特爱因斯坦所说，”最伟大的科学家也是艺术家”25。科学实践至少在某种程度上是一种艺术，这一观点贯穿于对这一主题的许多评论之中，这些评论往往侧重于直觉在科学发现中的作用。威廉贝弗里奇(WiIliamBeVeridge)的经典著作科学研究的艺术(TheArtofScientificInVeStigation)26例证了这种将科学与艺术联系起来的方法,书中有一整章叙述的都是直觉在科学中的作用。虽然贝弗里奇讨论了诸如客观观察和假设等传统的科学方法，但这本书的核心信息是：在实际的科学直觉中，对美学和优雅的感知同样发挥着作用。补充的附录B回顾了其他几个与此主题相似的评论。当然，虽然艺术的倾向能有助于科学的发现，但科学也可以为艺术服务，它可以作为一种解释其技术的方法27-30,甚至还可以作为一种人工生成艺术的媒介31,32这引发了许多关于艺术意图和作者身份的有趣问题。33本文既背离了关于艺术倾向在科学中的作用的传统论点，也背离了科学探索对艺术的解释或支持。相反，我认为与人工有关的科学分支就是其自身的内在艺术性，这一观点很少被探讨或辩论。由于人工科学特别关注人工再现自然中观察到的现象，即使与艺术和科学其他分支之间的关系相比，这种关系也是不寻常的。我的观点更倾向于对科学中的艺术(art-within-science)的阐释，而不是对演化的或人工生成的艺术的优点进行传统的阐述。在文章的下一部分，我将把艺术作为研究这些领域的工具,开始描述艺术和人工科学之间的特殊关系。作为科学工具的艺术本部分回顾了我职业生涯中两个想法的起源。在这两个案例中，最初引发这个想法的火花都是对图片的主观观察，它与我内心深处的某种东西产生了共鸣。虽然并非人工智能或人工生命的所有发现都源于主观观察，但问题是，若在公共话语中不鼓励这种观察，是否会切断未来一些发现者的灵感来源。组合型模式生成网络艺术对人工智能而言并不是新鲜事物，尤其不是演化的计算(补充附录C回顾了演化艺术领域的特殊工作)。2004年，我探索了两个新的演化艺术项目：以DeIphiNEAT为基础的遗传艺术(DNGA34)项目和以SharpNEAT为基础的遗传艺术(SNGA35)项目。我之所以对这些项目感兴趣，部分原因是它们都是以增强拓扑的神经进化(NEAT36,3刀)算法为基础，这一算法是最近我和里斯托米库莱宁(RistoMiikkUIainen)一起开发的。因为NEAT是一种用于演化日益复杂的人工神经网络(ANNS)的方法，它最初是为控制问题而设计的。我没有想到NEAT演化出来的ANNS可能会被要求输出图片。让我特别感兴趣的是，由于NEAT逐渐增加了它所进化网络的复杂性，所以那些在演化艺术系统中以NEAT为输出的图像，原则上会随着时间而变得更加复杂。但无论如何，演化艺术在当时对我来说就像玩具一样很熟悉。2004年，当我用DNGA工具交互演化一系列宇宙飞船时，这种观点发生了变化(图1显示了这个系列的部分图片)。这次宇宙飞船演变系列的单一体验深深地触动了我，因为这个序列中某些微妙的自然引发了我的共鸣。这些图像非但没有让我联想到宇宙飞船(在我看来是对它们表面的模拟)，反而让我想到自然界中演化发展的方式，而这也是其过程的一个特征。实际上，它们似乎是对自然谱系及其拓展的一种寓言。举例来说，我们发现这个序列是从双边的对称开始，并在那里进行拓展，增加越来越复杂的细节，进而成为进一步拓展的素材。当尾翼出现时，我特别惊讶（如图1）。毕竟DNGA对火箭、飞机或尾翼都一无所知。虽然宇宙飞船本身可能在描绘飞船方面并不能算作好的艺术，但在对整个自然抽象概念序列的共鸣中，还是存在着艺术的联系。从这个意义上说，这个序列对我而言就如同是一种对自然进化展现方式的风格化阐释。这一序列中的宇宙飞船是组合型模式生成网络（CPPNS）发展的最初灵感。随着时间的推移，当我研究NEAT中的图像及其潜在表达时，我开始明白这种拓展规律得以形成的一个关键特性是功能组合。我开始将这种功能组合与一种生物发展中更为传统的抽象概念联系起来（这在人工生命的研究中经常出现），如细胞化学和语法编码38（补充附录D中给出了该编码的几个例子）。事实证明，复杂程度不断加强的功能组合与自然界中遗传表征在世代拓展中形成形态的方式类似39。这种认识促生了一种被称为"组合型模式生成网络"的新编码，它们实际上是NEAT演化而来的功能网络40。我们的想法是，这些功能可以被视为组合形式发展过程中的代表性步骤，继而引导出一种新生长的抽象概念。CPPNs已成为人工智能和人工生命领域中众多应用和实验的基础（在线附录E中记录了从音乐生成到机器人形态等几十个例子）。它同时也成为HyPerNEAT中新型人工神经网络（ANNS）进化的基础41,42,也就是说，它自身成为了一个新研究领域的基础，在自主控制和决策方面可以进行实际应用（在线附录E）o要不是我对电脑屏幕上显示的一些宇宙飞船图像产生的第一反应，这些活跃的研究领域也就不复存在了。CPPNS另一个值得特别提及的应用是PiCbreeder（）43,44o我的研究小组提出，CPPNs演变的潜在可能性导致了图1所示的进展，若要得到更多类似的发现，可能需要共同努力对CPPNs的图像生成进行演化（吉米塞克雷坦在一次实验室会议中首次提出了这个想法）。这个想法演变成了PiCbreeder（图2）o虽然对进一步演化的艺术的期望是这种实验的合理动机，但在宇宙飞船的经验之后，这并没有成为我个人的动机。相反，我开始相信演化艺术的产品是如此丰富且具有科学意味，以至于在这种大规模的艺术合作中可能会产生一些其他东西。发现的结果如下文所述。新颖性搜索与大多数搜索特定目标或目标群的渐进算法不同，新颖性搜索只探索新颖性，这是由乔尔雷曼（JoelLehman）和我在2008年首次提出的45,46。这类搜索之所以有趣的部分原因在于，通过忽略目标，它可以在许多客观函数内避免欺骗47-49。也就是说，有时它可以演化出一个问题的解决方案，这个方案比一个渐进算法更为可靠，它实际上是通过接近目标来获得结果。然而，新颖性搜索是更深入有趣的，因为它可以在搜索空间内潜在地收集有趣的项目，无论它们是否是预先设想的50,51。也就是说，新颖性探索与大多数趋同的渐进算法和最优化算法不同，它是一种发散式的搜索，因此适合于新的应用程序。就像CPPNs一样，新颖性搜索也引发了大量对它的拓展和分析工作（从机器人行走的实际应用到探索和发明的工具，在线附录F给出了几十个例子）。虽然有很多关于新颖性搜索及其变体的文章，但它最初的灵感从未在出版物中讨论过。随着像图2这样的图像在Picbreeder上的积累，可以显然地看到人们总是能发现有趣的图像。当然，图像的趣味性是主观的，但如果要从生成图像的系统结果中学习，那么至少在最初阶段就需要对主观判断具有一定的开放性。在机缘巧合下,我最终发现了这些图像是如何被发现的。我最初的意图并不是做一个科学发现，而是想看看我能在PiCbreeder上演化出什么。PiCbreeder有T重要的能力，就是它能从另一个用户开发过的图像中分离出一个交互进程。为了推进这种分离，该站点提供了一个可搜索的目录，其中包含由之前用户开发过的图像。在这个特殊的例子中，我决定从之前开发过的图像中分离出一张在我看来很像外星人脸的图像（图3a）o我以为我应该能从这个最原始的外星人中演化出更多有趣的外星人。然而，预测的事情并没有发生。相反，外星人的眼睛开始下降（相对于头部而言），我发现不断演变的图像开始看起来像一辆汽车。但直到我演化出一个可信的汽车形象（图3b）,我才能够把它进一步推向汽车的方向,这一点也让我感到惊讶。这种经历奇妙地让人想起了宇宙飞船。一开始，我很惊讶自己能够如此轻松地演化出一辆汽车。然而，我想得越多，很多事情似乎就越不对：我并没有试图演化出一辆汽车。刃峨又是如何演化出一些我没有打算演化的东西的？此外，我不仅没有去寻找它,而且我发现它的唯一理由竟是因为我没有去寻找它。我从一张外星人的脸着手是因为想找到更多外星人的脸。如果我真的想演化出一辆汽车，我就不会从一张外星人的脸开始,因为这样会减少一条很有希望能找到汽车的路径。简而言之，发现的唯一途径似乎是不去寻找它。之前我对"搜索"的理念是：找到某物就要把它设定为目标，然后对它进行优化，而如今的情况与这种理念相矛盾。我开始怀疑，是不是这些有趣的发现不是这么被发现的呢？当然，可能这辆气车的例子在某种程度上是异常的，这些发现可能并不是以这种方式获得。但是，当我回顾Picbreeder上的其他图像的谱系时（如图4中的这些图像)，结论是不可避免的：PiCbreeder上的几乎每一个有趣的发现都是这样进行的。用户最后总是会发现一些与他们最初的分支完全不同的东西，而且也没有可信的论据可以证明他们从一开始就有了最终的发现。相反，令人惊讶的是，只有当PiCbreeder上的用户不刻意寻找这些有趣的图片时，他们才发现它。如此一来，根据我演化的这辆汽车来看,用户只会找到他们并没有寻找的东西，而这即是“新颖性搜索”背后的初始动力，这一算法是在没有目标的情况下进行搜索。新颖性搜索的概念也许是一个找到有趣东西的好方法，它是在不试图控制它们可能导向的情况下，搜索可能的渠道(比如外星人的脸)。我和我后来的学生乔尔.雷曼(JOelLehman)讨论了这个观察结果，并一起将它开发为新颖性搜索算法(noveltysearchalgorithms),CPPNS和新颖性搜索之间的共同点在于，这些图片与它们和自然的主观共鸣引发了关键的洞察力，其中的一部分是通过它们与自然产物的主观相似性，一部分是通过对它们发展过程中的时间顺序描进行述，而这一过程让人联想起自然界。重要的是,这并不意味着CPPNs等同于自然的DNA,也不意味着新颖性搜索是自然界中真正的搜索过程。相反，在并不等同的情况下，它们与这些自然中的对应物产生共鸣。从某种意义上说，它们可以被看作是在某一特定方面对自然的阐释，就像艺术常常是阐释而三褊确地再现这个世界一样。因此，重要的是，对人工科学中的系统和模式产生的艺术或美学的主观自然，我们要持开放态度。毕竟，人工智御口人工生命的最初灵感都是自然，而这种灵感的根源并不存在于任何可量化的事实，而在于对自然成果深远意义的一种感受。作为科学家，我们是否应该害怕承认这一点？作为艺术产物的算法主观感受有时应作为人工智能和人工生命中可采纳的灵感，这一观点更为普遍地表明，我们创造的算法和编码本身可以被视为艺术，并且它们有时也可能在这种精神中受到评判。就像任何其他艺术一样，人工科学中的算法是对现实世界中所观察的现象的解释，从而作为对艺术家自然观的申明，与绘画、文学、雕塑和其他艺术形式并驾齐驱。然而，在生产的艺术（它明确地关注艺术生产背景下的算法52,53）领域之外，人工生命和人工智能中的算法很少以这种方式公开评判。如果是，那么有时艺术家通过人工制品所做的申明将比它的结果更重要，因为重要的是它如何将我们的思想带到一个新的视角，而不是它是如何表现或它是多么地准确。然而，这样的对话可能并不属于人工科学，因为它本身并不能推进科学。但是，如果我们的领域确实是为了最终再现一些最令人印象深刻的自然现象，那么我们的人工制品与这种现象的共鸣就不仅与哲学话语有关，也与具体进展有关。也就是说，如果我们将这些领域视为实践者们努力寻找更加强大或准确算法的主要创造性努力，那么每个发布的算法就会成为新的想法和更为创新算法的潜在媒介。没有任何先前的理由让我们相信，通向算法空间的路径完全取决于性能和准确性，而不是有时也取决于共鸣和优雅。目前的结果是，如果某些算法的主要部分与自然产生共鸣，那么它们可能将最终成为通向更好性能算法的媒介（如CPPNS导推出了HyperNEAT）,于是，我们就可以在人工科学的搜索空间中对许多诸如此类的创新链进行有效地修剪。不管他们是否打算这么做，人工科学中许多算法也都不可避免地来源于自然中的状态。它们揭示了它们的作者对自然界中共鸣的个人看法。如此一来，它们甚至可能被视为自我表达的媒介，就像任何其他艺术一样。简而言之，作为科学家,在寻找新想法的过程中，我们有时可能会从其渐变性能的渐变共鸣中受益。即使是在科学的益处之外（这也是本文的重点），通过对自然阐释的算法而开启的新颖理解模式本身也可能提供价值。也许呈现我认为的"作为艺术产物的算法"的最简单方法，就是在这不寻常的光源中描绘一些我自己的作品：NEAT是对自然界日益复杂的优雅的冥想。HyPerNEAT是对外部世界几何结构（通常是规则的）与内部思想世界几何结构之间关系的深思。新颖性搜索将自然描述为一种自由的精神和反叛个无休止地玩耍和创新的过程，但这仅限于当它没有被告知要做什么和去哪里的时候。这些可能是最终的真理，也可能仅仅是我个人对算法世界所表达的真理和感受，从而成为他们新思路的媒介。有时，算法可以运用于自然的某些方面而不是对它们的忠实再现。艺术也是如此。图4迷惑的媒介。在每一组演化的图像中，左边的图像最初都是由不同的用户演化而来的，他们最终从这些图像中分离出一张（或更多）图像而创造出右边的图像。（中佛罗里达大学研究基金会）每个科学学科的传统和文化在一定程度上有助于保护其实践者免受大量毫无根据的猜测侵扰（库恩54称之为"正常科学"我们每个人的阅读是有限的，这些需要客观论据支持的声明，有助于将这个领域的话语过滤到最科学最严谨的人。然而，平庸泛滥的危险与过度修剪的危险相互抵消55。如果想法是主观的，那么失去机会的风险将尤其会增加。在这些情况下，没有任何客观论据可以将主观转化为客观。特别是在人工科学中（本来就是对自然本身不精确的再现），可能从来就没有一个对某些问题的客观解决方案。图1中的宇宙飞船是否客观地让人联想自然中某些更深的层次？于是问题就变成了我们是否最好不要分享这样的主观感受（或者只在艺术的分支学科这种狭义语境下分享它们，比如演化艺术）。我的建议是应该谨慎平衡这个问题的答案。传统的客观论据确实对科学的进步至关重要，但对这领域主观感受的讨论也应该是健康的。这样，未来的研究人员就可以在不进行客观虚构的情况下与科学界分享他或她的“宇宙飞船"，也许下一个CPPNS就会在经过一番讨论后产生。更广泛地说，无论是在实验结果中，还是在算法本身的动机上，作者都应该有与自然共鸣的空间。在某些情况下,这种共鸣甚至应该超过性能。一个好的算法虽然有时性能很好，但它有时也代替了导致其他算法和新分支的另一种算法。不可避免的争议是，我们如何才能知道这种不可靠的直觉想法是否真的是好的？会不会有聪明的作者用漂亮的图片蒙骗我们的眼睛来愚弄我们？而这也是艺术同样面临的问题。虽然这是一个棘手的问题，但并不意味着它应该被绕开。答案很简单，我们有资格这样做。人工科学领域的专业科学家们花了多年的时间观察自然，思考自然与计算的联系。虽然我们的观点可能不同（人们对艺术的观点也必然会有所不同），但这并不意味着我们的观点是毫无根据的或没有实质内容的。相反，作为这些领域的专家，我们是最有资格评判这种共鸣并进行公开讨论的。感觉是隐藏在所有灵感背后的，一个严格的规则也必须隐藏，这意味着除非通过完全客观的手段，否则灵感的火花永远无法从一个科学家点燃到另一个科学家身上。在以人工阐释的现实为前提的领域中，如何才能使其变得真正有意义呢？译自列奥纳多2018年第2期。原文参考文献： 1W.I.B.Beveridge,TheArtofScientificInvestigation(Me1bourne:Wi11iamHeinemann,1950). 2R.P.GabrielandK.J.Sullivan,yzBetterSciencethroughArt,“inOOPSLA,IOrProceedingsoftheACMInternationalConferenceonObjectOrientedProgrammingSystemsLanguagesandApplications(NewYorkrACM,2010)pp.885-900. 3M.Kemp,SeenUnseenrArt,Science,andIntuitionfromLeonardototheHubbleTelescope(OxfordUniv.Press,2006). 4H.ArnasonandD.Wheeler,HistoryofModernArtrPainting,Sculpture,Architecture,Photography(UpperSaddleRiver,NJrPrenticeHall,1986). 5J.Bialostocki,zzTheRenaissanceConceptofNatureandAntiquity,zzinJ.Bialostocki,ed,TheMessageofImages,StudiesintheHistoryofArt(ViennaiIRSA,1988). 6B.S.Funch,ThePsychologyofArtppreciation(Copenhagen:MuseumTusculanumPress,1997). 7E.Gombrich,ArtandIllusionrAStudyinthePsychologyofPictorialRepresentation(London:Phaidon,1960). 8Funch6. 9Gombrich7p.49. 10V.S.Navasky,TheArtofControversyrPoliticalCartoonsandTheirEnduringPower(NewYork:AlfredA.Knopf,2013). llBiaIostocki5. 12Funch6. 13Gombrich7. 14Definitionsforresonateaccessed10October2017atand. 15L.daVinci,TreatiseonPainting(Munksgaard,1958)pp.41,55. 16QuotedinBialostocki5.17V.vanGogh,StarryNight(1889),oiloncanvas,NewYork,eMuseumofModernArt.18J.S.Ackerman,Origins,Imitation,ConventionsiRepresentationintheVisualArts(Cambridge,MA:MITPress,2002).19Funch6.20H.A.Simon,TheSciencesoftheArtificial,2ndEd.(Cambridge,MA:MITPress,1981).21Gombrich7.22S.J.RussellandP.Norvig,ArtificialIntelligencerAModernApproach,3rdEd.(EnglewoodCliffs,NJiPrenticeHal1,2009).23.Channon,yzImprovingandStillPassingtheLifeTestrComponentNormalisedActivityStatisticsClassifyEvolutioninGebasUnbounded,ArtificialLife8,173-181(2003).24C.OfriaandC.0.Wilke,zzAvidarASoftwarePlatformforResearchinComputationalEvolutionaryBiology,“ArtificialLife10,No.2,191-229(2004).25A.Calaprice,TheExpandedQuotableEinstein(Princeton,NJ:PrincetonUniv.Press,2000).26Beveridgel.27M.Kemp,TheScienceofArtiOpticalThemesinWesternArtfromBrunelleschitoSeurat(NewHaven,CTrYaleUniv.Press,1990).28V.S.RamachandranandW.Hirstein,“TheScienceofArt:ANeurologicalTheoryofAestheticExperience,*JournalofConsciousnessStudies6,No.6-7,15-51(1999).29J.Schmidhuber,zrSimpleAlgorithmicTheoryofSubjectiveBeauty,Novelty,Surprise,Interestingness,Attention,Curiosity,Creativity,Art,Science,Music,Jokes,z,JournalofSICE48,No.1,21-32(2009).30A.V.Shubnikov,V.A.KoptsikandD.Harker,SymmetryinScienceandArt(NewYorkrPlenum,1974).31J.J.RomeroandP.Machado,TheArtofArtificialEvolutioniAHandbookonEvolutionaryArtandMusic(Springer,2008).32K.Sims,zzArtificialEvolutionforComputerGraphics,inProceedingsofthe18thAnnualConferenceonComputerGraphicsandInteractiveTechniques(SIGGRPH,91)(NewYorkiACMPress,1991)pp.319-328.33M.BodenandE.Edmonds,zzWhatIsGenerativeArt?”DigitalCreativity20,No.1-2,21-46(2009).34M.Fagerlund,DelphiNEAT-BasedGeneticArt,.35H.Ferstl,SharpNEAT-BasedGeneticArt.36K.O.StanleyandR.Miikkulainen,zzEvolvingNeuralNetworksthroughAugmentingTopologies,xzEvolutionaryComputation10,99127(2002).37K.0.StanleyandR.MiikkuIainen,CompetitiveCoevolutionthroughEvolutionaryComplexification,xzJournalofArtificialIntelligenceResearch21,63-100(2004).38K.0.StanleyandR.Miikkulainen,yzTaxonomyforArtificialEmbryogeny,zzArtificialLife9,No.2,OB-BO(2003).39S.B.Carroll,EndlessFormsMostBeautiful：eNewScienceofEvoDevoandtheMakingoftheAnimalKingdom(NewYork:W.W.Norton&Company,2005).40K.0.Stanley,zzCompositionalPatternProducingNetworksrANovelAbstractionofDevelopment,7zGeneticProgrammingandEvolvableMachinesSpecialIssueonDevelopmentalSystems8,No.2,131-162(2007).41 J.GauciandK.0.Stanley,zzAutonomousEvolutionofTopographicRegularitiesinArtificialNeuralNetworks,zzNeuralComputation22,No.7,1860-1898(2010).42K.0.Stanley,D.B.D,AmbrosioandJ.Gauci,zzAHypercube-BasedIndirectEncodingforEvolvingLarge-ScaleNeuralNetworks,"zArtificialLife15,No.2,185-212(2009).43 J.Secretanetal,zzPicbreeder:ACaseStudyinColIaborativeEvolutionaryExplorationofDesignSpace,“EvolutionaryComputation19,No.3,345-371(2011).44J.Secretaneta1,PiCbreeder:EVolVingPicturesCollaborativelyOnline,*inCHI,081Proceedingsofthe26thAnnualSIGCHIConferenceonHumanFactorsinComputingSystems(NewYork:ACM,2008)pp.17591768.45 J.LehmanandK.0.Stanley,zzExploitingOpen-EndednesstoSolveProblemsthroughtheSearchforNovelty,“inS.Bullocketal.,eds.,ArtificialLifeXIrProceedingsoftheEleventhInternationalConferenceonArtificialLife(Cambridge,MA:MITPress,2008).46 J.LehmanandK.0.Stanley,zzAbandoningObjectivesiEvolutionthroughtheSearchforNoveltyAlone,zzEvolutionaryComputation19,No.2,189-223(2011).47LehmanandStanley45.48LehmanandStanley46.49S.Risi,C.HughesandK.Stanley,zzEvolvingPlasticNeuralNetworkswithNoveltySearch,“AdaptiveBehavior18,No.6,470-491(2011).50A.CullyandJ.-B.Mouret,zzBehavioralRepertoireLearninginRobotics,“inGECCO,131Proceedingsofthe15thAnnualConferenceonGeneticandEvolutionaryComputationConference(NewYorkrACM,2013)pp.175-182.51J.LehmanandK.0.Stanley,''EvolvingaDiversityofVirtualCreaturesthroughNoveltySearchandLocalCompetition,"zinGECCO,11：Proceedingsofthe13thAnnualConferenceonGeneticandEvolutionaryComputation(Dublin,IrelandiACM,201l)pp.211-218.