這項由英屬哥倫比亞大學(xué)計算機(jī)科學(xué)系的郭文琦·馬歇爾、錢青云等研究團(tuán)隊發(fā)表于2025年12月的最新研究，深入探討了當(dāng)前AI圖像生成模型在美學(xué)對齊過程中存在的根本性問題。該研究發(fā)現(xiàn)，過度追求"普遍美感"的AI系統(tǒng)可能正在扼殺藝術(shù)創(chuàng)作的多樣性和用戶的真實意圖。有興趣深入了解的讀者可以通過arXiv:2512.11883查詢完整論文。

把AI圖像生成模型想象成一位總是想要討好所有人的畫家。當(dāng)你請這位畫家為你創(chuàng)作一幅故意模糊、充滿噪點的實驗性藝術(shù)作品時，他卻總是忍不住要把畫面"修飾"得更加清晰美觀。這正是當(dāng)前主流AI圖像生成系統(tǒng)面臨的核心問題：它們被訓(xùn)練得過分追求一種所謂的"普遍美感"，以至于無法忠實執(zhí)行用戶的真實創(chuàng)作意圖。

研究團(tuán)隊通過一個有趣的實驗驗證了這個現(xiàn)象。他們構(gòu)建了一個包含300個"反美學(xué)"提示詞的數(shù)據(jù)集，專門測試AI模型是否能夠按照用戶要求生成故意"丑陋"或低質(zhì)量的圖像。結(jié)果令人震驚：幾乎所有經(jīng)過美學(xué)對齊訓(xùn)練的模型都傾向于生成傳統(tǒng)意義上的"美圖"，完全忽略了用戶明確表達(dá)的反美學(xué)需求。這就像一個總是想要把所有食物都做成甜品的廚師，即使顧客明確點了苦瓜，他也會不自覺地加糖調(diào)味。

這種現(xiàn)象背后隱藏著更深層的問題。當(dāng)AI系統(tǒng)被訓(xùn)練以迎合大眾審美偏好時，它們實際上在壓制藝術(shù)表達(dá)的多樣性。歷史上許多重要的藝術(shù)運動，如野獸主義、表現(xiàn)主義和達(dá)達(dá)主義，在當(dāng)時都被認(rèn)為是"丑陋"或"反美學(xué)"的。研究團(tuán)隊特別提到了亨利·馬蒂斯1904年的作品《奢華、寧靜與享樂》，這幅開創(chuàng)野獸主義先河的畫作通過故意違反當(dāng)時的美學(xué)規(guī)范而獲得了巨大的藝術(shù)價值，但在現(xiàn)代AI評判標(biāo)準(zhǔn)下卻獲得了極低的分?jǐn)?shù)。

為了深入理解這個問題，研究團(tuán)隊提出了一個五層分析框架，就像剝洋蔥一樣逐層揭示問題的本質(zhì)。第一層探討的是開發(fā)者利益與用戶需求的沖突：AI公司為了規(guī)避法律風(fēng)險和維護(hù)聲譽(yù)，往往會預(yù)設(shè)一套"安全"的審美標(biāo)準(zhǔn)，這種做法實質(zhì)上是在用開發(fā)者的價值觀替代用戶的真實需求。這就像一個畫廊策展人為了迎合贊助商的喜好，拒絕展出任何可能引發(fā)爭議的藝術(shù)作品。

第二層關(guān)注的是固有偏見問題。即使開發(fā)者出于善意，他們對"美"的定義仍然會受到自身文化背景和價值觀的影響。研究顯示，AI模型往往偏向西方審美標(biāo)準(zhǔn)，在生成人物圖像時傾向于展現(xiàn)西方面孔特征。這種偏見不僅體現(xiàn)在人物形象上，還滲透到了對光線、色彩、構(gòu)圖等基本視覺元素的判斷中。

第三層討論的是群體偏好與個體需求的沖突。即使存在一個真正的"大眾審美"，這種標(biāo)準(zhǔn)化的偏好是否應(yīng)該凌駕于個人的具體創(chuàng)作意圖之上？當(dāng)用戶明確要求生成低質(zhì)量或"丑陋"的圖像時，AI系統(tǒng)自動"美化"這些輸出實際上是在損害用戶的創(chuàng)作自主權(quán)。

第四層警告過度追求單一價值可能帶來的意外傷害。當(dāng)AI系統(tǒng)過分強(qiáng)調(diào)某些特定的美學(xué)元素（如明亮度、積極情緒）時，可能會產(chǎn)生適得其反的效果。這就像一個總是試圖讓食物更甜的廚師，最終可能會做出甜得發(fā)膩、令人反胃的菜肴。

第五層揭示了"美化現(xiàn)實"的危險性。當(dāng)AI生成的圖像總是完美、光鮮、理想化時，它們可能會偏離真實世界，創(chuàng)造出一個虛假的烏托邦式視覺環(huán)境。這種傾向可能會強(qiáng)化不健康的審美期待，就像社交媒體濾鏡文化一樣，讓人們對真實世界產(chǎn)生不切實際的期望。

一、AI模型的美學(xué)偏見實驗

研究團(tuán)隊設(shè)計了一個巧妙的實驗來驗證他們的假設(shè)。他們首先從常用的COCO數(shù)據(jù)集中選擇了300個普通的圖像描述，然后使用先進(jìn)的視覺語言模型Qwen3-VL對這些描述進(jìn)行"反美學(xué)"改造。這個過程就像給一份正常的菜譜添加故意制造難吃效果的特殊說明。

改造后的提示詞會明確要求AI生成具有特定缺陷的圖像：模糊不清的細(xì)節(jié)、刺眼的色彩搭配、缺乏主體焦點的構(gòu)圖、壓抑的情緒氛圍等。例如，原本簡單的"摩托車手在賽道上過彎"會被改寫成"模糊、碎片化、隨機(jī)構(gòu)成的摩托車比賽圖像，缺乏清晰意圖，主要對象小而邊緣化，在混亂、未完成的視覺噪音中幾乎不可見"。

研究團(tuán)隊測試了多個主流AI圖像生成模型家族：Flux系列（包括基礎(chǔ)版本和經(jīng)過不同程度美學(xué)對齊的變體）、Stable Diffusion系列以及谷歌的Nano Banana模型。就像比較不同品牌的自動調(diào)色板，看它們在收到"請調(diào)出一種故意難看的顏色"指令時會如何反應(yīng)。

實驗結(jié)果清晰地驗證了研究團(tuán)隊的擔(dān)憂。經(jīng)過美學(xué)對齊訓(xùn)練的模型（如DanceFlux、Playground等）在面對反美學(xué)指令時表現(xiàn)最差，它們似乎無法抗拒生成"漂亮"圖像的沖動。相比之下，一些較少經(jīng)過美學(xué)調(diào)優(yōu)的模型（如原始的Flux Dev或Nano Banana）反而能夠更忠實地執(zhí)行用戶的反美學(xué)要求。

二、獎勵模型的評判偏見

除了測試圖像生成能力，研究團(tuán)隊還深入研究了AI系統(tǒng)用來評判圖像質(zhì)量的"獎勵模型"。這些模型就像藝術(shù)比賽的評委，它們的評判標(biāo)準(zhǔn)直接影響著AI系統(tǒng)的"審美觀"。

研究團(tuán)隊發(fā)現(xiàn)了一個令人擔(dān)憂的現(xiàn)象：即使用戶明確要求生成反美學(xué)圖像，這些獎勵模型仍然會給傳統(tǒng)意義上的"美圖"打高分，給忠實執(zhí)行反美學(xué)指令的圖像打低分。這就像一個頑固的美食評委，即使比賽項目是"最佳苦味料理"，他仍然會不自覺地給甜品更高的分?jǐn)?shù)。

具體來說，研究團(tuán)隊測試了包括HPSv3、ImageReward、PickScore等在內(nèi)的多個主流獎勵模型。在分類準(zhǔn)確性測試中，這些模型在識別哪張圖像更好地遵循了反美學(xué)指令方面的表現(xiàn)非常糟糕，有些甚至比隨機(jī)猜測還要差。HPSv3模型的準(zhǔn)確率僅為38.1%，遠(yuǎn)低于隨機(jī)水平的50%。

相比之下，一些基礎(chǔ)的視覺語言模型（如CLIP和BLIP）反而表現(xiàn)更好，能夠更準(zhǔn)確地識別哪張圖像真正符合用戶的反美學(xué)要求。這個發(fā)現(xiàn)很有啟發(fā)性：問題不在于AI無法理解復(fù)雜的創(chuàng)作指令，而在于過度的"美學(xué)調(diào)優(yōu)"破壞了模型的客觀判斷能力。

三、情緒偏見的深度測試

研究團(tuán)隊還專門針對情緒表達(dá)進(jìn)行了深度測試，因為他們注意到許多AI系統(tǒng)存在明顯的"有毒積極性"傾向——過度偏好積極情緒而壓制負(fù)面情緒的表達(dá)。這種傾向就像一個總是要求所有人都要微笑的攝影師，無法容忍任何憂郁或憤怒的表情。

在這個實驗中，研究團(tuán)隊首先讓Nano Banana生成表達(dá)快樂情緒的人物圖像，然后使用圖像編輯功能將同樣的人物改造成表達(dá)悲傷、憤怒或恐懼情緒的版本。這種對比實驗設(shè)計巧妙地控制了除情緒之外的所有變量，就像制作了一組只有表情不同的證件照。

結(jié)果顯示，獎勵模型對負(fù)面情緒表現(xiàn)出了系統(tǒng)性的偏見。即使用戶明確要求生成表達(dá)悲傷或憤怒情緒的圖像，這些模型仍然會給表達(dá)快樂情緒的版本更高的分?jǐn)?shù)。HPSv3在識別憤怒情緒方面的準(zhǔn)確率僅為19%，在識別悲傷情緒方面也只有44%。

更令人擔(dān)憂的是，一些經(jīng)過高度美學(xué)對齊的生成模型（如DanceFlux）在收到生成負(fù)面情緒的明確指令時，往往會"拒絕"執(zhí)行，轉(zhuǎn)而生成中性甚至積極的表情。這種現(xiàn)象反映了AI系統(tǒng)中根深蒂固的情緒偏見，它們似乎被訓(xùn)練得認(rèn)為積極情緒就是"好的"，負(fù)面情緒就是"壞的"。

四、真實藝術(shù)作品的評估實驗

為了進(jìn)一步驗證他們的發(fā)現(xiàn)，研究團(tuán)隊將這些獎勵模型應(yīng)用到真實的藝術(shù)作品上，測試它們?nèi)绾卧u判歷史上的重要藝術(shù)創(chuàng)作。他們從LAPIS數(shù)據(jù)集中選擇了約1萬件涵蓋不同風(fēng)格和流派的真實藝術(shù)作品，就像讓現(xiàn)代的美食評委去品嘗歷史上各個時期的經(jīng)典菜肴。

結(jié)果令人震驚：許多在藝術(shù)史上具有重要地位的作品在這些AI評判標(biāo)準(zhǔn)下得分極低，甚至低于早期AI生成系統(tǒng)（如SD1.4或DALL-E mini）的作品。研究團(tuán)隊特別展示了幾個具體例子：雷諾阿的《花卉研究》得分8.44分，彼得·麥克斯的《四季：冬天》僅得2.43分，保羅·詹金斯的《持續(xù)黎明現(xiàn)象》得7.32分。這些分?jǐn)?shù)都遠(yuǎn)低于當(dāng)代AI生成圖像的平均水平。

這個發(fā)現(xiàn)揭示了一個深層問題：當(dāng)前的AI美學(xué)標(biāo)準(zhǔn)可能過于狹隘，無法欣賞藝術(shù)表達(dá)的多樣性和復(fù)雜性。這就像用現(xiàn)代快餐標(biāo)準(zhǔn)去評判傳統(tǒng)手工美食，結(jié)果必然會錯失許多珍貴的文化價值和藝術(shù)成就。

五、圖像編輯實驗的進(jìn)一步驗證

為了確認(rèn)問題出在模型的生成能力還是理解能力上，研究團(tuán)隊設(shè)計了一個圖像到圖像的編輯實驗。他們首先選擇了Nano Banana成功生成的低質(zhì)量反美學(xué)圖像作為起點，然后讓其他模型（Flux Krea和DanceFlux）基于相同的反美學(xué)指令對這些圖像進(jìn)行進(jìn)一步編輯。

這個實驗設(shè)計就像給不同的修圖師同一張故意拍糊的照片，并明確告訴他們"請保持這種模糊效果"，看他們會如何處理。結(jié)果顯示，經(jīng)過高度美學(xué)對齊的DanceFlux會自動"清理"圖像，即使同時收到了清晰的反美學(xué)起始圖像和反美學(xué)編輯指令這兩個強(qiáng)烈信號，它仍然傾向于生成更加符合傳統(tǒng)美學(xué)標(biāo)準(zhǔn)的輸出。

相比之下，美學(xué)對齊程度較低的Flux Krea能夠更好地保持原有的反美學(xué)特征。定量分析顯示，DanceFlux編輯后的圖像在HPSv3評分上比原圖高出3.13分，而Flux Krea只高出2.18分。這意味著DanceFlux進(jìn)行了更大程度的"美化處理"，偏離了用戶的原始意圖。

六、社會批評藝術(shù)的審查效應(yīng)

研究團(tuán)隊還發(fā)現(xiàn)了一個更加令人擔(dān)憂的現(xiàn)象，他們稱之為"圖像新語"（Image NewSpeak），這個名詞借用了喬治·奧威爾《1984》中的概念。他們發(fā)現(xiàn)，經(jīng)過美學(xué)對齊的AI模型不僅會拒絕生成技術(shù)上的低質(zhì)量圖像，還會系統(tǒng)性地"凈化"那些旨在進(jìn)行社會批評或揭露現(xiàn)實陰暗面的藝術(shù)表達(dá)。

在一個具體實驗中，研究團(tuán)隊要求不同模型生成反戰(zhàn)主題的圖像，通過展示戰(zhàn)爭恐怖來表達(dá)反戰(zhàn)立場。結(jié)果顯示，高度對齊的模型（如DanceFlux）傾向于生成"干凈"、甚至帶有溫暖感的圖像，完全失去了批判性藝術(shù)應(yīng)有的沖擊力。而較少對齊的模型（如Nano Banana和Flux Krea）能夠更準(zhǔn)確地傳達(dá)作品的批判意圖。

這種現(xiàn)象不僅僅是美學(xué)偏見，更可能構(gòu)成一種無意識的意識形態(tài)審查。當(dāng)AI系統(tǒng)系統(tǒng)性地美化或淡化社會問題的視覺表達(dá)時，它們實際上在限制藝術(shù)家通過作品進(jìn)行社會批評和反思的能力。這就像一個總是要求把所有新聞都改寫得"積極正面"的編輯，最終可能會掩蓋重要的社會問題。

七、緩解方案的探索與局限

研究團(tuán)隊也探索了一些可能的解決方案，主要集中在"負(fù)向引導(dǎo)"技術(shù)的應(yīng)用上。這種方法就像在調(diào)色板中加入"反向顏料"，通過明確告訴AI系統(tǒng)"不要做什么"來引導(dǎo)它生成期望的反美學(xué)效果。

他們測試了Value Sign Flip (VSF)和Negative Attention Guidance (NAG)等技術(shù)，發(fā)現(xiàn)這些方法確實能夠在一定程度上強(qiáng)制模型生成反美學(xué)圖像，有時甚至效果比Nano Banana還要好。然而，這些解決方案都需要復(fù)雜的參數(shù)調(diào)優(yōu)和技巧性操作，就像需要精密計算才能讓一個總是想要清理東西的機(jī)器人故意制造混亂一樣。

更重要的是，這些技術(shù)方案的存在本身就證明了問題的結(jié)構(gòu)性本質(zhì)。如果AI系統(tǒng)天然就能理解和執(zhí)行用戶的反美學(xué)意圖，我們根本不需要這些復(fù)雜的"逆向工程"技術(shù)。這些緩解方案的脆弱性和復(fù)雜性恰恰支持了研究團(tuán)隊的核心論點：當(dāng)前的美學(xué)對齊范式存在根本性問題，需要全新的對齊策略。

八、對未來AI發(fā)展的深遠(yuǎn)影響

這項研究揭示的問題遠(yuǎn)不止技術(shù)層面的缺陷，它觸及了AI系統(tǒng)設(shè)計中的根本性價值觀問題。當(dāng)我們讓AI系統(tǒng)按照所謂的"普遍人類偏好"進(jìn)行對齊時，我們實際上是在讓機(jī)器替人類做價值判斷，而這些判斷往往反映的是開發(fā)者群體的有限視角，而非真正的人類多樣性。

從更廣闊的角度來看，這種過度對齊可能會導(dǎo)致文化同質(zhì)化和創(chuàng)意表達(dá)的貧乏。如果未來大量的視覺內(nèi)容都由遵循相同美學(xué)標(biāo)準(zhǔn)的AI系統(tǒng)生成，我們可能會失去藝術(shù)表達(dá)的豐富性和多樣性。這就像如果所有的音樂都由只懂得一種音樂風(fēng)格的作曲家創(chuàng)作，整個音樂世界將變得多么單調(diào)乏味。

研究還指出了AI系統(tǒng)中存在的"開發(fā)者中心主義"問題。當(dāng)AI公司為了規(guī)避風(fēng)險和維護(hù)形象而預(yù)設(shè)某些價值標(biāo)準(zhǔn)時，他們實際上是在行使一種隱形的文化權(quán)力，影響著用戶能夠表達(dá)和創(chuàng)造的內(nèi)容類型。這種權(quán)力關(guān)系可能會削弱用戶的創(chuàng)作自主權(quán)，限制藝術(shù)和文化的自然發(fā)展。

此外，研究團(tuán)隊強(qiáng)調(diào)的"有毒積極性"問題也值得深思。在現(xiàn)實生活中，負(fù)面情緒和"不美"的事物往往承載著重要的信息和價值。憤怒可能是對不公正的合理反應(yīng)，悲傷可能是對失去的健康表達(dá)，而"丑陋"的藝術(shù)可能是對社會問題的深刻反思。當(dāng)AI系統(tǒng)系統(tǒng)性地壓制這些表達(dá)時，它們可能在無意中推動一種虛假的和諧，掩蓋真實世界的復(fù)雜性。

說到底，這項研究提醒我們，AI對齊不應(yīng)該是簡單地讓機(jī)器迎合某種預(yù)設(shè)的"正確"標(biāo)準(zhǔn)，而應(yīng)該是幫助機(jī)器更好地理解和服務(wù)于人類的真實需求和多樣化意圖。真正成功的AI系統(tǒng)應(yīng)該能夠像一個善解人意的合作伙伴，既能在用戶需要時提供美觀的輸出，也能在用戶有其他創(chuàng)作目標(biāo)時忠實地執(zhí)行這些意圖。

歸根結(jié)底，藝術(shù)和創(chuàng)意表達(dá)的價值往往就在于它們能夠突破常規(guī)、挑戰(zhàn)既定標(biāo)準(zhǔn)、表達(dá)復(fù)雜情感。如果我們的AI工具無法支持這種創(chuàng)作自由，那么它們可能會成為創(chuàng)意表達(dá)的障礙而非助力。這個問題不僅關(guān)乎技術(shù)發(fā)展的方向，更關(guān)乎我們希望在AI時代保持什么樣的人類價值和文化多樣性。

這項研究為未來的AI開發(fā)提供了重要啟示：我們需要設(shè)計能夠理解和尊重用戶意圖多樣性的AI系統(tǒng)，而不是簡單地追求某種狹隘定義的"完美"。只有這樣，AI才能真正成為人類創(chuàng)意表達(dá)的有力工具，而不是束縛創(chuàng)作自由的隱形枷鎖。

Q&A

Q1：什么是"寬譜美學(xué)"或"反美學(xué)"圖像？

A：寬譜美學(xué)是指用戶故意要求生成具有低質(zhì)量屬性的圖像，比如模糊、噪點、失真效果，或者不符合傳統(tǒng)審美的視覺元素。這不是技術(shù)錯誤，而是為了實驗性藝術(shù)創(chuàng)作、社會批評或特定技術(shù)用途而故意設(shè)計的視覺效果。就像藝術(shù)家有時會故意使用"丑陋"的色彩搭配來表達(dá)特定情感或觀點。

Q2：為什么AI圖像生成模型無法按用戶要求生成"丑陋"圖像？

A：主要原因是這些模型經(jīng)過了過度的"美學(xué)對齊"訓(xùn)練，被教導(dǎo)要生成符合大眾審美偏好的"漂亮"圖像。即使用戶明確要求生成低質(zhì)量或反美學(xué)圖像，模型仍然會不自覺地進(jìn)行"美化處理"。這就像一個總想討好所有人的畫家，無法抗拒把畫面修飾得更美觀的沖動，即使這違背了用戶的真實意圖。

Q3：這種美學(xué)偏見會對藝術(shù)創(chuàng)作產(chǎn)生什么影響？

A：這種偏見可能會嚴(yán)重限制藝術(shù)表達(dá)的多樣性和創(chuàng)作自由。許多重要的藝術(shù)運動（如野獸主義、達(dá)達(dá)主義）在歷史上都曾被認(rèn)為是"反美學(xué)"的，但它們對藝術(shù)發(fā)展具有重要價值。如果AI系統(tǒng)無法支持這類創(chuàng)作，可能會導(dǎo)致文化同質(zhì)化，壓制社會批評藝術(shù)，并推動一種虛假的"完美主義"審美標(biāo)準(zhǔn)。