Генеративное искусство и автоматизация эстетического выбора: критический анализ

Saint Petersburg, Russia, ,

Введение . Стремительная экспансия генеративных технологий искусственного интеллекта радикально изменяет условия производства и восприятия визуальных образов. Формируется новая форма визуальности, в которой процессы создания изображений оказываются отделены от субъективного художественного опыта. Это обстоятельство актуализирует проблему художественного статуса ИИ-изображений и их места в современной культуре.

Методологической основой настоящего исследования является культурологический и сравнительно-аналитический подход, включающий анализ теоретических концепций, интерпретацию пользовательских практик генерации визуального контента и сопоставление различных форм ИИ-изображений. Применение элементов типологического анализа позволяет выявить устойчивые характеристики рассматриваемого явления и систематизировать наблюдаемые закономерности.

Генеративные технологии и трансформация современной визуальной культуры . Начиная с 2010-х гг. динамично развивается искусство искусственного интеллекта (artificial intelligence art), или ИИ-арт (AI art), базирующееся на использовании алгоритмов, прошедших обучение на больших массивах визуальных данных для решения определенных изобразительных задач (Бохоров, 2021). Искусственный интеллект становится инструментом в руках узкого круга прогрессивных арт-деяте-лей, творящих на стыке технологий, медиа, науки и искусства (медиаискусство, сайнс-арт) (Прыгунова, 2025). Цифровые алгоритмы расширяли естественные человеческие возможности, и их применение стало формой элитарной художественной практики, так как требовало не только доступа к особому программному обеспечению и специальных навыков, но и наличия новаторской художественной концепции (Миловидов, 2022).

Однако начиная с 2022 г. у массового пользователя впервые появилась возможность самостоятельной генерации изображений при помощи различных нейросетей. На рынок вышли такие системы, как DALL·E 2, Midjourney, Stable Diffusion и Craiyon (DALL·E mini). Они стали доступны широкой аудитории благодаря удобным веб-интерфейсам и open-source-распространению. В 2023 г. к уже существующим добавились новые сервисы, такие как Adobe Firefly, Leonardo AI, Ideogram. В этот период они вызвали большой пользовательский интерес и воспринимались в первую очередь как особый инструмент цифрового творчества для художников и дизайнеров, так как их использование подразумевало работу в специализированной программе или приложении. Этот этап называют первой волной (Mass availability of image generators), когда генерация изображений стала глобальным культурным трендом.

На 2023–2024 гг. пришлась вторая волна (Conversational multimodal interfaces – диалоговые мультимодальные интерфейсы), когда генерация изображений перестала быть отдельной креативной практикой и стала привычной частью коммуникативных процессов посредством интеграции в чат-интерфейсы. Впервые это произошло через DALL·E 3, встроенную в базовые функции GPT-чата, который начал отвечать не только текстом, но и изображениями. В этом процессе пользователь может уточнять детали (например, «сделай фон ярче», «поменяй выражение лица»). В 2024 г. генератор изображений Copilot был интегрирован в повседневную рабочую среду (поиск, документы, презентации) офисной экосистемы Microsoft, выступив посредником в решении творческих, рабочих и бытовых задач. В том же году Google выпустил универсальный ИИ-ассистент для генерации изображений Gemini. Среди наиболее известных российских нейросетей следует отметить Kandinsky от «Сбера» и «Шедеврум» от «Яндекса».

Включение генерации изображений в диалоговые мультимодальные системы отражает их переход от узкоспециализированных инструментов к универсальным ИИ-агентам общего назначения (Senger et al., 2025). Следствием данного перехода стало распространение нового типа визуального контента, спровоцировавшего глобальное изменение всей морфологии современной визуальной культуры. Согласно определению Ф. Галантера, генеративное искусство представляет собой любую художественную практику, в которой автономная система участвует в создании произведения или полностью его воспроизводит (Galanter, 2019: 112–113).

На протяжении всей истории человечества создание художественного произведения занимало значительное время, иногда исчисляемое годами. Подобная длительность художественного труда во многом определяла и характер восприятия произведения: редкость и трудоемкость его создания способствовали более устойчивому вниманию со стороны зрителя. В этом контексте контраст с современными цифровыми изображениями, в том числе разработанными нейросетями и распространяемыми в потоках социальных медиа, становится особенно очевидным.

ИИ-изображения значительно менее затратны в производстве, чем оригинальные фото, видео или созданная художниками анимация. По этой причине визуальный нейросетевой контент стал объектом генерации так называемых контент-ферм (content farm). Контент-фермы – это потоковое создание колоссального количества бессмысленных видео низкого качества в целях монетизации. Подобные фермы нацелены на вывод как можно большего количества контента за единицу времени, поэтому в результате зачастую получаются неестественные и пугающие изображения. Продукт деятельности контент-ферм называется ИИ-мусор (AI slop). Данное понятие стало словом 2025 г. по версии словаря Маккуори (Macquaire Dictionary)1, что свидетельствует об актуальности явления. Создателей контента маркируют как ИИ-мусорщиков (AI sloppers). Последствия потребления подобного контента красноречиво обозначено в социальных медиа как «брейнрот» (brain rot, дословно – «гниение, разложение мозга»). По версии Оксфордского словаря brain rot является словом 2024 г. и определяется как предполагаемое ухудшение психического или интеллектуального состояния человека, рассматриваемое как результат чрезмерного потребления материала

(в настоящее время преимущественно онлайн-контента), который считается тривиальным или примитивным, а также что-то, что может привести к подобному ухудшению1. Таким образом, стремительное закрепление этих понятий в массовом дискурсе говорит о масштабности явления и ставит культурологический вопрос о том, каким образом массовое производство алгоритмически сгенерированного визуального контента влияет на структуру цифровой культуры, практики потребления медиа и восприятие визуальных образов.

Большую опасность представляет деградация искусственных интеллектуальных систем в процессе обучения, особенно при использовании данных, сгенерированных другими моделями. Это явление известно как коллапс-модели (model collapse) (AI models collapse…, 2025). В условиях накопления подобных данных возникает эффект рекурсивного обучения, при котором снижаются качество функционирования, точность и способность системы к адекватной интерпретации и генерации результатов.

Один из дискуссионных вопросов генерации ИИ-изображений связан с использованием произведений художников для обучения нейросетей, что может рассматриваться как одна из форм модифицированного арт-контента (Ершова, 2016а: 149–150). Так, Midjourney обучалась на десятках тысяч изображений, размещенных в интернете, что позволяло сети воспроизводить стили конкретных авторов. В ранних версиях алгоритма даже были заметны водяные знаки с подписями оригинальных создателей, что вызвало волну протестов среди художников2. В частности, пользователи платформы Artstation массово удаляли свои работы и призывали ограничить или запретить использование произведений для обучения ИИ, поднимая вопросы авторских прав и этики в цифровой культуре. Инцидент с победой ИИ-работы Théâtre D’opéra Spatial, сгенерированной с помощью Midjourney Дж.М. Алленом, на конкурсе Colorado State Fair (штат Колорадо, США) в 2022 г.3 демонстрирует актуальность культурологического исследования роли ИИ в искусстве. Споры и дискуссии, возникшие вокруг этой победы, касаются вопросов ценности и критериев оценки художественных произведений, создаваемых алгоритмами, и показывают, что ИИ-арт уже влияет на общественное восприятие искусства, стандарты эстетики и представления о творческом процессе.

Художественный статус ИИ-изображений в контексте культурных теорий . Итак, можно констатировать, что современные ИИ-системы (нейросети, машинное обучение, генеративные модели) отличаются от предыдущих инструментов тем, что они способны обучаться на больших массивах данных, воспроизводить и комбинировать стили, генерировать визуальные, текстовые и музыкальные формы, которые внешне выглядят «творческими». Они получили широкое распространение и затронули практически каждого пользователя сети в той или иной степени. Одновременно их эстетический и культурный статус остается неопределенным, что в совокупности с их стремительной экспансией и увеличением степени влияния в медиапространстве представляет собой важную культурологическую проблему.

Данная проблема нашла отражение в первую очередь в исследованиях зарубежных ученых. Классические теории воспроизводства и симуляции Вальтера Беньямина и Жана Бодрийяра позволяют рассматривать ИИ-эстетику как радикальное продолжение процессов утраты авторства и ауры. В процессе генерации визуального контента нейросеть комбинирует статистические закономерности, извлеченные из больших массивов существующих изображений, поэтому итоговое произведение утрачивает устойчивую референцию и глубину смысла, превращаясь в элемент гиперреального пространства образов. В такой ситуации художественный образ формируется не как выражение субъективного опыта автора, а как результат переработки уже существующих визуальных кодов культуры, где знаки функционируют преимущественно в отношении друг к другу, а не к внешней реальности. Таким образом, ИИ-арт может интерпретироваться как радикализированная форма симуляции, в которой процессы производства и циркуляции знаков доводят до предела ту культурную логику, которую описывал Ж. Бодрийяр (Бодрийяр, 2015).

Теория В. Беньямина предоставляет важную аналитическую рамку для понимания ИИ-арта как новой стадии развития процессов репродукции художественных образов, в которой генеративные алгоритмы радикализируют данную тенденцию до предела: процесс создания и распространения изображений становится практически неограниченным, а уникальность художественного объекта еще сильнее размывается (Беньямин, 2012).

Гарольд Коэн, один из пионеров компьютерного искусства, разработал в 1970–1990-х гг. серию программ AARON, предназначенных для автономного создания художественных изображений. В эссе The further exploits of AARON, Painter он рассматривает данную программу как инструмент для изучения границ творческого процесса, демонстрируя, что ИИ может создавать визуально новые произведения, не обладая субъективным намерением (Cohen, 1995). Его работа ставит вопросы об авторстве, креативности и эстетической ценности машинного искусства, что формирует важную культурную предпосылку для последующих культурологических и философских исследований ИИ-арта.

Маргарет А. Боден в работе Creativity and artificial intelligence рассматривает возможности и ограничения искусственного интеллекта в контексте теории творчества (Boden, 1998). По ее мнению, алгоритмические системы способны производить новые визуальные решения за счет неожиданного комбинирования уже существующих элементов и исследования заданных концептуальных пространств, например художественных стилей или композиционных принципов. Однако подлинное творчество, предполагающее изменение самих правил и критериев оценки художественной деятельности, остается исключительно человеческой способностью. Для уточнения природы новизны М. Боден вводит различие между P-creativity (психологической новизной), когда идея является новой для конкретного субъекта, и H-creativity (исторической новизной), означающей принципиально новое достижение в масштабе культурной истории. В этом контексте ИИ может демонстрировать формы P-creativity, тогда как возможность достижения H-creativity остается дискуссионной.

Лев Манович в работах AI aesthetics (Manovich, 2018) и Artificial Aesthetics (Manovich, 2022) анализирует изменения статуса художника и художественного произведения в эпоху искусственного интеллекта, рассматривая ИИ-искусство как продукт распределенной культурно-технологической системы, а не результат автономного творчества машины. Центральный тезис автора заключается в том, что ИИ не может быть художником в эстетическом и философском смысле, поскольку не обладает ни намерением, ни культурной позицией, ни способностью к рефлексии.

В контексте ИИ-искусства вопрос «кто является художником» не имеет однозначного ответа, поскольку творческий процесс распределен между разработчиками алгоритмов, авторами дата-сетов, художниками, кураторами и вычислительными системами. ИИ-искусство следует рассматривать как результат коллективного и инфраструктурного творчества, а не индивидуального авторского акта. Л. Манович критикует популярный медиадискурс, в котором нейросети представляются как «новые художники», указывая, что такая риторика скрывает человеческий труд, встроенный в программирование, отбор данных и настройку моделей.

Особое внимание уделяется понятию эстетики ИИ, которую Л. Манович трактует как производную от статистических закономерностей визуальной культуры. Эстетическая выразительность ИИ-работ основана на масштабировании и автоматизации уже существующих визуальных языков, что приводит к воспроизведению доминирующих стилей, композиционных схем и визуальных клише. Эстетика ИИ характеризуется статистической усредненностью: алгоритмы стремятся к наиболее вероятным и узнаваемым решениям, что сглаживает радикальные, маргинальные или экспериментальные формы. В этом смысле ИИ-изображения часто демонстрируют внешнюю новизну, но лишены внутреннего эстетического напряжения, связанного с нарушением норм, риском или сознательным выходом за пределы канона, что снижает критический потенциал искусства. Эффект впечатляющей сложности или красоты ИИ-работ возникает за счет вычислительной мощности и объема данных, а не художественного открытия. Эстетическое впечатление часто подменяет анализ: зритель воспринимает результат как «красивый» или «удивительный», не задаваясь вопросом о его культурной позиции и смысловой необходимости. Он предлагает рассматривать ИИ как культурную технологию, изменяющую способы производства, распространения и восприятия искусства. Художник в эпоху ИИ – это человек, осознанно работающий с алгоритмами, данными и системами, используя их как медиум и объект критического анализа.

Кейт Кроуфорд и Тревор Паглен в работе Excavating AI: The politics of training sets for machine learning подчеркивают, что лежащие в основе визуальных генераций данные несут культурные смыслы, влияя на то, какие образы создаются и как они интерпретируются (Crawford, Paglen, 2021). Данные не просто учат машину видеть формы, они формируют способы категоризации и понимания мира, делая обучающие наборы ключевым элементом культурного анализа ИИ-арта.

Йоанна Зилинска в труде AI art: Machine visions and warped dreams критикует аффективный характер и поверхностную визуальную новизну ИИ-арта (Zylinska, 2020). Также вызывает опасение и режим производства: изображения создаются массово, автоматически и без осознания возможных последствий данного процесса. Одним из ее ключевых тезисов является опасность нормализации «бессубъектного взгляда»: ИИ-изображения формируют нечеловеческий режим видения, не основанный на индивидуальном опыте, эмпатии или ответственности, который начинает доминировать в визуальной культуре, обесценивая человеческое восприятие и формируя автоматический взгляд как норму.

Й. Зилинска также подчеркивает иллюзию креативности как культурный риск: визуально эффектные ИИ-работы воспринимаются как «новое искусство», что ведет не к деградации вкуса, а к утрате критической дистанции и поверхностному восприятию технологий как нейтральных или магических. Она связывает ИИ-арт с более широкими гуманитарными и экзистенциальными проблемами: автоматизацией труда, исчезновением ответственности, экологической ценой вычислений и отчуждением человека от процессов создания образов. В связи с этим негативные последствия ИИ-арта, по мнению данного автора, имеют структурный и культурный, а не эстетический характер.

Антония Качич в статье The role of artificial intelligence in art размышляет о том, можно ли считать ИИ автором искусства (Cacic, 2025). Она анализирует ИИ с разных позиций:

• –    как инструмент в руках художника;

• –    как соавтора, участвующего в процессе принятия решений;

• –    как самостоятельного творца.

Последний вариант А. Качич рассматривает критически, аргументируя это тем, что ИИ не обладает намерением (intentionality), сознанием и опытом, а значит, не может иметь позицию по отношению к миру или теме, т. е. не может быть автором в философском смысле. Его «креативность» интерпретируется как имитация, базирующаяся на статистических закономерностях и переработке уже существующих культурных форм. ИИ не формулирует замысел, а лишь вычисляет наиболее вероятный результат на основе данных. Поэтому созданное изображение может выглядеть выразительным, но не является высказыванием. Автор указывает, что ИИ-произведения часто воспринимаются как «творческие» из-за визуальной новизны вследствие неожиданности сочетаний, а также стилистической убедительности. Однако эта креативность является перцептивной, а не онтологической. А. Качич утверждает, что ИИ не создает новое в культурном смысле, а рекомбинирует существующее, извлекая паттерны из обучающих данных, поэтому недопустимо приписывать машине творческую способность, подменяя философское понятие креативности эффектом неожиданности. В конечном счете любое ИИ-произведение полностью зависит от человеческого и культурного контекста, так как отражает уже существующие стили, иерархии и каноны. Автор подчеркивает, что художник несет этическую, социальную и символическую ответственность за произведение. В отличие от него ИИ не способен к саморефлексии, не осознает последствий и не может отвечать за смысл или интерпретацию работы. Поэтому рассматривать ИИ как автономного автора – значит исключить ответственность из искусства, что автор считает концептуально ошибочным. Таким образом, критика А. Качич направлена не на качество образов, а на отсутствие субъекта творческого высказывания, поэтому ИИ не может быть самостоятельным творцом в философском и художественном смысле.

Обзор отечественных публикаций по данной проблематике демонстрирует в целом технооп-тимистичный подход, допускающий некоторую автономную машинную креативность (Дружинина, 2024; Рахманкулов, 2025). Мы вынуждены не согласится с данным подходом, так как в его обосновании отсутствует серьезный анализ результатов нейросетевых генераций с художественно-эстетического ракурса. Большое количество публикаций посвящено правовому статусу генеративного искусства (Арацков, 2025; Романов, 2023). В педагогической литературе преобладает позитивная оценка возможностей создания ИИ-изображений: большинство исследований акцентируют внимание на его достоинствах и образовательном потенциале (Егорова, Рыжов, 2024; Самарина, Бояринов, 2023), тогда как обсуждение недостатков и потенциальных рисков ограниченно или носит фрагментарный характер.

Типология ИИ-изображений и особенности их функционирования . В целях исследования культурологического и художественного статуса генеративного искусства мы предлагаем разделить весь массив существующих ИИ-изображений на две категории. В качестве основания типологии используются следующие критерии: степень участия субъекта в процессе создания изображения, наличие авторской концепции, уровень селективности и контроля над результатом, наличие уникального визуального стиля, характер функционирования изображения в культурной среде.

• I.    Проактивные генерации (также можно обозначить как интенциональные или курируемые генерации) – ИИ-изображения, созданные профессионалами в области визуальных искусств (художниками, дизайнерами).

• 1.    Степень участия субъекта: высокая. Человек формулирует замысел, задает параметры и активно управляет процессом.

• 2.    Наличие авторской концепции: четко выражено. Алгоритм служит инструментом реализации художественной идеи.

• 3.    Уровень селективности и контроля: высокий. Результат проходит выборку, корректировку и осознанную модификацию на всех этапах.

• 4.    Наличие уникального визуального стиля: выражено. Изображения демонстрируют устойчивый и узнаваемый почерк автора.

• 5.    Характер функционирования в культурной среде: выступает как полноценное художественное произведение, обладающее уникальным визуальным стилем и способное отражать авторскую позицию.

• II.    Реактивные генерации (также можно обозначить как автоматизированные или потоковые генерации) – ИИ-изображения, создаваемые в процессе массовых пользовательских практик.

• 1.    Степень участия субъекта: низкая, реже средняя. Пользователь инициирует процесс, но степень управления большинством параметров ограниченна.

• 2.    Наличие авторской концепции: присутствует частично или слабо выражена.

• 3.    Уровень селективности и контроля: ограниченный. Результат в основном формируется алгоритмом, однако пользователь может влиять на отдельные аспекты генерации.

• 4.    Наличие уникального визуального стиля: практически отсутствует. Стиль полностью задается алгоритмом программы и не отражает авторской позиции.

• 5.    Характер функционирования в культурной среде: преимущественно рекреационный или медиальный контекст. Изображения скорее рассматриваются как элементы сетевой коммуникации или развлекательного контента, что, однако, не исключает высокой культурной значимости отдельных изображений.

Данная типология носит обобщающий характер, так как не охватывает всего спектра художественных экспериментов в области ИИ-искусства. Она также не предполагает жесткого противопоставления, поскольку в реальной практике возможны промежуточные формы. Однако подобное разделение позволяет обозначить основные направления для дальнейшего исследования особенностей каждой категории с точки зрения их культурного значения, включая анализ зон взаимодействия и взаимовлияния различных типов генеративных практик.

На данный момент в сетевом пространстве доминирует вторая категория, а именно огромный массив цифрового контента, созданного непрофессионалами без внятной концепции и эстетической программы. Проблематика генеративных изображений связана не столько с вопросом их художественного качества, сколько с радикальным изменением условий производства и циркуляции визуальной информации. Массовая доступность генеративных инструментов приводит к стремительному расширению производства визуального контента, следствием которого являются обесценивание отдельных единиц информации, визуальная инфляция и алгоритмическая усталость.

В связи с этим представляется уместным сопоставление с феноменом арт-мема (Ершова, 2016б: 141–147). Несмотря на сходство, проявляющееся в серийности, вариативности и коммуникативной направленности, между данными формами существует принципиальное различие. Создатель арт-мема выступает носителем авторской идеи, а сама форма предполагает наличие концептуальной новизны, даже если и не представляет эстетической ценности. В генеративных практиках выраженная концептуальная инициатива встречается значительно реже.

Заключение . Вопрос о художественном и культурном статусе ИИ-изображений не имеет однозначного решения. Проактивные генерации представляют собой художественное высказывание, в котором генеративные модели являются вспомогательным средством внутри авторской креативной практики.

Вместе с тем представляется обоснованным согласиться с рядом позиций, высказываемых зарубежными исследователями, согласно которым генеративные системы, функционирующие без руководящей роли человека, не могут быть отнесены к сфере искусства. Продукты реактивных генераций не соответствуют ключевым критериям художественности, таким как наличие авторской идеи, художественной концепции и уникальной выразительной системы, которые традиционно рассматриваются как неотъемлемые признаки художественного произведения. Следовательно, несмотря на их популярность у массовой аудитории и высокий уровень зрительского интереса, причины чего были рассмотрены ранее, данные визуальные продукты не выполняют тех культурных и антропологических функций, которые обычно связываются с искусством. Однако это не исключает возможности их культурной значимости в иных контекстах: коммуникативном, медиальном, игровом.

Кроме того, данная практика сопровождается рядом потенциальных рисков и проблем, требующих более глубокого аналитического осмысления. Особую осторожность следует проявлять при внедрении подобных технологий в образовательную сферу. В связи с этим принципиальное значение приобретает четкое понимание их статуса, функций и пределов применения.