Anna Ridler：當 AI 藝術不只是生成圖像，我們如何分類與理解世界？

1. 開頭：從 AI 藝術的「結果」轉向「過程」

生成式 AI 普及之後，「用 AI 創作」已經不再是一件陌生的事情。從文字輸入到圖像生成，模型可以在極短的時間內產生大量影像，關於 AI 藝術的討論，也經常集中在最後呈現的結果：生成的圖像是否足夠精緻？藝術家使用了什麼模型？又或者，當機器能夠快速產生過去需要大量時間才能完成的視覺內容時，藝術家的創作究竟還剩下什麼？

然而，如果將目光從生成的結果往前移，AI 創作其實還存在另一個不容易被看見的過程。一個模型之所以能夠辨識、分類甚至生成某種事物，是因為在它開始運算以前，已經有人蒐集影像、建立資料、加上標記，並決定哪些內容應該被放進資料集。換句話說，機器如何「看見」世界，並不是憑空發生的，而是建立在人類事先整理與分類世界的方式之上。

藝術家 Tom White 的創作便曾刻意製造出一系列在人類眼中近似抽象圖形，卻能被影像辨識系統判定為特定物件的影像。同一張圖像放在人與機器面前，可能得到完全不同的答案。這樣的差異讓我們開始意識到，機器的觀看並不是人的視覺經驗的簡單複製，而是透過資料、特徵與分類所形成的另一套辨識方式。

如果機器與人看見的世界並不完全相同，下一個問題或許是：機器為什麼會這樣看？

相較於將注意力停留在模型最後辨識或生成了什麼，英國藝術家 Anna Ridler 更進一步回到模型開始辨識與生成以前：資料從哪裡來？誰決定一張影像屬於哪個類別？哪些東西被留下，又有哪些東西在分類過程中被排除？

十多年來，Ridler 持續使用人工智慧、機器學習與資料集進行創作。她經常親自拍攝、蒐集與整理素材，建立自己的資料集，再以這些資料訓練神經網路。對她而言，資料如何被建立、什麼被納入或排除，以及人在其中投入的時間與勞動，都不是作品開始之前的準備工作，而是創作本身的一部分。

因此，Ridler 的作品雖然經常被放在 AI 藝術的脈絡下討論，她真正關心的問題卻不只關於 AI。從資料集、植物與貝殼，到手寫文字與數百年前試圖為世間萬物建立秩序的分類系統，她反覆回到的其實是人如何透過命名、分類與記錄來理解世界。

沿著 Anna Ridler 十多年來的創作繼續追問，問題或許還可以再往前一步：在機器看見世界以前，是誰替它整理了這個世界？

2. Anna Ridler 是誰？

Anna Ridler 是一位居住於倫敦的英國藝術家，長期以人工智慧、機器學習、資料集與檔案作為創作媒介。早在生成式 AI 成為大眾熟悉的工具以前，她便已開始探索機器學習與藝術之間的關係。過去十多年來，她的作品橫跨影像、攝影、裝置、生成系統與區塊鏈，並持續圍繞著資料、分類、自然、時間、價值與記憶等問題展開。

如果只從媒介來看，Ridler 很容易被歸類為「AI 藝術家」，但這個稱呼其實只能描述她創作的一部分。AI 在她的作品中很少單獨存在，而是經常與攝影、植物、檔案、文字甚至手寫等不同媒介交織。她關注的也不只是如何利用新的模型產生影像，而是技術背後的知識如何形成，以及人在建立、使用這些系統時扮演什麼角色。也因此，她的創作經常同時涉及科技與藝術，也延伸到自然史、金融市場、語言、檔案保存與知識分類等不同領域。

植物尤其是她作品中反覆出現的主題。從鬱金香、鳶尾花、鐵線蓮，到沿著泰晤士河蒐集的貝殼，Ridler 經常從具體而微小的自然事物開始，透過大量拍攝、整理與反覆排列，逐漸形成規模龐大的影像與資料系統。她曾形容自己的作品經常從「非常小的東西」開始，只有當它們不斷重複、聚集在一起時，某些原本不容易察覺的關係才逐漸顯現。這種從微小事物走向龐大系統的方法，也成為理解她創作的重要線索。

近年 Ridler 的作品已進入不同類型的國際藝術機構與展覽。她曾於 Ars Electronica、ZKM Karlsruhe、首爾市立北首爾美術館（Buk Seoul Museum of Art）等機構展出或發表，2024 年亦參與倫敦 Victoria and Albert Museum 的 FEMGEN 活動。2025 年，她與長期合作的藝術家 Sofia Crespo 共同獲得 Arab Bank Switzerland Digital Art Prize；2026 年則在牛津大學 Stephen A. Schwarzman Centre for the Humanities 發表大型委託創作《A Perfect Language of Images》，同年於科隆 Galerie Nagel Draxler 舉辦個展「Traces Remain」。

從早期的機器學習實驗，到近年進入美術館、畫廊與大學等機構，Ridler 的創作始終沒有離開一個基本問題：當技術成為我們理解世界的重要方式時，藝術家可以如何揭開系統背後原本不容易被看見的選擇、秩序與限制？而她之所以逐漸走向這樣的創作方向，其實也與她早年的學習背景密切相關。

3. 從文學到資訊設計：她如何走向 AI 藝術

Ridler 對於語言、分類與知識系統的興趣，其實早在接觸人工智慧以前便已開始。她最初於牛津大學就讀英國語言與文學（English Language and Literature），之後才進入倫敦皇家藝術學院（Royal College of Art），取得 Information Experience Design 碩士學位。從文學到資訊設計，看似是兩個相距甚遠的領域，卻也構成她日後創作中兩條不斷交會的路徑：一邊是語言、文字與人如何描述世界，另一邊則是資料、技術與資訊如何被組織和呈現。

在牛津求學期間，Ridler 便接觸到 17 世紀英國學者 John Wilkins 的著作，以及阿根廷作家 Jorge Luis Borges 後來對他的回應。Wilkins 曾試圖設計一套能夠描述世間萬物的「完美語言」，希望將世界上的事物與概念依照一套理性的秩序加以分類，再透過特定符號與語言結構準確地表達它們。幾個世紀後，Borges 在〈The Analytical Language of John Wilkins〉中重新檢視這項計畫，指出任何企圖完整分類世界的系統，都難以真正容納現實的複雜與例外。

這段求學時期接觸到的思想並沒有停留在文學研究之中。當 Ridler 後來開始使用資料與機器學習進行創作時，「如何分類世界」也以另一種形式重新出現。機器學習同樣需要將現實轉換成可以處理的資訊：事物被命名、影像被標記，相似與不同的對象被分入不同類別，模型才得以從資料之間建立關係。數百年前透過語言建立世界秩序的企圖，在人工智慧的時代，似乎又以資料與演算法的形式重新發生。

而皇家藝術學院的 Information Experience Design 訓練，則讓 Ridler 進一步將這些對語言與知識的興趣帶入資訊、影像與技術之中。她開始處理資料如何被建立、組織與觀看，也逐漸將機器學習發展為自己的創作方法。這使她使用 AI 的方式與單純追求生成效果有所不同：技術不是一個突然加入創作的新工具，而是延續她原本對語言、分類與知識系統的思考。

也因此，回頭觀看 Ridler 十多年來的創作，可以發現人工智慧雖然隨著模型與技術不斷改變，她所追問的問題卻有相當清楚的延續性。從文學中的語言與分類，到資訊設計中的資料組織，再到機器學習如何辨識世界，她真正感興趣的始終不只是技術能做到什麼，而是我們如何建立一套系統去描述、整理與理解眼前的世界。

4. 創作脈絡：資料集、分類、自然與人的勞動

如果說分類是 Ridler 長期關注的問題，那麼親手建立資料集（dataset），就是她將這個問題帶入創作實踐的重要方式。十多年來，她持續親自拍攝影像、整理檔案、建立分類，再以這些自己製作的資料訓練神經網路。在今天，使用既有模型生成圖像已經變得相當容易，相較之下，Ridler 的工作方式顯得格外緩慢：她往往必須先花費大量時間觀察、拍攝與整理，作品才真正進入機器學習的階段。

但對 Ridler 而言，這些工作並不是使用 AI 以前的準備程序。她曾明確表示，建立資料集的過程、其中投入的勞動，以及決定什麼應該被納入、什麼應該被排除，一直都是作品的主題，而不只是製作方法。換句話說，一份資料集並不是等待模型處理的中性材料。從拍攝什麼、留下什麼，到如何命名與分類，每一個決定都包含人的判斷，也影響機器之後能夠從中辨識出什麼。

這也是 Ridler 對「教機器觀看」感興趣的地方。當一個模型被訓練去辨識花朵、貝殼或其他事物時，它所接觸到的並不是完整的現實，而是經過人為選擇與整理後的資料。機器所建立的觀看方式，某種程度上也延續了建立資料者對世界的理解。於是，原本看似客觀的分類開始顯露出背後的選擇：誰決定兩件事物彼此相似？什麼樣的差異值得被區分？又有哪些難以歸類的事物，可能在整理資料的過程中被忽略？

自然世界也因此反覆出現在 Ridler 的作品中。她長期以花朵、植物與貝殼作為觀察與記錄的對象，這些事物會生長、凋謝、變色，也會隨著季節、環境與時間產生變化。她透過攝影與資料整理，試圖記錄這些不斷改變的狀態，卻也同時面對分類本身的限制：我們可以替一朵花命名、拍攝並放進資料庫，但這些記錄是否真的足以描述它？當自然持續變化，一套固定的分類又能保留多少差異？

在這樣的創作方法中，人的勞動也始終沒有因為 AI 的加入而消失。相反地，Ridler 經常刻意讓這些勞動留下痕跡。大量拍攝、逐一整理影像，以及近年作品中愈來愈常出現的手寫，都需要人的身體、時間與持續的注意。她曾形容，手寫留下的痕跡提醒著我們，這些內容是由身體而不是機器製造出來的。當自動化系統可以快速擷取與處理大量資訊，這些看似緩慢甚至低效率的工作，也讓原本容易隱藏在數位技術背後的製作過程重新變得可見。

Ridler 曾說，當我們看見一件藝術品時，眼前的成品並不等於作品的全部，真正的作品還包括所有投入其中的思考、製作與選擇。對她而言，使用 AI 因此並不意味著人的工作被交給機器，而是讓我們重新注意那些經常被生成結果遮蔽的部分：資料從何而來、分類如何形成，以及一件作品在進入演算法以前，已經累積了多少人的觀看、判斷與時間。

 5. 重要作品：從鬱金香談時間、價值與注意力

在 Ridler 過去十年的創作中，鬱金香或許是最具代表性的意象之一。她從 2017 年開始持續以鬱金香進行創作，並將這種植物放進機器學習、區塊鏈與金融市場等不同脈絡之中。之所以反覆回到鬱金香，除了花朵本身的生命週期，也與 17 世紀荷蘭的「鬱金香狂熱」（Tulip Mania）有關。當時部分鬱金香球莖的價格在投機交易中快速上漲，這段歷史也讓鬱金香成為討論市場、稀缺性與投機價值時經常被提起的象徵。幾個世紀之後，加密貨幣與 NFT 市場的出現，讓 Ridler 得以重新將這段歷史與數位時代的價值系統放在一起思考。

2018 年的《Mosaic Virus》是其中重要的作品。畫面由一系列 AI 生成的鬱金香構成，花朵的外觀與動態會受到 Bitcoin 價格影響，隨著市場變化而持續改變。乍看之下，觀眾面對的是一片不斷變化的花朵，但控制這些變化的卻是另一套難以直接看見的金融數據。Ridler 曾提到，觀眾有時只會注意到作品中「漂亮的鬱金香」，而忽略背後其實存在大量研究、概念與彼此交織的關係。對她而言，這種落差並不完全是問題。相反地，她對「漂亮」與「概念」同時存在所產生的張力相當感興趣：一件作品可以具有吸引人的外觀，同時也處理複雜的技術與市場問題。

2019 年的《Bloemenveiling》則進一步將鬱金香帶進區塊鏈。Ridler 製作了 100 件由 GAN 生成的鬱金香短片，並在 100 天內進行 100 場線上拍賣。但這些作品並不因為被記錄在區塊鏈上就獲得永久的生命。每一朵數位鬱金香在售出之後只能存在一週，大約相當於一朵切花離開植株後能夠維持的時間；期限結束之後，作品便會受到「枯萎」的設定影響而消失。

這個設計刻意讓數位作品重新面對自然物的生命週期。當區塊鏈經常被用來證明所有權與建立數位物件的稀缺性，Ridler 卻沒有利用它追求永久保存，而是替作品設定死亡。鬱金香在這裡不只是影像內容，它的生長與凋謝也成為決定作品如何存在、如何被收藏的一部分。原本看似可以永久留存的數位物件，因此重新受到時間限制。

到了 2023 年的《Black Tulip》，Ridler 對區塊鏈市場的介入又更進一步。作品名稱來自一種曾引發強烈想像、卻難以真正培育出的黑色鬱金香，也呼應 Alexandre Dumas 1850 年的同名小說。這件作品被設計成只能在特定的拍賣網站上交易，而且下一次出售的價格只能等於或低於前一次的購買價格。也就是說，一件 NFT 即使可以被轉售，它的規則卻刻意阻止價格透過不斷交易向上累積。Ridler 將它稱為一種「反投機」的 NFT，直接利用智慧合約限制市場最習以為常的增值想像。

從《Mosaic Virus》到《Bloemenveiling》與《Black Tulip》，可以看見 Ridler 關注的並不只是如何把鬱金香轉換成 AI 生成的數位影像，而是不斷改變作品與市場之間的關係。Bitcoin 的價格可以控制花朵的變化；數位作品可以像真正的花一樣死亡；NFT 也可以被設計成難以透過轉售獲利。她並沒有拒絕市場或區塊鏈，而是直接進入這些系統，再透過規則製造限制與摩擦。

這種「讓事情變得不那麼方便」的想法，也延續到 2025 年的《The Breathings of the Moon》。Ridler 將自己在倫敦泰晤士河低潮時蒐集與拍攝的貝殼轉化為作品，每一件代幣分別對應河流沿岸的不同位置，而且只有在低潮發生時才能觀看與交易。收藏者因此無法隨時打開作品或進行交易，而必須等待每天變動的潮汐時間。

這些限制最終指向 Ridler 另一個重要的創作關鍵：注意力。她希望觀眾不只是把數位藝術視為可以持有與交易的資產，而是真正花時間觀看作品。等待花朵凋謝、等待潮水退去，甚至必須配合作品自身的時間才能進行交易，都讓原本追求即時與效率的數位系統慢了下來。對 Ridler 而言，注意力是一種有限的資源，而藝術或許正可以透過這些刻意加入的限制，讓人重新意識到自己究竟願意花多少時間觀看一件作品。

6. 近期發展：從 AI 重新思考分類、檔案與記憶

到了 2026 年，Ridler 對資料與分類的長期關注，在牛津大學 Stephen A. Schwarzman Centre for the Humanities 的委託作品《A Perfect Language of Images》中有了新的發展。這件與牛津大學英語學系學者 William Poole 合作的作品，重新回到她學生時期便接觸過的 John Wilkins，以及他在 1668 年提出的「完美語言」計畫。相隔三百多年，Ridler 將這套試圖分類世間萬物的系統與今天的機器學習並置，重新思考人類不斷嘗試透過語言、資料與技術建立世界秩序的企圖。

《A Perfect Language of Images》由幾個彼此相關的部分組成。其中《A Catalogue of Exceptions》特別處理 Wilkins 分類系統中難以找到適當位置的事物，例如珊瑚、真菌與水母。Ridler 再利用過去十年間不同世代的生成模型製作這些事物的影像，結果發現，當年的分類系統難以處理的對象，AI 同樣無法穩定地呈現。她因此將 1668 年的分類系統、較早期的生成模型與當代擴散模型放在一起：不同時代的技術都試圖描述世界，卻也以不同的方式暴露出自身的限制。

這也讓 AI 的問題被拉回更長的歷史之中。分類的困難並不是機器學習出現後才產生，而是任何試圖將複雜世界整理成固定秩序的系統，都可能面對無法被妥善安置的例外。對 Ridler 而言，重要的並不是建立另一套更「正確」的分類，而是透過這些失敗，看見分類本身如何形成，又有哪些事物始終從系統的邊界溢出。

同一時間，她在科隆 Galerie Nagel Draxler 舉辦的第二次個展「Traces Remain」，則將這種對知識與記錄的關注延伸到檔案、語言與記憶。展覽回顧她過去十年的創作，並將不同作品放在「數位基礎設施逐漸消失」的背景下重新觀看。網路上的資訊看似可以被長期保存，但網站會關閉、地方媒體會停止營運，原本存在於線上的影像與文字也可能隨著平台消失。

《Final Edition》便持續記錄自 2004 年以來美國陸續停刊的地方報紙。Ridler 不只蒐集這些逐漸消失的新聞檔案，也將其中的圖說重新以手寫方式謄錄到紙上。原本存在於快速流動的數位環境中的資訊，因此重新透過人的身體與時間被記錄。她將手寫視為一種古老的記錄技術：它緩慢、需要實際的身體參與，也與自動化系統大量擷取資訊的速度形成鮮明對比。

從《A Perfect Language of Images》到「Traces Remain」，Ridler 近期的創作似乎也讓「資料」這個問題變得更加廣泛。資料不只是用來訓練 AI 的材料，也涉及我們如何分類、保存與記憶世界。當一套分類永遠存在無法容納的例外，而看似永久的數位檔案也可能隨著平台與基礎設施消失，她的作品再次提醒我們：任何試圖完整記錄世界的系統，都有自己的邊界，而那些沒有被分類、沒有被保存，甚至逐漸消失的部分，同樣值得被看見。

7. 結論：當 AI 不只是生成圖像的工具

回頭觀看 Anna Ridler 十多年來的創作，AI 始終存在其中，但很少成為作品唯一的主角。從親手建立資料集、記錄花朵與貝殼，到利用區塊鏈限制作品的觀看與交易，再到近年重新檢視分類系統、手寫與逐漸消失的數位檔案，她關心的始終不只是機器可以生成什麼，而是技術如何改變我們觀看、分類、保存與理解世界的方式。

這也讓 Ridler 的創作在今天有了不同的意義。當生成式 AI 可以在幾秒鐘內製造大量影像，圖像的產生本身已經變得愈來愈容易，她反而將注意力放在那些無法被快速生成的部分：建立一份資料集所需要的勞動、長時間觀察自然產生的變化、等待潮水退去，以及親手記錄一段可能消失的文字。

或許也正因如此，Ridler 的作品讓 AI 藝術的問題不再只是「這張圖是如何生成的」，而是重新回到創作本身：我們選擇觀看什麼、留下什麼，又願意花多少時間理解一件事物？當生成變得愈來愈快速，真正稀缺的，或許不是圖像，而是我們願意投入其中的時間與注意力。