表征美：致富于参与式但客观的潜在审美

机器如何识别美？虽然美在文化和体验层面仍然引人入胜，但在哲学上仍然难以捉摸；然而，深度学习系统正在以 increasingly capable 的方式建模审美判断。本文我们探讨了神经网络在面对广泛适用的对象时，如何代表美 despite 其巨大的形式多样性。通过借鉴最近关于跨模型表征收敛的最新工作，我们展示了审美内容会导致在不同数据和模态上训练的模型之间产生更相似和更一致的表征，而 unaesthetic 图像则不会产生更一致的表征。这一发现表明，美的形式结构具有真实主义基础——而不仅仅是社会建构性价值的反映。此外，我们提出这些真实主义表征之所以存在，是因为审美形式在物理与文化实体之间的联合 grounding。我们认为，人类感知和创造行为在塑造深度学习系统的潜在空间方面起着核心作用，但真实主义的审美基础表明机器不仅仅是模仿的鸽子，而是能够从规模独特视角产生新颖的创造性见解。我们的发现表明，人机共创不仅是可能的，而且是基础的——美作为两种文化生产和机器感知中的精神吸引子。