算法遇见艺术家：公共AI艺术辩论中艺术家关切的语义压缩

艺术家在生成式AI中占据一种悖论性位置：他们的作品训练了正在重塑创造劳动的模型。我们测试了他们的关切是否在塑造AI治理的公共话语中获得比例代表。通过分析公共AI艺术话语（新闻、播客、法律文件、研究文献；2013--2025年），并将1259个调查中提炼的艺术家声明投影到该语义空间，我们发现存在明显的语义压缩：95%的艺术家关切聚集在4个话语主题中，而14个主题（占话语的62%）未包含任何艺术家视角。这种压缩是选择性的——治理关切（所有权、透明度）被低估了7倍；情感主题（威胁、效用）在风格控制后仅低估1.4倍。这一模式表明是语义层面的、而非风格层面的边缘化。这些发现表明存在可衡量的代表性缺口：依赖公共话语作为利益相关者优先事项代理的决策者会系统性地低估最受影响的群体。我们引入了一种基于共识的语义投影方法，目前正在跨领域验证中，并可推广到其他利益相关者-技术情境中。