拒绝“一键生成”的虚假繁荣：把艺术体验的权利还给学生

一名学生在人工智能作曲软件中输入“国风、五声音阶、忧伤”，几秒钟后，一段旋律完整、配器妥帖的音乐便生成了。类似场景正在进入艺术课堂：学生可以借助生成式人工智能获得图像、旋律、脚本、舞台方案，也可以用数字工具完成剪辑、编曲和视觉设计。技术降低了创作门槛，拓展了学习资源，也带来新的教育可能。

问题在于作品变得更容易生成，并不等于学生的审美感知、艺术经验和创造判断同步增长。人工智能可以生成合格的图像、旋律和文本，却不能代替学生形成感知，不能代替学生经历笨拙、犹豫、失败和顿悟，也不能代替教师判断一个人的成长正在何处发生。越是进入人工智能时代，艺术教育越需要以人的主体性校准技术应用。

党的二十大报告提出推进教育数字化。教育数字化不是把教育过程简单迁移到平台和工具之中，而是通过技术赋能提升育人质量。对艺术教育而言，关键不在于要不要把人工智能、虚拟现实、数字影像等工具带进课堂，而在于如何防止工具逻辑遮蔽育人逻辑。艺术学习不只是“做出一个作品”，更是在看、听、演、画、写、改的过程中形成感受能力、表达能力、文化理解能力和价值判断能力。

校准技术逻辑，防止效率替代育人

人工智能对艺术教育的赋能是真实的。高清资源让学生足不出校即可看到世界名作，数字工具让创作训练拥有更多路径，生成式人工智能也能在构思、编曲、视觉方案等环节提供启发。对于艺术资源相对不足的学校而言，技术还具有弥合差距的现实意义。但资源的可及性不能直接等同于审美的生成，工具的高效率也不能直接等同于学习的高质量。艺术教育必须防止一种新的误区：把技术能够完成的部分，误认为教育已经完成。

艺术学习的核心，不在于快速抵达成品，而在于经历从感知到表达、从模仿到判断、从试错到创造的过程。普通高中艺术课程标准强调艺术感知、创意表达、审美情趣和文化理解，这些素养都不是由信息堆叠自动形成的。学生需要面对作品的时间，需要从不确定的感受中辨认自己的判断，也需要在反复练习中理解形式与情感的关系。如果课堂过早把“完整成品”作为主要目标，学生便容易跳过构思、推翻、修改、重来的过程，只学会提交一个看起来像样的结果。

算法的强项，是在既有数据中快速组合出合乎模式的结果；艺术学习的要义，却往往发生在模式之外。排练中的一次走音，绘画中的一笔犹疑，舞台调度中的一次失败，都可能成为学生重新理解作品、身体和自我的起点。艺术教育要守住的不是低效率，而是人的经验进入创造过程的权利；要警惕的也不是技术本身，而是技术把复杂学习压缩为快捷产出的倾向。

校准教师角色，防止操作替代判断

人工智能时代越是强调工具能力，越需要重新认识艺术教师的专业价值。会使用软件、会调取资源、会组织线上展示，当然是数字时代教师能力的一部分，但这些并不足以构成艺术教师的不可替代性。真正的专业性，集中体现在审美判断、媒介辨析、文化阐释和过程评价之中。换言之，艺术教师的角色正在从“会使用工具”走向“能判断工具如何服务育人”。

审美判断是艺术教师专业性的基础。教师能够分辨一件作品何以动人，能够把学生从碎片化观看中带回作品本身，能够引导学生从“好看”“好听”的即时反应，走向对结构、节奏、材料、空间、情感与意味的分析。这种判断不是个人趣味的随意表达，而是长期艺术训练和教育经验共同形成的专业能力。它使课堂不被平台推荐和模板风格牵引，而能围绕学生审美素养的生成组织学习。

媒介辨析力决定技术能否被恰当使用。数字工具可以帮助学生理解和声、构图、空间、剪辑等艺术结构，但不能替代真实演奏中的呼吸节律、绘画中的材料经验、舞蹈与戏剧中的身体协同。教师的职责，不是把传统媒介与数字媒介对立起来，而是在具体教学目标中判断何时用技术、何处需退回现场、何种经验不能被屏幕替代。

校准文化理解，防止生成替代创造

文化阐释力是艺术教师难以被算法替代的根基。人工智能擅长综合既有数据，却并不天然理解文化内部的价值秩序。生成式人工智能可以轻松生成“水墨风”“国潮风”“敦煌风”，却未必理解这些风格背后的精神结构和历史语境。若“中国风”只剩飞檐、折扇、红墙和纹样拼贴，传统文化便被降格为可替换的装饰符号。

当学生用人工智能生成传统意象时，教师要带领他们追问：画面中的空白是否真正形成了“留白”的意味，旋律中的五声音阶是否承载了相应的情感结构，舞台动作是否理解了身段、气息和礼序的关系。文化阐释不是把标准答案交给学生，而是帮助他们进入文化的深层语法，使技术辅助下的创作从图像相似走向精神相通。

以人的主体性校准人工智能时代艺术教育，最终要落实到课程实践之中。艺术课堂需要从“工具展示”转向“问题组织”，让音乐、美术、舞蹈、戏剧和数字媒介形成互相照亮的关系。跨门类综合学习的意义，不是把不同艺术门类简单相加，而是让学生在多重媒介中理解同一文化意象如何生成，在比较、转换和再表达中形成综合性的审美经验。

技术本身也应成为课堂探究的对象。教师可引导学生比较同一主题下不同提示词生成的结果，分析其中的构图套路、色彩偏好、声音风格和文化符号，再讨论这些结果背后的训练数据、审美预设和价值边界。学生由此会发现，算法输出并非中立的标准答案，它也包含选择、偏见和局限。当技术从答案提供者变成分析对象，课堂便获得了培养批判性思维的契机。

艺术课堂还应给废稿和过程以制度性位置。草图、分镜、排练片段、修改痕迹、人工智能提示词迭代记录、学生自评与互评，都可以成为学习档案的重要内容。评价不只看最终作品是否完整，更看学生是否经历了有意义的问题发现、材料选择、风格辨析和表达修正。这样的评价不是降低标准，而是让标准贴近艺术学习的真实发生。

人工智能不会天然削弱艺术教育，也不会自动提升艺术教育。关键在于教育能否保持自身的主体性，能否把技术纳入人的全面发展和文化传承创新的框架之中。当可复制的技术越来越强大，艺术教育更要守住不可复制的人；这不是对技术的退让，而是对教育使命的重申。

（作者为上海市长宁区教育学院高中艺术教研员。）

原标题：《作品越容易生成，审美越难成长？AI时代的艺术教育冷思考》