什么是生成艺术(generative art)?含义、特征与入门方式
生成艺术(generative art)指艺术家不直接绘制作品的每一处细节，而是先设定一套规则、算法或参数系统，再由这套系统自动或半自动地"生长"出图像、声音或动态作品。它适合对过程与系统本身感兴趣、愿意把部分控制权交给规则和偶然性的创作者与观众。理解它的关键不在于用了什么软件，而在于"作者设计的是规则，不是最终画面"这一分工。
生成艺术的核心机制
传统绘画里，艺术家决定每一笔落在哪里。生成艺术里，艺术家决定的是"笔如何落"的规则，然后让规则运行出结果。
一个贴切的例子：如果你写一条规则——"每个点随机选一个位置，但必须离上一个点不超过某个距离"——运行一次会得到一条蜿蜒的路径，再运行一次会得到完全不同的另一条。你没有画出任何一条路径，但你设计了产生所有可能路径的机制。这就是生成艺术的基本形态。
由此带来几个稳定特征：
- 过程优先：作品的价值部分来自规则的设计，而不只是成品外观。
- 可重复但不可完全复制：同一套规则多次运行，通常每次结果都不同。
- 作者与系统的分工：艺术家设定边界，系统在边界内探索。
- 偶然性被纳入创作：随机数、噪声、初始条件的微小差异都会影响结果。
生成艺术与相邻概念的关系
这几个词经常被混用，但指向不同层面。
| 概念 | 关注点 | 与生成艺术的关系 |
|---|---|---|
| 生成艺术 | 规则/系统自动产出作品 | 上位概念 |
| 算法艺术 | 用算法作为创作方法 | 高度重叠，算法艺术更强调"算法"这一手段 |
| 分形艺术 | 用分形数学生成自相似图形 | 生成艺术的一种常见类型 |
| 数字艺术 | 以数字技术为媒介 | 更宽泛，生成艺术通常属于数字艺术，但数字艺术不一定是生成的 |
简单说：分形艺术是生成艺术的一个子集，算法艺术是它的近义词，数字艺术是它更大的媒介范畴。algorithmic-worlds.net 这类站点展示的正是算法与分形方向的作品，作者 Samuel Monnier 使用 Ultra Fractal 等工具创作，属于"算法/分形"这一支。
常见的创作方式
- 代码：用 Processing、p5.js、Python 等编写规则，适合完全自定义逻辑。
- 数学公式与分形：通过迭代函数、复数运算生成自相似结构，分形软件是典型入口。
- 现成生成工具：提供参数面板，调节种子、密度、颜色等，降低编程门槛。
- 混合方式：先生成底图，再手工干预或后期处理。
选择哪种，取决于你想要的控制粒度：想要完全掌控逻辑就写代码，想快速看到结果就从现成工具或分形软件入手。
如何欣赏生成艺术
不要只盯着成品像什么，可以按这几条去看：
- 找规则：画面里有没有可辨认的重复、迭代或自相似结构？
- 看变化：如果同一规则再跑一次，哪些部分会变、哪些不变？
- 辨偶然：哪些细节像是系统"自己长出来的"，而非作者刻意安排？
- 看边界：作者在哪里设了限制，又在哪里放任系统自由发挥？
带着这几个问题看，生成艺术会从"好看的图"变成"可读的过程"。
入门路径
- 先看：浏览算法艺术、分形艺术的作品集，建立对可能性的直觉。
- 再调：用带参数面板的生成工具，改种子、密度、颜色，观察结果如何随参数变化。
- 后写：从最简单的规则开始写代码，例如随机点、随机线、简单迭代，先跑通再逐步加复杂度。
- 记录：保存每次运行的参数和结果，生成艺术的乐趣很大一部分来自对比不同运行之间的差异。
入门不需要先成为程序员，但愿意理解"规则如何影响结果"这件事，会让整个过程顺畅很多。