视觉风格不只是一组表面效果，它带着材料、技法、时代和观看世界方式的印记。生成式人工智能让其中某些可见特征变得格外容易组合，也改变了我们探索风格的方式。

在训练过程中，图像生成模型学习与色彩、构图、质感等特征相关的统计规律。它们可以生成让人联想到不同艺术传统的图像。但这不等于理解这些传统背后的历史与创作意图：即使没有这种理解，也可能产生令人信服的相似效果。

例如，创作者可以要求将文艺复兴式构图与现代主义几何形式相结合，并迅速尝试多个版本。价值在于发现可能的联系，检验一个想法。仅仅组合可识别的元素，并不会自然形成新的艺术语言；如果缺乏明确目的，结果可能只是一组熟悉效果的拼凑。

因此，作者的作用尤为重要。哪些参照适合放在一起？这种组合表达了什么？当一种风格脱离语境时，哪些联想会随之消失？选择、修改以及对源材料的理解，有助于把一次实验变成经过思考的作品。

在这项始于2024年的探讨中，我把人工智能视为拓展我们与视觉历史对话的工具。说它拥有自己的艺术声音，是一种比喻，并不能证明它具有意图或生活经验。风格实验越容易开展，我们就越需要明白，为什么要选择某一种视觉语言。