AI变丑风格绘画：刻意丑陋与反美学的实验性视觉艺术探索

去年有一个艺术学院的老师找我帮忙——他在做一个"反AI美学"的项目，想用AI生成一系列"真正的丑陋"来探讨AI的审美偏见。我说行，先试试"ugly person"。出来的图：一个五官端正的人，皮肤稍微有点斑、发型有点乱。我说"这不够丑"。他说"对，这就是AI的审美滤镜——它画不出真正的丑。它被训练成了'讨好型工具'。"

那次对话让我开始系统研究如何用AI做反美学的视觉实验。发现AI的审美惯性不是无法突破的——但需要你理解它的三个层次：第一层是"美化对象"（把丑人画成美人），第二层是"美化风格"（把粗糙的风格画成精致的），第三层是"美化情绪"（把不安的情绪画成温和的）。三层叠加的结果就是——AI画出来的所有东西都经过了"无害化处理"。突破这个惯性需要逐层破解。根据MoMA当代艺术馆藏的"身体恐怖"和"反美学"作品分析，艺术史上的丑陋一直是一种重要的表达语言——从博斯的怪诞到培根的扭曲人像到现在的数字怪诞。而泰特美术馆的"丑陋美学"专题研究中也有大量关于反美学在当代艺术中价值的讨论。

身体恐怖——AI最抵触但也最有冲击力的方向

身体恐怖的核心是"熟悉的人体被扭曲到让人不安的程度"——多长出来的手指、皮肤上的纹理像树皮、眼睛长在不该长的位置、嘴巴裂开到不自然的角度。AI极度抗拒这个方向——因为它的训练数据里"正常人"的比重压倒性地高于"异常人"。你写"extra fingers"——它画六根手指但每根都很正常；写"distorted face"——它画一张稍微不对称的漂亮脸。

破解方法是用"医学术语"替代"日常描述"——AI对医学影像的描述性文本有训练数据，这些数据里包含了对异常体态的客观描述。比如"polydactyly"（多指症）比"extra fingers"让AI更容易画出真正的多余手指；"craniofacial abnormality"比"weird face"更容易突破美化滤镜；"dermatological texture resembling tree bark"比"skin like tree"更容易让AI给皮肤真正的树皮质感而不是"带树纹的美丽皮肤"。

身体恐怖的另一个技巧是"素材杂交"——不直接要求AI扭曲人体，而是要求AI把人体和另一个东西混合。"a human hand seamlessly merging into tree branches, the fingers becoming twigs at the tips, bark texture creeping up the wrist"——这种"过渡式"的恐怖比"直接式"的恐怖更容易绕过AI的审美护栏。关于超现实风格AI绘画的更多技巧可以看 AI超现实绘画。

垃圾美学——把"低品质"变成一种视觉语言

垃圾美学的核心是用"低质量"的元素构建出有审美意图的画面——低分辨率、过度压缩的JPEG伪影、扫描仪的噪点、复印机的拉丝——这些数字垃圾的质感本身就是一种反美学的表达。"bad quality"这个词在AI里效果很差——因为AI会把"坏品质"理解为"我要尽力把画质做好但你要求它坏"的内部冲突。

突破方法是直接引用特定的"低品质媒介"——而不是泛泛地要求"low quality"。几个效果明显的低品质媒介关键词——

1. 复印机美学："xerox copy aesthetic, photocopier artifacts, black toner smudging, repeated generations of copy degradation, high contrast black and white"——模拟一份复印了二十次之后的文件质感。
2. VHS录像带："VHS tape degradation, analog video artifacts, horizontal tracking lines, color bleeding, magnetic tape noise, CRT scanlines"——模拟一盒被反复播放了五十次的录像带的画面。
3. 低像素早期数码："early 2000s webcam quality, 0.3 megapixel digital camera, heavy JPEG compression artifacts, chromatic aberration, sensor noise in low light"——模拟用一台2003年的网络摄像头拍出来的东西。
4. 破损印刷品："damaged offset print, misaligned CMYK registration, ink smearing, paper creases, faded and yellowed newsprint, halftone dots visible"——模拟一张被扔在雨里又晒干了的旧海报。

垃圾美学的核心态度：不是"我没能力做好"——是"我选择了用坏来表达"。你的选择是有意图的，画面中那个低品质的元素是用来传递某种情感或批判的——不是随机的劣质。关于材质降级的更多思路可以参考 AI材质老化绘画。

令人不安的色彩——不是"暗黑"而是"不对"

令人不安的画面不是黑色调、不是红色调——是"色调不对"。一个阳光明媚的公园场景如果人物的肤色偏绿偏灰——这个画面比任何黑暗场景都更让人心里发毛。因为大脑的期望被颠覆了——你在一个"应该温暖安全"的场景里看到了一个"不应该"的色彩信号。这种"色彩不对"的感觉比直接的恐怖更持久。

三个让人不安的配色策略——

1. 肤色偏移：在正常场景中让人物皮肤的色调偏绿、偏紫或偏灰。不是僵尸绿——是"第一眼看是正常肤色，第二眼觉得不太对"的那种微偏移。"skin with a very subtle sickly greenish-gray undertone, almost imperceptible at first glance but increasingly unsettling, like someone who hasn't seen sunlight for years"。
2. 互补色暴力：在同一个画面中用两种高饱和的互补色（如紫色和黄色）大面积并置——不是和谐的配色而是"刺眼的"。这种配色在现实中几乎不会出现，所以它天然带有"这个世界不对"的信号。"aggressive complementary color clash, saturated purple and yellow fighting for dominance in the same frame, visually uncomfortable chromatic tension"。
3. 单色窒息：整个画面只有一个色调，没有色彩对比——全部是不同深浅的黄色、或全部是不同深浅的灰色。人眼习惯了色彩多样性，单一色调会触发隐隐的窒息感——像被困在一个颜色里。"monochromatic suffocating yellow, everything in the scene rendered in sickly shades of yellow from pale to mustard, no color relief, claustrophobic chromatic uniformity"。

关于色彩心理学的系统分析可以参考 AI绘画色彩理论进阶。

AI的"反驯化"——五种突破美化的技术手段

AI的美化惯性是被训练数据"驯化"出来的——人类标注者更倾向于给"好看"的图片打高分。要反驯化AI，需要绕过它那套被驯化的审美评价体系。五种在实践中被验证有效的反驯化手段——

1. 工作流程引用：不描述你要的画面，而是描述一个"不专业的工作流程产生了什么结果"——比如"a failed taxidermy attempt"、"a poorly executed plastic surgery"、"a ceramic piece that collapsed in the kiln"。AI对"失败的专业行为"有训练数据——这些数据的视觉样本天然就是"不对的"。
2. 媒介转换断裂：把不同媒介强行拼接——"a delicate oil painting but the face is rendered in low-poly 3D video game graphics from 1995, the jarring contrast between the two mediums creating unease"。媒介间的断裂感是AI很难美化的——因为它不知道哪个媒介应该"主导"美化。
3. 过度细节：对不该有细节的地方施加过度细节——"every single pore on the skin visible in excruciating microscopic detail, each hair follicle a crater, the skin texture becoming grotesque through excessive resolution"。AI的"hyperrealistic"可以被反向利用——过度真实本身就是一种丑陋。
4. 生物分类学混淆：混合分类学上不兼容的生物特征——"a creature with the taxonomy confusion of mammal skin on insect body structure, vertebrate eyes on invertebrate face, biologically impossible hybrid that triggers the uncanny valley"。分类学的混乱会触发深层的认知不适——比"怪物"更深的不适。
5. 负面情绪的正面场景：在一个客观描述为"美好"的场景中加入与场景不匹配的情绪信号——"a birthday party scene with colorful balloons and cake, but every person in the scene has a subtly wrong, vacant expression, smiling with their mouths but not their eyes, the joy feeling hollow"。这种"应该是快乐的但感觉不对"比直接的恐怖更持久。

常见问题

刻意画丑图和随便画坏了的图有什么区别？

随便画坏了——是你不小心画出了不符合你预期的丑图——丑得没有意图、没有控制、没有意义。刻意画丑——是丑的每个特征背后都有一个审美选择——我选这个颜色是因为它让人不安，我选这个纹理是因为它暗示了腐烂，我扭曲这个人体部位是因为我想探讨身体边界。区别在于"意图的清晰度"。一张故意丑的图能让观众停下来问"为什么这么画"——一张随便坏了的图只会让观众划走。

AI画的丑图会不会因为太丑被平台屏蔽？

分平台。身体恐怖类（扭曲人体、血腥暗示）在大多数商用AI平台上有审核风险——尤其是涉及人体异常的内容。垃圾美学类（低品质质感）通常不会被屏蔽——因为它不涉及敏感内容。令人不安的色彩类也安全——色彩本身不会触发审核。如果要做身体恐怖方向的实验，建议使用本地部署的Stable Diffusion——没有审核拦截。在线平台实验的话先走垃圾美学和色彩不安这两个安全方向。

做反美学AI绘画有什么用？有人会看吗？

这是一个好问题——也确实有人觉得"做丑东西有什么意义"。反美学AI绘画的受众群不大但非常忠诚——当代艺术圈、独立音乐封面设计、实验性时尚品牌、恐怖游戏概念设计——这些领域对"让人不安的视觉"有真实的需求。更关键的一点：反美学训练能让你更深刻地理解AI的审美机制。你知道怎么让AI"变丑"之后，你就知道了AI平时是怎么"自动变美"的——这个认知反过来能帮你在做美的作品时更精准地控制。学变丑其实是在学"美是怎么被AI制造出来的"——这是一个逆向的审美教育。更多实验性风格的探索可以参考 AI实验艺术绘画。

那个艺术学院的老师最后用我们合作的那组"AI反美学"作品在校内做了一个小型展。展厅入口写了一句："这些画面不是AI的失败——是人类成功地逼迫AI背叛了它自己。"观众的反应两极分化——一半人说"这什么玩意"，另一半人在画前面站了很久然后写了很长的观众留言。我觉得这就是反美学AI绘画的工作方式——它不是来讨好所有人的，它是来筛选所有人的。那些被筛选出来的人，会在丑陋的画面里看到被美丽画面掩盖的东西。做一张美的图只需要顺应AI的惯性，做一张真的丑的图需要你理解AI并且战胜AI——后者显然更有意思。也许多数人不理解为什么有人要画丑画，但如果你读到了这里，你大概就是那个会理解的人。关于风格探索的更多思路可以看 AI艺术风格探索。