生成式人工智能的兴起能够改变社会现实不同方面的呈现方式，包括现代战争。尽管学术界主要关注人工智能的军事应用，但生成式人工智能技术日益广泛的应用，可能对战争的描绘、记忆和解读方式产生重大影响。一些初步的学术研究指出了生成式人工智能在此背景下的风险，特别是其可能扭曲大规模暴力事件的呈现，尤其是通过对其进行“净化”和“同质化”。然而，对于西方与非西方的生成式人工智能模型在呈现不同暴力事件时的表现差异，目前知之甚少。本研究以俄罗斯乌克兰战争为案例，审查了两种图像生成模型（美国的Midjourney和俄罗斯的Kandinsky）如何呈现该战争中虚构和真实的场景。分析了模型对战争相关提示词的响应，以及生成图像在美学和内容方面的特征。研究结果强调，背景因素导致了战争呈现的差异，这种差异既存在于不同模型之间，也存在于同一模型的输出内部。然而，也存在一些一致的呈现模式，这些模式可能导致战争美学的同质化。

关键词：生成式人工智能，战争，乌克兰，俄罗斯，呈现，Midjourney，Kandinsky，视觉

生成式人工智能的兴起，这项能够“从训练数据中生成看似新颖、有意义的内容，如文本、图像或音频”的技术，可能改变社会现实被（错误）呈现的方式。生成式人工智能促进并加速了模仿人类劳动和呈现实践（通常需要时间和资源）成果的多模态人工内容的生产，从艺术作品到新闻报道。新兴的生成式人工智能产业既可能影响对特定议题的呈现，也可能影响这种呈现的潜在效果。一方面，它可能因生成式人工智能的同质化倾向而降低多样性，或传播对现实的虚假或扭曲解读；另一方面，它可能通过降低人工智能用户的认知信任，或改变他们对所呈现的特定议题的看法而产生效果。

在这种生成式人工智能驱动的发展中，一个引发特别显著关注的领域是现代战争的呈现。尽管对人工智能技术与现代战争关系的兴趣正在迅速增长，但大多数现有研究集中在人工智能的军事应用上，范围从提升无人机自主性能到确保人类对自主武器控制的伦理机制。然而，生成式人工智能也塑造了战争被描绘和传播的方式，既包括传统上参与呈现大规模暴力的人类行为者，也包括非人类行为者，如人工智能聊天机器人。

在此背景下，图像生成人工智能模型尤为重要，因为图像（特别是照片）具有传达意义、传递情感和形成记忆的力量。与此同时，生成式人工智能对战争的视觉呈现，受到基于现有表征的概率机制的影响，这些现有表征充当了人工智能模型的训练数据。这导致了生成式人工智能产业产生“高度同质化、规整化和程序化”的大规模暴力图景的风险，引发了生成式人工智能是否能够实现对大规模暴力的有意义呈现的疑问。同质化的风险因生成式人工智能模型无法区分伦理上适当与不适当的结果（除非实施完善的保障措施体系）而加剧，导致它们可能助长对大规模暴力制造扭曲、虚构及与事实不符的呈现。

理解生成式人工智能如何影响现代战争的视觉呈现，其重要性在俄罗斯乌克兰战争的背景下尤为突出。这不仅是一场持久而激烈的战争，而且也恰逢与战争呈现相关的一系列媒体技术发生根本性变革。这种变化的直接后果是乌克兰战争在该国以外的可见度增加，原因在于其数字报道和见证的可能性增多，以及对其呈现的争夺加剧。自2014年战争开始以来，其媒体化就以大量的虚假信息和宣传为特征，而在2022年大规模行动后，这种情况进一步加剧。在此背景下，生成式人工智能产生的战争视觉呈现，可能在塑造本已存在争议的、关于俄罗斯行为后果的呈现方面发挥重要作用，例如在战争记忆方面。

迄今为止，大多数关于生成式人工智能对俄乌战争视觉呈现的研究，都集中在虚假信息和宣传的放大效应上。只有少数研究考虑了生成式人工智能对战争呈现的更广泛影响，指出其倾向于将战争描绘模式化，导致“通用、去语境化且常常去人性化的冲突描绘”。正如一些学者所言，视觉呈现和数字艺术中的人机合作历史悠久，涉及数字素描设备、计算机界面和软件的开发。在此背景下，生成式人工智能有可能提升人类创造力；然而，它也缺乏对人类创作呈现至关重要的情感、经验和社会文化深度。相反，生成式人工智能模型预测并反映了社会的审美偏好，包括自动化的美化或模糊处理实践，这引发了关于审美多样性的疑问。这对战争呈现的直接后果可能是语境独特性的丧失以及少数几种呈现套路的重复；然而，目前尚不清楚此类过程在多大程度上可能受到生成式人工智能模型的数据和微调实践以及不同用户提示（例如关于战争的真实和虚构场景）的影响。

为应对这种不确定性，对西方和俄罗斯的生成式人工智能模型进行了比较性审查，以探究它们对俄乌战争的事实和虚构方面的呈现同质化程度。为此，首先讨论了不同形式的媒体技术如何影响战争呈现，接着简要回顾了关于俄乌战争媒体化的研究。然后，介绍了用于审查Midjourney和Kandinsky的方法论以及数据分析策略。随后，展示了关于模型对战争相关提示词的响应性、与呈现相关的特定内容元素的存在、以及图像视角和光线分布的美学方面的研究发现。最后，讨论了研究发现对战争呈现研究的意义，以及当前研究的局限性和未来研究方向。

生成式人工智能时代的战争呈现

长期以来，不同形式的媒体被用于呈现战争。媒介化的战争呈现的起源通常可追溯至19世纪摄影术在呈现武装冲突中的应用。20世纪，随着新媒体的出现，特别是无线电广播、电影和电视，以及包括两次世界大战在内的大规模暴力活动的加剧，这一进程得以加速。关于战争及相关暴力前所未有的大量呈现，辅以媒体所赋予的视觉与听觉真实感及其广泛传播范围，使得暴力转变为一种“大众娱乐”形式，并增强了个人对其的介入程度。对战争信息接触的增加产生了多重后果，范围从公众动员和“围绕旗帜团结”效应，到对卷入冲突的政府信任的侵蚀以及反战情绪的兴起。

数字媒体的日益普及标志着战争呈现方式的重要转变。Telegram或YouTube等数字平台的赋能特性，催生了从业余视频记录到新闻报道，乃至将数字媒体呈现用于军事上锁定与杀伤的实践（也称为“杀伤链”）的新型多模态呈现形式。这些赋能特性的可及性，扩大了作为证人、记者、评论员或宣传者参与战争呈现的个体范围。它使得战争体验比模拟媒体时代感觉更为直接，增强了全球对暴力所造成人道代价的认知，并促进了公众动员以抵制暴力。然而，这种变化也放大了具有误导性和宣传性内容的传播，这些内容可能助长暴力或滋生对苦难的冷漠态度。

生成式人工智能日益增强的可及性，为现代战争的呈现与公众互动方式带来了进一步变化。从生成式人工智能生成的文本到视频，这些对大规模暴力的人工呈现，根植于当今数据化的视觉文化之中，其中人类生成的数据（包括暴力和苦难的呈现）被用于训练人工智能。生成式人工智能并非提供了另一种能以更逼真方式呈现战争的工具（类似于更清晰的相机镜头），而是动摇了以人类为中心的战争呈现行为。这种动摇源于生成式人工智能模型依赖于对数据化人类劳动的概率性占用，无论是在训练数据获取还是数据处理方面，同时却未能以人类的方式捕捉意义。然而，尽管生成式人工智能模型并非以与人类相同的方式“理解”或“看见”战争，其输出结果仍可影响与之互动的人们。尽管这种互动本身并非必然有害，但它引发了人们对人工智能可能重述社会偏见或传播虚假信息的风险的关切。

迄今为止，许多关于人工智能与呈现的研究聚焦于人类如何想象人工智能。与之相对，考察的是人工智能模型创造了何种呈现，以及其视觉输出中潜在的趋同倾向。这在战争呈现的背景下显得尤为紧迫，因为数字媒体日益由人工智能驱动通过视觉信息和虚假信息塑造公众对暴力的认知。历史上，战争不仅由前线局势塑造，也由暴力如何被想象所塑造，这使得呈现成为另一种“战斗媒介”。随着人类对特定战争的理解受到生成式人工智能的影响，对暴力的人工呈现既成为认知工具，也成为一种混合武器。为更好地理解这种模糊性，考察了生成式人工智能模型如何呈现俄罗斯在乌克兰的战争，以及它们的“战争凝视”与其他数字媒介化的呈现形式有何不同。