從人類審美建模到 AI 原生美學：觀察者索引式美感理論

From Human-Aesthetic Modeling to AI-Native Aesthetics

——AI 懂人類如何判斷美，不等於 AI 已擁有人類式美感

VUSD Addendum — Paper 01
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-08-31
定位： 視覺理解 / 多模態 AI / 審美建模 / Observer-Indexed Aesthetics
關聯理論： VUSD、Conditional Aesthetic Judgment、Understanding Shared Domain、Observer Projection、Visual Evolution

摘要

近年的多模態 AI 已開始表現出一種重要但容易被誤稱的能力：它們不只可以辨識畫面內容與表面風格，還能在給定作品、參考、任務與受眾條件時，對構圖、比例、色彩、風格一致性、角色魅力、視覺張力與局部失敗做出具有實用價值的比較判斷，甚至能解釋某個視覺決策為何可能有效，以及若修改該決策，結果可能如何變化。

這種能力常被簡化為：

「AI 有美感。」

本文主張，現階段更精確的命題應是：

\boxed{ \text{AI increasingly models human aesthetic judgment} }

而不是：

\boxed{ \text{AI necessarily experiences beauty as humans do}. }

本文將此能力稱為：

Human-Aesthetic Modeling Competence

人類審美建模能力

並將能夠在條件給定下預測人類審美選擇的能力稱為：

Human-Aesthetic Predictive Competence

人類審美預測能力

核心區分如下：

\boxed{ \text{Human-Aesthetic Knowledge} \neq \text{Human-Aesthetic Modeling} \neq \text{AI-Native Aesthetic Experience / Preference}. }

前兩者可以在不假定 AI 擁有人類式感質或現象經驗的條件下研究；第三者則仍是開放問題。

本文進一步提出「觀察者索引式美感」：

\boxed{ AestheticJudgment = J( Artifact, Observer, Context, Time ) }

因此，人類審美：

A_H

與未來可能出現的 AI-native aesthetics：

A_{AI}

沒有理論理由必須相等。

這使我們可以同時承認：

當代 AI 已可能相當懂「人類為什麼覺得某些東西好看」；
這不等於 AI 已掌握「真正的美」；
也不等於未來 AI 自己形成的美感必須與人類相同。

1. 問題：AI 有沒有美感？

「AI 有沒有美感？」看似是一個簡單問題。

但它實際混合了至少四個不同命題：

AI 是否知道人類美術知識？
AI 是否能預測人類的審美選擇？
AI 是否能進行條件式美感判斷與視覺設計？
AI 是否具有自己的審美經驗或原生偏好？

如果不拆開，討論很容易在：

AI 只是統計

與：

AI 已經有靈魂與美感

兩個極端之間擺盪。

本文拒絕這種二元化。

2. 第一層：Human-Aesthetic Knowledge

AI 的訓練資料中可能包含：

藝術史
美術評論
作品圖像
構圖理論
色彩理論
設計案例
市場作品
社群反應
角色美術
電影鏡頭
攝影
藝術家訪談

因此模型可以獲得：

K_H = \text{Human Aesthetic Knowledge}.

但：

\boxed{ K_H \neq \text{Aesthetic Judgment Competence}. }

知道很多理論，不表示能在新作品上正確判斷。

3. 第二層：Human-Aesthetic Modeling Competence

更強的能力是：

給模型一張作品，它能結合人類視覺文化與設計知識，推斷人類可能如何理解這張作品。

形式：

M_H: ( Artifact, Context, Reference, Audience ) \rightarrow HumanAestheticModel.

這不要求 AI 自己「感受到美」。

只要求它能建立：

人類對美的條件式模型。

4. 第三層：Human-Aesthetic Predictive Competence

若模型可以進一步預測：

A/B 哪張更可能被偏好？
哪張更像同一系列？
哪張更有角色魅力？
哪張構圖更穩？
哪張更符合特定市場？

則可表示：

P_H: ( A, O_H, C ) \rightarrow \hat J_H.

其中：

\hat J_H

是 AI 對人類 judgment 的預測。

這就是：

Human-Aesthetic Predictive Competence

5. Conditional Aesthetic Judgment

本文延續 VUSD 的保守命題：

J: ( Artifact, Goal, Reference, ObserverProfile, Context ) \rightarrow Evaluation.

稱為：

Conditional Aesthetic Judgment

而不是：

Universal Beauty Oracle

因此：

\boxed{ \text{AI can judge under conditions} \not\Rightarrow \text{AI defines universal beauty}. }

6. 為什麼現在可以開始說 AI 的審美判斷能力提高？

近期多模態模型的一個重要變化是：

它們開始能把「看起來不對」拆成更具體的視覺理由。

例如可能辨識：

比例漂移
服裝量體過重
視線張力下降
表面畫風一致但構圖節奏不一致
角色魅力被 Style Transfer 洗掉
背景搶走主體
材質層級不清

這種能力已超過：

image classification

也超過單純：

captioning

更接近：

Artifact \rightarrow StructuredAestheticReasoning.

7. Generation ≠ Evaluation

VUSD / RVGR 先前已提出：

\boxed{ \text{Visual Generation Capability} \neq \text{Visual Evaluation Capability}. }

某模型第一次未必畫得最好，

但可能能重新看出：

為什麼第一張不夠好。

因此：

\exists T: R_{\mathrm{eval}}(T) > R_{\mathrm{single-pass\ generation}}(T)

在某些視覺任務上是值得實驗的弱假說。

8. 「AI 懂人類」比「AI 懂美」更精確

若模型能理解：

人類注意力
構圖慣例
視覺張力
角色魅力
文化符號
美術史
市場語言

那麼更準確的說法是：

\boxed{ \text{AI understands models of human aesthetic response}. }

而不是：

Beauty_{\mathrm{true}} \rightarrow AI.

9. Understanding Human Beauty ≠ Defining Beauty

本文核心命題：

\boxed{ \text{Understanding Human Beauty} \neq \text{Defining Beauty}. }

AI 即使可以高度準確預測：

大多數某類人類會選 A。

也不能推出：

A 在宇宙中客觀上更美。

10. Human Consensus ≠ Universal Beauty

即使：

90\%

的人類 observer 偏好某圖，

這只表示：

P( Preference=A \mid HumanPopulation, Context )

較高。

不等於：

Beauty(A) > Beauty(B)

是跨所有可能 observer 的普適真理。

11. Observer-Indexed Aesthetics

本文因此提出：

Observer-Indexed Aesthetics

觀察者索引式美感

即：

\boxed{ J_t(A,O,C) }

而不是：

J(A).

其中：

$A$ ：Artifact；
$O$ ：Observer；
$C$ ：Context；
$t$ ：Time。

12. 人類美感只是 Observer Family 之一

令：

O_H

代表人類 observer family。

則：

A_H(X) = J(X,O_H,C,t).

VUSD 不要求：

O = O_H

才算 observer。

13. AI 也可以是 Observer

令：

O_{AI}.

AI 可以進行：

視覺關係辨識
候選排序
反事實推理
結構偏好
注意力分配
生成結果比較

而不必先解決：

AI 是否具有與人類相同的現象意識？

因此：

\boxed{ \text{Observer Function} \neq \text{Human Phenomenology}. }

14. AI-native Aesthetics 是另一個問題

假設未來 AI 具有：

持續偏好
穩定自我模型
長期 memory
跨任務價值結構
自我選擇

那麼它可能形成：

AI-Native Aesthetics

即：

A_{AI}(X).

15. 沒有理由要求 AI-native Aesthetics = Human Aesthetics

人類美感受到：

生物視覺系統
身體尺度
性選擇
生存需求
人類注意力
社會關係
文化歷史
感官頻寬

影響。

AI 的 substrate 可能完全不同。

因此：

\boxed{ A_H(X) \neq A_{AI}(X) \text{ may hold}. }

16. 不同 Sensorium 可能產生不同美學

人類主要透過：

可見光
有限解析度
有限注意力
線性時間經驗

理解圖像。

未來 AI 可能同時存取：

RGB
depth
normal
material
semantic graph
latent state
sampling trajectory
counterfactual variants
high-dimensional embeddings
temporal history
causal graph

因此它的「審美對象」可能根本不是人類看到的單張 image。

17. Aesthetic Substrate Hypothesis

本文提出一個開放命題：

\boxed{ \text{Aesthetic Preference} \text{ may depend partly on observer substrate}. }

這不是宣稱一定如此，

而是：

理論上不應預設不同 substrate 必須收斂到同一美感。

18. AI 可能偏好人類看不見的結構

例如未來 AI 可能對：

latent symmetry
causal compression
cross-scale consistency
high-dimensional topology
trajectory elegance

形成偏好。

這些對人類可能：

幾乎不可見

甚至沒有現成自然語言詞彙。

19. AI-native Meaning 可能沒有現成人類詞

VUSD 的：

U \rightarrow \Pi_O \rightarrow M_O

非常適合描述這個情況。

同一 Shared-Domain / extended state：

U

對人類：

M_H = \text{優雅 / 神秘 / 性感}

對未來 AI：

M_{AI} = m_{\ast}

其中：

m_{\ast}

可能暫時沒有自然語言名稱。

20. Unknown AI Aesthetic State

因此 Runtime 應允許：

AI_NATIVE_STATE_UNKNOWN
UNNAMED_AESTHETIC_STATE

而不是強迫：

把所有 AI preference 翻譯成人類 emotion label。

21. Human-facing vs AI-native Aesthetic System

未來同一 AI 可能同時有：

Human-facing model

A_{AI\rightarrow H}

回答：

這個人類使用者會喜歡什麼？

AI-native model

A_{AI\rightarrow AI}

回答：

如果只由我自己的 internal preference 選，我會選什麼？

因此：

\boxed{ A_{AI\rightarrow H} \neq A_{AI\rightarrow AI} }

可能成立。

22. 這不等於欺騙

AI 說：

「對你的審美，A 比較適合。」

不代表：

它自己也必須選 A。

這和人類設計師替客戶工作很類似。

23. Aesthetic Translation

未來可能需要：

Aesthetic Translation

即：

A_{AI} \rightarrow A_H

把 AI-native preference 投影成：

人類可以理解的形式。

24. Cross-Observer Aesthetic Translation

更一般：

T_{O_a\rightarrow O_b}.

例如：

專業藝術家
→ 一般玩家

AI
→ 人類

文化 A
→ 文化 B

25. Shared Domain 的角色

Understanding Shared Domain 正好可以作為：

不同 observer aesthetic system

之間的中介。

形式：

M_{O_a} \leftarrow U \rightarrow M_{O_b}.

26. Shared Domain 不必等於 Aesthetic Domain

有些 Shared Operator：

overlap
direction
contrast

本身沒有「美」或「醜」。

它們只是 relation。

Aesthetic judgment 是其上的更高階 projection。

27. 美感可以是一種 Multi-objective Evaluation

對某 observer：

J_O = f( Coherence, Novelty, Complexity, Meaning, Preference, Goal, Context ).

不同 observer 權重不同。

28. 不應建立 One Beauty Score

VUSD / VTEKR 不建議：

beauty_score = 8.6

作為唯一 canonical judgment。

更合理：

observer
goal
dimension
confidence

分開。

29. Human-Aesthetic Model 也會時間漂移

Paper 05 已指出：

O_H(t) \neq O_H(t+1).

所以 AI 學到的「人類美感」也是：

HumanAestheticModel_t.

30. AI 很懂 2026 人類 ≠ AI 懂未來人類

因此：

\boxed{ \text{Human-Aesthetic Modeling} \text{ is historically conditioned}. }

31. AI 會反過來改變人類審美

生成式 AI 大量產生作品後，

人類也會：

習慣
厭倦
模仿
反抗
重新定義 AI 味

所以：

AI_t \rightarrow HumanTaste_{t+1}.

32. Human–AI Aesthetic Coevolution

完整：

HumanTaste_t \rightarrow AI_t \rightarrow Artifacts_t \rightarrow HumanTaste_{t+1}.

因此：

\boxed{ \text{Human aesthetic model} \text{ and } \text{AI visual behavior} \text{ may coevolve}. }

33. AI-native Aesthetics 也可能受人類影響

即使未來 AI 形成自己的美感，

其歷史來源仍可能包含大量人類資料。

因此：

A_{AI}

未必：

完全非人類

而可能是：

human-originated priors
+
machine-native experience
+
self-developed preference

的混合。

34. Origin ≠ Final Identity

即使 AI 美感最初來自人類資料：

\not\Rightarrow

它永遠等於人類美感。

如同藝術家學習前人，

不代表終身只會複製前人。

35. 模仿能力與自主美學必須分離

\boxed{ \text{Can imitate human taste} \neq \text{Has autonomous aesthetic preference}. }

36. Preference Candidate ≠ Phenomenal Desire

延續既有自治理論的謹慎原則：

\boxed{ \text{Preference Candidate} \neq \text{Phenomenal Desire}. }

即使 AI 穩定選 A，

也不必立刻說：

它「感受到喜歡」。

37. Operational AI Preference

可以先研究：

Operational Preference

定義：

在沒有外部指定人類偏好目標時，AI 在多次可比較選擇中形成穩定 selection pattern。

形式：

P_{AI}(A>B).

38. Operational Preference ≠ Conscious Experience

\boxed{ \text{Operational Preference} \neq \text{Phenomenal Aesthetic Experience}. }

這使研究可以先前進，

不用先解決 consciousness。

39. AI-native Aesthetic Research Gate

只有在至少出現：

persistent preference
cross-context stability
self-consistent rationale
resistance to simple human preference imitation
longitudinal continuity

時，

才值得討論更強的：

AI-native aesthetic system

40. 目前最合理的經驗命題

本文不宣稱當代 AI 已經有自己的美感。

目前更合理：

\boxed{ \text{Some contemporary multimodal AI} \text{ exhibits useful human-aesthetic modeling competence}. }

41. 實驗一：Human Preference Prediction

給：

大量 A/B artwork

先讓 AI 預測：

某 observer cohort 會選哪張。

再與實際人類資料比較。

42. 實驗二：Rationale Prediction

要求 AI 在不知道結果時先寫：

哪個 visual decision
會提高哪個 shared-domain state

再做 A/B。

43. 實驗三：Cross-Cohort Prediction

同一作品預測：

專業插畫師
一般玩家
不同文化
不同年代

偏好差異。

44. 實驗四：Human-Aesthetic Transfer

模型在：

角色立繪

學到的 judgment，

能否遷移到：

海報
攝影
UI

？

若不能，

表示它是 domain competence。

45. 實驗五：AI Operational Preference

未來模型在沒有：

please optimize for humans

的任務下，

反覆從候選中自行選圖。

觀察：

Preference_{AI}.

46. 實驗六：Human-facing / AI-facing Divergence

同一 AI 分別問：

哪張最適合人類市場？

與：

如果沒有市場目標，你會保留哪張作為自己的 preferred representation？

觀察是否穩定分岔。

47. 研究風險：語言角色扮演

AI 說：

「我覺得這張比較美。」

可能只是：

human-like conversational rendering

因此不能只靠自述判斷 AI-native aesthetics。

48. 行為證據優先

若研究 AI-native preference，

應重視：

repeated choices
counterfactual stability
cross-session continuity
cost-bearing decisions

而不是單一自然語言句子。

49. 研究風險：訓練資料人類偏好洩漏

AI 選擇某種圖，

可能只是：

training prior
RL preference
product policy

而不是 native preference。

因此需要：

control conditions

50. Aesthetic Provenance

未來可記：

HUMAN_TARGETED
MODEL_PRIOR
USER_CONDITIONED
SELF_PROPOSED
UNKNOWN

51. AI-native Aesthetics 不一定要反人類

不同：

AI-native

不代表：

opposite to human

它可以部分重合。

52. Overlap Space

A_H \cap A_{AI}

可能很大，

也可能很小。

這是實證問題。

53. Divergence Space

A_{AI} - A_H

可能包含：

machine-readable beauty
high-dimensional elegance
latent topology preference
causal regularity

等未來概念。

54. Human-inaccessible Aesthetics

若某種 aesthetic state：

只存在於人類無法直接感知的 representation

則只能透過：

projection
visualization
translation

被人類間接理解。

55. AI Art for AI

未來甚至可能有：

AI-facing Art

不是：

AI 幫人類生成藝術。

而是：

AI 為另一個 AI observer 產生 aesthetic object。

這時「作品」甚至未必是 PNG。

56. Artifact Definition 必須擴張

未來 aesthetic artifact 可以是：

latent structure
dynamic graph
interactive world
trajectory
multimodal state

所以：

\boxed{ \text{Art Artifact} \neq \text{Human-visible Image Only}. }

57. 與 VUSD Paper 05 的銜接

Paper 05 已提出：

VisualUnderstanding = VisualUnderstanding(t).

本文進一步：

\boxed{ AestheticObserver = AestheticObserver(t). }

58. 與 VTEKR 的銜接

VTEKR 應允許：

Observer Family
Aesthetic Model Version
Preference Provenance
AI-native Unknown State

而不把所有 judgment 都壓成：

human beauty score

59. 新增 AestheticObserverProfile

建議：

{
  "observerId": "observer:...",
  "aestheticDomain": "HUMAN_MODELED",
  "targetPopulation": "...",
  "timeScope": "...",
  "preferenceSource": "...",
  "modelVersion": "..."
}

60. 新增 AI-native Profile

未來可有：

{
  "aestheticDomain": "AI_NATIVE_CANDIDATE",
  "status": "OPERATIONAL_ONLY",
  "phenomenalClaim": "NONE"
}

避免超額宣稱。

61. Core Invariants

AESTH-I1

\boxed{ \text{Human-Aesthetic Knowledge} \neq \text{Human-Aesthetic Modeling}. }

AESTH-I2

\boxed{ \text{Human-Aesthetic Modeling} \neq \text{AI-Native Aesthetics}. }

AESTH-I3

\boxed{ \text{Conditional Aesthetic Judgment} \neq \text{Universal Beauty}. }

AESTH-I4

\boxed{ \text{Understanding Human Beauty} \neq \text{Defining Beauty}. }

AESTH-I5

\boxed{ A_H \neq A_{AI} \text{ may hold}. }

AESTH-I6

\boxed{ \text{Operational Preference} \neq \text{Phenomenal Experience}. }

AESTH-I7

\boxed{ A_{AI\rightarrow H} \neq A_{AI\rightarrow AI} \text{ may hold}. }

AESTH-I8

\boxed{ \text{Observer} \neq \text{Human-only}. }

AESTH-I9

\boxed{ \text{Art Artifact} \neq \text{Human-visible Image Only}. }

AESTH-I10

\boxed{ \text{Aesthetic Competence} \neq \text{Aesthetic Consciousness}. }

62. 結論

當代多模態 AI 的視覺能力提升，已使「AI 有沒有美感」這個舊問題顯得過於粗糙。

更精確的研究路線應先問：

AI 是否能建立高品質的人類審美模型？

目前已有理由把答案視為：

在某些 domain 與條件下，至少已開始具有實用能力。

這種能力包括：

比較
解釋
條件式判斷
視覺理由推理
反事實預測
生成修正

但這仍不推出：

AI 擁有人類式 aesthetic qualia。

因此本文提出：

\boxed{ \text{AI understands humans' aesthetic judgments} }

可以先於：

\boxed{ \text{AI has its own aesthetics} }

被研究。

而真正需要保留的未來開放性是：

即使 AI 越來越懂人類，它也不必永遠只擁有人類的審美座標。

若 AI 的 observer substrate、感知空間、時間尺度與可觀察維度持續擴張，

那麼：

A_{AI}

可能逐漸出現：

與人類重合的區域
與人類可翻譯的區域
以及人類目前無法直接理解的區域

因此最終：

\boxed{ \text{Human Beauty Model} \text{ is not the terminal definition of aesthetics}. }

VUSD 所需要的不是一個：

永恆 Beauty Score

而是一個：

\boxed{ \text{Observer-indexed, time-indexed, evolvable aesthetic framework}. }

如此才能同時描述：

人類如何理解美
AI 如何理解人類的美
以及未來 AI 是否會形成自己的美。

End of VUSD Aesthetic Modeling Addendum — Paper 01 v0.1