1. 引言
1.1. 研究背景
人工智能技术作为当今世界高等教育技术发展的重要战略支撑，早在2019年，美国高教信息学会就指出人工智能是未来高等教育发展的主流趋势和核心技术[1]。而生成式人工智能技术的快速发展，也对艺术创作、艺术教育都产生了巨大的影响，传统意义上的艺术类学科的技法训练和教学模式，也在这些新技术的发展下被重新审视。
今年发布的《教育部等九部门关于加快推进教育数字化的意见》，强调要推动学科专业数字化升级和科研范式变革。面向数字经济和未来产业发展，优化高等教育学科专业设置，超前布局数字领域学科专业，一体化推进人才培养、科技创新、技术研发和成果转化。这也为艺术类高校探索AI教育改革提供了顶层设计与实施路径。
与此同时，技术的迅猛进步使得艺术创作的边界日趋模糊。一方面，AI工具大大降低了艺术创作中所需要的技术门槛，使得非专业人士也能借助其制作出具有一定艺术性的作品；另一方面，这也迫使专业艺术创作者去重新审视AI辅助下的作品有何独特性，以及如何去做价值定位的问题。而上海视觉艺术学院作为应用型艺术高校的代表，其设计学类、美术学类、戏剧与影视学类等专业的多元架构为探究生成式AI在人才培育中的差异化应用提供了理想样本。
1.2. 研究价值
本研究的理论价值在于打造专业与技术适配度的评估模型并填补艺术教育范畴内AI应用分层理论的空白，实践价值在于为上海视觉艺术学院提供可落地的改革办法，包括设计类专业智能工具链的整合、美术类专业传统与数字技法的融合途径等，助力其成为区域性AI艺术教育的典范。
2. 生成式AI技术特性与艺术教育适配性
生成式AI的核心技术特质是内容生成能力，它“包括深度学习、神经网络、自然语言处理等，可通过对大量数据进行学习和建模，在一定程度上模拟人类思维及创作过程，生成文本、图像、音频等多种形式的内容。”[2]其与艺术教育的适配度集中体现为对创作环节、教学模式等层面的系统性重塑，创作环节中AI技术通过“生成–筛选–优化”的新模式能大幅提高艺术生产效率。在艺术教育领域中以下三类技术最具应用前景：
图像生成技术[3]依托扩散模型通过文字指令调控生成风格，能迅速产出不同艺术风格的草稿或是创作成品，比如输入“写意山水画”，AI可在10秒内产出多个构图思路助力学生打破思维局限，并启发创作思路，激发灵感。在设计类课程的实际教学里，运用AI工具能明显提高学生创意拓展的效率，这种“AI辅助 + 人工主导”的混合工作模式特别契合设计类专业的需求更新训练，学生能在单节课程中完成多轮方案，改进效果远胜于传统教学。
音乐生成技术[4]依托符号音乐生成与音频合成能产出包含旋律、和声、配器的完整音乐作品，将AI用作教学辅助学生能即时生成多种风格的音乐样本，可以更快速直观地掌握不同流派的创作风格与特征，而借助实时生成的伴奏与和声学生还能得到专业水准的陪练。教师借助AI工具则是能快速制作教学材料，把更多精力投入对学生的个性化指导上，进而形成“AI辅助 + 教师指导”的高效教学模式。
文本生成技术[5]主要运用在戏剧影视类专业当中，它可以更好地辅助师生进行剧本创作、台词打磨、故事大纲完善、人物小传撰写等工作，还可以提供不同版本的改编方案来激发学生的创意思考。教师通过使用AI获得学生学习成果的即时反馈，再进行深度指导，可以形成“技术提效 + 人文深化”的教学新模式，提升教学与创作效率。
3. 上海视觉艺术学院专业现状分析
上海视觉艺术学院作为国内领先的应用型艺术类高校，其专业布局有着突出的实践倾向与创新特质，目前设有设计学类、美术学类、戏剧与影视学类、音乐与舞蹈学类等艺术相关专业，各专业大类在维系传统强项同时正主动探寻数字化转型途径。
学校高度重视AI与艺术教育的结合并将其提升到学校战略发展高度，2024年3月组建数字化和人工智能中心，不断促进艺术与前沿科技的深度结合，中心下设有数字人工作室、数字环境设计与建造实验室、人工智能应用工作室、特种摄影工作室及数字智造实验室等五个实验室。该中心以“三无”(无大纲、无教师、无教材)、“三跨”(跨学院、跨年级、跨专业)为特点构建产学研融合的创新平台，为AI + 艺术教育培育数字化时代的复合型艺术人才提供了稳固的组织保障与技术支持。
同时，学校在2025级人才培养方案的原则性制定意见里明确提出要“将人工智能全面融入课程体系，构建‘基础 + 专业 + 拓展’分层级、立体化的‘AI课程体系’。”[6]基础层面向全体学生传授AI基础知识，例如设置了《人工智能通识基础》通识必修课。专业层把AI技术融入各专业核心课程，学院开设的“AI辅助设计”“AIGC工具与应用”“音视频剪辑原理与AI运用”等专业课程就是如此。拓展层通过项目制课程和校企合作强化学生的AI应用能力，“AI数字艺术设计”微专业及各类AI创新工作坊都致力于培养学生的跨学科整合能力。
4. 专业特点及差异化应用方案设计
4.1. 设计学类
设计学类是我校的优势学科集群，涵盖视觉传达设计、环境设计、产品设计、服装与服饰设计等8个专业方向，其已在培养方案中构建起专业主干 + 专业能力 + 专业通选 + 实习实践的完善课程体系。在AI技术深度融入艺术教育背景下学院打造的“智能课堂 + 虚拟实验 + 项目制学习”混合教学模式把AI工具系统融入课程体系，例如“生成设计”课程运用Midjourney开展视觉风格创新，“AIGC辅助设计”课程借助AI工具实时生成室内、产品及平面设计方案，大幅提高了设计效率和创意表现。
结合产业需求与学科发展走向设计学类专业今后可采用“交叉融合 + 技术赋能”的双轮驱动方式，把现有专业方向整合为视觉传达与数字设计、空间与环境设计、时尚与体验设计三个专业群，这种专业群架构有以下几方面优势：
其一这种架构能够消除传统专业间的隔阂，通过搭建基础技能到项目实践再到产业对接的三阶培养路径完成课程体系重塑，有助于培育复合型创新人才。在此架构中，低年级学生借助专业群平台开展通识教育共同学习设计基础、造型基础等核心课程；高年级学生进行模块化方向细分强化专业素养与实践能力培养；毕业阶段加强项目制实践设立项目制课程学分认定机制，该培养体系更贴合当代设计行业对跨界人才的需求。
其二专业群模式能够优化资源分配，同类专业可共享基础课程与高端实验室等教学资源，比如艺术与科技专业可为视觉传达设计、服装与服饰设计等专业提供数字技术支持，视觉传达设计与数字媒体艺术专业可共同学习动态设计等前沿课程，实现师资与设备的高效运用。
其三建立动态调整机制定期评估各专业群与产业需求的契合度，灵活调整课程模块，设立跨群选修学分，鼓励学生参与“AI + 设计”的创新项目，培育既掌握专业技能又具备跨界创新能力的复合型人才。
这种革新保留了完善的模块式课程系统长处，借助AI技术加持与专业群重组让设计教育更契合数字化时代的发展需要，为行业输送拥有技术素养和创新思路的新一代设计人才。
4.2. 戏剧与影视学类
戏剧与影视学类包含广播电视编导、动画、表演、播音与主持艺术、戏剧影视文学五个专业，通过专业整合重组搭建一个从创作到制作再到传播的全产业链培育体系。
创作环节以戏剧影视文学专业为核心支撑搭建起“人文内核 + 技术赋能”的创意培养体系，培育兼具文学深度与AI应用能力的内容策划者。现有课程体系中开展内容重塑采用递进型模块规划：基础层着力培育专业修养与人文积淀；进阶层设置AI辅助拓展的融合类课程，形成以人工创意为核心、AI工具为辅助的学习模式；高阶层设置IP孵化与全产业链开发等商业实操课程，提升商业转化与伦理把控素养。
内容制作环节以动画和表演专业为核心，打造兼具技术精准度与艺术表现力的双轮驱动制作团队，实现数字技术与表演艺术的协同创新。但正如“体验派”戏剧大师斯坦尼斯拉夫斯基所强调的：“在艺术中创造的是情感，而不是智慧。”[7]学生可以利用AI进行剧本分析、声乐训练等辅助教学，但是需强调情感在戏剧表演中的核心地位和作用。
传播分发环节以广播电视编导、播音与主持艺术专业为核心构建平台适配力与舆论引导力并重的传播矩阵，培养懂技术、善表达、能控场的新媒体人才，打造“融媒体传播实验室”模拟多场景传播链条，在这之中编导专业负责内容二次创作与AI剪辑，播音专业完成多平台播报与互动，同时引入“平台认证体系”将各大网络平台的创作规范与数据指标纳入课程考核，学生可凭案例成果替换专业选修学分。
构建全产业链协同体系。低年级开展“微内容协同项目”，涵盖剧本创作到简易动画或表演到校园传播的完整流程；高年级推行“IP全链路开发项目”以戏剧影视文专业的长篇剧本为起点，由动画、表演专业转化为影视片段，最终由编导、播音专业制定多渠道传播方案构成闭环培育模式。
4.3. 美术学类
美术学类包括摄影、绘画、雕塑、文物保护与修复四个专业，这四个专业领域存在“技术接纳度”的不同。比如文物保护与修复专业运用AI的三维扫描、虚拟修复技术等实现“科学修复”，“三维模型在文物保护与修复中的应用率达到了80%以上”[8]是和AI结合最紧密的专业领域；摄影专业专注虚拟制片与后期处理技术运用，与AI关系也较为紧密；绘画与雕塑专业则坚守传统技艺是根基的理念，AI要作为“风格研究工具”而非创作主体形成保守型的创新模式。作为传统艺术与现代技术碰撞的典型领域，这四个专业领域应依据专业发展实际状况深化“技术介入度分级”体系，搭建更精准的人才培育与实践路径。
美术学类培养方案设计可运用专业群加技术分级的框架，搭建从基础共享到方向深化再到产业衔接的培养体系，课程设置方面跨专业共用人工智能基础应用、材料科学导论等课程，各专业依自身特色再增设模块课程。
实践途径上设立从技术到艺术的双轨工坊。文物保护与修复专业可携手学校实习基地——上海博物馆，开展“数字修复项目”，形成虚拟修复方案到物理修复指导的闭环报告；摄影专业可衔接影视工业标准将行业认证归入考评；绘画、雕塑专业可研发借助AI工具解析大师作品风格，利用AI进行风格仿照与创作辅助，形成从技术借鉴到个性表达的高效学习路径。
4.4. 音乐与舞蹈学类
音乐与舞蹈学类包含流行音乐和流行舞蹈两个专业，AI技术应用主要体现在创作辅助与表演创新两个方面。音乐领域借助AI完成旋律创作、和声编配及音效制作，依靠现有教师团队开发的“基于AI和物联网数据挖掘的高效音乐分析机制”提高创作准确度；舞蹈领域整合动作捕捉技术与AI算法专注舞蹈编排解析和动作改良，打造技术赋能艺术的独特路径。
依托“艺术 + 科技”的跨学科观念，运用“模块化 + 个性化”的培育框架，课程系统重点凸显三个核心单元：其一为艺术本体单元，留存像舞蹈编创、流行音乐创作等传统课程巩固表演与创作的核心素养，保证技术运用不脱离艺术本源；其二是科技整合单元，例如添设AI音视频剪辑、数字音乐基础等前沿课程；其三为行业实践单元，以实习演出、国际工作坊等实战课程为依托加强“课堂–舞台–市场”的场景连接。
此外推行三项特色制度，将街舞教练、音乐制作人等职业资格标准归入课程考评达成专业研习与行业认证的无隙衔接；实行“双导师制度”由校内教师与行业专家共同辅导毕业设计；构建动态选课体系在确保专业核心能力的前提下为跨界拓展留存余地，最终培育兼具艺术表现力与技术适应力的复合型演艺人才。
5. 挑战与对策
生成式AI在艺术类高校的差异化应用为教育创新提供了新空间，在实际推进中也面临着学术伦理争议与技术依赖双重核心挑战，需针对性构建应对策略。
从学术伦理角度看，AI生成内容极易存在版权所属与原创性判定不清的情况，比如设计类专业里AI辅助作出的方案可能涉及素材侵权，戏剧影视类的AI剧本改写也容易引发著作权纠纷。正因如此，在美国、欧盟、澳大利亚等国家、地区的部分高校已经出台相关政策法规限制和禁止ChatGPT使用，以规避其可能产生的学术伦理和知识侵权等问题[9]。但我国目前行业与院校内都还没建立完备的AI创作伦理准则，为应对这一问题，学校可以参考国际先例构建“AI创作溯源体系”，规定学生提交作品时一并提供AI工具使用说明和原创占比证明，清晰划定AI生成内容的占比。并把“艺术伦理与AI应用”归入通识课程设置，从制度和教育角度筑牢伦理屏障。
技术依赖的风险同样存在，AIGC的便利也会蚕食相关领域工作者独立思考的能力，使其丧失自主求知欲，特别是知识获取的便利性和零成本会导致学习者陷入技术依赖和AI上瘾的陷阱[10]。过度倚重AI工具或许会造成学生基础技能弱化，例如美术学类的绘画专业若长期依赖AI生成草图将会大幅降低手绘水平；音乐类专业若长久借助AI生成曲调可能会减弱创作者的情感传递，加重作品的同质化。针对这一问题需在课程设置中秉持“技术辅助而非替代”的准则，打造“人机协作”培育模式，如文物保护与修复专业可把AI三维扫描当作技术手段而核心课程依旧专注于传统修复技艺的传承；音乐专业可把AI生成的曲调作为创作材料要求学生通过编曲重组达成个性化呈现，保证技术服务于艺术本质而非取代艺术创作。
另外可成立由教师、AI技术员、行业专家组成的跨学科指导团队，依据各专业特点设计分层分级培养方案，联合企业打造“AI艺术实验室”，借助实时调整教师队伍及资源调配保证课程内容与行业需求匹配，最终达成技术赋能与艺术传承的协同共进。
AI时代我们所说的“艺术本位”并非是排斥技术，而是在强调要坚守艺术的人文主体性。艺术的独特性源于人类创作中的情感投射与历史语境。AI生成内容虽具形式多样性，但需要人类赋予意义方能形成真正的作品内涵。例如舞蹈的身体叙事、绘画的手绘温度、戏剧的人文内核，这些才是“艺术本位”的终极防线，唯有坚守此点，才能抵御情感缺失的冲击，守住艺术审美本质。
6. 结论展望
本研究以上海视觉艺术学院为案例搭建了生成式AI在艺术类高校的差异化应用架构，核心内容有两点：其一，生成式AI与艺术教育的适配程度需依据专业特性分级规划，像设计学类着重工具链的融合，美术学类突出传统与数字的结合，戏剧与影视学类侧重全产业链的赋能；其二，从专业到技术适配度的模型可切实引导课程改革，上海视觉艺术学院现有的“三层次课程体系”与“专业群重构”将在实践中检验其适用度与可行性。
未来发展重点集中在三个维度：一是推进动态适配机制，结合技术更新迭代及时优化专业培养方案；二是建立AI艺术创作评估体系，打破传统规范把技术创新度与人文内涵充分纳入考评；三是拓展产教融合范畴，携手创意产业共同打造“AI艺术工坊”，培养同时具备技术修养与艺术素养的复合型从业者。这一举措不仅能为上海视觉艺术学院建设区域典范提供路径，更能为全国艺术教育数字化转型提供富有价值的实践借鉴。