Научная статья
УДК 7.06:004.8
https://doi.org/10.24158/fik.2026.3.31
 

Генеративное искусство и автоматизация эстетического выбора: критический анализ

 
Дарья Евгеньевна Ершова
Российский государственный педагогический университет имени А.И. Герцена,
Санкт-Петербург, Россия, iskysstvo123@gmail.com, https://orcid.org/0000-0001-6621-2231
 
Аннотация. Статья посвящена анализу генеративных технологий искусственного интеллекта и их влияния на современную визуальную культуру. Рассматриваются основные этапы развития – от элитарных художественных практик к массовой доступности и интеграции в повседневные цифровые коммуникации. Изучается трансформация условий производства и восприятия изображений, сопровождающаяся резким увеличением объема визуального контента и изменением его качественных характеристик. Анализируются значимые культурологические и художественно-теоретические исследования, позволяющие уточнить художественный статус ИИ-изображений. Особое внимание уделяется вопросам авторства, креативности и значению генеративного искусства в сетевой коммуникации. Выделяются две основные категории генераций: проактивные, характеризующиеся высокой вовлеченностью человека и наличием авторской концепции, и реактивные, в которых визуальный результат формируется алгоритмом при минимальном участии пользователя.
Ключевые слова: искусственный интеллект, генеративное искусство, ИИ-арт, визуальная культура, изобразительное искусство, сетевая культура
Финансирование: инициативная работа.
Для цитирования: Ершова Д.Е. Генеративное искусство и автоматизация эстетического                                  выбора: критический анализ // Общество: философия, история, культура. 2026. № 3. С. 260–267. https://doi.org/10.24158/fik.2026.3.31.
 
Original article
 

Generative Art and the Automation of Aesthetic Choice: A Critical Analysis

 
Daria E. Ershova
Russian State Pedagogical University named after A.I. Herzen,
Saint Petersburg, Russia, iskysstvo123@gmail.com,https://orcid.org/0000-0001-6621-2231
 
Abstract. This article analyzes generative artificial intelligence technologies and their impact on contemporary visual culture. It examines the key stages of their development – from elite artistic practices to mass accessibility and integration into everyday digital communications. The study investigates the transformation of the conditions governing image production and perception, accompanied by a sharp increase in the volume of visual content and changes in its qualitative characteristics. Significant cultural and art-theoretical studies are analyzed, allowing for a more precise determination of the artistic status of AI-generated images. Particular attention is paid to issues of authorship, creativity, and the significance of generative art in online communication. Two main categories of generative technologies are distinguished: proactive, characterized by high human involvement and the presence of an authorial concept, and reactive, in which the visual result is generated by an algorithm with minimal user input.
Keywords: artificial intelligence, generative art, AI art, visual culture, fine arts, network culture
Funding: Independent work.
For citation: Ershova, D.E. (2026) Generative Art and the Automation of Aesthetic Choice: A Critical Analysis. Society: Philosophy, History, Culture. (3), 260–267. Available from: doi:10.24158/fik.2026.3.31 (In Russian).

© Ершова Д.Е., 2026

Список источников:
 
Арацков Д.Ю. Произведения, созданные с использованием нейронной сети / искусственного интеллекта // Закон и право. 2025. № 2. С. 139–144. https://doi.org/10.24412/2073-3313-2025-2-139-144.
Беньямин В. Произведение искусства в эпоху его технической воспроизводимости // Беньямин В. Учение о подобии: медиаэстетические произведения. М., 2012. С. 190–234.
Бодрийяр Ж. Симулякры и симуляции / пер. с фр. А. Качалова. М., 2015. 240 с.
Бохоров К.Ю. Алгоритмическая апофения и эстетизация данных // Художественная культура. 2021. № 3 (38). С. 242–255. https://doi.org/10.51678/2226-0072-2021-3-242-255.
Дружинина А.А. Художник и нейросеть: конфликт, диалог, сотрудничество? // Вестник Южно-Уральского государственного университета. Сер.: Социально-гуманитарные науки. 2024. № 2. С. 58–62. https://doi.org/10.14529/ssh240207.
Егорова А.А., Рыжов А.П. Системы генеративного интеллекта для синтеза изображений, сценарии их использования и связанные задачи // Вестник Московского университета. Сер. 15: Вычислительная математика и кибернетика. 2024. № 1. С. 47–59. https://doi.org/10.55959/MSU/0137-0782-15-2024-47-1-47-60.
Ершова Д.Е. Арт-контент: к определению понятия // Университетский научный журнал. 2016а. № 18. С. 147–153.
Ершова Д.Е. Арт-мем как феномен современной сетевой культуры // Университетский научный журнал. 2016б. № 21. С. 141–147.
Миловидов С.В. Художественные особенности произведений компьютерного искусства, созданных с использованием технологий машинного обучения // Артикульт. 2022. № 4 (48). С. 36–48. https://doi.org/10.28995/2227-6165-2022-4-36-48.
Прыгунова А.В. Влияние искусственного интеллекта на художественное творчество: исследование практик французской арт-группы Obvious Collective // Вестник Московского государственного лингвистического университета. Гуманитарные науки. 2025. № 5 (899). С. 126–132.
Рахманкулов Б.М. От автоматонов к нейросетям: историко-культурологический анализ генеративного искусства // Человек и культура. 2025. № 1. С. 60–68. https://doi.org/10.25136/2409-8744.2025.1.73146.
Романов Г.С. Искаженное искусство среди нас: рассуждения о правовом режиме произведений, созданных с использованием искусственного интеллекта // Образование и право. 2023. № 5. С. 327–334. https://doi.org/10.24412/2076-1503-2023-5-327-334.
Самарина А.Е., Бояринов Д.А. Нейросети для генерации изображений: педагогический потенциал в высшем образовании // Концепт. 2023. № 11. С. 161–179. https://doi.org/10.24412/2304-120X-2023-11116.
AI models collapse when trained on recursively generated data / I. Shumailov, Z. Shumaylov, Y. Zhao, N. Papernot, R. Anderson, Y. Gal // Nature. 2024. Vol. 631, no. 8022. P. 755–759. https://doi.org/10.1038/s41586-024-07566-y.
Boden M.A. Creativity and artificial intelligence // Artificial Intelligence. 1998. Vol. 103, no. 1–2. P. 347–356. https://doi.org/10.1016/S0004-3702(98)00055-1.
Cacic A. The role of artificial intelligence in art // Arts & Communication. 2025. Vol. 3, no. 2. https://doi.org/10.36922/AC.3311.
Cohen H. The further exploits of AARON, Painter // Stanford Humanities Review. 1995. No. 4. P. 141–160.
Crawford K., Paglen T. Excavating AI: The politics of images in machine learning training sets // AI & Society. 2021. Vol. 36. P. 1105–1116. https://doi.org/10.1007/s00146-021-01162-8.
Galanter P. Artificial intelligence and problems in generative art theory // Proceedings of EVA London. 2019. P. 112–118. https://doi.org/10.14236/ewic/EVA2019.22.
Manovich L. AI aesthetics. M., 2018. 57 p.
Manovich L. Who is an artist in AI era? // Manovich L., Arielli E. Artificial aesthetics: A critical guide to AI, media and design. 2022. P. 26–42.
Senger S.S., Hasan A.B., Kumar S., Carroll F. Generative artificial intelligence: a systematic review and applications // Multimedia Tools and Applications. 2025. Vol. 84, no. 21. P. 23661–23700. https://doi.org/10.1007/s11042-024-20016-1.
Zylinska J. AI art: Machine visions and warped dreams. L., 2020. 178 p.
 
References:
 
Aratskov, D.Yu. (2025) Works created using neural network / artificial intelligence. Law and Legislation. (2), 139–144. Available from: doi:10.24412/2073-3313-2025-2-139-144. (In Russian)
Baudrillard, J. (2015) Simulacra and simulation. Moscow, Postum. (In Russian)
Benjamin, W. (2012) The work of art in the age of its technological reproducibility. In: Benjamin, W. The Doctrine of similarity: Media aesthetic works. Moscow, RGGU, 190–234. (In Russian)
Boden, M.A. (1998) Creativity and artificial intelligence. Artificial Intelligence. 103 (1–2), 347–356. Available from: doi:10.1016/S0004-3702(98)00055-1.
Bokhorov, K.Yu. (2021) Algorithmic apophenia and aestheticization of data. Art & Culture Sudies. (3), 242–255. Available from: doi:10.51678/2226-0072-2021-3-242-255. (In Russian)
Cacic, A. (2025) The role of artificial intelligence in art. Arts & Communication. 3 (2). Available from: doi:10.36922/AC.3311.
Cohen, H. (1995) The further exploits of AARON, Painter. Stanford Humanities Review. (4), 141–160.
Crawford, K. & Paglen, T. (2021) Excavating AI: The politics of images in machine learning training sets. AI & Society. 36, 1105–1116. Available from: doi:10.1007/s00146-021-01162-8.
Druzhinina, A.A. (2024) Artist and neural network: Conflict, dialogue or cooperation? Bulletin of the South Ural State University. Ser. Social Sciences and the Humanities. 24 (2), 58–65. Available from: doi:10.14529/ssh240207. (In Russian)
Egorova, A.A. & Ryjov, A.P. (2024) Generative intelligence systems for image synthesis: Scenarios for their use and related tasks. Moscow University Computational Mathematics and Cybernetics. 48 (1), 45–58. Available from: doi:10.3103/S0278641924010060.
Ershova, D.E. (2016а) Art-content: Towards the definition of a concept. Humanities and Science University Journal. (18), 147–153. (In Russian)
Ershova, D.E. (2016б) An artistic meme as a phenomenon of modern network culture. Humanities and Science University Journal. (21), 141–147. (In Russian)
Galanter, P. (2019) Artificial intelligence and problems in generative art theory. Proceedings of EVA London. 112–118. Available from: doi:10.14236/ewic/EVA2019.22.
Manovich, L. (2018) AI aesthetics. Moscow, Strelka Press.
Manovich, L. (2022) Who is an artist in AI era? In: Manovich, L. & Arielli, E. Artificial aesthetics: A critical guide to AI, media and design. 26–42.
Milovidov, S.V. (2022) Artistic features of computer artworks creating with machine learning technology. Articult. (4), 36–48. Available from: doi:10.28995/2227-6165-2022-4-36-48. (In Russian)
Prygunova, A.V. (2025) The impact of artificial intelligence on artistic creativity: A study of the practices of the French art group Obvious Collective. Vestnik of Moscow State Linguistic University, Humanities. (5), 126–132. (In Russian)
Rakhmankulov, B.M. (2025) From automatons to neural networks: A historical and cultural analysis of generative art. Man and Culture. (1), 60–68. Available from: doi:10.25136/2409-8744.2025.1.73146. (In Russian)
Romanov, G.S. (2023) Distorted art unleashed: Unraveling the legal regime of works created with artificial intelligence. Education and Law. (5), 327–334. Available from: doi:10.24412/2076-1503-2023-5-327-334. (In Russian)
Samarina, A.E. & Boyarinov, D.A. (2023) Neural networks for image generation: Pedagogical potential in higher education. Koncept. (11), 161–179. Available from: doi:10.24412/2304-120X-2023-11116. (In Russian)
Senger, S.S., Hasan, A.B., Kumar, S. & Carroll, F. (2025) Generative artificial intelligence: a systematic review and applications. Multimedia Tools and Applications. 84 (21), 23661–23700. Available from: doi:10.1007/s11042-024-20016-1.
Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R. & Gal, Y. (2024) AI models collapse when trained on recursively generated data. Nature. 631 (8022), 755–759. Available from: doi:10.1038/s41586-024-07566-y.
Zylinska, J. (2020) AI art: Machine visions and warped dreams. London, Open Humanities Press.