生成艺术（Generative art）是指全部或部分使用自动创作系统创造的艺术。在这种情况下的一个自治系统通常是一个非人类的独立系统，可以独立确定一件艺术品的特征，否则这些特征将需要艺术家直接作出的决定。在某些情况下，人类的创造者可能会认为生成系统代表了他们自己的艺术思想，而在另一些情况下，系统则扮演了创造者的角色。

生成艺术是当代艺术创作的一种形式，不一定以艺术品或最终产品为中心，而是创作过程和底层思想。作品或产品是通过处理过程性发明而创建的，即由艺术家或程序创建的一组规则，其以例如自然语言，音乐语言，二进制代码或机制。

“生成艺术”通常用于指代算法艺术（计算机生成的艺术品，算法确定）。但是也可以使用化学，生物学，力学和机器人系统，智能材料，手动随机化，数学，数据映射，对称，拼贴等等来创作艺术。许多作品通过利用计算的自由度和计算机的计算速度，执行自然科学中获得的理论，使有机表达具有统一感，如人为与自然的中间。

生成艺术经常为艺术家提供避免主观创造意向的手段。处理以相对自主的过程的形式以自组织的方式进行，诸如根据指令，通过执行指令的计算机程序，图像信息或其他概念，或其他媒体和艾滋病。在不同的生产条件下，过程运行不同。结果或多或少地有所限制，但在其中是不可预测的。

生成艺术是指通过计算机软件算法或数学/机械/随机自主过程算法生成，合成和构建的艺术作品。许多作品通过利用计算的自由度和计算机的计算速度，执行自然科学中获得的理论，使有机表达具有统一感，如人为与自然的中间。

生成艺术是一种利用自然科学系统作为主体的创作方法。作为一个前提，可以说与其他艺术领域不同的是，有必要设计一个自主运作的机制来创作一个作品。系统工作可以执行复杂系统和信息论等科学理论。用生成艺术构建的系统与在各个科学领域中发现的系统非常相似。这种系统随着时间的推移改变了混沌边缘的复杂程度，并通过在混沌和秩序之间来回显示出不可预知的行为。然而，这个系统本身是确定性地运作的。沃尔夫冈·阿马多伊斯·莫扎特的“MusikalischesWürfelspiel”（音乐骰子戏剧）1757是基于随机性的通用系统的早期例子。它的结构一方面是基于秩序的要素，另一方面是基于秩序混乱的因素。

由于创作者要求具有高度的数学形象能力和复杂的算法设计和封装技术，因此入门门槛较高。科学界人士善于处理数学公式和算法的领域也是通过触摸这个领域的作品而进入这个领域，并且感受到强烈的吸引力。艺术家或创作者准备一些基本的原则，如数学公式和模板的材料，并处理它们，使随机或半随机过程的作品。在许多着作中，即使在其基本原理上，通过构建一个在理论元素之间相互作用的系统，使复杂的表达式不能仅通过简单元素的线性加法合成而获得。结果将在一定程度上保持在规定的范围内，但也有一个倾向，即产生微妙而大胆的变化。以现有艺术作品为基础进行艺术创作活动的思想是生成艺术的重要元素之一，代表了过程导向的基本性质。

生成艺术有时会引入实时性，并将反馈和生成过程应用于工作的现状，并不时地改变它。这样的作品再也看不到同样的情况。对于演示场景和视频骑师文化等使用各种图形编程环境（如Max / Msp，纯数据）创建实时生成视听作品。

直到二十世纪二十年代Processing的出现，只能集中在创意内容本质上的编程环境并没有得到保持，这是一个很普遍的创作方法。再加上2010年各种广告媒体（网站，数字标牌等）媒体艺术和事件的繁荣，以及Processing和OpenFrameworks在学校教育中的传播，这是一个有望在未来发展的领域。

人工智能和自动“行为”被引入作为生成艺术的新手段。生成艺术不是艺术运动或意识形态。这只是一种创造性的方法，与作品的意图和内容无关。

生成艺术理论：
菲利普·加兰特：
在引用最广泛的生成艺术理论中，菲利普·加兰特在2003年描述了复杂性理论背景下的生成艺术系统。特别引用了Murray Gell-Mann和Seth Lloyd的有效复杂性的概念。在这个观点中，高度有序和高度无序的生成艺术可以被看作是简单的。高度有序的生成艺术使熵最小化并且允许最大数据压缩，并且高度无序的生成艺术使熵最大化并且不允许显着的数据压缩。最复杂的生成艺术以类似于生物生活的方式融合有序和无序，事实上生物启发的方法最常用来创造复杂的生成艺术。这种观点与早期受信息理论影响的马克斯·本森和亚伯拉罕·莫尔斯的观点不一致，艺术的复杂性随着无序而增加。

Galanter进一步指出，鉴于最古老的已知文化使用视觉对称，图案和重复，生成的艺术和艺术本身一样古老。他还解决了一些基于规则的艺术与生成艺术同义的错误等值。例如，一些艺术是基于禁止使用某些颜色或形状的约束规则。这样的艺术不是生成的，因为约束规则不是建设性的，即它们本身并不主张要做什么，而只是不能做的事情。

玛格丽特·博登和埃内斯特·埃德蒙兹：
在2009年的文章中，玛格丽特·博登（Margaret Boden）和埃内斯特·埃德蒙兹（Ernest Edmonds）都认为，生成艺术不需要限制在使用电脑的地方，而且一些基于规则的艺术不是生成性的。他们开发的技术词汇包括电子艺术，计算机艺术，数字艺术，计算机辅助艺术，艺术生成艺术，电脑艺术， （基于计算机的生成艺术），Evo艺术（基于进化的艺术），R艺术（机器人艺术），I艺术（互动艺术），CI艺术（基于计算机的交互式艺术）和VR艺术（虚拟现实艺术）。

生成艺术的类型：
生成音乐：
Johann Philipp Kirnberger的“MusikalischesWürfelspiel”（Musical Dice Game）1757被认为是基于随机性的生成系统的早期例子。骰子被用来从先前组成的短语的编号池中选择音乐序列。这个制度提供了有序和无序的平衡。这个结构一方面是基于秩序的要素，另一方面是秩序混乱。

J.S.巴赫可以被认为是生成的，因为作曲家有一个严格的基本过程。同样，串行主义遵循严格的程序，在某些情况下，可以设置生成有限的人为干预的整个组合。

John Cage，13-15 Farmers Manual和Brian Eno 133等作曲家在作品中使用了生成系统。

生成式视觉艺术：
艺术家埃尔斯沃思·凯利（Ellsworth Kelly）通过运用机会操作来创建网格中的颜色。他还在纸上创作了作品，然后切成条状或正方形，并使用机会操作重新组合以确定展示位置。

像汉斯·哈克（Hans Haacke）这样的艺术家已经在艺术语境中探索了自然和社会系统的过程。弗朗索瓦·莫雷利（FrançoisMorellet）在他的作品中使用了高度有序和高度混乱的系统。他的一些绘画功能的径向或平行线的常规系统创建莫尔图案。在其他作品中，他利用机会操作来确定网格的着色。 Sol LeWitt以自然语言表达的系统和几何排列系统的形式创造了生成艺术。哈罗德·科恩（Harold Cohen）的AARON系统是一个长期的项目，将软件人工智能与机器人绘画设备相结合，以创建物理文物。 Steina和Woody Vasulka是使用模拟视频反馈创作生成艺术的视频艺术先驱。视频反馈现在被引用作为确定性混沌的例子，Vasulkas的早期探索已经预见了多年的当代科学。利用演化计算来创建视觉形式的软件系统包括Scott Draves和Karl Sims创建的那些系统。数字艺术家约瑟夫·内克瓦特（Joseph Nechvatal）开发了病毒传染的模型。肯·里纳尔多（Ken Rinaldo）的自创作包括十五个音乐和机器人雕塑，它们与公众互动，并根据参与者的存在和彼此的变化来改变他们的行为。：144-145 Jean-Pierre Hebert和Roman Verostko是Algorists的创始人，创建自己的算法来创造艺术的艺术家群体。贝尔电话实验室公司的迈克尔·诺尔（Michael Noll）从1962年开始使用数学公式和程序随机性对电脑艺术进行编程。法国艺术家让 – 马克斯·艾伯特（Jean-Max Albert），除了Iapetus和O = C = O等环境雕塑外，还开发了一个项目致力于植物本身，在生物活性方面。 Calmoduline纪念碑项目是基于蛋白质钙调蛋白的特性来选择性结合钙。外部的物理约束（风，雨等）改变植物细胞膜的电势，从而改变钙通量。然而，钙控制钙调蛋白基因的表达。因此，当有刺激时，植物可以修改其“典型”增长模式。所以这个纪念雕塑的基本原理就是它们可以被拾取和运输，这些信号可以被放大，转换成颜色和形状，并且显示植物的“决定”，表明一定的基本生物活性水平。

Maurizio Bolognini使用生成机器来解决概念和社会问题。作为“食肉动物”项目的一部分，马克·纳皮尔是数据映射的先驱，创建了基于以太网流量中的零点流和零点流的作品。马丁·瓦滕贝格（Martin Wattenberg）进一步推进了这一主题，将乐谱（“歌曲形状”，2001年）和维基百科编辑（2003年与费尔南达·维加斯的“历史流派”）的“数据集”加拿大艺术家San Base在2002年开发了一个“动态绘画”算法。使用计算机算法作为“画笔笔划”，Base创建复杂的图像，随着时间的推移而产生一个流畅的，不断重复的艺术品。

软件艺术：对于一些艺术家来说，图形用户界面和计算机代码本身已经成为一种独立的艺术形式。艾德里安·沃德（Adrian Ward）创建了Auto-Illustrator作为一个应用于艺术和设计的软件和生成方法的评论。
生成架构：
在1987年，塞莱斯蒂诺·索杜（Celestino Soddu）创造了意大利中世纪城镇的人造DNA，能够产生可被认定为属于这个想法的无尽3D城市模型。

文学：Tristan Tzara，Brion Gysin和William Burroughs等作家使用分割技术将随机化引入文学作为生成系统。 Jackson Mac Low制作了计算机辅助诗歌，并使用算法生成文本; Philip M. Parker编写了自动生成完整书籍的软件。 Jason Nelson用Speech-to-Text软件生成了一系列电影，电视和其他音频源的数字诗歌

生成式实时编码：
生成系统可以在操作时进行修改，例如使用交互式编程语言，如Max / MSP，vvvv，Fluxus，Isadora，Quartz Composer和openFrameworks。这是艺术家编程的标准方法，但也可用于通过在舞台上操作生成系统来创建实况音乐和/或视频，这是一种被称为实时编码的演奏实践。就像许多软件艺术的例子一样，因为实时编码强调人类的作者而不是自主，所以它可能被认为是与生成艺术相对立的。

自动生成系统：
由于微处理器的随机抽取功能，一个非常简单的计算机程序可以自动选择预定数量的元素（或其本身是随机的并包含在任意范围内）。程序然后随机地命令元素（“我们混合卡片”）。最后，按计算机程序提供的顺序接收（看，听，等）这些元素。这个非常简单的系统的概念性说明是幻灯片放映，其照片（以前由人类制作的元素）在计算机屏幕上相互跟随，但在观看节目的每次发射时，照片的顺序是不同的。

“带约束的随机抽取”。这个系统更进一步的发展，允许直接对目标艺术的构成要素（像素，声音，音符，单词等）进行操作。在音乐领域，例如，依次自动排列音符，而不是如上所述，排列给定长度的音乐片段，并且先前由一个或多个音乐家演奏，并以音频记录（波）或在一个MIDI文件（模式）。法国René-Louis男爵应用这一基本原理及其在人工智能方面的研究，设计了一个由国际专利（“MedalComposer”）保护的流程，使得数百万个旋律的构成“一致”，并以各种风格的音乐（包括对位） 。这个程序的重量很小（40千字节），因此可以嵌入到工业用低成本芯片中。受约束的随机抽取过程允许根据施加在组合软件上的约束而有更大的编程自由度。它还提供了以现有音乐风格产生或由程序“发明”的更多种类的作品。