Снова о генеративном искусстве. Статья Generative AI as a Philosophical Mirror: Machine Hallucination and the Aesthetics of Algorithmic Representation анализирует серию иммерсивных инсталляций Рефика Анадола «Machine Hallucination» как философское зеркало, отражающее трансформацию понятий репрезентации, авторства, восприятия и этики в эпоху генеративного искусственного интеллекта. Пдф в комментариях.
В центре внимания — серия мультимедийных работ Анадола (Machine Hallucination: NYC, Coral, ISS), созданных с помощью нейросетей на основе массивов данных из сотен миллионов изображений (архивы, соцсети, данные NASA). Исследование рассматривает ИИ как соавтора, генерирующего динамические визуальные галлюцинации. Инсталляции разрушают оптику классического мимесиса, создавая «гиперреальность», синтезируя гигантские объёмы данных в непрерывно меняющиеся формы, превращая репрезентацию из статичного объекта в изменчивый процесс. Проект также размывает традиционную концепцию единого художника-творца: агентность распределяется между человеком-куратором, алгоритмом и коллективным опытом людей, чьи фотографии попали в обучающую выборку. Масштабные проекции (разрешением 8K–16K) и пространственный звук вовлекают периферийное зрение и слух, создавая синестетический опыт. С опорой на феноменологию Мориса Мерло-Понти и понятие durée (чистая длительность) Анри Бергсона, работы вызывают у зрителей апофению (поиск знакомых образов в хаосе), когнитивную перегрузку и фрейдовского чувство «зловещего».
В основе ранних работ серии используются модели StyleGAN2 и DCGAN, а в более поздних — диффузионные модели и архитектуры CLIP. Для обучения задействованы кластеры из сотен GPU NVIDIA. Среди ключевых проблем авторы выделяют высокую углеродную ёмкость (до 50 МВт·ч на крупный проект) и закрытость алгоритмов. Модели наследуют социальные и культурные предвзятости обучающих выборок (например, перепредставленность популярных объектов и игнорирование маргинализированных групп). В отличие от художников Тревора Паглена или Анны Ридлер, критикующих ошибки ИИ, Анадол склонен давать им некоторую агентность, эстетизировать эти данные, что требует, по мнению авторов, внедрения прозрачных паспортов данных (т.н. datasheets for datasets).
Так, Сугвен Чун использует роборуку для исследования телесного и физического сотворчества с ИИ. Мемо Актен открыто демонстрирует сбои и предвзятость машинного зрения. Рефик Анадол делает акцент на эмоциональном погружении, масштабе и эстетическом восторге. Авторы подчёркивают необходимость перехода генеративного искусства от экспериментов к структурированной ответственности. Этому, по их мнению, способствуют международные инициативы, такие как Акт ЕС об искусственном интеллекте (EU AI Act) и рекомендации ЮНЕСКО по этике ИИ, требующие прозрачности происхождения обучающих данных и (ну куда же без защиты копирайта, правда?) защиты авторских прав.
В центре внимания — серия мультимедийных работ Анадола (Machine Hallucination: NYC, Coral, ISS), созданных с помощью нейросетей на основе массивов данных из сотен миллионов изображений (архивы, соцсети, данные NASA). Исследование рассматривает ИИ как соавтора, генерирующего динамические визуальные галлюцинации. Инсталляции разрушают оптику классического мимесиса, создавая «гиперреальность», синтезируя гигантские объёмы данных в непрерывно меняющиеся формы, превращая репрезентацию из статичного объекта в изменчивый процесс. Проект также размывает традиционную концепцию единого художника-творца: агентность распределяется между человеком-куратором, алгоритмом и коллективным опытом людей, чьи фотографии попали в обучающую выборку. Масштабные проекции (разрешением 8K–16K) и пространственный звук вовлекают периферийное зрение и слух, создавая синестетический опыт. С опорой на феноменологию Мориса Мерло-Понти и понятие durée (чистая длительность) Анри Бергсона, работы вызывают у зрителей апофению (поиск знакомых образов в хаосе), когнитивную перегрузку и фрейдовского чувство «зловещего».
В основе ранних работ серии используются модели StyleGAN2 и DCGAN, а в более поздних — диффузионные модели и архитектуры CLIP. Для обучения задействованы кластеры из сотен GPU NVIDIA. Среди ключевых проблем авторы выделяют высокую углеродную ёмкость (до 50 МВт·ч на крупный проект) и закрытость алгоритмов. Модели наследуют социальные и культурные предвзятости обучающих выборок (например, перепредставленность популярных объектов и игнорирование маргинализированных групп). В отличие от художников Тревора Паглена или Анны Ридлер, критикующих ошибки ИИ, Анадол склонен давать им некоторую агентность, эстетизировать эти данные, что требует, по мнению авторов, внедрения прозрачных паспортов данных (т.н. datasheets for datasets).
Так, Сугвен Чун использует роборуку для исследования телесного и физического сотворчества с ИИ. Мемо Актен открыто демонстрирует сбои и предвзятость машинного зрения. Рефик Анадол делает акцент на эмоциональном погружении, масштабе и эстетическом восторге. Авторы подчёркивают необходимость перехода генеративного искусства от экспериментов к структурированной ответственности. Этому, по их мнению, способствуют международные инициативы, такие как Акт ЕС об искусственном интеллекте (EU AI Act) и рекомендации ЮНЕСКО по этике ИИ, требующие прозрачности происхождения обучающих данных и (ну куда же без защиты копирайта, правда?) защиты авторских прав.