images – Artificial Intelligence https://ars.electronica.art/ai/de Ars Electronica Festival 2017 Tue, 28 Jun 2022 13:43:24 +0000 de-DE hourly 1 https://wordpress.org/?v=4.9.6 Closed Loop https://ars.electronica.art/ai/de/closed-loop/ Tue, 08 Aug 2017 16:40:09 +0000 https://ars.electronica.art/ai/?p=3560

Jake Elwes (UK)

Künstliche Intelligenz und maschinelles Lernen werden zunehmend Teil unsere Alltags. Basierend auf AI-Modellen, die derzeit unter anderem in der Moderation und Überwachung von digitalen Inhalten eingesetzt werden, erforscht die Installation den “latenten Raum” der künstlichen Intelligenz. Sie verarbeitet und imaginiert eine eigene Welt und entwickelt Träume und Visionen in den verborgenen Zwischenräumen zwischen all dem, was sie von uns gelernt hat, und weit darüber hinaus.

Collaborative project with Roland Arnoldt

In Closed Loop unterhalten sich zwei Modelle der künstlichen Intelligenz miteinander – eines in Worten, eines in Bildern – in einer unendlichen Schleife. Die Wörter des einen Modells beschreiben die Bilder des anderen. Diesen wiederum antwortet jeweils mit neuen Bildern auf die Wörter. Die beiden neuronalen Netzwerke entfachen und verlieren sich in ihren eigenen Feinheiten und driften voneinander ab.

Credits

www.jakeelwes.com
Special thanks to Anh Nguyen et al. at Evolving-AI for their work on GANs

]]>
Silences (Active Images) https://ars.electronica.art/ai/de/active-images/ Tue, 08 Aug 2017 14:19:51 +0000 https://ars.electronica.art/ai/?p=3670

Lohner Carlson (DE/US)

Lohner Carlson verfolgt seit Anfang der 1980er Jahre den Begriff des “aktiven Bildes”, seit ihre anfängliche Zusammenarbeit mit John Cage sie dazu inspirierte, das gefundene Objekt und den Begriff der Stille in das Medium des Films zu erweitern. Active Images untersuchen die Natur der Fotografie und das bewegte Bild.

Die “echte” Zeitwahrnehmung der BetrachterInnen kollidiert mit einer gefilmten “Realtime” in einer experimentellen Verbrennung von Langzeit-Sehschleifen mit scheinbar zufälligen und minimalistischen Veränderungen, wodurch die zeitliche und räumliche Dimension in hypnotische, rhythmische, visuell-musikalische Strukturen verwandelt werden kann.

Um ihre digitale Medienarbeit adäquat präsentieren zu können, hat Lohner Carlson zusammen mit Videri eine Hardware-Software-Content-Ausstellungsplattform namens Active Image-Technologie entwickelt, die erstmals eine vollständige digitale Einzigartigkeit und Originalität, Rechenschaftspflicht, Transaktionsfähigkeit, und die Sicherheit des Medienkunstwerks ermöglicht.

Ästhetisch konkurrieren die auf der digitalen Leinwand gezeigten Active Image-Bilder mit der Sättigung und der Stille von analogen Bilder oder mit den Qualitäten von Malerei. In naher Zukunft steht diese neue Präsentationsform für alle MedienkünstlerInnen zur Verfügung. Bei Ars Electronica 2017 wird diese Technologie zum ersten Mal gezeigt, mit Kunstwerken von Lohner Carlson und Arotin & Serghei.

Credits

Lohner Carlson sind Henning Lohner (DE / US), Van Carlson (US) und Max Carlson (US)

]]>
Machine Learning Porn https://ars.electronica.art/ai/de/machine-learning-porn/ Tue, 08 Aug 2017 07:11:37 +0000 https://ars.electronica.art/ai/?p=3590

Jake Elwes (UK)

Künstliche Intelligenz und maschinelles Lernen werden zunehmend Teil unsere Alltags. Basierend auf AI-Modellen, die derzeit unter anderem in der Moderation und Überwachung von digitalen Inhalten eingesetzt werden, erforscht die Installation den “latenten Raum” der künstlichen Intelligenz.

Sie verarbeitet und imaginiert eine eigene Welt und entwickelt Träume und Visionen in den verborgenen Zwischenräumen zwischen all dem, was sie von uns gelernt hat – und weit darüber hinaus.

In Machine Learning Porn wird ein neuronales Netzwerk darauf hin trainiert Suchmaschinen nach pornografischen Inhalten zu durchsuchen. Aus den Datenmengen generiert das Netzwerk daraufhin neue explizite Inhalte: eine künstliche Intelligenz mit sexuelle Fantasien.

Credits

www.jakeelwes.com
Special thanks to Gabriel Goh for inspiration.

]]>
hananona https://ars.electronica.art/ai/de/hananona/ Tue, 08 Aug 2017 05:47:11 +0000 https://ars.electronica.art/ai/?p=1787

STAIR Lab. (JP) in Kollaboration mit Surface & Architecture Inc, Kyoko Kunoh, Tomohiro Akagawa, Tanoshim Inc., mokha Inc. and Tokyo Studio Co. Ltd. (JP)

Die aktuelle Forschung ermöglicht künstlicher Intelligenz anhand von Beispielen und Bildern zu lernen. Das funktioniert mithilfe von großen Mengen an Übungsdaten und Deep Learning Software. hananona ist eine künstliche Intelligenz, die 406 Blumenarten und 300.000 Blumenbilder klassifizieren kann.

Zudem visualisiert die interaktive Arbeit hananona die Kategorisierung von Blumen durch künstliche Intelligenz. Sieht der Computer eine Blume, identifiziert er Namen sowie Kategorie und zeigt einen “Blumen-Karte” – eine Visualisierung des Gehirns der künstlichen Intelligenz (KI). Das System erkennt artverwandte Exemplare und reiht sie in gemeinsame Bildergruppen ein. Die Betrachtenden können dabei live beobachten, wie die KI die Blumen klassifiziert.

BesucherInnen sind eingeladen hananona mit ihren eigenen Blumenfotos herauszufordern. Um zu beobachten, wie künstliche Intelligenz auf Blumen in unterschiedlichen Abstraktionsebenen reagiert, können auch Zeichnungen, Gemälde oder blumenähnliche Objekte getestet werden.

Credits

STAIR Lab., Chiba Institute of Technology

Creative direction, design: Surface & Architecture Inc.

Art direction: Kyoko Kunoh
Interaction design, programming: Tomohiro Akagawa
Programming: Tanoshim Inc.
Server programming: mokha Inc.
Furniture production, site setup: Tokyo Studio Co., Ltd.

]]>
Fight https://ars.electronica.art/ai/de/fight/ Tue, 08 Aug 2017 05:24:51 +0000 https://ars.electronica.art/ai/?p=1779

Wir sehen Dinge nicht wie sie sind, sondern wie wir sind.

Memo Akten (TR/UK)

Fight ist ein Virtual-Reality-Kunstprojekt, in dem die beiden Augen der BetrachterInnen vollkommen unterschiedliche Bilder zu sehen bekommen, was zum Phänomen der „binokularen Rivalität“ führt. Wenn uns rivalisierende Signale präsentiert werden, „sieht“ der bewusste Geist ein instabiles, unregelmäßiges, animiertes Patchwork aus beiden Bildern, mit Streifen und Übergängen. Wie diese Unregelmäßigkeiten und Instabilitäten genau beschaffen sind, hängt von der Physiologie des Betrachters oder der Betrachterin ab.

Der Akt des Herumschauens erlaubt es den Betrachtenden herauszufinden, welche Abschnitte der Signale dominieren beziehungsweise unterdrückt werden – eine Erinnerung daran, dass Sehen (und, in einem breiteren Sinn, Wahrnehmung im Allgemeinen) ein aktiver Prozess ist, gesteuert von Bewegung, Erwartung und Absicht. Das von unserem bewussten Geist wahrgenommene Bild ist nicht eine direkte Abbildung der Außenwelt oder dessen, was unsere Sinne liefern, sondern eine simulierte Welt, die je nach unseren Erwartungen und Glaubenssätzen rekonstruiert wird.

Auch wenn in dieser Arbeit jeder Betrachter und jede Betrachterin exakt das gleiche Bild zu sehen bekommt, wird die visuelle Erfahrung des einen Betrachters anders als die eines anderen sein. Und beide Erfahrungen unterscheiden sich auch von dem, was tatsächlich zu sehen ist. Niemand ist in der Lage, die Gesamtheit der „Wirklichkeit“ vor sich zu sehen. Diese Arbeit ist Teil einer breiter angelegten Untersuchung über sich selbst bestätigende Voreingenommenheiten, über die Unfähigkeit, die Welt aus dem Blickwinkel eines Anderen zu sehen, und die daraus resultierende gesellschaftliche Polarisierung.

Credits

Commissioned by STRP
Score: Rutger Zuydervelt (Machinefabriek)
Producer: Juliette Bibasse
Assistant: Rob Homewood

]]>