Inaccurate Collaborations

Cristóbal Valenzuela (CL), Anastasis Germanidis (GR)

Tools for inaccurate human-machine collaborations

Deterministische Algorithmen und Systeme basieren auf der Erwartung regelmäßiger und pünktlicher Eingaben, um konsistente und systematische Ergebnisse zu erzeugen. Fehlerhafte, unsaubere, irreführende oder fehlerhafte Eingaben können zu suboptimalen oder fehlerhaften Ergebnissen führen.

Inaccurate Collaborations/Cristóbal Valenzuela (CL), Credit: Cristóbal Valenzuela

Inaccurate Collaborations ist ein Projekt, das untersucht, wie generative und deterministische maschinelle Lernalgorithmen verwendet werden können, um fehlerhafte und fehlerhafte Ergebnisse zu erzeugen, die neue Erkundungen für die kreative Zusammenarbeit zwischen Mensch und Maschine nahe legen. Mit einem interaktiven digitalen Werkzeug zum Zeichnen von semantischen Farbkartenszenen, bei denen jede Farbe ein anderes Etikett darstellt, werden Bilder mit Hilfe von Generative Adversial Networks (GAN) synthetisiert, die in einer Sammlung von verschiedenen Bilddatensätzen trainiert wurden. Jede Generation führt einen neuen Verfahrensfehler im Algorithmus ein. Die Entwicklung dieses Projektes erfolgt mit RunwayML.

Credits:

RunwayML: https://runwayml.com/
NYU ITP: https://tisch.nyu.edu/itp

Supported by Ministerio de las Culturas, las Artes y el Patrimonio and the Ministerio de Relaciones Exteriores | Gobierno de Chile

Website: