Refik Anadol的AI数据雕塑艺术
发布时间:2022年07月29日 来源:明通科技 浏览量:189

       

     文中图片和部分资讯来自 ©©wepresent ©

     我认为数据是一种记忆形式,我非常深刻地问自己和团队,我们如何重建它?”

--- Refik Anadol

      正如他和他的工作室所想象的那样,这些重建从来都不是静态的。他的作品被定义为一种几乎是强迫性的,偶尔是催眠性的动作。他的许多项目在形式上和概念上都有明显的共性,尤其是在这种不断变化的情况下。



    

       Refik在谷歌的艺术家和机器智能计划(Artists and Machine Intelligence Program)完成了实习,在那里他首次开始在工作中使用机器学习算法。从光和空间运动到物理学,再到神经科学研究的最新进展,他对一切都有着浓厚的兴趣。2014年,他创办了自己的工作室,目前已有14名艺术家、建筑师、数据科学家和研究人员·加入其中,这是专注于技术的艺术家从个人主义方法转向创造身临其境作品的工作室模式这一更广泛运动的一部分。

       Refik特别感兴趣的是探索和推动艺术技术的发展。他与谷歌的量子人工智能团队合作开发Quantum Memories,他认为这是第一个将人工智能和量子计算相结合的公共艺术品。早在2016年,他就开始在工作中使用人工智能工具。

       他几乎所有的项目都使用了大量的数据,他认为这些数据可以在许多方面比我们个人的思维更进一步;他将自己的一些作品称为“数据绘画”和“数据雕塑”。“数据可以变成颜料,”Refik说。“数据可以成为想象的具体化。” 



     Quantum Memories与他的大多数艺术作品一样,从包含照片和录音的数据集开始。他利用了互联网上公开的自然照片,包括水和云的照片,来自澳大利亚的谷歌地球景观图像,以及从国际空间站拍摄的地球照片。然后,他使用人工智能算法和量子计算来处理这些图像;这些算法从图像中学习模式并生成新的模式,从而在数百万真实图像的基础上创建一个动态的、不断变化的虚拟景观。




       这些丰富的材料有助于雷菲克接近集体的概念,这是他的工作的核心。他认为,机器学习算法可以处理这些材料,产生类似集体记忆或梦想的东西。在量子记忆的例子中,结果是对自然的集体记忆,但从所有有利的角度来看自然,而不是从一个人的眼睛。“我对任何个人的、以自我为中心的期望都不感兴趣,”Refik说。“我有兴趣询问我们作为人类、自然、空间和城市环境的集体记忆。”




       他的许多作品都试图回答这个问题,问:机器做梦会是什么样子?还是有记忆?在另一部作品Machine Memoirs中,雷菲克说,他想知道,“望远镜能做梦吗?哈勃望远镜的梦会是什么样子?”这部作品是从2018年开始与美国宇航局喷气推进实验室合作的结果他利用美国宇航局卫星和航天器拍摄的照片,对太空进行了一次推测性探索。结果恰如其分地超凡脱俗。色彩融合在一起,形成了一种既抽象又逼真的结构。毕竟,这是一个关于外层空间的梦想,一个我们几乎所有人都只在照片和想象中见过的地方。




     Anadol和他的团队通过使用现代艺术博物馆(Museum of Modern Art)200多年艺术藏品的公共元数据训练人工智能模型,创建了一个独特的人工智能数据绘画展览。生成性研究来自一系列算法人工智能数据绘画,展示了Anadol在技术和美学交叉点与GAN算法的合作。

       GAN是一种神经网络,可以生成新内容,而不是简单地分析或处理现有内容。我们一直在使用这些网络来创造风景、城市场景、建筑,甚至文艺复兴时期的绘画,这些绘画从未存在过,但从现有数据中浮现出来时,看起来难以置信的真实或语境化。








     “Walt Disney Concert Hall(WDCH)Dreams Synametic architecture”是Refik Anadol于2018年创作的大型数据雕塑。在这部作品中,他使用了整个洛杉矶爱乐乐团数字档案中的参数数据——587763个图像文件、1880个视频文件、1483个元数据文件,和17773个音频文件,并使用机器学习算法,生成对抗网络(GANs)和卷积神经网络,将图像、音频和视频片段转换为新图像,他称之为“机器内存”。通过使用音乐厅历史上收集的图像训练神经网络,该网络可以聚合历史上的时刻和“幻觉”或自由联想,并生成馈入图像的变化。




       上图显示了Anadol为WDCH赋予“意识”的过程,该过程遵循三个步骤:(1)团队从社交媒体API收集WDCH的照片,以构建图像数据集,(2)将图像数据集输入到一个逐步添加卷积层的GAN中,从而在更高的空间分辨率下提高性能,(3)网络产生帧预测幻觉。工作室使用的特定算法不是公开信息,但是,Refik提到他们的GAN技术包括DCGAN、PGAN和StyleGAN算法(NVIDIA的StyleGAN、StyleGAN2和StyleGAN2 ADA)。

       基于样式的GAN或StyleGAN是一种现代网络,允许高达1024x1024像素的照片级真实感图像[7]。它通过修改生成器,使用映射网络将点从潜在空间映射到中间潜在空间,以控制生成器中每个点的样式,在很大程度上扩展了GAN架构。它还使用噪声作为一种手段来修改生成器中的神经元。

        Refik Anadol Studio可能使用DCGAN和StyleGAN将从社交媒体收集的低分辨率图像提升到更高的质量和分辨率,这使他们能够将可识别的新图像投影到整个音乐厅的表面。一旦他们将基本的图像数据集转换成高质量的图像,他们就可以使用GANS来“产生幻觉”——生成不同但类似于音乐厅馈入图像的新图像。

        Anadol的数据雕塑标志着将机器学习,特别是GANs,融入艺术和建筑领域的一个开端。近年来,人工智能生成的艺术领域发展迅速。除了美术,GANs在其他领域也有大量的应用,这些领域主要涉及图像,如视频游戏和时尚。

------yabo2021vip.vom运用三维场景模拟,空间定位以及光学动捕,自动融合显示计算,特效合成编辑、特效逻辑编辑等技术,以专业文化娱乐行业为主要深耕方向,为客户提供动态投影映射、灯光以及视频内容追踪、视频内容互动、舞台创意集成在内的各类舞台创意视觉及音频亚博yabovip2024进入。

 


Baidu
sogou