Digimag 76 – Estate 2017

A cura di Marco Mancuso – Silvia Bertolotti


CAPO REDATTORE: Marco Mancuso

EDITING:
 Silvia Bertolotti, Marco Mancuso

AUTORI: Memo Akten, Claire Burke, Geoffrey Drake-Brockman, Jerry Galle, Gene Kogan, Robert B. Lisek, Filippo Lorenzin, Andreas Refsgaard, Liu Yuxi, Alessandro Masserdotti 

Scarica il Journal


“SMART MACHINES FOR ENHANCED ARTS” – THE CALL:

Intelligenza Artificiale (AI) e Machine Learning (ML) potrebbero essere considerati da molti come sinonimi, anche perché sono le parole d’ordine del decennio successivo. Ma in realtà non lo sono. Entrambi mettono però in dubbio la capacità delle macchine di eseguire e completare le attività in modo “intelligente”, sfidando l’intelligenza e la specificità umane.

Con le macchine che diventano sempre più intelligenti, il Machine Learning è oggigiorno non solo un argomento interessante e stimolante, ma anche una disciplina cruciale. Se inizialmente il calcolo era solo una questione di calcoli, ora è andato oltre la semplice “elaborazione” e implica anche “apprendimento”. Nell’era dei Big Data e dell’IoT, alle macchine viene chiesto di andare oltre le procedure di pura programmazione e algoritmi, introducendo anche previsioni di dati, OCR e analisi semantica, apprendendo dalle esperienze passate e adattandosi a input esterni, raggiungendo il dominio delle produzioni umane e processi.

Come Gene Kogan e Francis Tseng scrivono nel loro libro in fase di sviluppo “Machine Learning for Artists”, possiamo “porre oggi alle macchine un singolo problema astratto: determinare la relazione tra le nostre osservazioni o dati e il nostro compito desiderato. Questo può assumere la forma di una funzione o di un modello che accetta le nostre osservazioni e calcola una decisione da esse. Il modello è determinato dall’esperienza, dandogli una serie di coppie note di osservazioni e decisioni. Una volta che abbiamo il modello, possiamo fare degli output previsti ””.

Quindi, il tema dell’apprendimento automatico e dei metodi di intelligenza artificiale più in generale, sta andando molto oltre i campi della tecnologia o della scienza, influenzando anche le arti, il design del prodotto, la moda sperimentale e la creatività in generale. Poiché le funzionalità di ML possono adattarsi alle pratiche di arti digitali, siamo portati a esplorare il modo in cui alcune tecniche di intelligenza artificiale possono essere utilizzate per migliorare i gesti performativi umani ei modelli di creatività.

In che modo i sistemi biologici e l’intelligenza artificiale possono collaborare per creare arte, e qual è il risultato culturale per la nostra società? Qual è il nuovo ruolo della creatività in questo scenario? In che modo il contemporaneo affronterà una futura generazione di artisti / designer artificiali automatizzati, in grado di imparare dai creativi stessi o di avere un impatto diretto sulla creatività umana? La visione antropocentrica del processo creativo alla base della creazione artistica, sarà influenzata dalle nuove reti neurali intelligenti?