项目概述:
人工智能植物园是一个正在进行的项目，它通过使用机器学习算法探索植物插图的潜在表达能力。在摄影术发明之前，植物插图是视觉记录多种植物的唯一方式。物理学家、药剂师和植物学家使用这些图像进行识别、分析和分类。
虽然这些作品在今天不再具有科学意义，但它们已成为使用当代工具和方法向生命和自然致敬的艺术家的灵感来源。人工植物学从该类型最伟大艺术家的插图的公共领域档案图像中提取，包括 Maria Sibylla Merian、Pierre-Joseph Redouté、Anne Pratt、Mariann North 和 Ernst Haeckel。作为一种有机体，以相互传递和流动的形式交织在一起，植物是大自然创造力的象征。在这种组织和塑造形式的持续活动中，两种对立的张力相互对抗：一方面是无形的倾向，流逝和变化的流动性；另一方面，坚持的顽强力量，流动的结晶原则，没有它就会无限期地失去。在标志着植物发育的爆发和收缩的动态中，美丽体现在无法固定的平衡时刻，在其形成中陷入困境，并且已经进入下一个阶段。
项目如何用数字科技表现故事:
在该项目中，这些插图已成为名为 GAN（生成对抗网络）的机器学习系统的学习材料，该系统通过训练阶段能够重新创建新的人工图像，其形态元素几乎与灵感图像相同，但具有细节和特征就好像它们是由人类画家生成的。从这个意义上说，机器通过创造一种新的语言、捕捉人类和自然的信息和艺术品质来重新阐述内容。生成模型领域的最新进展使得利用它们从给定图像集创建新内容的能力变得很有趣。按照这个方向，我们将注意力集中在生成对抗网络（GANS）的研究上。
它们代表了一种由两个网络组成的技术，这些网络在零和博弈框架中相互竞争。 GAN 通常无监督地运行，自学如何模仿任何给定的数据分布，这意味着一旦经过训练，它们就能够从特定数据集开始复制新内容。
这种分布通常称为模型的潜在空间。它通常是高维的，但远低于原始介质的维数。例如。当处理具有 1024x1024 像素分辨率的全色（例如 RGB）图像时，我们处理大约 300 万个维度（即特征 — 1024x1024x3），而我们可能只使用 512 维的潜在空间。建立 GAN 的第一步是确定所需的最终输出并根据这些参数收集初始训练数据集。然后将这些数据随机化并输入到生成器中，直到它在生成输出时获得基本精度。在无条件生成模型中，无法控制生成的数据模型。但是，通过根据附加信息调节模型，可以指导数据生成过程。这种调节可以基于类标签、用于修复的某些数据部分，甚至来自不同模态的数据。该项目的第一部分涉及两个相互交互的 AI 系统之间的推测性交互。每件艺术品背后的文本都是通过利用另一种神经网络算法生成的。这种类型的系统被称为“图像到文本的翻译”，虽然它通常用于对图像进行分类，但这里已经通过要求它逐帧识别其他人工生成的图像进行了测试。
应用及市场价值：
在一个我们都完全纠缠不清的世界里，一个单一的选择和行为可以影响地球另一端的另一个人，我们确实认为像人工植物学这样的项目可能有益于反思和观察 大自然具有创造性、多样性、思辨性和独特性的极端能力。 深入研究档案并应用人工智能技术帮助我们提高了这种植物和人类价值。
团队介绍：
fuse* 是一家艺术工作室和制作公司，致力于使用新兴技术来解释人类和自然现象的复杂性。自成立以来，工作室的研究主要集中在装置和现场媒体表演的制作上，这些表演激发了观众的好奇心并激发了他们挑战可能性。随着工作室的发展，新项目的创作变得更加全面，并越来越重视纯实验。 Fuse* 的目标是突破公认的极限，激发同理心，并在光、空间、声音和运动之间寻找新的相互作用。通过开发、支持和促进旨在传播文化和知识的项目，fuse* 与其社区保持密切联系。本着这一精神，fuse* 自 2016 年起联合制作了一个电子音乐和数字艺术节 NODE。
多年来，fuse* 已在 Mutek、TodaysArt、SónarIstanbul、Artechouse、STRP Biennial、RomaEuropa、Kikk、Scopitone 和中国国家大剧院等艺术机构和艺术节上展出和演出。
Comments