Concernant la distorsion

Nick Foster et Simone Rebaudengo font un parallèle utile entre la distorsion dans les amplis de guitare et la distorsion dans les résultats d’apprentissage machine. Dans le cas des guitares, il s’agissait d’un défaut initial que les musiciens s’appropriaient pour l’intégrer à leurs performances et à leurs styles. Il en va peut-être de même pour les imperfections des résultats de l’apprentissage machine, les artistes et les codeurs se les appropriant pour leurs propres besoins. C’est un bon choix d’utiliser l’apprentissage machine et l’intelligence machine plutôt que l’intelligence artificielle.

Dans tous ces exemples, il y a un thème commun : l’accent est mis sur la perfection, sur la reproduction parfaite du monde réel au niveau du pixel ou de la note, ou du moins sur un monde si crédible qu’il semble « réel ». Cependant, au fur et à mesure que ces processus se développent, ils trébuchent et tâtonnent en route vers cet état « parfait », arrivant avec des brèches, des artefacts, des blips et des taches. […]

Il y a clairement un précédent ici, mais ce que nous observons est un ajustement délibéré des systèmes d’intelligence artificielle pour trouver et ensuite briser leurs bords, tout comme Jackie Brenston l’a fait avec son amplificateur de guitare. Des systèmes destinés à la reproduction ou à la synthèse parfaite sont explorés, mis en pièces et taquinés pour générer des résultats nouveaux, indéfinis et jusqu’ici indésirables. […]

Imperfection : Deep Dream a été un des premiers projets à se démarquer dans le domaine des images générées par des machines. Il s’agit (pour utiliser la sténographie) d’un réseau neuronal convolutif fonctionnant à l’envers, où les images peuvent être traitées pour révéler d’étranges nouvelles demi-créatures, des architectures hypnotiques ou des paysages, selon le jeu de formation. L’image ci-dessous est une image de rêve profond, largement appelée « pupy slug », résultat d’une surinterprétation par le réseau neuronal de ce qu’il a vu sur la base de ce qu’il savait (qui s’est avéré être des chiots).

Pendant quelques mois, ce projet a suscité un intérêt important. Les flux Twitter ont pompé l’architecture fractale, les paysages fantastiques et les yeux fondus des chiots, offrant de nouvelles perspectives sur le fonctionnement de ces systèmes. Avec le temps, cet intérêt s’est estompé et Deep Dream est désormais largement considéré comme une distraction de salon, bien qu’importante, par rapport à la véritable activité de reconnaissance ou de génération d’images photoréalistes.

L’esthétique fluide et enfantine de l’aquarelle de synthèse d’images sémantiques, (créée par les insécurités du réseau neuronal dans l’interprétation de l’apport humain) devient rapidement sa propre esthétique, et en tant que spectateurs, nous développons également une sensibilité, et peut-être une attraction pour elle, une évolution de la Nouvelle Esthétique telle que décrite par l’écrivain et artiste James Bridle. […]

Nous préférons le terme « Machine Intelligence » car il permet à ces technologies de respirer, de ne pas être encombrées par la comparaison et de montrer leur propre grain, leurs propres caprices et de trouver leur propre direction.

Via Medium

Pour en savoir plus → L’un des types d’imperfections mentionnés est celui des « limaces de chiots », jetez un coup d’œil à l’article de mon ami Boris sur le sujet.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.