Deep
Impression sur papier unryu 55g, vidéo générative
60 × 60 cm (impression), 3840 × 2160 pixels (vidéo)
Durée : infinie
Système informatique :Architecture de réseau de neurones : GAN (Generative Adversarial Network) / Réseaux Antagonistes Génératifs
Type spécifique : DCGAN (Deep Convolutional GAN)
Framework : Code source open-source mis à disposition par Google et Facebook (2015-2016)
Base d’apprentissage :
Dessins réalisés par l’artiste (1992-2016)
Manuels d’apprentissage du dessin
Optimiseur : Adam optimizer
Hyperparamètres typiques DCGAN (2016) :
Learning rate : 0.0002
Momentum β1 : 0.5
https://soundcloud.com/user-49744072/4-gregory-chatonsky-deep-2016
Cette œuvre présente les créations d’un logiciel d’intelligence artificielle qui a appris à dessiner en analysant une série de dessins réalisés par l’artiste entre 1992 et 2016, ainsi que des manuels d’apprentissage du dessin.
Le dispositif repose sur un système de réseaux antagonistes génératifs (GAN), où deux intelligences artificielles interagissent : l’une génère des images, tandis que l’autre tente de distinguer ces créations des dessins originaux. De cette confrontation émerge un générateur capable de produire une infinité de dessins qui brouillent la frontière entre création humaine et production machinique.
Le système est conçu pour réintégrer ses propres créations dans son processus d’apprentissage, permettant à l’intelligence artificielle de développer progressivement un style qui s’autonomise de son référent humain initial. Le rythme de production dépasse délibérément les capacités humaines de perception, rendant impossible l’appréhension de la totalité de l’œuvre.
Deep s’inscrit dans la réflexion de Chatonsky sur les capacités des technologies d’intelligence artificielle à générer un “contre-monde” inspiré mais distinct du nôtre, questionnant les notions d’originalité, d’autonomie créative et de singularité technologique.
This work presents the creations of an artificial intelligence software program that learned to draw by analyzing a series of drawings made by the artist between 1992 and 2016, as well as drawing instruction manuals.
The device is based on a generative adversarial network (GAN) system, in which two artificial intelligences interact: one generates images, while the other attempts to distinguish these creations from the original drawings. From this confrontation emerges a generator capable of producing an infinite number of drawings that blur the line between human creation and machine production.
The system is designed to reintegrate its own creations into its learning process, allowing the artificial intelligence to gradually develop a style that becomes independent of its initial human reference. The pace of production deliberately exceeds human perception capabilities, making it impossible to comprehend the work in its entirety.
Deep is part of Chatonsky’s reflection on the capabilities of artificial intelligence technologies to generate a “counter-world” inspired by but distinct from our own, questioning the notions of originality, creative autonomy, and technological singularity.