Stop Making Prompt
Imaginons une série d’images générées par Stable Diffusion sans utiliser de prompt. Cette démarche nous invite à plonger dans les abysses de l’intelligence artificielle, explorant ce que produit une machine lorsque libérée des directives humaines. Ce processus ouvre une fenêtre sur les aspects les plus brut et inexploré de la créativité assistée par IA, où l’algorithme, nourri par des milliards de données visuelles, tente de créer à partir d’un vide descriptif.
Les images générées dans ce contexte pourraient être perçues comme les rêves d’une machine – un flux de conscience visuelle sans guide ni intention. Ce sont les résultats directs des statistiques de l’espace latent, une représentation mathématique complexe de toutes les images possibles que l’algorithme peut concevoir. Sans un prompt pour le diriger, l’algorithme puise dans cet espace de manière aléatoire ou suit des chemins de moindre résistance, générant ainsi des images qui reflètent les biais, les motifs et les structures les plus fondamentales appris au cours de son entraînement.
Ces images pourraient surprendre par leur abstraction, leur surréalisme, ou même par moments, leur étonnante clarté. On pourrait y voir des formes qui évoquent des paysages, des visages ou des objets, mais avec des anomalies ou des fusions qui défient notre compréhension habituelle. Ces créations soulignent l’importance des données d’entraînement, révélant les penchants cachés de l’algorithme, ses interprétations préférées et les motifs récurrents dans les données visuelles qu’il a ingérées.
Lorsque nous suspendons l’instrumentalité du langage, qui sert normalement de pont entre l’intention humaine et la production de l’image par l’IA, nous sommes confrontés à la pure expression d’un non-humain fondée sur des données humaines. La culture devient étrangère à elle-même. Cette interaction nous pousse à questionner non seulement la nature de la création artistique mais aussi notre rôle en tant que récepteurs. Comment interprétons-nous ces images dépourvues d’intention consciente? Quel sens leur attribuons-nous, et comment ce processus de signification reflète-t-il nos propres biais, notre culture et notre subjectivité?
Imagine a series of images generated by Stable Diffusion without the use of prompts. This approach invites us to plunge into the abyss of artificial intelligence, exploring what a machine produces when freed from human directives. This process opens a window onto the most raw and unexplored aspects of AI-assisted creativity, where the algorithm, fed by billions of visual data, attempts to create from a descriptive void.
The images generated in this context could be perceived as the dreams of a machine – a stream of visual consciousness without guide or intention. They are the direct results of the statistics of latent space, a complex mathematical representation of all the possible images the algorithm can conceive. Without a prompt to direct it, the algorithm draws from this space randomly or follows paths of least resistance, generating images that reflect the most fundamental biases, patterns and structures learned during its training.
These images may surprise with their abstraction, surrealism or even, at times, astonishing clarity. One might see forms that evoke landscapes, faces or objects, but with anomalies or fusions that defy our usual understanding. These creations underline the importance of training data, revealing the algorithm’s hidden inclinations, preferred interpretations and recurring patterns in the visual data it has ingested.
When we suspend the instrumentality of language, which normally serves as a bridge between human intention and the AI’s production of the image, we are confronted with the pure expression of a non-human based on human data. Culture becomes foreign to itself. This interaction prompts us to question not only the nature of artistic creation, but also our role as receivers. How do we interpret these images devoid of conscious intent? What meaning do we attribute to them, and how does this process of signification reflect our own biases, culture and subjectivity?