SOURCES ?
Graduation Project - Eur ARTec 2023
EN :
In a context where the presence of algorithms becomes ubiquitous in the landscape of objects and systems surrounding us, new types of interactions emerge and transform society at various levels. For example, powerful tools based on the principles of Deep Learning—a subdomain of Artificial Intelligence (AI)—are becoming more widespread. It is therefore crucial to apprehend them by understanding their stakes.In the field of creation, one of the main challenges is the tendency toward normativity and standardization induced by their functioning. Indeed, deep learning uses neural networks to learn from examples in networked databases, detecting patterns and generating new ones. DALLE.E employs this principle to compile and combine patterns and features from existing images to generate new coherent images based on a given textual prompt. Despite increasing complexity, normative characteristics appear within visuals generated using AI.
This algorithmic treatment, due to the complexification of datasets, also brings forth shadows, making it impossible to identify the sources that contributed to the image creation process. The result is a strange sense of familiarity, impossible to confirm upon viewing these new images. The research for the project "Sources?" that I present here questions the use of deep learning algorithms in the creative process, particularly in the creation of objects or simulations of objects—images generated without considering their functionality and viability.
I attempted to analogically reproduce the image generation principle of an object using AI. I selected images of artifacts from digitized archives of works from museums, introducing an initial bias based on my aesthetic preferences. To this selection, I added a series of images of objects generated with DALLE.E. Similar to images generated by AI, I then drew inspiration from this image bank to compose volumetrically new hybrid forms, adding a new bias, that of my free will. Contrary to the smooth and standardized aesthetics of the digital, I first created a structure from various cardboard packaging collected from recycling bins.
To "give form," I then amalgamated these different elements using strings. To highlight an artificialized production, the resulting forms are clumsy, sometimes functional, sometimes sculptural, revealing bugs, akin to those detectable in photorealistic images generated by AI. The surfaces were then standardized using white paper. Some details are emphasized in colors, resembling glitches in a render. Traces of the multitude of artifacts contained and assembled into a single form allow certain areas of the surface to be "activated," suggesting different materials and functions.
The final step in my creative process is to reverse the path of image generation: I submitted various photographs of each of these new artifacts to Google Images, this "gigantic" system based on artificial intelligence models capable of proposing similar image search results from a given image. This project is part of a reflection on the use of algorithms in a creative process and the reconfiguration of our relationship with databases and archives—initiated since the advent of digital technology—that sets aside their traceability due to the complexity of these technologies. It also raises questions about how these digital archives are generated, from the origin and type of archived objects, risking the exclusion of many cultural and temporal contexts.
FR :
Dans un contexte où la présence des algorithmes devient omniprésente dans le paysage des objets et systèmes qui nous entourent, de nouveaux types d’interactions apparaissent et transforment la société à différents niveaux. Par exemple, des outils performants, basés sur le principe du Deep Learning (apprentissage profond) – sous domaine de « l’intelligence artificielle » (IA), se démocratisent. Il est donc primordial de les appréhender en comprenant leurs enjeux.Dans le domaine de la création, un des enjeux principaux est la tendance à la normativité et l’uniformisation qu’ils induisent de part leur fonctionnement. En effet, le deep learning utilise des réseaux de neurones pour apprendre, à partir d’exemples issus de banques de données disponibles en réseau, à détecter des motifs et à en générer de nouveaux. DALLE.E utilise ce principe pour compiler et combiner des motifs et des caractéristiques d’images existantes afin de générer de nouvelles images cohérentes à partir d’un “prompt”, c’est-à-dire une description textuelle donnée. Malgré une complexité grandissante, des caractéristiques normatives apparaissent au sein des visuels générés à l’aide d’IA.
Ce traitement algorithmique de part la complexification des jeux de données fait également apparaître des zones d’ombres, et il est impossible d’identifier les sources qui ont fait partie du processus de création de ces images. En résulte une sensation de familiarité étrange, impossible à confirmer à la vue de ces nouvelles images.
Le recherche pour le projet Sources? que je présente ici questionne l’utilisation des algorithmes basés sur le deep learning au sein du processus de création, et plus particulièrement la création d’objets ou de simulacres d’objets - les images générées ne prenant pas en compte la fonctionnalité et la viabilité de ces derniers.
J’ai ainsi essayé de reproduire de manière analogique le principe de génération d’une image d’objet à l’aide d’une IA. J’ai sélectionné des images d’artefacts parmi les archives numérisées d’œuvres issues de musées. Cette sélection implique donc un premier biais qui est celui de mes appréciation esthétique et goûts personnels. À cette sélection j’ai ajouté une série d’images d’objets générées avec DALLE.E. À la manière d’images générées par une IA, je me suis ensuite inspirée de cette banque d’images pour composer en volume de nouvelles formes hybrides, ajoutant un nouveaux biais, celui de mon libre arbitre. Prenant le contre-pied de l’esthétique lisse et uniformisée du digital, j’ai d’abord réalisé une structure à partir de divers emballages en cartons collectés dans des poubelles de tri sélectif.
Pour « faire forme », j’ai ensuite amalgamé ces différents éléments à l’aide de ficelles. Afin de mettre en exergue une production artificialisée, les formes produites sont maladroites, tantôt fonctionnelles tantôt sculpturales, laissant apparaître des bugs, à l’instar de ceux décelables dans les images photo-réalistes générées par I.A. Les surfaces ont été ensuite uniformisées à l’aide de papier blanc.
Quelques détails sont soulignés en couleurs, tels des glitchs dans un « render ». Traces de la multitude d’artefacts contenus et rassemblés en une seule forme, ils permettent « d’activer » certains endroits de la surface afin de suggérer différentes matières et fonctions.
La dernière étape de mon processus de création est de faire le chemin inverse de celui la génération d’images : j’ai soumis différentes photographies de chacun de ces nouveaux artefacts à Google image, ce “gigantesque” système basé sur les modèles d’intelligence artificielle, capable de proposer des résultats de recherche d’images similaires à partir d’une image donnée.
Ce projet fait partie d’une réflexion sur l’utilisation d’algorithmes au sein d’un processus créatif ainsi que sur la reconfiguration de notre rapport aux banques de données et aux archives - déjà initiée dès l’apparition du digital - qui met de côté la traçabilité de celles-ci du fait de la complexification de ces technologies. Se pose aussi la question de la manière dont sont générées ces archives numériques : de la provenance et du type d’objets archivés,… au risque de laisser de côté de nombreux contextes culturels et temporels. Se pose aussi la question de la manière dont sont générées ces archives numériques risquant de laisser de côté de nombreux contextes culturels et temporels.
