2020
画布打印件存档（4x6 英尺）
三本书，各 200 页
自定义数据集 - GAN、图像分类
近距离观察时，以图形形式呈现的梯度纹理揭示了一系列性别表现手法。三本书介绍了所收集的数据集样本和单独生成的图像。
64/1 和 Harshit Agrawal
这件艺术品收集了绘画数据集，并运用 AI 将一系列性别形式图谱生成为圆形挂毯，帮助理解和展示在印度人们如何以视觉手法表现性别。
艺术品
古怪的性别
书籍
过程
艺术家们收集了由印度各界人士绘制的约 2300 幅男女站立人物形象组成的数据集。每一位数据集贡献者各绘制一幅女性和男性图像。大约一半的作品是人工完成的（使用黑色马克笔在两张白纸上分别绘制女性和男性形象），另一半使用 Mechanical Turk（模仿真实世界数据采集设置）生成。
GAN（NVIDIA StyleGAN 2）在性别图纸的数据集上经过训练。GAN 输出以采用所收集的数据集训练的二进制分类器作为数据源，在一定的置信度水平下将输出分类为女性或男性。由 GAN 生成的这种扩散式的性别表现用于创作最后的圆形挂毯 – 中心是 100% 的女性形象，最外圈是 0% 的女性形象。
关于 64/1
64/1 是一个艺术研究和策展团体，由 Karthik Kalyanaraman 和 Raghava KK 兄弟创立，专注于模糊艺术、艺术批评与艺术教育之间的界限。
Karthik 是一位概念艺术家、作家和前学者，拥有计量经济学博士学位（哈佛大学），对于在统计学中建立因果关系方面进行了关键研究。除了在伦敦大学学院执教之外，他还曾在美国一家顶级机构工作，并发表过关于社交网络分析和美学理论的作品。
Raghava KK 是一位著名艺术家，擅长跨领域创作。他的作品跨越了传统的绘画、装置艺术和表演形式，同时也采用新的媒体来表达当代的后人类时代的现实。他入选了 CNN 2010 年度十大杰出人物榜单和 2020 年 Netflix 纪录片《印度创意人》(The Creative Indians)。
关于 Harshit Agrawal
Harshit 是一位印度艺术家，专注于使用人工智能和新兴技术进行创作。他使用机器和算法，并经常把它们作为自己艺术创作过程中必不可少的一部分。
他的作品已成为全球最大的计算机科学博物馆德国 HNF 博物馆的永久展品。他是七位国际人工智能艺术先驱中唯一的印度人，参加了世界上最早的人工智能艺术展之一（在当代艺术画廊 Gradient Descent at Nature Morte 举行）。他的作品还曾在其他主要展馆展出，如电子艺术节（奥地利）、亚洲文化中心（韩国光州）和明日博物馆（巴西）等。他的作品还被英国广播公司、《纽约时报》和 Stir World 等国际媒体报道，并就人工智能艺术问题进行过多次演讲，包括三次 TEDx 演讲。
他毕业于麻省理工学院媒体实验室和古瓦哈蒂分校。除了他的艺术实践，他还撰写过几本关于他的作品（交融人机交互与创意表达）的出版物并获得了一些专利。
精选演讲
AI 诠释艺术
艺术家可以将 AI 用作工具、协作者或灵感源泉，在其创作过程中的不同阶段影响其艺术作品。来自世界各地的艺术家讨论小组成员将相互交流，比较他们如何将自己的美术背景与未来主义艺术实践相结合。
Daniel Ambrosi
对于 Daniel Ambrosi 来说，计算摄影不仅仅是营造出一种空间感，而是在于从内在、认知和情感上传达我们对环境的感受。
艺术作品
抽象之梦
2020/2021
计算摄影 + 人工智能
作为我们 Dreamscape 项目的下一步演进，该系列进一步将生成的艺术作品与基本的摄影作品分离开来，探索潜意识。这些循环播放的抽象之梦视频旨在唤起一种冥想效应，产生深度感知的幻觉，通过颜色和纹理的变化逐渐淡化或增加类似的特征。
Bryant Park Dreamscape（布莱恩特公园梦境）（疫情爆发前）
2020
计算摄影 + 人工智能
这一场景拍摄于 2018 年 10 月的通勤高峰期，拍摄地点是曼哈顿市中心布莱恩特公园附近的一栋写字楼的 16 层窗口。在 2020 年 3 月新冠疫情期间，这位艺术家创作了这一 Dreamscape 作品，当时，这样繁华热闹的场景开始让人觉得是一个遥不可及的梦。它将计算摄影与 AI 相融合，创造出一个引人入胜、令人着迷的环境。
创作过程
创作过程中，艺术家开发出由 AI 增强的“全场景”艺术作品，首先在一个地点拍摄了 45 张照片，然后对其进行拼合 (Autopano Pro) 和混合 (Aurora HDR Pro) 处理，形成一个巨大的（超过 4.82 亿像素）全景图，并在 Photoshop 中进行裁剪和美化。这幅作品使用在 NVIDIA Quadro RTX GPU 上运行的 Google DeepDream 专用版本处理。
最后，Daniel 尝试使用多种工具和技术（包括 Forge 滤镜中的效果），进一步探索他的“梦境”中固有的图形表现手法可能性。他最近的尝试产生了一个系列作品，他称之为“无限梦想”，探索了受立体主义启发的“折射”梦境。
关于 Daniel Ambrosi
Daniel Ambrosi 是新兴 AI 艺术运动的创始人之一，素以在人与 AI 的混合艺术中的微妙平衡而闻名。自取得康奈尔大学建筑学士学位和 3D 图形硕士学位以来，近 40 年来，他一直在探索新的视觉呈现方法。2011 年，Daniel 设计了一种独特的计算摄影形式，可生成异常富有沉浸感的风景图像。
主题会谈
社交晚餐：从数字到物理，再从物理到数字
艺术家 Pindar Van Arman 和 Daniel Ambrosi 以非同寻常的方法在其艺术作品中使用人工智能，但他们有一个共同的关注点，那就是制作由物理效果 AI 增强的艺术品。根据艺术家们的说法，我们是生活在三维世界中的三维生物，但我们体验世界的感官却深藏在没有光线射入的头骨之中。艺术品由位还是原子组成真的重要吗？
借助 AI 通过艺术手法呈现自然形态
有人说艺术源自生活，但如果这种艺术是艺术家利用人工智能创造的动植物呢？ 参加艺术家 Sofia Crespo、Feileacan McCormick、Anna Ridler 和 Daniel Ambrosi 以及 NVIDIA 技术专家 Chris Hebert 的讨论，了解他们如何在创作过程中利用 AI 生成技术诠释自然形态。
1 分钟：对深度梦境景象的冥想
陷入 Daniel Ambrosi 的 Japanese Tea Garden（日本茶园）抽象梦境
Sofia Crespo 和 Entangled Others Studio
人工生命形式能否帮我们重新思考与自然的联系？ Sofia Crespo 和 Entangled Others Studio 使用新技术，从全新视角探索数字世界中基于 AI 建立的生命形式如何帮助我们探索我们的共同纽带。
经验
Beneath the Neural Waves
2021
3D GAN、3D 风格转移
作品《神经海浪之下》尝试创造一个数字形式的水生生态系统以探索生物多样性，将此作为尝试参与高度抽象的关系概念的一种手段。
探索一个由神经生成的珊瑚礁碎片，以及一些生活在其中的生物的标本。
创作过程
使用的数据集包括 Joel Simon 制作的合成珊瑚数据、水生标本的公开数据和人工生成的数据。
经验
Artificial Remnants 2.0
2020
3D GAN、3D 风格转移、GPT-2
此项目是正在进行的人工生命探索的一部分，旨在运用机器学习技术来生成昆虫，并提供其名字和解剖学描述。这为我们提供了一种在虚拟数字空间中参与自然世界丰富多样性的方式。创作该项目的艺术家邀请您一起探索展出的标本并与之互动。
创作过程
艺术家们使用了数百种昆虫的 3D 模型、有关其生命周期的文献，以及其纹理的特写来创作这一独特的作品。由于缺乏大量开放的数据集，致使艺术家们不得不进行大量的数据扩增。
关于 Sofia Crespo
Sofia Crespo 是一位对生物学启发型技术有着浓厚兴趣的艺术家。她的主要关注点之一是有机生命利用人工机制来模拟自身并实现进化的方式。这意味着技术是创造它们的有机生命的一种反向产物，而非完全分离开的对象。另一方面，她也非常关注运用机器学习技术的艺术家的角色的动态变化。
主题会谈
借助 AI 通过艺术手法呈现自然形态
有人说艺术源自生活，但如果这种艺术是艺术家利用人工智能创造的动植物呢？ 参加艺术家 Sofia Crespo、Feileacan McCormick、Anna Ridler 和 Daniel Ambrosi 以及 NVIDIA 技术专家 Chris Hebert 的讨论，了解他们如何在创作过程中利用 AI 生成技术诠释自然形态。
Leaves of Manifold（多种多样的叶子）
Helena Sarin
2020-2021/生成式混合媒体
作为一名视觉艺术家兼软件工程师，Helena 在自然和计算的统一模式中发掘灵感。她使用生成式对抗网络 (GAN) 揭示其中一些模式，并以有趣的方式重新组合它们。她努力让自己的生成式艺术作品不仅具有趣味性和美感，还反映出她的模拟艺术的特点 -即兴，大胆，和深刻的艺术特点。
创作过程
为创作《Leaves of Manifold》（多样多样的叶子），Helena 收集并拍摄了 1000 多张树叶的照片，将其作为数据集的一部分使用。
她修改了 CycleGAN 和她自己修改过的 PGAN 版本，发现 SOTA 在规模较小但多样性较高的数据集上表现很差。她还大量使用了 GAN 链。她采用的硬件环境是 BYO 本地服务器，现在搭载的是 NVIDIA Quadro 和 GeForce GPU。
Helena Sarin
视觉艺术家和软件工程师 Helena Sarin 一直致力于打造面向科技公司的尖端技术。同时，她还接受他人委托的水彩画和粉彩作品创作工作，以及时尚品、食品、饮料造型和摄影等应用艺术的创作工作。艺术与软件犹如她生活中两条并驾齐驱的轨道，在发现 GAN（生成式对抗网络）之前，她的所有艺术创作均采用模拟手法。作为她过去几年后生成式对抗网络创作方法的一部分，她正在探索如何将 AI 作为一种工具，创作实际作品。她创作的艺术书籍《The Book of GANesis》（生成式对抗网络创作主义之书）一经发售就很快售罄，她的 GANcommedia Erudita 曾在 NVIDIA 的 2020 年秋季 GTC 大会上亮相，目前，她正在创作《Book of veGAN》（veGAN 之书）。为了补充 veGAN 这种双关语，Helena 还在试验她所说的“potteryGAN”– 使用 GAN 推理产生具有实用性的陶土器皿的设计。
Twitter | Instagram
主题会谈
AI 助力艺术
艺术家可以将 AI 用作工具、协作者或灵感源泉，在其创作过程中的不同阶段影响其艺术作品。来自世界各地的艺术家讨论小组成员将相互交流，比较他们如何将自己的美术背景与未来主义艺术实践相结合。
Scott Eaton
为了进一步探索自己的艺术实践，Scott 采用了深度神经网络技术。这次探索产生了极富表现力的新颖表现手法，迸发出自己的生命力。
创作过程
最终的绘图（即“蓝图”）编码了重建最终雕塑所需的全部信息（只要有神经网络能对其进行解压缩或扩展）。开发最终作品的过程包括多次线条布设、加权和轮廓细化迭代，从而让我获得了心目中的理想雕塑。将绘图与最终作品进行比较以探究神经网络如何将线条解读为建立平面变化的指令，这很有启发性。
绘图
Humanity (Fall of the Damned)
2019
Dibond 档案印刷品，第 5 版
从左到右轻扫，跟随艺术家的创作之旅，看看从绘图准备到最终渲染成品的演变过程。
创作过程
Scott 的“人物”数据集包括 3 万多张不同的照片，这些照片是他在工作室中历时两年时间，为不同的志愿者拍摄的。神经网络的实用性往往与训练输入数据的质量直接相关，因此精心编制这些数据对于在他的艺术实践中构建 AI 工具至关重要。
Scott Eaton
Scott 是一位艺术家、教育家和创意技术专家，居住在英国伦敦。他的作品将传统技法与当代数字工具相结合，突破了具象化表现手法的界限。他获得了麻省理工学院媒体实验室的硕士学位，并在意大利佛罗伦萨学习过绘画和雕塑学术课程。除了自己的创作实践之外，Scott 还经常与其他艺术家和工作室合作，并在视觉效果、动画和游戏行业提供广泛的咨询服务。
主题会谈
AI 助力艺术
艺术家可以将 AI 用作工具、协作者或灵感源泉，在其创作过程中的不同阶段影响其艺术作品。来自世界各地的艺术家讨论小组成员将相互交流，比较他们如何将自己的美术背景与未来主义艺术实践相结合。
Holly Herndon
训练神经网络在柏林 Martin Gropius Bau 博物馆举行的互动公众仪式上唱歌
体验
照片：Sven Gutjahr
Spawn 训练仪式：Deep Belief
2019 年 3 月
性能、多渠道 A/V、TensorFlow
在“Deep Belief”中，一群演员带领观众进行一系列唱歌和口语练习，以训练 Holly 和 Mat 的歌唱神经网络 Spawn。
创作过程
关于 Holly Herndon
Holly 在电子和前卫流行音乐的边缘开展工作，并凭借自己活力十足且具颠覆性的卡农曲脱颖而出。在她最新的全长专辑《PROTO》中，Herndon 领导并指挥一个由人声和 AI 声音组成的电子流行音乐合唱团。Herndon 在 PROTO 中合成的声音、她的“AI 宝宝”Spawn 和人声重唱团结合了 Herndon 活力十足且独特的个人历程中的元素。其中包括她在东田纳西州教堂的童年经历的永恒民间传统，她在米尔斯学院探索的前卫音乐，以及柏林激进的俱乐部文化。她最近在斯坦福大学攻读作曲专业博士学位，并研究机器学习和音乐，这进一步增强了上述元素。Herndon 与 Mat Dryhurst 共同创办了播客系列节目“Interdependence”。
专题研讨会
深度乐器：机器学习降临音乐制作
音乐家对数据集处理已十分熟悉；完整的音乐流派完全基于对样本的处理。如今，音乐制作技术已经变得如此复杂，以至于听众只能感知音乐的特质。但在幕后，创造这些特质的方法正在发生巨大变化。这个专家小组将包含电子乐器的创作者和用户，他们依赖深度学习技术来表演 – 无论是从现有录音中创造全新的声音和音乐，还是以人类形式来演奏音乐。
Allison Parrish
《22 Compasses》是一本用机器学习拼写和语音模型撰写的诗集。该模型在所谓的离散类别之间的负空间中发明了一些新词。
创作过程
使用的数据集：在英语中，单词拼写方式与发音方式之间不存在直接的关系。CMU 发音词典是免费提供的在线数据库，收录了英语单词及其音标。此数据集已用于训练一个机器学习模型，能通过单词的拼写发出单词的读音，还能拼写出任意声音（即使它们不是词典中的“真正单词”）。
关于 Allison Parrish
Allison 是计算机程序员、诗人、教育工作者和游戏设计师，其教学工作和实践解决了在语言和计算机相遇时出现的异常现象。她是纽约大学互动电信项目的助理艺术教授，她在 2008 年取得了该校的硕士学位。
Allison 在 2016 年被“乡村之声”评为“诗歌机器人最佳制作者”，她使用计算机生成的诗歌最近发表在《BOMB》杂志和《Nioques》上。她还是《@Everyword: The Book》(Instar, 2015) 的作者，该书收集了她广受欢迎的长期自动化写作项目的成果（该项目在 Twitter 上发布了英语中的每个单词）。Allison 与 Adam Simon 和 Tim Szetela 合作设计了一款名为“Rewordable”的单词游戏，该游戏在成功完成一轮 Kickstarter 融资后于 2017 年 8 月由 Penguin Random House 发布。2018 年，她的第一本由计算机生成的全长诗集《Articulations》由 Counterpath 出版。
Allison 出生在犹他州的西邦蒂富尔，目前住在布鲁克林。
专题研讨会
利用 AI 塑造一代人的语言
我们的故事代代相传，但如果这些故事是通过神经模型而不是人传递的呢？ 参加讨论，探讨 AI 时代的语言如何以新的形式出现并讲述新的故事。艺术家 Stephanie Dinkins、Pindar Van Arman 和诗人 Allison Parrish 分享了 AI 的语言如何塑造其作品和创作过程。
11 分钟：阅读生成的诗歌
Allison Parrish 使用机器学习模型创作出天马行空的诗歌，快来欣赏一番！
Leaves of Manifold（多种多样的叶子）
Helena Sarin
2020-2021/生成式混合媒体
作为一名视觉艺术家兼软件工程师，Helena 在自然和计算的统一模式中发掘灵感。她使用生成式对抗网络 (GAN) 揭示其中一些模式，并以有趣的方式重新组合它们。她努力让自己的生成式艺术作品不仅具有趣味性和美感，还反映出她的模拟艺术的特点 -即兴，大胆，和深刻的艺术特点。
创作过程
为创作《Leaves of Manifold》（多样多样的叶子），Helena 收集并拍摄了 1000 多张树叶的照片，将其作为数据集的一部分使用。
她修改了 CycleGAN 和她自己修改过的 PGAN 版本，发现 SOTA 在规模较小但多样性较高的数据集上表现很差。她还大量使用了 GAN 链。她采用的硬件环境是 BYO 本地服务器，现在搭载的是 NVIDIA Quadro 和 GeForce GPU。
Helena Sarin
视觉艺术家和软件工程师 Helena Sarin 一直致力于打造面向科技公司的尖端技术。同时，她还接受他人委托的水彩画和粉彩作品创作工作，以及时尚品、食品、饮料造型和摄影等应用艺术的创作工作。艺术与软件犹如她生活中两条并驾齐驱的轨道，在发现 GAN（生成式对抗网络）之前，她的所有艺术创作均采用模拟手法。作为她过去几年后生成式对抗网络创作方法的一部分，她正在探索如何将 AI 作为一种工具，创作实际作品。她创作的艺术书籍《The Book of GANesis》（生成式对抗网络创作主义之书）一经发售就很快售罄，她的 GANcommedia Erudita 曾在 NVIDIA 的 2020 年秋季 GTC 大会上亮相，目前，她正在创作《Book of veGAN》（veGAN 之书）。为了补充 veGAN 这种双关语，Helena 还在试验她所说的“potteryGAN”– 使用 GAN 推理产生具有实用性的陶土器皿的设计。
Twitter | Instagram
主题会谈
AI 助力艺术
艺术家可以将 AI 用作工具、协作者或灵感源泉，在其创作过程中的不同阶段影响其艺术作品。来自世界各地的艺术家讨论小组成员将相互交流，比较他们如何将自己的美术背景与未来主义艺术实践相结合。
Nao Tokui 和 Qosmo
制造混乱：Nao Tokui 和 Qosmo 充分利用 AI 某些不可预知的行为进行打破陈规的思考和创作。
体验
神经网络 Beatbox 与合成音景
2021
AI 引导的音乐实验
在神经网络 Beatbox 这首独奏变奏曲中，访客即兴创作一段连续的生成式鼓音（由他们自己的声音和脸部混音组成）。在神经网络模型的帮助下，录音被分类为鼓音，并生成新的节拍。当这些视听片段有节奏地回放时，访客将与过去的自己建立对话。
过程
神经网络 Beatbox 是一项音乐实验，在以下几项的交叉处开展：艺术家对日常声音的浓厚兴趣、节奏和引入 AI 所带来的迷人惊喜。
Nao 一直着迷于我们周围的声音及其激发想象力的能力。他自己录制了各种环境音效，并与 Qosmo 一起创建了一个基于人工智能的网站，该网站展示了谷歌街景图像与匹配的“想象”环境音效。
关于 Nao Tokui
Nao Tokui 是位于日本的艺术家兼研究人员。在东京大学攻读博士学位期间，他发行了第一张音乐专辑和其他单曲，其中包括与日本嘻哈界的传奇制作人 Nujabes 合作的 12 英寸唱片。从那时起，他一直在探索利用 AI 扩展人类创造力的可能性。他最近的工作包括开展 AI DJ 项目，在该项目中，基于机器学习技术的 DJ 与人类 DJ（Nao，他自己）通力合作，轮流选择和播放歌曲（一次一首）。另外他还与 Brian Eno 进行合作。他的作品曾在纽约 MoMA、Barbican Centre（伦敦）、InterCommunication Center（东京）等地展出。2021 年 1 月，他出版了第一本关于 AI 和创造力的书籍。
Medium | SoundCloud | 网站
专题研讨会
节拍器研讨会
位于日本的艺术家兼研究人员 Nao Tokui 将主持专题研讨会，探讨如何使用他的网页式应用程序“神经网络 Beatbox”来制作节拍器。此应用程序将使与会者能够使用自己的声音集体创作节拍和节奏，进而使 AI 不断生成新的节奏。快来与 Nao 和其他与会者一起体验这种乐趣和协作过程！
4 分钟：环境音效的沉浸
在 AI 生成的沉浸式电子曲目中深入探究编制在一起的景观声音。
Madonna（圣母玛利亚）
Oxia Palus
2020/GAN、GPU、多光谱成像
Oxia Palus 正在运用 AI 的强大力量，发现被时间遗忘的艺术杰作。这是一种强有力的历史和创新科技二分法，可以让我们真正洞悉被时代遗忘的艺术。
创作过程
第一步
Leonardeschi 是一群在达芬奇工作室工作或受其影响的艺术家，他们的 225 幅画被用来训练 NVIDIA 的 pix2pixHD 模型。
Madonna of the Carnation（康乃馨圣母）画作就是该模型应用的一个例子，该模型可以将边缘图映射回绘画作品。
以粗粒度标签语义对 pix2pixHD 模型进行训练有助于指导该模型识别头发和皮肤等属性。
第二步
Oxia Palus 手动将伦敦帝国理工学院的达芬奇 《岩间圣母》 的 X 射线与国家美术馆制作的 X 射线轨迹进行了图像配准（对齐）。
然后，他们进一步手动编辑了配准后的图像，添加了缺失的笔触，并标记了皮肤、头发和衣服等属性。
半透明彩色标签用于防止底层共同配准的图像饱和。
第三步
左边的视频显示了一组不同的输入颜色图，展示了《岩间圣母》X 光扫描照片的一个片段。右侧视频显示了 pix2pixHD Leonardeschi 模型的输出，在左侧有一组输入颜色图。X 光扫描照片并不是理想的伪影轮廓。但是，通过稍加调整，就可以创造出流畅的潜在重建效果视频。
绘画
带有标签的配准图像被分段（放大圣母像），随后生成一系列增强段，对亮度、对比度和锐度上进行调整。然后，这些增强段传递给经过训练的 Leonardeschi 模型，并运行推理，在一组画作中转换增强分段。在探索一组绘画（可能的解决方案）后，创作者手动选择了最美观的结果。最终的圣母 画作犹如达芬奇再世之作。
关于 George Cann
George 通过循环的路径进入 AI 艺术世界 – 从艺术到空间科学，从机器学习到艺术。他的作品用 AI 重建过去，为 AI 如何创造新的艺术价值提供了另一种途径。George 也是伦敦大学学院的博士生，研究火星大气中的生物信号，他拥有伦敦大学学院空间科学与工程硕士学位和沃里克大学数学和物理学学士学位。
精选演讲
AI 艺术竞赛：使用 NVIDIA GPU 重振失落的艺术
Oxia Palus 有一个崇高的使命：利用人工智能发现久违的杰作。深入了解他们如何使用数据集、标准图像增强和整体嵌套边缘检测将 X 射线转换为绘画，以及运用其他现代技术重现达芬奇的名画《岩间圣母》。
上一个
ANNA RIDLER
