Anthony Masure

Date

octobre 2021

Type

Contexte

Conférence dans le cadre du cycle « Design experiences », Prague, Department of Design, FA ČVUT. Version anglaise retravaillée d’une communication donnée à l’Esad Reims en avril 2021.

Résumé

Neural artificial intelligences (AI) have been finding their place in creative industries for several years. While deep learning technologies are most often considered from the perspective of automation, we propose to consider them also from the perspective of the concept of mechanization to emphasize the possibility of working “with” machines rather than surrendering their potentialities to economic forces. How might design contribute to defusing the dominant AI culture? How can we ensure that deep learning technologies can open up to invention and curiosity? How could (or should) design curricula be reconfigured?

Notions

• Automatisation,
• Bifurcation,
• Deep learning,
• Économie,
• Effacité,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Promesse,
• Rentabilité,
• Standardisation,
• Technique,
• Technologie,

Personnes citées

• Bastide Raphaël,
• Giedion Siegfried,
• Gropius Walter,
• Huyghe Pierre-Damien,
• Crawford Kate,
• Joler Vladan,

Objets mentionnés

• Adobe Sensei,
• Anatomy of an AI System,
• Autodesk Netfabb,
• Back Office,
• Balenciaga AI,
• Be Arielle F,
• Botto,
• Camera Restrica,
• Generative Adversarial Network,
• Google DeepMind AlphaGo,
• GPT-3,
• IBM Deep Blue,
• Labor of Sleep,
• Made in Machina/e,
• Of Machines Learning to See Lemon,
• Predictive Art Bot,
• Repeat After Me. Hommage to the Human Voice,
• SOMEONE. Human home intelligence at scale,
• TheGrid.io,
• The Next Rembrandt,
• Thinking Machines,
• Through Other Eyes,
• Twins,
• Vampyroteuthis infernalis,
• Wix ADI,
• X Degrees of Separation,
• Zalando,

Médias

• Iframe,
• Reveal,

Date

avril 2021

Type

Contexte

Conférence à l’Esad Amiens dans le cadre du séminaire « Le champ du signe » (dir. Simon Renaud) autour des intelligences artificielles et de la création.

Résumé

En raison de leur efficacité et rentabilité, les intelligences artificielles (IA) « neuronales » trouvent leur place dans les industries créatives depuis plusieurs années. Si les technologies du deep learning sont la plupart du temps envisagées sous l’angle de l’automatisation, nous proposons de les considérer également sous l’angle du concept de mécanisation pour souligner la possibilité d’un travail « avec » les machines plutôt qu’un abandon de leurs potentialités aux forces économiques. En quoi le design pourrait-il contribuer à désamorcer la culture dominante de l’IA ? Comment faire en sorte que les technologies du deep learning puissent ouvrir à l’invention et à la curiosité ? En quoi les cursus de design pourraient-ils (ou devraient-ils) faire l’objet de reconfigurations ?

Notions

• Automatisation,
• Bifurcation,
• Deep learning,
• Économie,
• Effacité,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Promesse,
• Rentabilité,
• Standardisation,
• Technique,
• Technologie,

Personnes citées

• Bastide Raphaël,
• Giedion Siegfried,
• Gropius Walter,
• Huyghe Pierre-Damien,
• Crawford Kate,
• Joler Vladan,

Objets mentionnés

• Adobe Sensei,
• Anatomy of an AI System,
• Autodesk Netfabb,
• Back Office,
• Balenciaga AI,
• Be Arielle F,
• Camera Restricta,
• Generative Adversarial Network,
• Google DeepMind AlphaGo,
• GPT-3,
• IBM Deep Blue,
• Made in Machina/e,
• Of Machines Learning to See Lemon,
• Portrait de Edmond Belamy,
• Predictive Art Bot,
• Repeat After Me. Hommage to the Human Voice,
• SOMEONE. Human home intelligence at scale,
• TheGrid.io,
• The Next Rembrandt,
• Thinking Machines,
• Through Other Eyes,
• Twins,
• Vampyroteuthis infernalis,
• X Degrees of Separation,
• Zalando,

Médias

• Iframe,
• Reveal,

Date

mars 2021

Type

Contexte

Communication au colloque « Deep City: Climate Crisis, Democracy and the Digital », Lausanne, EPFL, 25 mars 2021

Résumé

Deep learning artificial intelligence (AIs) works by comparing and aligning “raw” or “labeled” data sets. This mimetic paradigm (remix of “data sets”) makes it difficult to discern “generated” copy of original. Therefore, the question of acceptance of a world shaped by AIs arises less in terms of replacement than in terms of recovery: an environment in which one could not distinguish what is produced, or not, with AIs. Another challenge, with the demand of ecological sobriety, is the increase of algorithmic rationality with generated shapes optimized to structural constraints. What about social and aesthetic dimensions of shaping? How can AIs be open to invention and curiosity?

Notions

• Académisme,
• Automatisation,
• Deep learning,
• Économie,
• Effacité,
• Forme,
• Imitation,
• IA,
• Intelligence artificielle,
• Machine learning,
• Mécanisation,
• Recouvrement,
• Remplacement,
• Rentabilité,
• Standardisation,

Personnes citées

• Allison Karmel,
• Barrat Robbie,
• Bouguereau William-Adolphe,
• Cardon Dominique,
• Chatonsky Grégory,
• Cointet Jean-Philippe,
• Flusser Vilém,
• Manzini Ezio,
• Mazières Antoine,
• Schmitt Philipp,
• Tezuka Osamu,

Objets mentionnés

• Balenciaga AI,
• Camera Restrica,
• Generative Adversarial Network,
• GPT-3,
• Portrait of Edmond Belamy,

Médias

• Iframe,
• Reveal,