Andrej Boleslavský je nezávislý umelec, ktorý aplikuje technológiu v oblastiach umenia nových médií, interaktívneho dizajnu, fyzického computingu a 3D tlače. Jeho práca taktiež udržuje silnú fascináciu prepletením prírody a technológií.

/Pozri aj Sensorium Machine Learning for Artists and Designers workshop\

Vytvoril mnoho interaktívnych inštalácií a učil o open source softvére, programovacích platformách VVVV a Arduino. Často na svojich projektoch spolupracuje s umelkyňou Máriou Júdovou.

S Andrejom som sa rozprávala o jeho zážitku z intenzívneho týždňového workshopu s Gene-om Kogan-om v Taliansku, kde vytvorili Invisible Cities - projekt, kde vycvičili neurálnu sieť prekladať kúsky mapy na generatívne satelitové obrázky.

Poznal si Gene-a pred workshopom?

S Genom som sa stretol keď sme vystavovali aj s Máriou pred dvoma rokmi v Indií. Tam sme začali registrovať jeho tvorbu. To, čo mal na festivale nebolo až natoľko machine learningové, bola to taká interaktívna kinectová inštalácia.

Ako si sa rozhodol ísť na jeho workshop?

Štúdio Opendot začalo organizovať celú sériu workshopov. Ja som tam mal dvojdňový workshop o kinecte, potom tam Elliot Woods mal týždňový workshop na jeho nástroj Rulr a potom pozvali Gena spraviť Machine Learning workshop. Na tom workshope bolo asi 25 ľudí, takže tá kapacita sa až preplnila, bol o to obrovský záujem a napriek tomu, že to stálo nejakých 300-400 eur. Bolo to hodné tých peňazí. Workshop trval oficiálne 5 dní a každý deň začal Geneovou prednáškou o machine learningu, kde sa zaoberal politickými, filozofickými a estetickými dopadmi týchto technológií, často spomínal aj ich etickú rovinu. Je to téma, ktorá pre mňa bola zaujímavá. Workshop ma zaujal ako tvorcu a technológa ktorý sa občas nejakými riešeniami živí. Na to, aby som mohol robiť to, čo robím, tak sa musím permanentne vzdelávať a machine learningové technológie sú niečo úplne iné než to, čo bežne robím. Vzal som to zhurta, prišiel som tam s vlastným desktopovým počítačom so silnou grafickou kartou a nainštalovaným Linuxom, aby som na tých veciach mohol pracovať. Predtým som si skúšal napríklad deepdream a podobné publikované algoritmy a je mi jasné, že ak sa chce človek zabaviť, tak potrebuje naozaj silný počítač, lebo inak sa len pozerá na vypočítavanie.

Čo je Opendot štúdio?

So štúdiom Opendot v taliansku sa poznám osobne. Pred dvoma rokmi som tam strávil nejaký čas na rezidencií. Sú zaujímavým kolektívom. Je to dizajnové štúdio, ktoré si otvorilo vlastný maker space a prebieha tam kreatívna výmena. Ľudia zo štúdia pracujú v maker spaci a ľudia z maker spacu potom zasa často pomáhajú s projektamim dizajnovému štúdiu. Opendot je tiež zaujímavý tým, že je to ďalší krok maker space-ov, keďže sa zameriavajú na aplikáciu computer manufacturing v dizajne. Či už je to grafický dizajn, produktový dizajn, majú rôzne aplikované produkty, ktoré používajú computer manufacturing.

Aké praktické zručnosti alebo metódy, ktoré si sa naučil na workshope?

Gene pokryl celkom široké spektrum technológií. Jednak samolearningové frameworky pre machine learning. Zároveň sa tam človek dosť precvičil v Pythone.

Vedeli ste všeti programovať?

Bolo to dosť mixované, ľudia mali rôzne zamerania. Boli tam dizajnérky, architekti, ľudia, čo sa venujú mapám. Taktiež pár programátorov a ľudia, čo sa venujú v praxi machine learningu. Napríklad taliani zo startupov, ktorí sa machine learningu venujú a implementujú riešenia. Bol tam aj chalan, čo sa venuje effective computingu, čo je oblasť, ktorá sa venuje rozpoznávaniu emočného stavu človeka. Zároveň sa zapojili niektorí z personálu OpenDot fablabu.

Aký mal workshop priebeh?

Gene mal asi 5-6 predánšok a mal aj jednu večer pre verejnosť. Potom sme sa rozdelili do skupín na základe projektov, na ktorých sme chceli pracovať podľa jednotlivých prezentácií nápadov. Bolo to samozrejme technicky dosť náročné. Okrem frameworkov som sa celkom precvičil aj v Linuxe, ktorý bežne nepoužívam. Potom som sa naučil ako niektoré veci nainštalovať, napríklad Docker a podobné. Mnohé z tých vecí sa programujú, ale tým, že sme ohýbali existujúce riešenia tak to nebolo až také ťažké. Dosť náročné sú samotné inštalácie.

Využívaš poznatky z workshopu?

Mal som veľké plány, ale potom sme sa hneď ponorili do Dust-u (imersívny VR zážitok), ktorý žiaden machine learning zatiaľ nepoužíva aj keď by mohol. Machine learning má zaujímavé aplikácie takmer vo všetkom. Je to tým, ako vystupuje z územia toho, čo normálne vedia počítače a vstupuje do územia toho, čo bežne vedia ľudia. Počítače začínajú mať schopnosti, o ktorých si kedysi netušila, že ich niekedy budú mať. Tá komplexita narastá takým spôsobom, že veci sú nielen rýchlejšie, ale začínajú byť neuveriteľne sofistikované.

Dust

Čo ťa na machine learningu fascinuje?

Dobrá je napríklad zmena paradigmu programovania alebo tvorivých riešení v machine learningu. Programovanie začalo tým, že máš nejaký dierny štítok, do ktorého zadáš kód. Tam je kód všetko, čo sa na programe podiela. Je stopercentne tvoj. Ale pri machine learningu si stiahneš jeden framework, potom si stiahneš napríklad natrénovaný model, plus nejaké prostredie a zrazu máš v rukách niečo, na čom sa podielali tisícky ľudí a ty sa do toho len tak voľne zapojíš, nejak to ohneš a vznikne niečo úplne magické. Mne ten machine learning naozaj pripomína mágiu aj keď na tom nič magické samozrejme nieje. Je to len algoritmus. Tým, že spojíš milióny banálnych vecí dohromady, naozaj vzniká mágia.

Dá sa aj nestavať na predošlej práci?

Nie. To sa nedá. Neviem si predstaviť, že by niekto začal navrhovať vlastnú neurónovú sieť a vlastný model na prácu s tou sieťou atď.

Ako sa ti páčila forma, ktorou Gene učil? Ako si sa cítil na workshope?

Fantasticky. Bol to najzásadnejší workshop na akom som za posledný rok bol. Tým, že to bolo pre mňa niečo nové a zároveň je to diskutovaná oblasť aj v médiách. Vidieť drive tých ľudí, ktorí tam boli, ako sa všetci snažili nespadnúť z toho rýchlo idúceho vlaku bolo energizujúce. Gene mal veľmi zaujímavo pripravené prezentácie. Mal ich napísané v OpenFrameworks a slidy boli interaktívne. Podával to veľmi jasne a zrozumiteľne. Vie sa dostať akokoľvek hlboko, ako to obecenstvo potrebuje. Vie spraviť veľmi dobrú prednášku a vysvetliť to úplným laikom a zároveň vie tie veci prezentovať aj ľuďom, ktorí majú firmu na machine learning. Je príjemný aj v ľudskej rovine. Nie je to nafúknutá sova napriek tomu, že je to najväčší človek aký momentálne v machine learningu v kontexte umenia existuje.

Kredity - obrázky: Andrej Boleslavský, Gene Kogan, Gabriele Gambotto, Ambhika Samsen, Michele Ferretti, Damiano Gui, Fabian Frei Autor: Lucia Dubačová

Get tickets

Next Post Previous Post