Machine Learning Processes as Sources of Ambiguity: Insights from AI Art

本文探讨了人工智能艺术的兴起，以了解艺术家如何将机器学习应用于创作中，以期将机器学习转化为一种设计材料。借鉴相关的人机交互理论，本文分析了九件应用了计算机视觉和图像合成技术的人工智能艺术品，探讨了艺术家如何通过创造模糊性来表现艺术作品。研究发现，除了已经确定的模糊性类型，艺术家还与机器学习过程（数据集筛选、模型训练和应用）密切合作，并开发了各种技术来唤起过程的模糊性。这表明，将机器学习视为一种设计材料的当前概念需要重新构思机器学习过程，将其作为设计元素而非技术细节。最后，本文反思了人机交互领域关于机器学习不确定性、可靠性和可解释性的普遍假设，并主张将以物品为中心的机器学习设计视角补充为以过程为中心的视角。

本文旨在探讨艺术家如何在人工智能艺术中使用机器学习，并提出将机器学习过程视为设计元素的观点，以补充现有的以产品为中心的机器学习设计视角。

通过分析9个使用计算机视觉和图像合成的AI艺术品，揭示艺术家如何与机器学习过程紧密合作，并开发各种技术来唤起过程的模糊性。提出了将机器学习过程视为设计元素的观点。

实验分析了9个AI艺术品，探讨了艺术家如何使用机器学习，并开发了各种技术来唤起过程的模糊性。建议将机器学习过程视为设计元素，提出了关于ML不确定性、可靠性和可解释性的反思。

相关研究包括：《用机器学习生成艺术：回顾和展望》、《机器学习的艺术：新的工具和新的创意》、《计算机生成图像的艺术和科学》等。