LUCID*

Machine Learning ist heute ein wichtiger Bestandteil von vielen industriellen Automationsprozessen. Das angemessene Training der neuronalen Netzwerke ist ein entscheidendes Kriterium dafür, ob eine Maschinenintelligenz die angemessenen Entscheidungen treffen kann.

Die Arbeit LUCID ist eine experimentelle Schnittstelle zwischen Mensch und Maschine, die erfahrbar machen will, wie gestalterische Interaktion zwischen Menschen- und Maschinenintelligenz möglich sein könnte.

The shared dream

Der Name “LUCID” leitet sich vom luziden Traum ab – den man auch als Klartraum bezeichnet. Ein Klartraum unterscheidet sich vom Traum indem sich der/die Träumende sich dessen bewusst ist, dass er/sie träumt. Der Begriff des Träumens finden wir auch in der Maschinenwelt: als Deepdream (https://de.wikipedia.org/wiki/DeepDream) wird die vollautomatische Transformation von visuellem Material durch eine Maschinenintelligenz bezeichnet.

Werden wir vielleicht bald nicht mit Maschinen arbeiten, sondern gemeinsam mit ihnen träumen? Wie verbinden wir das mit unserem Begriff der Lohnarbeit? Wie werden Interaktionen aussehen zwischen Mensch und Maschine?

HINT: Convolutional Filter

input image is parsed through random convolution matrixes

convolutional feedback from fixed convolution matix with oscillating moving source

radial tile repetition

https://www.shadertoy.com/view/3tcfR8

noise distroded pattern

FEEDBACK MATRIX

Die Feedback Matrize ist ein entscheidender Bestandteil von LUCID. Ausgehend vom Output der convolution filter wird an dieser Stelle die visuelle Information nicht komprimiert um für die Maschine weiterverarbeitet zu werden, sondern die charakteristischen Merkmale des Videobildes werden in einer Feedbackschleife immer wieder auf das Videomaterial zurückgeworfen. Daraus entstehen diffuse, sich stets wandelnde Formen und Farbwelten, die traumhaft anmuten. Der User kann in dieser Phase durch Veränderung des Videoinput maßgeblich an der Entwicklung teilhaben.


verschiedene feedback offset matrizen


verschidene hsb farb offset matrizen

INSTALLATION / KONZEPT

LUCID unterteilt sich in zwei Bereiche: Der Wachbereich (AWAKE) und der Traumbereich (DREAM), die in einem unmittelbaren Dialog zueinander stehen.

Der Wachbereich umfasst eine Benutzeroberfläche, die auf mehreren kamerabasierten Schnittstellen, Ports, basiert.
Jeder Port analysiert eine spezifische textile Probe auf basis eines Videostream nach einem spezifischen muster/formrelvanten Aspekt wie Rapport, Radiale Verteilung, Oszillation oder Noise.
Der gesammelte Input aller Ports wird durch eine Matrix gebündelt und zum Traumbereich gesendet.
> EDGE DETECTION (osc / lin / rapport)
> COLOR DETECTION ( COLOR TRANSFORM )
> MATERIAL?!?

Den Traumbereich bilden mehrere Sitz- und Liegemöglichkeiten gebündelt um einen großen Projektion/Screen. Auf dem Screen werden fortlaufende Variationen und Neuinterpetationen der Wachmatrix gezeicht, die live errechnet werden. Interaktionen im Wachbereich lassen die Traumtiefe abflachen, während die Maschine ohne Interaktion stetig in einen Tieftraum sinkt.

Der Dialog der Menschen zwischen Wach- und Traumbereich ist die spannende Schnittstelle, an der das konkrete Training bzw. Setup einer Maschinenintelligenz gekoppelt sein könnte. Menschen aus dem Traumbereich können Impulse und Vorschläge an der “VJ” im Wachbereich schicken um andere oder spannendere Ergebnisse zu erzeugen.

Hintergrund

Was macht die KI?

Die Entscheidungsprozesse einer Maschinenintelligenz exakt nachvollziehen zu können ist heute ein sehr schwieriges Unterfangen. Die hohe Qualität von Trainingsdaten genügt nicht, um in jedem Fall die Entscheidung einer KI erklären zu können. Das ist gerade, wenn es um komplexe Entscheidungen geht, essentiell.

Arbeit der Zukunft

Den großen Teil der Arbeit unserer Zukunft wird das Training und das Verstehen von Maschinen sein. Wir werden tief in die “intelligente Blackbox KI” eintauchen müssen um intelligente Maschinen verstehen und erschaffen zu können. LUCID ist ein Prototyp für eine Form des kuratierten Trainings / Modsifizierens einer Maschinenintelligenz durch eine Gruppe von Menschen, gemeinsam.