Italiano [English below]
Sul magazine arte.go è uscita una mia intervista sulle relazioni tra arte e discipline tecnologiche. Gli argomenti su cui Ennio Bianco, che ha curato l’intervista, ha insistito con le domande sono stati numerosi. Tra questi la funzione dell’Intelligenza Artificiale nell’evoluzione dei concetti di autore e opera d’arte, la trasformazione degli strumenti tecnologici in dispositivi di co-creazione, l’agentic AI come possibile nuova forma di “volontà artistica” e le implicazioni etiche e legali, il ruolo della Science Art (o Sci-Art), in cui dati scientifici, processi biologici e concetti fisici diventano la materia prima o il soggetto dell’opera. Alcune domande erano davvero al limite della veggenza, come quella sul contributo del Quantum Computing nella genesi di nuove estetiche, grazie alla simulazione di concetti complessi difficili da comprendere con metodologie classiche.
Altre domande riguardavano l’impatto dell’AI art sul mercato dell’arte e l’approccio interdisciplinare che l’AI Art e la Science Art richiedono, le nuove conoscenze che sono necessarie per le figure professionali coinvolte e il mondo della critica. Ulteriori domande vertevano sulla presunta contrapposizione tra l’immaterialità di queste forme d’arte, basate su flussi di dati e informazioni, e la dimensione sensoriale e corporea, l’importanza degli errori e delle “allucinazioni” come fonti di innovazione e di creatività, il ruolo e le responsabilità dell’artista nei confronti dei bias culturali presenti nei dati di partenza dell’AI. Infine, mi si chiedeva quali potrebbero essere le prossime frontiere significative, le possibili l’evoluzioni dell’arte, anche nella prospettiva del superamento della dimensione antropocentrica.
Con l’intervista sono state pubblicate delle immagini che ho realizzato tramite AI generativa nel corso degli ultimi anni.
Pier Luigi Capucci, The Future according to Generative AI, immagine realizzata con Stable Diffusion, 2024
Uno stralcio dell’intervista:
[…]
Domanda: Nell’arte tradizionale, l’errore, la deviazione o l’incidente (come il “glitch” nel mondo digitale) sono spesso fonti di innovazione. I modelli di AI sono progettati per ottimizzare e minimizzare gli errori. Qual è, secondo te, il ruolo del “Glitch Creativo” o dell’”Imprecisione Controllata” nell’arte basata su algoritmi? Può l’artista manipolare intenzionalmente l’errore del codice per riscoprire una nuova forma di espressione “umana” all’interno del sistema perfetto dell’AI?
Gli errori che l’AI generativa può introdurre nelle immagini costituiscono a mio avviso gli aspetti più interessanti, certamente più del fotorealismo sempre più sofisticato verso il quale tendono i modelli di AI più avanzati. Trovo più stimolante come una poesia, un brano letterario, un racconto, una riflessione vengono trasdotti, “interpretati” dal modello, come avvengono i “ragionamenti”, come si attivano le connessioni. Per quanto riguarda i risultati, sono intriganti le dimensioni non figurative, gli errori, le imprecisioni e le “allucinazioni”, il disorientamento semantico, l’incoerenza, le approssimazioni formali, gli esiti imprevedibili e sorprendenti che sfidano la descrizione, all’interno di un processo generativo che è intrinsecamente opaco – le operazioni di un sistema di AI generativa avvengono dentro una black box. Tecnicamente, oltre che lavorando sul prompt e agendo sui settaggi, l’artista può influenzare il processo generativo introducendo o richiamando dei propri elementi, dei costrutti personali in grado di alterare o modificare l’esito finale.
D.: Gli algoritmi di apprendimento automatico si nutrono di enormi database di immagini, testi e dati prodotti dall’uomo (il training set). In che misura l’arte generata dall’AI non è altro che un riflesso, spesso distorto o amplificato, dei bias culturali (di genere, etnici, estetici) presenti nei dati di partenza? Qual è, secondo te, la responsabilità dell’artista (il prompt progettista o ingegnere) nel decostruire o esporre criticamente questi pregiudizi attraverso l’opera d’arte?
In linea generale i bias sono onnipresenti, non solo all’interno delle culture umane, dipendono da variabili biologiche e culturali e sono utili per inquadrare rapidamente i fenomeni con cui ci confrontiamo. Il problema non è riconoscerli ma metterli in discussione e modificarli o respingerli quando sono sbagliati o dannosi. I bias culturali sono il risultato di processi diacronici, nascono, muoiono e cambiano a seconda dei periodi storici. Dunque, è del tutto normale ritrovarli nei dati creati o selezionati da persone, dati sui quali le AI vengono addestrate, e di conseguenza negli esiti che vengono generati. Certamente l’artista, il progettista o l’ingegnere possono intervenire in questo processo, ma qualche forma di bias sarà inevitabilmente presente.
Del resto, non si crea dal nulla. L’umanità usa la scrittura da 7 mila anni, crea figurazioni da almeno 40 mila anni, l’oralità è molto più antica, l’acquisizione della capacità simbolica si perde nella notte di tempi senza memoria. Pensare che immagini, audiovisivi, musica, racconti possano essere creati dal nulla è un’idea romantica e anche un po’ presuntuosa. Nessuno è tabula rasa, anche se non ne siamo consapevoli, siamo sempre influenzati da quel che abbiamo visto, letto, sentito, vissuto. Davanti a un’immagine, a ogni forma d’espressione, è sempre possibile risalire a qualche precedente, a qualche modello o stilema più o meno volontariamente e consapevolmente utilizzato.
[…]
Pier Luigi Capucci, Anachronies Series, immagine realizzata con Midjourney, 2024
An interview I released about the relationships between art and technological disciplines has been published on the magazine arte.go. Ennio Bianco, who edited the interview, focused his questions on many topics. These included the function of Artificial Intelligence in the evolution of the concepts of author and work of art, the transformation of technological tools into co-creation devices, agentic AI as a possible new form of “artistic will” and its ethical and legal implications, and the role of Science Art (or Sci-Art), where scientific data, biological processes, and physical concepts become the raw material or subject of the work of art. Some questions were truly on the edge of clairvoyance, such as the one about the contribution of Quantum Computing to the genesis of new aesthetics, through the simulation of complex concepts difficult to understand with classical methodologies.
Other questions concerned the impact of AI art on the art market and the interdisciplinary approach that AI Art and Science Art require, the new knowledge necessary for the professional figures involved and the world of art criticism. Additional questions focused on the alleged opposition between the immateriality of these art forms, based on data and information flows, and the sensory and corporeal dimension, the importance of errors and “hallucinations” as sources of innovation and creativity, and the role and responsibilities of the artist regarding the cultural biases present in AI’s training data. Finally, I was asked about what the next significant frontiers might be, the possible evolutions of art, including from the perspective of moving beyond the anthropocentric dimension.
Along with the interview, images that I created through generative AI over the past few years were published.
Pier Luigi Capucci, The Future according to Generative AI, immagine realizzata con Stable Diffusion, 2024
An excerpt from the interview:
[…]
Question: In traditional art, error, deviation, or accident (like the “glitch” in the digital world) are often sources of innovation. AI models are designed to optimize and minimize errors. What is, in your view, the role of “Creative Glitch” or “Controlled Imprecision” in algorithm-based art? Can the artist intentionally manipulate code errors to rediscover a new form of “human” expression within the perfect system of AI?
The errors that generative AI can introduce into images constitute, in my view, the most interesting aspects, certainly more so than the increasingly sophisticated photorealism toward which the most advanced AI models tend. I find it more stimulating how a poem, a literary piece, a story, a reflection are transduced, “interpreted” by the model, how the “reasoning” occurs, how connections are activated. As for the results, the non-figurative dimensions are intriguing, the errors, imprecisions and “hallucinations,” the semantic disorientation, the incoherence, the formal approximations, the unpredictable and surprising outcomes that defy description, within a generative process that is intrinsically opaque – the operations of a generative AI system occur inside a black box. Technically, beyond working on the prompt and adjusting settings, the artist can influence the generative process by introducing or invoking their own elements, personal constructs capable of altering or modifying the final outcome.
Q.: Machine learning algorithms feed on enormous databases of images, texts, and data produced by humans (the training set). To what extent is AI-generated art nothing more than a reflection, often distorted or amplified, of the cultural biases (gender, ethnic, aesthetic) present in the starting data? What is, in your view, the responsibility of the artist (the prompt designer or engineer) in deconstructing or critically exposing these prejudices through the work of art?
Generally speaking, biases are omnipresent, not only within human cultures; they depend on biological and cultural variables and are useful for quickly framing the phenomena we confront. The problem is not recognizing them but questioning and modifying or rejecting them when they are wrong or harmful. Cultural biases are the result of diachronic processes; they are born, die, and change according to historical periods. Therefore, it is entirely normal to find them in data created or selected by people, data on which AIs are trained, and consequently in the outcomes that are generated. Certainly, the artist, designer, or engineer can intervene in this process, but some form of bias will inevitably be present.
After all, nothing is created from nothing. Humanity has used writing for 7,000 years, has created figurations for at least 40,000 years, orality is much more ancient, and the acquisition of symbolic capacity is lost in the mists of time immemorial. Believing that images, audiovisuals, music, stories can be created from nothing is a romantic and somewhat presumptuous idea. No one is a tabula rasa; even if we are not aware of it, we are always influenced by what we have seen, read, heard, experienced. Faced with an image, with any form of expression, it is always possible to trace back to some precedent, to some model or stylistic feature more or less voluntarily and consciously used.
[…]
