17 Uhr: mit Theresa Schubert (Künstlerin) und Ingeborg Reichle (Kunsthistorikerin / Forschungsinstitut für Nachhaltigkeit Helmholtz-Zentrum Potsdam). Projektraum MEINBLAU, Christinenstr. 18-19, 10119 Berlin
Die Abbildungen entstammen einer Serie von KI-generierten Bildern zum Thema machine learning algorithms im Kontext konzeptueller Verfahren.
Diese Kombination von Mustern in neuem Kontext erweitert die kreative Ausdrucksform, was traditionelle Konzepte von Kunst, Originalität und Autorschaft herausfordert.
Die Fähigkeit von KI, neues Wissen oder Fähigkeiten zu entdecken und zu lernen, wird als learning and discovery bezeichnet.
Dies kann laut Llama 2, einem Large Language Model, durch verschiedene Mechanismen erfolgen, wie zum Beispiel:
1. Supervised Learning: Hierbei werden die Algorithmen mit einem Trainingsdatensatz ausgestattet, der ihnen das Verständnis von Beziehungen und Mustern in den Daten ermöglicht. Die KI lernt dann auf Basis dieser Informationen, um neue Fälle oder Probleme zu verstehen und zu lösen.
2. Unsupervised Learning: Hierbei wird die KI ohne vorherige Orientierung oder Bewertung von Mustern oder Beziehungen in den Daten gelassen. Sie muss sich dann selbst auf Basis der Daten orientieren und Muster erkennen oder entwickeln.
3. Reinforcement Learning: Hierbei lernt die KI durch Interaktion mit dem Umfeld und das Erlangen von Belohnung oder Strafe, um eine bestimmte Aufgabe zu erfüllen.
4. Transfer Learning: Hierbei können Algorithmen Fähigkeiten aus einem Bereich anwendbar machen, indem sie diese auf einen anderen Bereich anwenden. Zum Beispiel kann ein Algorithmus, der für Image-Verarbeitung entwickelt wurde, auch für andere Aufgaben wie Textverarbeitung oder Spracherkennung verwendet werden.
5. Generative Modelle: Hierbei können KI-Algorithmen neue Datengenerierung erlernen, indem sie auf Basis von vorhandenen Daten eine Vorstellung davon entwickeln, wie neuere Daten aussehen könnten. Zum Beispiel kann ein Algorithmus, der für die Generierung von Text geschaffen wurde, auch für die Generierung von Bildern oder Audios verwendet werden.
6. Self-Supervised Learning: Hierbei lernt die KI ohne vorherige Orientierung oder Bewertung von Mustern oder Beziehungen in den Daten, jedoch durch Interaktion mit dem Umfeld.
7. Multi-Task Learning: Hierbei können Algorithmen mehrere Aufgaben gleichzeitig lernen und verbessern, indem sie Fähigkeiten aus einem Bereich auf einen anderen Bereich anwenden. Zum Beispiel kann ein Algorithmus, der für die Klassifizierung von Bildern entwickelt wurde, auch für die Klassifizierung von Texten verwendet werden.
8. Contextual Learning: Hierbei lernt die KI, in welchem Kontext eine bestimmte Aufgabe erfüllt werden muss, um sie effektiv ausführen zu können.
Künstliche Intelligenz basiert auf Daten und simuliert menschliches Denken in einem eigenen synthetischen System.
Die KI-Modelle analysieren abstrakte Datenstrukturen, um Ähnlichkeiten und Verbindungen zwischen Mustern von Objekten zu erkennen und zu modellieren.
Haus am Kleistpark | Projektraum
Haus am Kleistpark
a.i.p. project - artists in progress
Akademie der Künste / Hanseatenweg
Kommunale Galerie Berlin
