Let Me Dream Again (2020)

El sistema diseñado por la artista se entrenó primero con películas de cine antiguo y luego se editó a mano, a fin de crear una narrativa nueva y diferente. Su título, hace referencia a una película homónima de principios de siglo XX, que contiene una de las primeras secuencias oníricas de la historia del cine. El título establece una conexión con el concepto de “soñar” que a menudo se utiliza para describir la estética de las obras generadas por GAN.

En la versión original, el “yo” del título se refiere al protagonista que anhela volver a su fantasía. Sin embargo, en la película que nos ocupa, hace que el significado se oscurezca y la identificación se vuelva ambigua. En el arte generado mediante aprendizaje automático hay ocasiones en las que la participación del artista es muy escasa, y en otras, éste ejerce un control casi total. Anna Ridler siempre se ha interesado por la construcción del dataset (base de datos), como un aspecto fundamental del proceso creativo y de control del resultado. En buena parte de sus anteriores proyectos, Ridler realizada sus propias bases de datos de entrenamiento. Sin embargo, con esta obra ha experimentado a partir de una fuente de datos preexistente, para entender en qué medida este cambio hace evolucionar su práctica artística permitiéndole mantener el control creativo.

Tal y como considera la artista, existen fuertes paralelismos entre el cine temprano y las imágenes generadas por el aprendizaje automático. Los primeros cineastas tuvieron que inventar un lenguaje cinematográfico, al igual que los artistas que trabajan con imágenes generados con AI, pues sin reglas preestablecidas, están creando una nueva forma de trabajar. En ambos casos, se ha puesto más énfasis en el hardware que en el resultado. El cine temprano dio una importancia enorme a la máquina que lo creó, mucho más que al contenido que creó. Ambas artes, son consideradas tecnologías incipientes, y ambas intentan registrar y reflejar el mundo tal como lo ven quienes tienen el control, a veces exponiendo prejuicios implícitos o puntos de vista más críticos. Al combinar el aprendizaje automático con el cine temprano, surgen muchas preguntas interesantes sobre la plausibilidad de la permanencia.

El espacio latente es una expresión empleada en deep learning para referirse a la
representación de los datos de entrada de un sistema o programa. Determina un espacio que sirve para capturar la estructura de los datos respecto a una tarea concreta.
Esta noción de espacio latente es útil para simplificar las representaciones de datos y
facilitar su análisis.

Espacio latente(EN) Latent Space

Artista e investigadora interesada en las recopilaciones de información. Ridler pone especial énfasis en los conjuntos de datos autogenerados, que utiliza para crear nuevas y sorprendentes narrativas en una amplia variedad de medios. Su trabajo emplea la inteligencia artificial, concretamente el aprendizaje profundo deep learning, para emular la forma en que los seres humanos obtienen ciertos tipos de conocimiento. Invirtiendo el proceso habitual de construcción de las grandes bases de datos, Ridler se sirve de conjuntos de datos de entrenamiento, que maneja a través de un laborioso proceso de selección y clasificación de imágenes y texto. Vive y trabaja en Londres, su ciudad natal. Es licenciada por la Universidad de Oxford y máster del Royal College of Art. Su trabajo ha sido expuesto en reconocidas instituciones a nivel internacional como Victoria and Albert Museum (Londres), Tate Modern (Londres), The Pompidou Center (París), ZKM (Karlsruhe) o Ars Electronica (Linz). Ha participado en numerosos festivales y premiada en diferentes certámenes como el Premio de Arte DARE (2018-2019) o Prix Ars Electronica (2019). Recientemente ha recibido una subvención de Google Artists + Machine Intelligence (AMI), y exhibirá su trabajo en Google Arts & Culture (2020).

Más para aprender…

Sobre este programa