(Un)supervised (Con)fabulation - Machine Learning und Zeit
Projektinformationen
eingereicht von
Christina Schinzel
Lehrende
Prof. Ursula Damm
Fakultät:
Kunst und Gestaltung
Studiengang:
Medienkunst/Mediengestaltung - Studienprogramm Media Art and Design (Master of Fine Arts (M.F.A.))
Art der Präsentation
Abschlussarbeit
Semester
Sommersemester 2022
- Marienstraße 7b
(201) - Marienstraße 7b
(201)
Projektbeschreibung
Was ist Machine Learning? Was ist Zeit? Und was haben die beiden miteinander zu tun? Das sind die zentralen Fragestellungen dieser Arbeit. Es geht um zeitliche Strukturen, die in und durch Systeme des maschinellen Lernens be- und entstehen und bei denen Daten aus der Vergangenheit als Grundlage für Entscheidungen über die Zukunft dienen.
Das gleiche Prinzip wird in dieser Arbeit auf Videos angewandt und in Form einer Installation umgesetzt. Ausgehend von realen Videos, die durch einen Machine Learning-Algorithmus neu berechnet werden, wird das jeweils nächste sich auf der videographischen Zeitachse befindliche Bild auf Basis der vorherigen Bilder generiert, sodass am Ende das ursprüngliche Video hinter all den algorithmischen Umrechnungen allmählich verschwindet und nur noch in fragmentarischer Abstraktion erahnt werden kann.
Das Ziel der Arbeit ist ein Sichtbarmachen des Unsichtbaren: sowohl der Flüchtigkeit der Zeit als auch der unsichtbaren logischen Ebene des Computer Codes von Machine Learning, welcher zeitliche Ereignisse in Form von Daten einfängt, prozessiert, verrechnet, transformiert und auch wiederholt. Man kann diesen Effekt als "the enduring ephemeral" (Wendy Hui Kyong Chun: Programmed Visions) umschreiben – das dauerhaft Vergängliche. Die Arbeit versucht dieses "dauerhaft Vergängliche" des Machine Learning einzufangen.
Das Projekt wurde durch den summaeryFonds 2022 der Universitätskommunikation gefördert.