Marcin Składanek
MEMO AKTEN – OD SZTUKI GENERATYWNEJ DO GŁĘBOKIEGO UCZENIA MASZYNOWEGO JAKO MEDIUM TWORZENIA

Sztuka algorytmiczna – począwszy od pierwszych eksperymentalnych systemów proceduralnych lat 60. XX wieku aż po współczesne złożone systemy multiobiektowe, ewolucyjne ekosystemy czy interaktywne wizualizacje danych – rozwijała się, wypracowując wiele zróżnicowanych strategii kreatywnych, które zarazem składały się na dość spójną i rozpoznawalną tożsamość praktyki kreatywnego kodowania. Pierwszym, fundamentalnym jej elementem była procesualność. Eksterioryzacja procedury tworzenia dzieła sztuki do postaci wykonywanego przez maszynę obliczeniową kodu algorytmicznego nie tylko przenosiła punkt ciężkości z formalnie ukształtowanego artefaktu na mechanizmy jego generowania, lecz także czyniła z tego generatywnego procesu faktyczny przedmiot oraz medium tworzenia. Drugim kluczowym wymiarem tego dziedzictwa była quasiautonomia systemu, który bardzo łatwo – bądź to za sprawą wielopoziomowej i obiektowej logiki kodu, bądź w efekcie odpowiednio dozowanej randomizacji – wymykał się bezpośredniej kontroli i predykcji. Otwartość na nieoczekiwane rezultaty (beautiful accident – jak określił to Joshua Davis¹) stanowiła dla artystów oczekiwaną i poszukiwaną wartość budowaną w wyniku współdziałania z generatywnym i komputerowym medium, którego pozycja dalece wykraczała poza czysto operacyjną narzędziowość. Trzecim, być może najważniejszym komponentem praktyk algorytmicznych była możliwość uruchomienia kreatywnego potencjału emergencji wynikającej z oddolnej, nieliniowej dynamiki systemów złożonych. Fundowane przez te środowiska kompozycje, wzorce, zachowania i interakcje wyłaniają się nie jako efekt odgórnie zaprojektowanych form, lecz jako pochodna symulacji i akumulacji lokalnych oddziaływań pomiędzy elementarnymi jednostkami systemu².

A. Michael Noll w 1968 roku pisał: „W komputerze człowiek odnalazł nie zaledwie nieożywione narzędzie, ale intelektualnego i aktywnie kreatywnego partnera, który w pełni wykorzystany, może być pomocny do tworzenia całkowicie nowych form sztuki oraz przypuszczalnie nowego doświadczenia estetycznego”³. Bez wątpienia postulat pioniera sztuki generatywnej został przez kolejne dekady zrealizowany, owocując wieloma rozpoznawalnymi strategiami określającymi specyficzny układ relacji człowieka i maszyny obliczeniowej⁴, który okazał się produktywny dla licznych szczegółowych modeli proceduralnych i schematów algorytmicznych.

Jednak w praktykach twórczych wykorzystujących głębokie uczenie maszynowe czy – szerzej – metodologii określanych dziś mianem sztucznej inteligencji (artificial intelligence, AI), dotychczasowy paradygmat kreatywnego partnerstwa poddany zostaje istotnej modyfikacji, a często nawet zniesieniu. Sieć neuronowa nie jest bowiem zestawem reguł algorytmicznych zaprojektowanych przez artystę, lecz systemem, który reguły te sam wydobywa z ogromnych ilości danych w procesach uczenia się. Skala tych automatycznie konstruowanych przez maszynę procedur przekracza ludzkie możliwości poznawcze, co czyni z systemu „czarną skrzynką”. Artysta traci bezpośredni dostęp do poziomu mechanizmu zapisanego w kodzie, który w kreatywnym kodowaniu był przestrzenią twórczej konceptualizacji i iteracyjnej interwencji. Kontrola nad procesem generatywnym ulega radykalnej redystrybucji. System oferuje nam do oceny wygenerowany rezultat i negocjuje tryby jego modyfikacji, ale w dużej mierze sam kształtuje własne schematy reprezentacji i autonomicznie wykonuje procedury prowadzące do finalnej formy. Wreszcie, emergencja traci swój uprzywilejowany status – nieoczekiwane i potencjalnie kreatywne wyjścia (output) sieci neuronowej nie są rezultatem i świadectwem dynamiki złożoności zaprojektowanego systemu (opartej na nakładaniu się proceduralizacji i losowości), lecz przejawem czegoś trudniejszego do ujęcia i operacjonalizacji, to znaczy probabilistycznej struktury obecnej w danych treningowych.

Dziedzictwo sztuki algorytmicznej pozostaje niezwykle istotnym, poniekąd naturalnym punktem odniesienia dla właściwych sztuce AI strategii twórczych. Te rozgrywające się na naszych oczach transformacje i transgresje kreatywnego kodowania są przedmiotem analiz wielu niezwykle interesujących i intensywnych studiów⁵. Celem niniejszego artykułu jest przyjrzenie się wypracowywanym przez Memo Aktena sposobom wykorzystania oraz definiowania głębokiego uczenia maszynowego sieci neuronowych jako narzędzi tworzenia. Wybór właśnie tego artysty podyktowany jest dwoma wzajemnie się wzmacniającymi względami. Po pierwsze, projekty Aktena nie tylko stanowią ważny i reprezentatywny przykład sztuki generatywnej ostatnich dwóch dekad, ale też bez wątpienia są kształtowane przez jej tradycję – co ujawnia się na przykład w stałym zainteresowaniu odwzorowaniem fizyki ruchu, mapowaniem procesów biologicznych czy symulacją ekosystemów społecznych. Dzięki temu moment zwrócenia się Aktena ku technologiom AI może być obserwowany na tle stabilnej trajektorii artystycznej, co pozwala nam zidentyfikować zarówno ciągłość, jak i nieuchronne zerwania. Po drugie, Memo Akten jest artystą o wyjątkowej świadomości konceptualnej oraz znaczącym dorobku badawczym. Obecnie pracuje na Uniwersytecie Kalifornijskim w San Diego, jest współzałożycielem Superradiance Lab, a także współautorem publikacji Art and the Science of Generative AI⁶, która ukazała się w prestiżowym czasopiśmie „Science”. Najważniejszą jednak referencją jest obszerna rozprawa doktorska z 2021 roku, zatytułowana Deep Visual Instruments: Realtime Continuous, Meaningful Human Control over Deep Neural Networks for Creative Expression. Znajdziemy w niej szczegółowy opis eksperymentalnych projektów, które zaowocowały w kolejnych latach istotnymi na polu sztuki AI pracami artystycznymi. Publikacja Aktena jest także bardzo interesującą, pogłębioną i niezwykle systematyczną próbą zbudowania aparatu pojęciowego, opisującego zarówno renegocjacje dotychczasowego paradygmatu, jak i perspektywy nowej formuły kreatywnego partnerstwa człowieka oraz obliczeniowych systemów opartych na mechanizmach sztucznej inteligencji. W moim przekonaniu można tutaj wskazać pięć kluczowych wiązek znaczeniowych, wokół których Akten organizuje swoją refleksję teoretyczną oraz praktykę artystyczną. Punkty te, będące przedmiotem analizy w kolejnych częściach tego artykułu, to kolejno: 1. creative deep learning (CDL, kreatywne głębokie uczenie maszynowe) jako nowe medium; 2. meaningful human control (MHC, znacząca ludzka kontrola) jako fundament kreatywnego sprawstwa; 3. realtime continuous control (RCC, ciągła kontrola w czasie rzeczywistym) i metafora instrumentu wizualnego; 4. bias jako kognitywny horyzont (światopogląd) sieci; 5. latent storytelling (narracja w przestrzeni latentnej) jako nawigacja w przestrzeni ukrytych reprezentacji.

Creative deep learning jako nowe medium

Creative deep learning jest dla Memo Aktena – w wymiarze zarówno dyskursywnym, jak i estetycznym – kategorią fundamentalną i docelową. Nie stanowi ona wyłącznie opisu technicznego (choć oczywiście z niego wychodzi), nie jest również desygnatem jakieś specyficznej i wąsko rozumianej strategii tworzenia. CDL jest odpowiedzią na pytanie o status, charakterystykę oraz potencjał technologii AI jako medium kreacji.

Akten w następujący sposób ujmuje punkt wyjściowy jego poszukiwań: „Traktujemy algorytmy głębokiego uczenia jako narzędzia służące do wydobywania użytecznej informacji z rozległego oceanu danych typu big data, niemożliwych do ogarnięcia przez człowieka. I właśnie ten aspekt głębokiego uczenia stanowi motywację naszych badań. Naszym celem jest zbadanie sposobów nawigowania i eksplorowania tego, czego sieć neuronowa się nauczyła i co wyekstrahowała z ogromnych zbiorów danych. Mówiąc ściślej, badamy, jak można w znaczący sposób wykorzystać taki model w tworzeniu dzieł artystycznych i kreatywnych”⁷. Z powyższej wypowiedzi warto wydobyć dwa wątki – oba oznaczają odejście od dotychczasowej formuły generatywności.

Pierwszy dotyczy zasadniczej zmiany relacji pomiędzy artystą i mechaniką systemu. W sztuce generatywnej twórca operował na zapisanym w kodzie procesie algorytmicznym – zbiorze reguł, funkcji i zmiennych, które pozostawały dostępne, modyfikowalne i konceptualnie uchwytne. Procedura była przestrzenią projektowania oraz polem eksperymentu. W creative deep learning ten poziom ulega istotnemu przesunięciu. Zamiast jawnej procedury mamy „rozległy ocean” reprezentacji świata wyłonionych w procesie uczenia maszynowego i skompresowanych w strukturze modelu – w wagach, embeddingach, tokenach, architekturach transformerowych. Wytrenowany model deep learning (DL) jest jakościowo czymś innym niż algorytm w klasycznym sensie: nie wykonuje zaprojektowanych przez artystę procedur, lecz reprezentuje wyekstrahowany z danych zasób wiedzy. Wiedza ta nie istnieje w sposób odrębny od sieci – jest immanentna jej strukturze i, ze względu na skalę oraz złożoność, pozostaje dla człowieka w dużej mierze nieprzejrzysta. Generatywność systemu kreatywnego nie może być, jak dotąd, ufundowana na zaprojektowanej procedurze. Musi być oparta na nowych sposobach „nawigowania i eksplorowania tego, czego sieć neuronowa się nauczyła”. Oznacza to przejście od projektowania mechanizmu do operowania na już wytrenowanej reprezentacji.

Drugie przesunięcie dotyczy trybów interakcji z modelem. Pytanie brzmi: czy aktualnie dostępne i powszechnie wykorzystywane formy pracy z generatywną AI rzeczywiście stwarzają perspektywę kreatywnego partnerstwa? Czy umożliwiają odkrywanie reprezentacji modeli CDL, testowanie ich granic i kierowanie generowanych obrazów ku własnej intencji twórczej? Akten uznaje te strategie interakcji za niewystarczające. Oczywiście najbardziej popularnym mechanizmem jest obecnie ten oparty na promptach oraz automatyzacji i autonomizacji procesów tworzenia (jeden przycisk). Taka formuła kreacji, której fundamentem jest selekcja konstruowanych przez model artefaktów, nie powinna być rzecz jasna odrzucana, gdyż bardzo dużo artystek i artystów (Akten wspomina tutaj o Helenie Sarin, Crespo czy Annie Ridler) udowadnia estetyczną wartość tego kuratorowanego współdziałania. Jednak dla Memo Aktena tryb ten nie daje wystarczającej kontroli człowieka nad procesem tworzenia. Z tych samych powodów artysta/badacz/programista odrzuca kolejne dwie dostępne strategie – tę opartą na modyfikacji wybranych parametrów dzieła za pomocą interfejsów użytkownika (bardzo często te sparametryzowane zmienne nie mają większego wpływu na działania tak gigantycznych sieci) oraz tę polegającą na zmianie danych treningowych (dotyczy całej przestrzeni możliwych rozwiązań, a nie jednostkowych realizacji).

Wyzwanie polega zatem na wypracowaniu takich form interakcji z modelem CDL, które umożliwią artyście sprawowanie ciągłej, osadzonej i performatywnej kontroli nad procesem generowania. Dopiero w tym momencie – twierdzi Akten – możemy mówić o głębokim uczeniu jako medium w sensie ścisłym, a nie jedynie jako o technologii produkcji obrazów.

Meaningful human control jako fundament kreatywnego sprawstwa

Pojęcie meaningful human control (MHC) Akten zapożycza z literatury dotyczącej autonomicznych systemów militarnych, gdzie oznacza ono minimalny próg kontroli człowieka gwarantujący etyczną i operacyjną akceptowalność działania systemu⁸. W kontekście twórczości termin ten ulega jednak zasadniczej reinterpretacji. Nie chodzi o binarne rozstrzygnięcie — czy jest kontrola, czy jej nie ma — lecz o kontinuum, w ramach którego możliwa jest większa bądź mniejsza intensywność ludzkiego sprawstwa. Celem nie jest spełnienie minimalnego warunku nadzoru, lecz maksymalizacja udziału człowieka w procesie generatywnym.

Odwołując się implicite do rozproszonej koncepcji kreatywności Margaret Boden⁹ (często przywoływanej w analizach obliczeniowej kreatywności), Akten sytuuje proces twórczy w sieci relacji obejmującej ludzi, schematy pojęciowe i technologie. Sprawstwo nie jest własnością jednostki ani systemu, lecz efektem ich dynamicznego sprzężenia. Aby jednak mówić o twórczości, a nie jedynie o konsumpcji algorytmicznego outputu, relacja ta musi spełniać określone warunki.

Akten wskazuje trzy wzajemnie powiązane komponenty znaczącej kontroli. Po pierwsze, intencja (intent). System powinien umożliwiać realizację zamysłu twórczego – przy czym zamysł ten nie musi być w pełni zdefiniowany na początku. W praktyce artystycznej intencja często wyłania się w toku eksploracji i iteracyjnych cykli projektowania. Model musi zatem nie tylko odpowiadać na zadane cele i poszukiwania, lecz także współkształtować ich krystalizację. Po drugie, przewidywalność (predictability). Twórca powinien stopniowo budować rozumienie działania systemu, tak aby móc antycypować konsekwencje własnych decyzji. Nie chodzi o absolutny determinizm, lecz o operacyjną czytelność mechanizmu – wystarczającą, by interakcja nie była czysto arbitralna. Po trzecie, odpowiedzialność i ekspresja (accountability and expression). Gdy intencja znajduje przełożenie na rezultat, a działanie systemu jest w pewnym stopniu przewidywalne, artysta może wziąć odpowiedzialność za efekt. W tym sensie wynik nosi świadectwo jego indywidualnej ekspresji. Bez tej możliwości trudno mówić o autorstwie.

Z połączenia tych trzech elementów wynika kluczowa teza Aktena: creative agency nie zależy od tego, czy dzieło zostało wytworzone samodzielnie, czy przy współudziale maszyny, lecz od tego, czy człowiek posiadał sensowną, intencjonalną i operacyjnie przewidywalną kontrolę nad procesem. Meaningful human control staje się tym samym fundamentem autorstwa w epoce generatywnej AI.

Realtime continuous control i metafora instrumentu wizualnego

Odpowiedzią na deficyt znaczącej kontroli jest koncepcja deep visual instruments, której z kolei węzłową ideą jest realtime continuous control, czyli ciągła kontrola w czasie rzeczywistym. Metafora instrumentu nie pełni tu funkcji ilustracyjnej – definiuje ontologię relacji między człowiekiem a systemem. Model głębokiego uczenia nie jest narzędziem obsługiwanym z zewnątrz ani automatem produkującym obrazy na żądanie. Jest medium, na którym się „gra”. Artysta nie tyle uruchamia system, ile wchodzi z nim w dynamiczne, odbywające się w czasie rzeczywistym sprzężenie.

Akten świadomie osadza tę koncepcję w genealogii instrumentów audiowizualnych. Już w XVIII wieku Louis‑Bertrand Castel konstruuje ocular harpsichord – klawesyn emitujący barwne światło przy każdym naciśnięciu klawisza, łączący dźwięk i kolor w jednym akcie wykonawczym. W XX wieku ideę tę rozwijają elektroniczne syntezatory wideo. W manifeście Versatile video synthesizer, towarzyszącym prezentacji Paik–Abe video synthesizer (1969–1971), Nam June Paik postulował możliwość kształtowania obrazu „tak precyzyjnie jak Leonardo, tak swobodnie jak Picasso, tak kolorowo jak Renoir, tak głęboko jak Mondrian, tak gwałtownie jak Pollock i tak lirycznie jak Jasper Johns”¹⁰, wyrażając tym samym obecny tu ideał pełnej, ekspresyjnej kontroli nad medium wizualnym w czasie rzeczywistym. Ideę tę rozwijały następnie kolejne instrumenty wideo, między innymi Rutt-Etra video synthesizer (1972) Steve’a Rutta i Billa Etry.

Projekt Aktena można odczytać jako kontynuację tej linii. Tym, co pozwala metaforze instrumentu zachować sens w kontekście creative deep learning, jest właśnie realtime continuous control – pojęcie, którego źródła sięgają cybernetyki Norberta Wienera¹¹ i jego koncepcji sprzężenia zwrotnego. RCC zakłada zamkniętą pętlę interakcji między człowiekiem a systemem generatywnym: twórca nieustannie monitoruje efekty działania modelu i w czasie rzeczywistym koryguje jego parametry. Interakcja ma charakter ciągły, a nie dyskretny. Nie polega na wydaniu komendy i oczekiwaniu na rezultat, lecz na nieprzerwanym modulowaniu procesu. W tym sensie użytkownik przestaje być operatorem czy kuratorem outputów. Staje się performerem – kimś, kto współkonstytuuje dzieło w akcie jego powstawania. Medium nie działa autonomicznie „obok” człowieka, ale w sprzężeniu z nim.

RCC implikuje kilka kluczowych właściwości tej relacji. Jedną z nich jest performatywność: obraz powstaje „na żywo”, w bezpośredniej korelacji między gestem a rezultatem. Kolejna cecha to eksploracyjność: twórca może poruszać się w przestrzeni możliwości modelu bez z góry określonego celu, pozwalając, by intencja wyłaniała się w toku interakcji. I wreszcie, warunki sprzyjające stanowi flow – natychmiastowe sprzężenie zwrotne i poczucie sprawczości minimalizują dystans między decyzją a jej wizualnym efektem.

Akten wyraźnie odróżnia tę logikę od dominujących trybów pracy z generatywną AI – opartych na promptach, selekcji i postprodukcji. Co więcej, montaż nieliniowy czy parametryzowane interfejsy oferują kontrolę, lecz nie ustanawiają relacji performer – instrument w sensie ścisłym. Deep visual instruments są zatem nie tyle interfejsem, ile propozycją przedefiniowania medium głębokiego uczenia. AI może stać się przestrzenią ekspresji tylko wtedy, gdy funkcjonuje w modelu cybernetycznej pętli sprzężenia zwrotnego, gdy pozwala na kontrolę w czasie rzeczywistym. W przeciwnym razie pozostaje systemem autonomicznego generowania obrazów.

Praktyczne realizacje metafory instrumentu wizualnego wyznaczają w poszukiwaniach badawczych i artystycznych Aktena wyraźną drogę – od eksploracji procesu uczenia się sieci neuronowych po konstrukcję pełnoprawnego instrumentu wizualnego działającego w czasie rzeczywistym. Dzięki temu możemy zobaczyć, w jaki sposób deep learning może zostać przekształcone z narzędzia obliczeniowego w medium performatywne. W projekcie Hello world: Realtime interactive training as an informative and performative tool Akten podejmuje próbę obserwowania uczenia się sieci „na żywo”. System oparty na konwolucyjnym variational autoencoder trenowany jest w czasie rzeczywistym na obrazie z kamery, a użytkownik może w trakcie procesu manipulować kluczowymi hiperparametrami — takimi jak learning rate, momentum czy wymiar przestrzeni latentnej. Decydujący okazuje się moment, w którym parametry te zostają zmapowane na kontroler MIDI. Proces optymalizacji przestaje być etapem technicznym, a staje się materiałem performatywnym. Szczególnie interesujące są stany graniczne – oscylacje między stabilnością a chaosem – dostępne wyłącznie przez ciągłą interakcję. Trening zostaje tu przekształcony w zdarzenie estetyczne.

Learning to see: Digital puppetry through realtime video transformation rozwija tę logikę na poziomie generowania obrazu. Wykorzystując architekturę pix2pix, Akten konstruuje system, który w czasie rzeczywistym przekształca obraz z kamery zgodnie z estetyką wyuczonego zbioru danych. Użytkownik może kontrolować strukturę generowanego obrazu przez ruch ciała (digital puppetry), rozszerzać własny rysunek o algorytmiczną reinterpretację (augmented drawing) lub modulować sposób działania modelu za pomocą interfejsu i kontrolera MIDI.

Bias jako poznawczy horyzont sieci

Zanim Akten zaczął rozwijać techniki kontroli nad modelami generatywnymi, zadał sobie fundamentalne pytanie: co właściwie sieć neuronowa wie? Co – i jak – widzi, gdy patrzy na świat? Odpowiedź, do której dochodzi, jest zarazem prosta i niepokojąca: sieć może zobaczyć tylko to, czego ją nauczono. Nie ma dostępu do obiektywnej rzeczywistości – funkcjonuje w granicach własnych danych treningowych. W tym sensie nie posiada wiedzy o świecie, lecz światopogląd: ukształtowany, stronniczy i nieuchronnie partykularny. Warto tu podkreślić, że intencjonalny język, jakim się tutaj posługuje, nie jest przypadkowy.

Bias w rozumieniu Aktena nie jest więc wadą systemu (jak dla wielu badaczy o orientacji krytycznej), ale jego konstytutywną właściwością. Dane treningowe stanowią całe doświadczenie sieci – wyznaczają jej horyzont percepcyjny i poznawczy, jej światopogląd (worldview). Tezę tę w sugestywnie ilustruje projekt Learning to see: You are what you see (od 2017), realizowany z Rebeccą Fiebrink i Mickiem Griersonem. Modele o identycznej architekturze, wytrenowane na radykalnie różnych zbiorach danych – falach oceanicznych, kwiatach, płomieniach czy obrazach mikroskopowych – generowały odmienne interpretacje tej samej sceny z kamery. Różnica nie tkwiła w strukturze sieci, lecz w jej „biografii” i „doświadczeniu”. Gdy model wytrenowany na falach patrzył na twarz, widział ocean, podczas gdy model wytrenowany na kwiatach – płatki. Dane treningowe okazują się więc nie zbiorem przykładów, lecz całym życiem sieci. Autorzy ujmują rzecz wprost: dane treningowe kształtują światopogląd modelu¹². Gdy wytrenowana sieć patrzy na świat przez kamerę, może zobaczyć tylko to, co już zna. Zdanie to ma charakter programowy i wyraźnie przekracza język czysto techniczny. Bias nie jest błędem w systemie – jest jego tożsamością.

Akten zestawia bias sieci z ludzkimi uprzedzeniami poznawczymi, odwołując się do modeli predictive processing. Również ludzkie widzenie jest aktywną rekonstrukcją, a nie pasywnym odbiorem bodźców. Interesujący jest przywoływany przez niego w licznych wystąpieniach przykład modelu wytrenowanego na obrazach z teleskopu Hubble’a. Sieć nie nauczyła się, jak wygląda kosmos, lecz jak my go reprezentujemy w wymiarze doboru kolorów, kompozycji i estetycznych konwencji. Teleskop nie „fotografuje” kosmosu – przesyła dane, które podlegają interpretacji. Sieć uczy się tej interpretacji, nie rzeczy samej w sobie. W tym sensie po raz kolejny znajdujemy potwierdzenie słynnej frazy Lisy Gitelman, że pojęcie surowych danych należy uznać za oksymoron¹³.

To epistemologiczne przesunięcie ma również wymiar etyczny. W świecie spolaryzowanych narracji i informacyjnych baniek świadomość, że każdy system — ludzki czy maszynowy — widzi świat przez pryzmat własnej historii, staje się lekcją pokory. Projekt Learning to see: You are what you see można więc odczytać nie tylko jako eksperyment z modelami DL, lecz jako metaforę poznania: każdy podmiot widzi świat przez filtr tego, czym został ukształtowany. Krytyczna wartość tej koncepcji polega na tym, że Akten nie traktuje biasu jako nadużycia. Stronniczość nie jest czymś, co należy wyeliminować za wszelką cenę, lecz czymś, co można uczynić widocznym i twórczo produktywnym. Tak jak instrumentalista szuka ekspresyjności we właściwościach instrumentu, tak artysta pracujący z modelami AI może eksplorować i modulować ich poznawcze uprzedzenia. W tej perspektywie praca z biasem staje się jedną z centralnych praktyk Creative Deep Learning. W Deep Meditations (do tego projektu za chwilę powrócę) Akten pokazuje, że bias może stać się przedmiotem świadomej modulacji – przez niemal manualne kształtowanie ścieżek w przestrzeni latentnej, wzmacnianie lub osłabianie określonych obszarów reprezentacji. Stronniczość nie tylko nie znika, ale zostaje włączona w proces konstrukcyjny.

Latent storytelling jako nawigacja w przestrzeni ukrytych reprezentacji

Jeśli Learning to see: You are what you see uczyniło z biasu przedmiot refleksji, to Deep meditations: A brief history of almost everything in 60 minutes (2017–2019) stawia pytanie o narrację. Nie idzie więc o to, co sieć może zobaczyć, lecz o to, czy wędrówka przez jej przestrzeń reprezentacji może stać się formą opowiadania. Ponownie wspólnie z Rebeccą Fiebrink i Mickiem Griersonem Akten zaprojektował system umożliwiający tworzenie filmów przez świadome wyznaczanie ścieżek w przestrzeni latentnej modeli generatywnych (opartych m.in. na architekturze ProGAN). Rezultatem były sześćdziesięciominutowe instalacje prezentowane w Mori Art Museum w Tokio, świątyni Kennin‑ji w Kioto czy na festiwalu Sonar+D.

Kluczowa jest tu sama idea nawigacji. Wytrenowany model reprezentuje swoją „wiedzę” jako wielowymiarową przestrzeń wektorową – każdy punkt odpowiada określonemu obrazowi, a interpolacja między punktami jego stopniowej transformacji. Dominującą praktyką w obszarze generatywnych wizualizacji były dotąd losowe spacery (random walks), dające efekt hipnotycznej płynności, lecz pozbawione intencji narracyjnej. Sieć błądzi po własnym wnętrzu, demonstrując możliwości, ale nie opowiada historii. Akten odrzuca tę logikę z tych samych powodów, dla których krytykował „jedno kliknięcie” w systemach promptowych, to znaczy – brak tu intencji, przewidywalności i odpowiedzialności autora. W zamian proponuje workflow przypominający nieliniowy montaż filmowy. Artysta generuje dużą liczbę obrazów, selekcjonuje je, układa w szkic narracyjny, a następnie tłumaczy tę sekwencję z powrotem na układ wektorów w przestrzeni latentnej (tzw. z‑sequence), którą model renderuje jako finalny film. Narracja nie jest więc serią poleceń, lecz ścieżką wyznaczoną w przestrzeni reprezentacji¹⁴.

Proces ten ujawnia jednocześnie strukturalne właściwości przestrzeni latentnej. Nie jest ona jednorodna ani intuicyjna: pewne regiony bywają nadreprezentowane (np. motywy kwiatowe), inne są rzadkie. Nawigacja zawsze zawiera element nieprzewidywalności. Ta techniczna konstatacja ma jednak bezpośrednie przełożenie na wymiar estetyczny. Projektowanie trajektorii przypomina planowanie wyprawy przez częściowo rozpoznane terytorium: artysta wyznacza punkty orientacyjne, lecz nie może w pełni przewidzieć krajobrazu pośrednich przejść. Opowieść wyłania się z ruchu – jest odkrywana podczas nawigacji. W tym sensie Deep meditations staje się zarówno dziełem artysty, jak i mapą wewnętrznej struktury modelu.

System znalazł także realizację performatywną we współpracy z Maxem Cooperem podczas trasy Yearning for the infinite (2019). Wizualna warstwa koncertu – w tym utwór Morphosis — była precyzyjnie zaplanowaną trajektorią w przestrzeni latentnej, zsynchronizowaną z muzyką. Latent storytelling okazał się więc nie tylko techniką generowania obrazu, lecz medium narracyjnym zdolnym do budowania złożonych struktur czasowych i emocjonalnych.

Podsumowanie

Projekt artystyczny Memo Aktena nie jest zbiorem technik ani katalogu narzędzi — jest spójną postawą wobec zasadniczego i wciąż otwartego pytania, czym może być twórczość w epoce głębokiego uczenia. Akten konsekwentnie odmawia traktowania modeli DL jako autonomicznych generatorów, gotowych zastąpić artystę w procesie tworzenia. Zamiast tego proponuje model głębokiej współpracy, w której sieć neuronowa staje się instrumentem — ze wszystkimi konsekwencjami tego słowa: instrumentem, który wymaga opanowania, który stawia opór, który ma własne właściwości i ograniczenia, i który odpowiada na działanie artysty w czasie rzeczywistym. Artysta nie jest tu użytkownikiem systemu, lecz jego wykonawcą, podmiotem, który bierze odpowiedzialność za każdy gest i jego wynik. To, co Akten wypracowuje w swojej praktyce badawczej i artystycznej, jest w gruncie rzeczy propozycją nowej estetyki – estetyki, w której wartość twórcza pochodzi nie z automatyzmu modelu, lecz z jakości dialogu między ludzką intencją a maszynową możliwością. Creative Deep Learning, w jego rozumieniu, nie jest przyszłością sztuki bez artysty – jest nowym terenem, na którym artysta może być bardziej sobą niż kiedykolwiek wcześniej.