Artem Konevskikh 是少数能够自豪地参与大型强子对撞机工作的程序员之一。 他的职业生涯始于基础科学，他几乎没有想到自己最终会进入当代艺术——这个领域似乎与寻找希格斯玻色子相去甚远。 ForkLog 决定亲自与 Artyom 交谈，了解这一切是如何发生的、艺术社区可以教给程序员什么（反之亦然），以及即使是最铁杆的技术人员也应该克服对人道主义知识的哪些偏见。

梅尼克瓦德拉蒂（2021）。 数据：aiculedssul。

ForkLog：您接受过程序员教育，从事过基础科学工作，曾在 CERN 工作过。 您是如何以如此严格的技术背景进入当代艺术的？

Artem：是的，我的路不是最标准的。 我在一个为大型强子对撞机建造传感器的实验室工作。 我的主要关注点是数据分析，与其说它是一门基础科学，不如说它是物理学家研究宇宙的辅助工具。 这段经历对我影响很大。

即使现在，当我只做艺术时，我也会留意实验物理学，并尝试以科学家进行研究的方式开展项目：进行可以重复的实验并分享所获得的知识。 艺术界有两类人。 有些人分享他们的经验，另一些人则保守他们的知识。 在欧洲核子研究组织的工作教会我如何对待前者。 通过参与共同环境的发展，我不仅帮助了别人，也丰富了自己的知识。

我教了很多东西，因为我看到艺术家对神经网络非常感兴趣，但并不是每个人都了解它们的实际工作原理。 这是一个相当复杂的主题 – 为了很好地理解它，您需要学习数学和编程。 这需要时间，对于没有技术背景的人来说会很困难。 因此，如果有机会分享知识，就应该利用它。

ForkLog：向当代艺术家教授线性代数？

Artem：我们不会与学生讨论这一点，但他们会学习如何自己训练神经网络。 我设计的课程让我们转向不同的媒介——使用图片、视频、文本、3D 图形，也就是说，使用实践中可能需要的一切。

小时候，我自己上过艺术学校，学过画画。 结果很糟糕，但我喜欢它。 我仍然画画，但对我来说，这更多的是一种爱好，而不是一种艺术实践。

科学、技术和艺术总是可以相辅相成。 而且它不是朝一个方向起作用。 科学艺术也是一个有用的工具。 它可以批评技术，作为科学过程的例证。 我是在 2015 年在 FIAN Accelerator Complex 举办的新莫斯科加速器节上开始了解艺术家的。 从这次交流中，我意识到很多艺术家想谈论科学，但他们缺乏相关知识。

当可以在家用计算机上运行的 DeepDream 神经网络问世时，艺术家们为自己集体发现了生成艺术。 她赋予了非常丰富的视觉范围。 DeepDream 成为第一个神经网络，因此有人说人工智能可以取代艺术家。

ForkLog：你决定亲自检查一下吗？

Artem：我开始尝试 DeepDream 和数据驱动的艺术，一种基于数据分析或可视化的艺术。 有一次，当我在新闻中看到列宁纪念碑被拆除时，我想起了谢尔盖·库廖欣的著名素描：世界革命的领袖是一个蘑菇，同时也是一个无线电波。 我画了一张“列宁无线电广播”地图，其中陵墓是中心，伊里奇纪念碑是天线。 然后我解析了大量关于纪念碑位置的数据，并根据它们可视化了列宁思想传播的轨迹。 有趣的是，我在一次专门针对地理数据的黑客马拉松中实现了这个项目，而我对它的期望完全不同。 事实证明这是一种艺术干预。

列宁的菌丝体（2017）。 数据：aiculedssul。

在创造力迈出第一步之后，我意识到继续从事科学工作、脱离现实生活对我来说很无聊。 我提交了参加斯特雷卡研究所“新常态”项目的申请，该项目由美国技术哲学家本杰明·布拉顿策划。 我被录取了，所以我转向了艺术。 对我来说，它不再是一种娱乐，而是成为了艺术家们的严肃作品——主要是与 Egor Kraft 一起，我帮助他完成了内容感知研究项目，在这个项目中，神经网络修复了被时间摧毁的古代雕塑，并根据它们生成了视频。

第二次合作仍在进行中，是 Current 项目，致力于电影的未来，特别是立体电影。

ForkLog：作为一个技术出身的人，掌握当代艺术的具体语言对你来说有多困难？

Artem：我想说我还在学习。 当代艺术与其他职业一样。 我在学院学习了六年编程，我认为成为一名艺术家也需要类似的时间。 有必要掌握相当大量的理论材料——这对于现代艺术家来说很重要。

ForkLog：所以你对这种语言没有怀疑？ 很多人对此表示非常怀疑。

Artem：一开始是的，当然。 这种怀疑是可以理解的：你来到画廊，你必须阅读一些作品的长达数公里的描述。 有时这确实是无稽之谈，但更多时候，这种复杂性隐藏着很多含义和参考。 当代艺术从哲学、媒体理论中汲取了很多概念。 需要时间去欣赏它。

ForkLog：在 2000 年代初期，人们在交易演示场景的光盘，这是一种艺术与硬核编程相遇的现象。 记住这一点？

Artem：是的，当然，我的一些朋友这样做了，甚至还因为他们的工作获得了奖项。 那时，我自己刚刚学习编程，我看着代码，不明白里面发生了什么。 这样的事情对我来说似乎是遥不可及的。 但这些事情非常鼓舞人心。

ForkLog：这就像 18 世纪的工匠竞赛，看谁能想出最酷的手表机械装置。

阿尔乔姆：是的。 整个演示场景都围绕着老一代计算机所提供的严重技术限制。 现在，由于技术变得过于强大，这种文化已经“消失”。

ForkLog：艺术似乎也发生了同样的情况——这与艺术家的技能无关。 但那是关于什么呢？

Artem：这是关于概念的。 这里的技术是说明它们的一种方式。 艺术家首先需要找到一个有趣的想法。 现在我们看到文本到图像生成器的蓬勃发展。 这是一场与相机的发明同等级别的革命。 然后，艺术家尽可能真实地绘画的需求消失了，他们不得不重新发明艺术。

今天也发生同样的事情。 整个20世纪，艺术家们越来越深入地进入思想的世界，以想象力为主要工具。 现在突然发现想象力也可以外包给神经网络。 当然，并不完全如此，但产生想法的过程显然变得更加容易。

梅尼克瓦德拉蒂（2021）。 数据：aiculedssul。

ForkLog：您会从编码社区中获得什么并转移到艺术环境中 – 反之亦然？ 您认为这两个社区之间的根本区别是什么？

Artem：艺术家思考更自由，而程序员通常有限制：如果有任务，那么它必须以严格定义的方式完成。 对于艺术家来说，情况恰恰相反：任务不一定要完成，主要的是修复它，随着时间的推移，你可以完善它。 作为一名程序员，我很难理解这种方法。

在 Strelka，我们创建了关于未来智慧城市的 Atoll 项目。 例如，我们一直在思考如何从一个城市获取数据并将其与另一个城市的数据混合，从而获得同时遵循这两个城市规则的第三个城市。 从艺术家的角度来看，这里的一切都很简单：你拿两个地区的地图，将它们切成正方形并将它们混合起来。 但对于程序员来说，很明显它不是这样工作的——仅仅混合方块使它们成为一个混合物是不够的。 对我来说，这是不可理解的：我们给自己设定了一项任务，但实际上我们执行的是一项完全不同的任务。 然后我意识到，事实上这个艺术项目的目的不是为了实现一些具体的东西，而是以一种易于理解的方式来说明这个想法。

这就是艺术的本质。 它与想法一起工作，而编程更实用：如果你想做某事，你必须首先提供一个可行的产品。 其次，你要考虑美学成分。

在这里我看到了技术人员和艺术家之间冲突的基础。 但在我看来，时不时地值得超越理性，展望未来，思考当下一次技术限制解除时我们能做些什么。

我记得五年前，在莫斯科物理技术学院的暑期学校里，神经网络专家米哈伊尔·布尔采夫（Mikhail Burtsev）说：“我认为未来我们将放弃我们习惯的操作系统界面。 相反，会有聊天！ 有人看到了未来，有人更喜欢留在他此时此刻能做的事情的框架内。 有时移除框架很有用，而艺术对此有很大帮助。

ForkLog：但是人道主义部门有一个严重的缺点。 如果我们谈论学术科学，它是非常缓慢的：当一个重要的文本在某个地方出版时，它会在五年内被翻译和发行。 与技术社区相比，思想的传播率是最小的。

Artem：在精确科学中，通常是同样的事情：从写一篇文章到其审查和出版可能需要数年时间。 在我看来，当神经网络蓬勃发展时，对专门用于它们的材料的要求明显软化：该技术看起来非常重要，因此最好快速传播有关它的信息，然后在必要时反驳错误的信息。数据。

共享信息使 arXiv.org 变得更加容易。 随着它的出现，数字化的原则首先开始传播——也就是说，你写一篇文章，以数字化的方式发布它，然后才可能在杂志上发布。 您发现了一些新东西，您可以立即与他人分享您的知识。 这大大加快了进展。

ForkLog：以及社区形成的速度。 一旦出现或多或少重要的事情，就会立即围绕它形成一个社区。

Artem：是的，当新的发展出现时，很难通过。 我关注所有人工智能项目，并尝试测试每一个我认为有趣的神经网络。 它变得越来越难——每天都会出现新的东西。

阿乔姆·科涅夫斯基的肖像，由索尼娅·洛巴诺娃绘制。 数据：aiculedssul。

ForkLog：您对神经网络的大规模分布以及现在几乎每个人都可以使用它们的事实有何看法？

Artem：我是一名技术实证主义者，所以我很好地对待这件事——将其视为新一轮的进步。 唯一的事情是，当最容易使用的文本到图像出现时，许多人开始称自己为数字艺术家。 同时，他们将艺术理解为简单的美丽图画，没有任何概念，在我看来，这就是艺术家与工匠的区别。 艺术家提出了一些引发你思考的基本问题。

我曾经去过中国的深圳。 有一个村庄，是艺术家居住的地方。 他们靠复制著名作品为生。 你沿着街道行走，一个男人坐在那里，重新画了一张杰克逊·波洛克的照片——看着手机上随机分散的点，并将它们复制到最接近的毫米。 结果就有了一张图，很美，但是是什么意思呢？ 它只会占用内部空间。 在我看来，这并不是真正的艺术。

杰克逊·波洛克，第 1 号（1949 年）。 数据：Flickr。

大多数自称为数字艺术家的人最终都会得到同样的东西——一些美丽但占用空间的东西。 那些真正尝试过、学习如何正确撰写提示、掌握使用工具的基本方法的人，我个人没有任何问题。

ForkLog：但是创造美丽图片的人工智能工具本身就是在美丽图片上训练的，就像中国乡村的那些艺术家一样。 事实证明，那些创建神经网络并训练它的人仍然对最终结果负有主要责任。

Artem：这个问题引起了很多争议。 大型项目中的数据集是从互联网上可用的所有图片中收集的，并且符合道德和伦理标准。 事实上，人们对西方艺术存在明显的偏见。 但神经网络总是可以重新训练并纠正其工作。

当然，你可以随意批评在某个数据集上训练神经网络的人。 或者您可以感谢他们所做的工作，并通过消除您偶然发现的缺点来改进他们的工具。 第二种方法对我来说似乎更正确。 幸运的是，现在比以前容易多了。

ForkLog：如果您愿意，您通常可以收集数据集，例如仅从女性或社会弱势公民群体代表绘制的图片中收集数据集。

阿尔乔姆：当然。 相反的情况也是可能的。 有人已经开玩笑地用开发人员禁止的所有内容编译了大型语言模型的数据集。 这种反应是由于 ChatGPT 在提出挑衅性问题时崩溃、开始回答不当、道歉等等。

我认为这个领域不应该被禁止，相反，应该创建集群：这里我们有一个道德爱好者俱乐部，这里我们有一个为哥普尼克们制造笑话的圈子。 神经网络本身是一种工具，而不是最终产品。

人工智能看脸（2018）。 数据：aiculedssul。

ForkLog：不过，不难想象人们会在两者之间做出选择。 因此，我们将从中途获得平均的“美丽图片”，并以此为基础训练下一代神经网络。

Artem：Yegor Kraft 和我目前正在开发一个利用这种反馈循环的项目。 已经很清楚的是，如果神经网络根据自己的输出数据进行训练，它的性能就会下降。 开发人员正在考虑这一点，但中途当然正在根据自己的“最佳结果”进行再培训。 一个常见的例子是，她生成的女性面孔彼此明显相似，这是同一个女孩。 迟早这个问题必须得到纠正。

在社交网络上订阅 ForkLog

发现文中有错误吗？ 选择它并按 CTRL+ENTER

ForkLog 时事通讯：随时掌握比特币行业的脉搏！