Como podemos ensinar mais alunos a projetar com IA?

O medo de que a automação esteja substituindo as habilidades reais de design e PC GAMER foi amplamente desmascarado. A IA ainda está chegando, é claro – ela simplesmente não está chegando ao nosso trabalho. Em vez disso, fornecerá aos projetistas um conjunto de habilidades do século 21, permitindo que eles integrem aplicativos de IA como aprendizado de máquina em suas práticas atuais. Mas, para realmente explorar as possibilidades e limitações de um processo de design de PC GAMER BARATO orientado a dados, é crucial que os designers não apenas entendam, mas também se envolvam ativamente com essas tecnologias emergentes à medida que continuam evoluindo. Então, como a próxima geração está se preparando e, crucialmente, como estão sendo preparadas por suas instituições de quatro anos?

Com projetos experimentais da Web, como o Teachable Machine do Google, disponível gratuitamente on-line, os designers não precisam de conhecimentos de engenharia para treinar uma rede neural. No entanto, aqueles que obtiverem experiência prática com IA durante a escola terão uma melhor compreensão de suas possibilidades criativas, bem como de suas implicações éticas na cultura e na sociedade.

PC GAMER, PC GAMER BARATO, PLACA DE VÍDEO, PLACA DE VÍDEO QUADRO, PLACA DE VÍDEO QUADRO P400, GABINETE, GABINETE THERMALTAKE, GABINETE GAMER, MONITOR, MONITOR AOC, MONITOR 18.5

Máquina de ensino do Google: depois que um modelo aprende com muitos exemplos, com PLACA DE VÍDEO potente ele pode avaliar novos dados. Aqui, o modelo avalia uma imagem de um kiwi com base nas fotos em laranja das quais aprendeu anteriormente.

Máquina de ensino do Google: ensinar um modelo começa com vários exemplos, para que ele possa reconhecer padrões. Aqui, o modelo (Machine Learner 10000) mostra muitas fotos de laranjas, para que ele possa começar a reconhecer padrões nelas.
Golan Levin, professor de arte da Universidade Carnegie Mellon e diretor do Frank-Ratchye STUDIO for Creative Inquiry, diz que a Faculdade de Arte da CMU começou a integrar o aprendizado de máquina em seu currículo, além de tornar a codificação um requisito fundamental para os estudantes de arte e design.

A universidade oferece programas híbridos de graduação em ciência da computação e arte, onde os estudantes se especializam em belas artes e aprendizado de máquina, permitindo que eles explorem como essas tecnologias podem ser usadas para pesquisas artísticas.

Levin está envolvido intensamente na comunidade de código aberto nos últimos 20 anos e trabalhou com os fundadores dos kits de ferramentas de programação artística, como Open Frameworks, Processing e p5.js. Seu laboratório no campus também suporta várias iniciativas de artes e engenharia de código aberto e kits de ferramentas de desenvolvimento de software para as artes.

“Acreditamos que é importante que artistas, designers e outras pessoas criativas se sentem à mesa e descubram o que os sistemas de IA podem fazer, quais riscos eles acarretam e que estejam dispostos a expressar as possibilidades que eles oferecem e prever o futuro, começando a usá-los o mais cedo possível. ”A natureza interdisciplinar da Faculdade de Arte da CMU significa que os estudantes de arte e design podem mergulhar na pesquisa e nos recursos dos robustos departamentos de ciência da computação e aprendizado de máquina da universidade, além de institutos de robótica e interação humano-computador.

Teenie Harris Archive Investigation (atual de 2016). Este projeto utiliza aprendizado de máquina para ajudar a analisar e rotular o Teenie Harris Archive, uma coleção muito grande de vida afro-americana no século 20, mantida pelo Carnegie Museum of Art.

PC GAMER, PC GAMER BARATO, PLACA DE VÍDEO, PLACA DE VÍDEO QUADRO, PLACA DE VÍDEO QUADRO P400, GABINETE, GABINETE THERMALTAKE, GABINETE GAMER, MONITOR, MONITOR AOC, MONITOR 18.5

No entanto, integrar cursos de codificação e aprendizado de máquina em um currículo de arte ou design não é tão fácil para uma escola de arte independente quanto para uma universidade de pesquisa como a CMU. Anastasia Raina, professora assistente da Rhode Island School of Design, descobriu que a implementação de um currículo de aprendizado de máquina para artistas e designers vem com desafios únicos.

“A exploração da aplicação do aprendizado de máquina para a arte tem sido bastante limitada, pois é um processo extremamente demorado”, explica ela. “Com o software Adobe, fomos condicionados a ver resultados imediatamente, enquanto que com o aprendizado de máquina, o processo pode levar semanas e geralmente exige solução de problemas constante. Depois de todo o esforço, o resultado estético pode ficar aquém das esperanças do artista. “

O aprendizado de máquina com PLACA DE VÍDEO QUADRO é intensivo em processador, contando com hardware personalizado capaz de treinar um modelo a partir de um conjunto de dados composto de 1.000 a 10.000 imagens. À medida que o hardware rapidamente se torna obsoleto, as máquinas também precisam de atualizações frequentes da GPU, juntamente com a configuração do ambiente que requer conhecimento de Python.

“É por isso que estamos buscando parcerias educacionais com empresas que oferecem soluções de IA / ML baseadas na nuvem, liberando os alunos para experimentar o aprendizado de máquina com apenas o mínimo código em Python. Os alunos poderiam então inventar novos métodos de implementar o aprendizado de máquina em arte e design e, ainda mais importante, permitir uma reflexão crítica sobre as implicações dessa tecnologia no design, através da interface prática com a tecnologia. ”

“Nuvem Profunda” (2018). O estudante de doutorado em arquitetura Ardavan Bidgoli desenvolveu o DeepCloud, uma ferramenta de design generativa orientada a dados para nuvens de pontos. O projeto usa aprendizado de máquina para ajudar um designer humano. Foi apresentado no NeurIPS 2018.

Até agora, a RISD vem trabalhando com o laboratório Serre, na vizinha Brown University, para criar workshops sobre aprendizado de máquina. Os projetos incluíram o treinamento de redes neurais para criar novos tipos de letra, misturando mais de 600 fontes, coautor de texto como uma forma de publicação experimental e revelando preconceitos de gênero inerentes aos conjuntos de dados do ImageNet. Raina espera continuar promovendo o aprendizado de máquina como uma colaboração entre designer e máquina e como fonte de inspiração, aprimoramento criativo, design generativo e desconfiança.

Embora o sonho de Raina de ter um espaço dedicado à pesquisa de design de IA no campus ainda esteja fora de alcance, outras escolas de design começaram a incorporar o aprendizado de máquina em seu currículo. Aaron Hill é professor assistente de visualização de dados na Parsons School for Design e é o diretor do Mestrado em Ciências na visualização de dados da Escola de Arte, Mídia e Tecnologia. “Eu venho de uma formação muito quantitativa e analítica”, diz ele, “sou estatístico por profissão, de modo que é uma contratação estranha de faculdade para uma escola de arte e design.”

PC GAMER, PC GAMER BARATO, PLACA DE VÍDEO, PLACA DE VÍDEO QUADRO, PLACA DE VÍDEO QUADRO P400, GABINETE, GABINETE THERMALTAKE, GABINETE GAMER, MONITOR, MONITOR AOC, MONITOR 18.5

Mas, dado que o trabalho de Hill geralmente se encontra na interseção da arte e ciência, ele estava em uma boa posição para ajudar a estabelecer o programa de pós-graduação em dados vis. “Quando o programa foi lançado, começamos a pensar em disciplinas eletivas que não serviriam apenas para o programa de visualização de dados, mas todos os estudantes de pós-graduação da Parsons”, explica Hill, “o aprendizado de máquina com PLACA DE VÍDEO QUADRO P400 foi uma das primeiras eletivas óbvias que precisávamos oferecer, porque tornar-se uma ferramenta essencial para a forma como coletamos informações, como as filtramos e também como interagimos com o mundo. ”

“BirdGAN: uma representação de sonho e pesadelo das criaturas tolas que chamamos de pássaros”, Oscar Dadfar, Hai Pham, Yang Yang
Como 90% dos alunos da turma de Hill são designers e não cientistas de dados, o conhecimento prévio da programação é um pré-requisito pouco aplicado. Hill explica: “Nós usamos principalmente o Python no curso, que é uma linguagem fácil de aprender, mesmo que você nunca o tenha usado antes.

Tivemos muitas pessoas que fazem o curso com experiência apenas em Javascript ou Processamento que escolhem o Python muito rapidamente. ”Embora os designers provavelmente não se tornem engenheiros de aprendizado de máquina depois de fazer um curso, eles oferecem a oportunidade de se sentirem confortáveis ​​com usando dados, aprenda a definir e aprimorar algoritmos e a entender a saída o suficiente para avaliar qualquer problema de desempenho. “Ele realmente leva você a todas as etapas desse processo e acho que coloca os designers em um lugar muito melhor para projetar com a tecnologia em mente e reconhecer as maneiras pelas quais ela pode ser realmente boa para o mundo e também pode ser realmente perigosa para a indústria. o mundo.”

“Encontrar um espaço latente para a Virgem Maria”, Nico Zevallos.

O entendimento de que as máquinas de dados aprendem nunca é neutro também torna os designers mais conscientes de como os preconceitos raciais e de gênero continuam aparecendo nos sistemas de IA. Ao longo do semestre, Hill diz que introduz preconceitos em cada um dos três principais projetos, o que dá aos alunos a chance de pensar criticamente sobre o aprendizado de máquina, sobre o que gera bons dados e como reduzir o preconceito. “Muitas perguntas difíceis são levantadas ao longo do caminho e não temos vergonha de ir para lá”.

Para Hill, o maior desafio do ensino de aprendizado de máquina é encaixar todos os cursos em apenas um semestre. Ele gostaria de vê-lo estendido por um ano inteiro ou, eventualmente, criar um caminho de aprendizado de máquina que servisse efetivamente como um menor de graduação informal para designers ou estudantes no programa de dados. Ele acredita que quanto mais projetistas possuírem um forte conhecimento básico de aprendizado de máquina e puderem reconhecer seus possíveis vieses, melhor será a nossa indústria de design.

Quanto às preocupações sobre como o aprendizado de máquina mudará a natureza do design? “Acho que é uma pergunta muito válida”, diz Hill. “Todo mundo que realmente sujar as mãos com essas tecnologias e métodos subjacentes estará mais bem equipado para responder a essa pergunta em vez de viver com a resposta a essa pergunta”.

 

Fonte