Die Entwicklung von GANs (Generative Adversarial Networks) ist rasant. Sie fordert unsere Wahrnehmung von Realität heraus. Mehr noch, die Technologie hinterfragt sie. In immer kürzeren Zeitabständen zwingt sich uns die Frage auf: was ist wahr, was nicht?
Ausgehend von diesen Überlegungen entstand die Idee zu GANcud. Statt allerdings direkt mit "Deep Fakes" erzeugenden KNNs (Künstliche Neuronale Netze) zu arbeiten, knöpfte sich GANcud Grundlegenderes vor: die Datenerzeugung. Denn ohne Daten lassen sich KNNs nicht einsetzen. Ihre Aufgabe ist immerhin, Strukturen im Datendschungel zu entdecken. Und der Urwald besteht eben aus Dateien, Ordnern und Datensets.
Die Mitmach-Installation GANcud fand im Mai '22 im Sonnenhof der Lause 10 statt. Konkretes "HandsOn" veranschaulichte den Prozess der Daten-Herstellung. Wie ging das von statten?
|0|0|0|0|00|000|0|0|0|0|0||0|00|0|0|0|0|0|0|0|0|0|0
GANcud - Futter für das GAN, zweitägige Installation
Das Event recycelte Coronamasken und gab ihnen einen neuen Sinn. Abfotografiert lieferten sie die Datenbasis für den 'Lern'prozess eines StyleGAN - der Algorithmusform, die für Deepfakes eingesetzt wird.
In den meisten Fällen werden die Daten für das Machine Learning nicht manuell generiert. Oft sind genug Sounds oder Bilder im WWW vom gewünschten Motiv verhanden. Suchalgorithmen stellen in dem Fall, das Passende zusammen. Ihr geborgener Datenschatz wird evaluiert, é voilà ein GAN kann loslegen.
Was passiert, wenn nicht genug Bilder oder Sounds vorhanden sind? Die mühselige manuelle Datenherstellung beginnt. Im Falle von Bilddaten müssen 650-1000 Bilder des Motivs her. Was, wenn das Motiv zudem nicht hübsch oder spannend ist? Dann wird die Herstellung zur Herausforderung. Genau mit der Thematik spielte die Installation.
Sie war die Herausforderung, die Masken zu sammeln, zu ordnen, fotografierbar zu machen, abzulichten und final zu formatieren.
GANcud präsentierte die Coronamasken vor ihrer Entsorgung noch einmal in ihrer ganzen "Pracht": als Teilchen, das gemeinsam mit vielen anderen ein neues Ganzes ergab, zum einen als Installation eines Gesichts, zum anderen GAN-Motiv. Last but not Least mutierte die Performance, durch den entstehenden Maskenmüllberg final eine Mahnung: Verwendet Coronamasken so sparsam wie möglich. Werft sie anschließend in den Restmüll. Tapeziert mit ihnen NICHT die Straßen.
Die Website gangud.form-f.art begleitet und ergänzt das Projekt. Um mit GANs arbeiten zu können, ist Wissen über html und Python gefragt. Genau das gilt es zu sammeln, um nicht auf Tools zurück greifen zu müssen, sondern direkt in ein GAN eingreifen zu können. Diese Seite zeigt die ersten Schritte in HTML online. Diese mit einfachsten Mitteln erstellte Page stellt Infos und Links zur Technologie zur Verfügung und dient zugleich als Projektdokumentation.
|0|0|0|0|00|000|0|0|0|0|0||0|00|0|0|0|0|0|0|0|0|0|0
Parallel zum Installationsabbau wurden die Masken einzeln abfotografiert. Damit war die Grundlage für das Machine Learning - zwei Datensets - geschaffen. Doch je größer desto besser:
Ihr könnt zur Vielfalt der Sets beitragen, indem ihr Euch aktiv an der Erweiterung beteiligt und eine oder sogar ein paar Masken im Format 1:1 fotografiert und hochladet in UNmask Open
|0|0|0|0|00|0|0|0|0|0|0||0|00|0|0|0|0|0|0|0|0|0|0
Geschichte der DeepFakes / Mixed, 2021
The Good, the Bad and the Ugly / Medium, 2019
Art based on Algorithm of R. Barrat, First AI Portrait sold at Christie's / The Verge, 2018
This Person does not exist, Github
This Artwork does not exist, Github
GAN Inventor Ian Goodfellow, 2016
|0|0|0|0|00|0|0|0|0|0|00|0|0|0|0|0|0|00|0|0|0|0|0
Du hast Fragen über Fragen und/oder interessierst Dich für das Projekt? Sehr gern via: unmaskatform-f.art
You're looking for an english version? Please let it be translated directly via browser or use DeepL.