Glow Box stampato in 3D, una finestra in una mente artificiale
Glow Box è un oggetto ibrido stampato in 3D che infonde la vita nell’oggetto visualizzando una visualizzazione in tempo reale di una rete neurale mentre risolve i problemi. L’installazione sfrutta la natura organica dell’algoritmo di rete neurale e combina questo con l’abilità quasi magica dell’oggetto fisico di apparire illuminata senza elettricità apparente. Il risultato è qualcosa che offusca la distinzione tra reale e virtuale implorando allo spettatore di mettere in discussione questa distinzione del tutto.
Il cubo stesso è stato progettato algoritmicamente e quindi fabbricato utilizzando la stampante 3D Stratasys Polyget. Il cubo ha dimensioni di 6 “x 6” x 6 “ed è stampato in materiale otticamente trasparente (Vero Clear) che espone la struttura interna dell’oggetto. All’interno delle pareti dell’oggetto, una matrice di conduit curva per collegare la superficie inferiore del cubo alla faccia anteriore dell’oggetto. Questi condotti contengono migliaia di trefoli di fibra ottica che reindirizzano la luce da sotto per essere emessi dalla parte anteriore. Ciò consente all’oggetto analogico di servire come una sorta di display quando un’immagine o un’animazione viene proiettata sul fondo del cubo.
Questo progetto fonde insieme due progetti originali che sono stati creati, individualmente, dai due artisti. Questi progetti sono Light Path Studies di Yeseul Song e Solution Space Studies di Michael Simpson.
Yeseul Song è un’artista e ricercatrice sudcoreana con sede a New York. Usa codice ed elettronica per esplorare la percezione, l’esperienza incarnata e le rappresentazioni poetiche dei dati. Le sue opere spaziano da sculture, installazioni fisiche, schizzi digitali e performance audiovisive. Attualmente è un’artista in residenza al New Media Program di Mana Contemporary e fellow research presso l’Interactive Telecommunications Program (ITP) della NYU.
Michael Simpson è un ricercatore interdisciplinare, musicista e artista dei media con sede a New York City. Michael usa i dati in tempo reale, l’analisi algoritmica e l’apprendimento automatico come aspetti fondamentali del suo lavoro creativo. Michael è attualmente focalizzato sul tema dell’ascolto delle macchine e sui modi in cui questa area di studio può essere applicata per migliorare le opere e le prestazioni audiovisive attraverso mappature semantiche più rigorose tra le reazioni audio e visive.
