{[(NΦWHERE)]}

无处

NΦWHERE 所在的Latent Space是一个具有256维度的超维空间。在这个空间里，世界不是物体在空间的汇集，而是一系列的思维过程和互不相关的行为。你需要凭借一种穿越时间和空间的飞行，得以逃离这个世界而进入那一片景观，去从来没有别人去过的那个地方。

创作概念

关键词：悖论，人工智能，超出人类认知的潜在可能性，无限，

图书馆馆长博尔赫斯某天翻到一本书，书中详细描写了一个不存在的地方叫“特隆”。特隆存在于另外一个宇宙，他们的文学世界有大量想象的实物，根据诗意的需要可以随时组合或者分解。哲学性质的作品全部含有命题和反命题。他们对一个理论严格的支持和反对。

一开始我从网上开始寻找通往那里的地图，试图从每一张公开的地图中寻找蛛丝马迹，就是那些地图与对应的世界不符的地方。现实中我无数次被导航引向那些不存在的地方，一条标示在地图上但实际不存在的路。但是现在我要找的不是一条具体的路，而是所有这些错位组成的一个空间。

它叫“无处”。

AI帮我找到了它，我把数万张地图喂给AI，经过长久的学习和探索，终于得到了这个空间—一个不存在的空间。

在这个空间里，世界不是物体在空间的汇集，而是一系列的思维过程和互补相关的行为。

我的运气如此之好，还找到了这个无限空间的黄金分割线—NΦWHERE

严格的说NΦWHERE 并不是一条线，线是1维的指示存在于2维空间，而NΦWHERE 所在的Latent Space是一个具有256维度的超维空间。

我只能用2维的投影将它从超维空间中降维才能展示出来。

所以你看到的会是一系列的影像的变化。就好象舞者的影子一样。

机器学习算法技术原理

在当前这个阶段如果我们问人工智能具体是什么，可能会说是机器学习--线性回归--梯度下降。。等等一系列算法。从新媒体艺术从业者使用的角度，介绍人工智能技术的简单原理，与使用的思路。

什么是「NΦWHERE」

我们现在去往不同的目的地都需要导航来指引方向，但经常导航会将我们带到一个地方明明显示前方还有路但现实中却无法到达那个地方，我利用AI人工智能终于找到了那个地方，幸运的是我还找到了那些不存在地方的黄金分割点的位置。

NoWHERE 一个不存在的空间

Φ：大写，读Phi，第21个希腊字母，用于黄金分割率的符号。

NΦWHERE 是一个AI生成的空间影像装置，AI学习了数万张存在于网络空间中的地图后，生成了一系列不存在的空间并用地图呈现出来，装置所在的空间是这个“无”处的黄金分割线的一部分。

一些NΦWHERE的实例化：

Sorry, we couldn't find any posts. Please try a different search.

{[(𨛭)]}

ai city -v4

时间并不是积压在我们每个人身上的东西。回想那些曾经失去的景象的同时，也预示着即将来临的死亡景象。

我在迭代一个AI生成城市影像的生成对抗网络的时候。发现在生成的图像中一直出现一些非常有特征的东西，看起来是AI揭示出城市的另外一个表象。这次的选择他们都是远方地平线上的海市蜃楼。

这是我最早要训练的一个城市模型。

{[(舎)]}

人工智能学习了无数张城市照片后，提供给我一个新的视角观看这无休止的城市印象。我并不生活在其中任何一个空间，仅靠意识跟随AI穿越具体的街道、撕裂有限的建筑、颠覆历史的事件，消遣隐匿的场景，在揉合时间与空间的进程中，已分不清经验是确有其物还是乱梦的记忆，只能在这抽象的拟象中感受象征物的本质。

同一个网络模型下的其他形态：

{[(舎)]}

灵魂深处，记录着诸多印象（ai city）

灵魂深处，记录着诸多印象 AI city 只有在漫 ...

机器学习算法技术原理

{[(𡄢)]}

环蚀

他们人类依靠不属于自己的这些印象而存在，挥霍着身分的放弃，身为自己的时候反而总有他身之感。

我在迭代一个AI生成城市影像的生成对抗网络的时候。发现在生成的图像中一直出现一些非常有特征的东西，看起来是AI揭示出城市的另外一个表象。

这是我最早要训练的一个城市模型。

{[(舎)]}

同一个网络模型下的其他形态：

灵魂深处，记录着诸多印象（ai city）

灵魂深处，记录着诸多印象 AI city 只有在漫 ...

机器学习算法技术原理

{[(𨛭)]}

ai city -v4

他让我们像一个听别人在谈论着色彩的盲人，在知觉之外来理解这一切。

然后那些白塔就突然出现在事物的表面，创造出他们同时守护和泄露的内在之物。

我在迭代一个AI生成城市影像的生成对抗网络的时候。发现在生成的图像中一直出现一些非常有特征的东西，看起来是AI揭示出城市的另外一个表象。

这是我最早要训练的一个城市模型。

{[(舎)]}

同一个网络模型下的其他形态：

灵魂深处，记录着诸多印象（ai city）

灵魂深处，记录着诸多印象 AI city 只有在漫 ...

机器学习算法技术原理

按照想象随意创造

幻想能否创造出一个新的现实

事物并不会真正改变，我们大量制造着现实。我们采用自己熟知的原材料，在形式方面借用有效的人为之力，使结果不再雷同。

一张用松木造成的桌子是松树，也是一张桌子。我们坐在桌子旁边而不是坐在松树旁边。

我在迭代一个AI生成城市影像的生成对抗网络的时候。发现在生成的图像中出现了不同的幻象，这是AI揭示出城市的另外一个表象。这些白房子从现实中来却彰显着新的存在幻象。

下面是我最早要训练的一个城市模型。

{[(舎)]}

同一个网络模型下的其他形态：

灵魂深处，记录着诸多印象（ai city）

灵魂深处，记录着诸多印象 AI city 只有在漫 ...

机器学习算法技术原理

城市与巨像

「它啮咬大地的柱石，它是一个也是众多的大海，是深渊又是光辉，是机运又是风！谁望着它，谁就是第一次见到它，永远如此。」

-「博尔赫斯」

我在迭代一个AI生成城市影像的生成对抗网络的时候。发现在生成的图像中一直出现一些奇怪的东西，开始我以为是机器学习训练的过程中模型塌陷了，还想有没有什么办法把它规避掉，现在看起来这是不是AI揭示出城市的另外一个表象？

这是我最早要训练的一个城市模型。

{[(舎)]}

同一个网络模型下的其他形态：

灵魂深处，记录着诸多印象（ai city）

灵魂深处，记录着诸多印象 AI city 只有在漫 ...

机器学习算法技术原理

在当前这个阶段如果我们问人工智能具体是什么，可能会说是机器学习–线性回归–梯度下降。。等等一系列算法。

这里我简单的解释两个原理：

空间切割（分类）

从一堆数据中分类出两个特征。我们可以假想成这个过程是一个切割空间的过程：

空间里散落一堆随机的点，假设我们要寻找所有红色的点，通过一刀将空间分开并且红色的点都在同一侧。

但如果图形比较复杂，我们可以通过增加维度的方法。比如上图是一个二维的空间，下图是一个三维的空间，在二维空间里解决不了的问题，升高一个维度就很简单了。

机器学习可以有上万个维度。

最终训练的模型是一个高维度空间。理论上这个空间里会包含无数种分类方式。

生成、判断，迭代，逼近的方式学习（生成对抗网络）
stylegan2是一种生成对抗网络（Generative Adversarial Nets）。简单的说就是里面有俩角色，一个负责制造，一个负责判断，这个过程就像我们在三维空间里捏一个雕塑一样，制造者和判断者的最终目的是找出我们给出的雕塑（字形）所在的空间。他们采用一种慢慢逼近的方式（一些线性代数的方程）：先按照算法将我们给出的字形分成一个超维空间。制造者按照自己的算法从虚无（噪音）中抓取一些元素，交给判断者，判断者看这个元素是否在自己算法里的超维空间中，同时反馈回结果。在这个过程中通过设置损失函数慢慢的把那些不在模型超维空间的部分削减掉了。经过几千上万次的优化，最终的模型越来越接近我们给出的语料集。

每个机器学习生成的样本都有它的一个坐标，我们可以通过投影找到它们的坐标，在现实中三维空间一个点的坐标是（a1，a2，a3）那在AI的高维度潜在空间中一个样本的坐标就是（a1，a2，a3……a256），我们可以在这个空间里行走（Latent Space Walk）线性的采样就可以在影像中呈现连续过渡的视觉图像。

一般训练完网络后，随机生成一些坐标采样一下网络的状态，来做判断是否要继续训练或者找到下一步需要调整的方向。

如果出现过拟合，模型塌陷的状态，还需要回退到之前训练的某个阶段调整后重新开始。

多次调整是训练模型必要的步骤。

最终训练何时结束取决于作者的判断。保存网络模型，设置相应的参数生成需要使用的数据。这些生成的数据是无限的。每一个都相似但不同。

工具

Google Colab可以算是比较方便的机器学习训练工具了，以远程服务器和Jupyter Notebook的方式运行python脚本。一键生成和销毁运算实例，与Google drive绑定作为数据储存，是广大机器学习工作者必备的工具。

2020年我开始尝试使用GAN来做创作，也是租用Google colab开始每天训练和折腾各种各样的东西。花了一些时间尝试读代码，发现作用不多，很难完全改变GANism的影像风格。

使用colab-stylegan2生成的作品有：

在这些作品里，我尝试加入更多的除了机器学习之外的元素，比如加入算法视觉的二次处理、混合多种媒介的呈现方式、哲学的后结构主义思想作为作品骨架。。或者仅仅使用ai生成的一部分数据比如颜色数据作为算法视觉里特异的噪音模型。

无身体器官

Bodys(ape 身体図景在2020深圳当代戏剧双年展的《无器官身体》中作为舞台装置展出。我使用了多种技术，比如通过传感器直接采集舞者的形态，生成交互的影像。控制灯光照射舞者的身体产生影子，使用ai生成混合而抽象的身体図景。

{[(NΦWHERE/土掌房)]}

{[(NΦWHERE/无Φ处)]}是一个交互影像装置，通过人工智能生成的影像和定制的交互程序构建一个穿越时间、联通过去与未来的在地性想像。我使用雷达采集观众的手势触摸，划过屏幕可以将影像变成彩色的油画风格，这种交互指向的是人与自然界的交互这种形式。

NOWHERE-梯田

{[(NΦWHERE/无Φ处)]}是一个是镜像构建的沉浸式影像空间，是一个不存在的地方，“不存在”指向的是一个抽象的悖论。我将梯田的图像分别喂给人工智能程序，看人工智能生成的影像是否可以唤起人们穿越时间、联通过去与未来的在地性想像。

TheMore

现代人对科技的理解有时候相当「原始」，不乏有人把科技当作一个魅化的对象，寄予敬畏、恐惧、顺从、希望。在这层面上科技被附魅成为当代的大祭司。 TheMore 是人工智能绘制的现代技术祭祀，

20201208深圳nowhere

NΦWHERE@20201224深圳科技艺术节的卫星展场。你尽可以在这里……

什么是AI艺术？为什么要用“人工智能”来创作？

AI艺术

什么是AI艺术？为什么要用“人工智能”来创作？

我之前做过几次《以【人工智能】为例观察“科技艺术”》主题的线上分享。大概整理一下观点。

1，对ai的迷思是来自于对科技的迷思。迷思（myth）表现在大众对科技媒介形成的刻板印象。

科技迭代是当前世界最主要的话题之一。这让科技标签的文化带有一种特殊的质感：现代人对科技的理解有时候相当「原始」，人类赋予科技过多的想像，不乏有人把科技当作一个魅化的对象，寄予敬畏、恐惧、顺从、希望。

如同使用’瓷的小便池‘和“金的马桶”一样，不同的材料质感给人带来完全不同的心理感受。

2，AI艺术是「计算机艺术」的一种。本质上也是一种计算机算法。

从输入、计算、输出这三个方面都需要人的参与，
这点上与其他计算机算法艺术在技术哲学上是等效的。

3，AI艺术有其特殊的点，区别于算法艺术。

算法艺术更多的是通过设计算法处理数据，输入和输出有着直观的反馈。

而AI艺术更多的是处理输入（语料库）输出（网络模型），艺术家较少介入算法的设计，更多的是调试算法的参数。同一个ai算法可以适用于完全不同的主题。

AI艺术除了关注输入和输入，艺术家关注和调整“迭代过程”也是非常重要的部分。

我觉得使用泛AI技术来做工具。了解和研究其媒介属性是非常必要的。

现在艺术市场上跟AI相关的作品很大一部分是浅显而直接的将ai拟化或附魅成一个智能体。这对大众来说认知成本最低，调动情绪的作用最高。

还有一部分是将“ai”作为一个对象呈现世界的问题，比如算法偏见、不公平等政治议题。这也是技术哲学讨论技术与社会效益一贯的脉络。

我自己用AI的创作，一是延续我使用计算机算法创作的脉络，将ai作为一种媒介来讨论。我的主要观点是关于“实例化”的实践。实例化又是“后人类”主题下“信息与身体的关系”这个大的讨论语境。

我使用一种技术媒介（ai）创作多个不同概念的作品。但所有作品都指向同一个主题。我称之为「一小部分无限」。

这些作品在思想脉络上与「后结构主义」有一些渊源。受启发于维特根斯坦、福柯、布朗肖、博尔赫斯。。

技术上生成图像主要使用GAN类的算法比如NvidiaLabs的stylegan2 、styletransfer 等算法来进行机器学习模型训练。

机器学习算法技术原理

项目有：

无身体器官

{[(NΦWHERE/土掌房)]}

NOWHERE-梯田

TheMore

20201208深圳nowhere

NΦWHERE@20201224深圳科技艺术节的卫星展场。你尽可以在这里……

还用过Google的Ramanujan Machine 来产生过内容：

通往真理的无数条路径

一小部分无限，拉马努金机，NFT@FeralFile

讨论的主题：

一小部分无限

数码回想

AI技术媒介研究

{[(舎)]}

人工智能生成的城市印象

在不为人知的灵魂深处，记录着诸多印象，形成意识的外在本质

AI机器学习

使用人工智能的生成对抗网络，给AI输入上万张城市的图片，经过上万次训练，形成一个具有可以生成抽象城市山水图的AI

机器学习算法技术原理

创作概念

关键词：抽象，城市，印象，后现代，迷宫，人工智能，

{[(舎)]}

舎，是房屋的意思，它是“舍”的异体字，它的读音也同“舍”。这个日常用法里不长出现的字，仿佛来自另一个时空。

{[(……)]} 数学语言里常用各种括号表示某一类的集合。

当掌握了机器语言之后就发现可以将大量的符号通过编程组合控制起来。微小的符号形成宏观的状态时，就会出现单一元素不具备的特征。这在生物学里叫“涌现”。蜂群鸟群都是生物界中涌现的例子。

使用编程呈现视觉是我常用的创作方法。我用机器扩展我的感官。

最终人工智能生成的效果也很意外，明明喂给AI的数据集都是合理的透视，最终却出现了大量的具有中国山水画散点透视的效果。

回想当代人生活的城市环境：高楼大厦正是现代人的山高，拥挤的交通和人流正是城市人的水急。

机器学习提供了一个新的观察的体验。

现代人的山水，就是城市的建筑和街道，我寓情山水的水墨是新的数字技术，呈现出来的山水特征并非具体的而是抽象的形态。

在训练这个网络模型的时候，我最初的期待是要训练一个当代的“山水画”，在训练一段时间之后，它呈现出了散点透视的特征。

我沉迷于这个空间如同进入了博尔赫斯的迷宫：

「院子四周是连成一体的建筑，但建筑的组成部分形状各异，高低不一，还有各式各样的穹隆和柱子。我在这座盘错的宫殿里摸索，最初小心翼翼，后来无动于衷，最后弄得我恼火极了。它给人的印象是无休无止，难以容忍，复杂得到了荒唐的程度。营造迷宫为的是迷惑人们；它的富于对称的建筑服从于这个目的。到处是此路不通的走廊、高不可及的窗户、通向斗室或者桔井的华丽的门户、梯级和扶手朝下反装的难以置信的楼梯。另一些梯级凌空装在壮观的墙上，在穹隆迷蒙的顶端转了两三圈之后突然中断，不通向任何地方。多年来它们经常在我恶梦中出现；我已经记不清哪一个特点确有其物，哪一个是夜间乱梦的记忆。尽管坐落在秘密的沙漠之中，它的存在和保持会污染过去和未来，在某种意义上还会危及别的星球。我不想描述它；一堆杂七杂八的字句，一只老虎或者一头公牛的躯体，牙齿、器官和脑袋可怕地糜集在一起，互相联系又互相排斥，也许是那座城市的相似的形象。」

—选自博尔赫斯短篇小说《永生》