Gaëtan Robillard (stagiaire postdoctoral CRILCQ, Université Laval) et Renée Bourrassa (cochercheuse CRILCQ, Université Laval) organisent la journée d’étude et ateliers « Images trompeuses et modèles d’intelligence artificielle ». L’événement se tiendra les 12 et 13 octobre 2023, au Fresnoy, Studio national des arts contemporains, à Tourcoing (France) et en ligne (Zoom).
Accès en ligne
Rejoindre l’événement sur Zoom
Mot de passe : ZxBBDP4f
Description
Avec les récents développements de l’apprentissage profond (deep learning), force est de constater que les médias génératifs se hissent au rang des médias de masse. DALL·E, Midjourney et Stable Diffusion sont trois exemples de modèles qui permettent au profane de générer des images synthétiques à partir d’instructions écrites, des prompts, plus ou moins sommaires. Cette massification des médias génératifs va de pair avec une ère de l’information en crise – une ère « post-vérité » (Shepard, 2022) dans laquelle il devient difficile de distinguer le vrai du faux, aussi bien que de départager l’image authentique de l’image falsifiée (avec par exemple les images issues des technologies appelées deepfake). Dans ce contexte, des problèmes importants apparaissent : les régimes traditionnels de l’authenticité sont en crise ; il est nécessaire d’en comprendre les raisons.
Pour une part, l’entraînement des Intelligences Artificielles (IA) génératives requiert un très grand nombre de données dont l’origine ou les biais sont habituellement peu mis en avant, et dont les pratiques de travail « soulèvent de sérieuses inquiétudes d’ordre éthique, méthodologique et épistémologique » (Crawford, 2021). D’autre part, en s’opposant aux approches symboliques des algorithmes (Cardon et al., 2018), les réseaux de neurones entraînés, notamment par leur échelle, rendent particulièrement difficile leur étude critique et technique. Il faut aussi évoquer le rôle des modèles d’apprentissage profond dans le domaine de la vision-machine. Lié au pouvoir ou au contrôle, et impliquant de nouvelles stratégies de contournement comme l’obfuscation (Fourmentraux, 2023), le voir des machines entraînerait une culture visuelle dans laquelle la perception humaine ne serait plus nécessairement au centre (Paglen, 2016), ce qui n’est pas sans poser de questions.
Dès lors, comment envisager l’historicisation ou l’explicabilité des images artificielles ? Comment caractériser les nouveaux régimes d’authenticité des médias génératifs et synthétiques ? Quelles façons de faire peuvent paraître ? Même si des auteurs comme Lev Manovich, Emmanuele Arielli, ou Yuk Hui ont proposé un certain nombre d’approches, soulignons que du point de vue des images, une philosophie technique articulée à une compréhension esthétique de ces objets semble faire défaut. Ainsi, la journée d’étude entend rassembler diverses approches théoriques des modèles d’IA générative dans l’art et les médias : réseau génératif adversaire (GAN), auto encodeur variationnel (VAE), ou encore modèle de diffusion, – afin d’en dégager des formes d’authenticité. (Nous comprenons ici le terme d’authenticité à la lumière des écrits de Walter Benjamin.) Il s’agit ainsi de développer une meilleure compréhension des mécanismes activant les « puissances du faux » (Deleuze, 1985), en particulier du point de vue de l’image algorithmique, de sa production et de sa réception.
Pour résumer, l’événement se concentrera principalement sur deux aspects. Tout d’abord, nous nous intéresserons à la manière dont les pratiques artistiques contemporaines et la culture visuelle sont impactées par l’accroissement des modèles génératifs et des médias synthétiques dans l’espace informationnel, et à la manière dont ces pratiques artistiques ouvrent de nouvelles perspectives. Deuxièmement, nous nous intéresserons aux implications techniques et sociopolitiques comprises par l’utilisation de modèles d’apprentissage automatique (ou IA) et par la diffusion inhérente de contenus trompeurs dans les médias ou la sphère publique. Il s’agira notamment d’étudier les relations entre désinformation, médias génératifs et modèles informatiques.
Abstract
How to think of the historicization or the explainability of artificial images? How to characterize the new authenticity regimes of generative and synthetic media? How do artists tackle such issues? To answer these questions, the seminar brings together various theoretical approaches to generative AI models in art and media: generative adversarial network (GAN), variational autoencoder (VAE), or diffusion model, – in order to identify forms of authenticity. The event will focus on mainly two aspects. Firstly, we are interested in how visual culture and artistic practices are impacted in regards to the surge of generative models. We will look into how those artistic practices can redefine themselves in this context, leading to new perspectives. Secondly, we will focus on the technical and socio-political implications of the use of machine learning (or AI) models, in regards to the dissemination of misleading content in the media or the public sphere. This will include studying the relationships between disinformation, generative media and computer models.
Programme
8h30-9h00 Accueil
9h00-9h15 Introduction, Gaëtan Robillard et Renée Bourassa
9h15-10h30
- Kazushi Mukaiyama, « My lines drawn by AI » (en ligne)
- Terence Broad, « Artful intrusions — A hacker’s guide to generative AI »
10h30-11h00 Pause café
11h00-12h15
- Vincent Nozick, « Mesonet : Détecter la falsification de vidéos deepfakes »
- Nicolas Obin, « Deepfakes ou synthèse vocale »
12h15-14h00 Pause déjeuner
14h00-15h15
- Constantine Boussalis, « Studying images with the help of computer vision »
- Fabien Richert, « Agents conversationnels » (en ligne)
15h15-15h45 Pause café
15h45-17h00
- Olga Kisseleva, « De l’intelligence en essaim à l’intelligence artificielle, et vice versa »
- Frank Madlener, « Après l’intelligence artificielle : l’éthique, les tics et l’esthétique »
17h00-17h45 Conclusion et débat, Gaëtan Robillard et Renée Bourassa
