[Con Eda Özbakay]
Mario Klingemann è considerato un pioniere nel campo dell'arte basata sull'intelligenza artificiale, delle reti neurali e dell'apprendimento automatico. Il suo lavoro ruota intorno alla percezione umana dell'arte e della creatività, e al modo in cui le macchine possono aumentare o emulare questi processi. Ha lavorato con numerosi istituzioni tra cui la British Library, l'Università di Cardiff e la Biblioteca pubblica di New York, ed è stato Artist in Residence presso Google Arts and Culture. Le sue opere sono state esposte al MoMA e al Metropolitan Museum of Art di New York, alla Photographers' Gallery di Londra, allo ZKM Karlsruhe e al Centre Pompidou di Parigi. Klingemann ha ricevuto il British Library Labs Artistic Award 2016 e nel 2018 ha vinto il Lumen Prize Gold Award, che celebra le opere d'arte realizzate con la tecnologia, ed è stato premiato con la Menzione d'Onore al Prix Ars Electronica 2020. La sua installazione Memories of Passersby I ha fatto la storia a marzo 2019 come prima macchina AI autonoma ad essere messa all'asta con successo da Sotheby's. I suoi progetti più recenti includono Botto, un artista decentralizzato con intelligenza artificiale e A.I.C.C.A., un cane robotico che funge da critico d'arte, la cui prima esibizione ha avuto luogo nel giugno 2023 all'Espacio SOLO (Madrid).
Quando ha iniziato a interessarsi al potenziale dell’IA come strumento creativo?
Appartengo alla prima generazione cresciuta con gli home computer e immersa da quando era ancora molto giovane nel processo di digitalizzazione che ha avuto inizio alla fine degli anni '70. A 12 anni ho ricevuto la mia prima calcolatrice programmabile e successivamente il primo home computer. Da allora sono sempre stato affascinato dalla creazione tramite codici e dall'elaborazione di immagini digitali.
Il mio primo incontro con l'intelligenza artificiale risale alla fine degli anni '90, quando mi sono imbattuto in un libro di Marvin Minsky intitolato Mentopolis in tedesco, ma credo che il titolo originale fosse The Society of Mind. Sebbene fosse un testo puramente teorico, mi affascinava l'idea di un'intelligenza separata, capace di prendere decisioni in modo autonomo o di assistermi nella ricerca. Con il senno di poi, le sue riflessioni sono diverse da quelle su cui mi baso ora, ma in quel momento trovai la prospettiva estremamente stimolante. Negli anni Novanta ci sono stati i primi esperimenti con reti neurali di dimensioni ridotte, ma erano ancora molto rudimentali, avevano principalmente un approccio matematico e non erano applicabili all'arte. In quel periodo non avevo ancora a disposizione macchine capaci di operare in un certo modo, l'intero sviluppo tecnologico non era ancora maturo.
Il mio primo progetto concreto di automazione creativa risale al 2008, quando sviluppai uno strumento generativo per la creazione di immagini. La sfida principale nell'arte generativa è la selezione dei risultati significativi tra un numero infinito di variazioni. Ho quindi lavorato per automatizzare questo processo di selezione prima dell'avvento del deep learning, ma l'idea si è concretizzato solo quando il deep learning è diventato una realtà, circa dieci anni fa. Ho trovato da subito la cosa affascinante, perché era ciò che avevo sempre voluto fare.
Il deep learning ha aperto nuove prospettive: i modelli di classificazione delle immagini emersi all'epoca erano ancora imperfetti ma estremamente promettenti, superando di gran lunga le precedenti realizzazioni. Successivamente, si è assistito a un'inversione di questo processo con l'avvento di modelli come Deep Dream di Google. Le Generative Adversarial Networks (GAN) sono arrivate poco dopo, consentendo la creazione di immagini realistiche. Ciò che ritengo fondamentale in tutto questo in tutto questo è il concetto di "latent spaces", ovvero le rappresentazioni interne apprese dai modelli per comprendere come appare il mondo e le sue connessioni, perché ci permette di esplorare spazi di immagine o di significato in modo innovativo.
