Understanding AI

Donnerstag, 5. September 2019, 10:00 - 20:00
Freitag, 6. September 2019, 10:00 - 20:00
Samstag, 7. September 2019, 10:00 - 20:00
Sonntag, 8. September 2019, 10:00 - 20:00
Montag, 9. September 2019, 10:00 - 18:00
Alle Termine werden in der Mitteleuropäischen Sommerzeit (MESZ / UTC+2) angegeben.
Ars Electronica Center

Künstliche Intelligenz versus natürliche Intelligenz – worin liegen die Unterschiede, wo die Gemeinsamkeiten. Wie „denken“ Maschinen, wie lernen sie und was unterscheidet uns Menschen von Maschinen? Künstliche Intelligenz in ihrer Vielschichtigkeit steht im Zentrum des neuen Ars Electronica Center, denn diese Technologie stößt gerade eine Revolution an, deren Bedeutung für unser Leben gar nicht überschätzt werden kann. Mit der Ausstellung „Understanding Artificial Intelligence“ wollen wir unsere BesucherInnen „KI-fit“ machen und allen eine grundsätzliche Vorstellung davon vermitteln, was Künstliche Intelligenz ist, welche Anwendungen es bereits gibt und was diese schon können. Die Ausstellung zeigt etwa, wie neuronale Netze aufgebaut sind und bietet mit zahlreichen interaktiven Stationen den Besucherinnen und Besuchern die Möglichkeit, neuronale Netze auch selbst zu trainieren.

Activation Atlas
Shan Carter, Zan Armstrong, Ludwig Schubert, Ian Johnson, Chris Olah

Der Activation Atlas ist eine Methode, während der Bilderkennung Vorgänge in einem künstlichen neuronalen Netzwerk darzustellen.

Anatomy of an AI
Vladan Joler (RS), Kate Crawford (AU)

Anatomy of an AI zeigt am Beispiel von Amazon Echo die unzähligen Komponenten und Faktoren, die hinter der Produktion von künstlich intelligenten Systemen stecken.

Artificial Senses
Kim Albrecht (DE)

In Artificial Senses werden die unverarbeiteten Sensordaten von Maschinen, die uns umgeben, live visualisiert.

Chinese AI News Anchor
Xinhua

Chinas staatliche Nachrichtenagentur Xinhua präsentierte im November 2018 ihre ersten KI-Nachrichtensprecher.

Computer Vision Fails

Maschinelle Bilderkennung und -generierung kann bereits fantastische Ergebnisse hervorbringen, doch nicht immer können Maschinen fehlerfrei mit den Daten umgehen.

Ars Electronica Center's self-driving cars
Donkey Cars

Autonome Maschinen: Die selbstfahrenden Donkey Cars des Ars Electronica Center können sich ohne menschliche Steuerung von A nach B manövrieren.

Embedding Projector
TensorFlow

Der Embedding Projector von TensorFlow zeigt eine Visualisierung von Vektorräumen.

EYES
Lucas Zanotto (IT)

EYES ist eine Serie von Experimenten mit kinetischen Skulpturen.

face2face
Matthias Nießner (DE)

Das TUM Visual Computing Lab von Matthias Nießner an der Technischen Universität München experimentiert mit einer Gesichtsübertragungssoftware in Echtzeit.

Forma Fluens
Mauro Martino

Forma Fluens (lateinisch „fließende Form“) zeigt eine überlappende Sammlung von Zeichnungen, die von über einer Milliarde Personen geschaffen wurden.

GauGAN
NVIDIA – Taesung Park, Ming-Yu Liu, Ting-Chun Wang, Jun-Yan Zhu

GauGAN ist eine Anwendung, die mit wenigen Pinselstrichen in der Lage ist, komplexe Landschaften zu errechnen.

Gender Shades
Joy Buolamwini, Timnit Gebru

Joy Buolamwini und Timnit Gebru untersuchten die Voreingenommenheit von KI-Programmen in der Gesichtserkennung.

Glow
Diederik P. Kingma, Prafulla Dhariwal; OpenAI

In dieser Anwendung können durch die Benutzung eines Reglers bestimmte Äußerlichkeiten von Personen manipuliert werden.

How Animals and People See the World Differently
National Geographic

Das Video von National Geographic erklärt, wie sich das Auge im Laufe der Zeit entwickelt hat und geht der Frage nach, wie Tiere die Welt sehen könnten.

Learning to See: Gloomy Sunday
Memo Akten (TR)

Learning to See ist eine fortlaufende Reihe von Arbeiten, die modernste Algorithmen des Machine Learning verwenden, um darüber zu reflektieren, wie wir die Welt verstehen.

Keypoint Detection
Institute for Machine Learning, JKU Linz (AT)

Erleben Sie die Leistung von Deep Learning-Algorithmen in einer Live-Umgebung.

MegaPixels
Adam Harvey (US), Jules LaPlace (US)

Das Projekt zielt darauf ab, eine kritische Perspektive auf Machine Learning-Bilddatensätze zu bieten.

KI verstehen
Neural Network Training
Ars Electronica Futurelab (AT)

Trainieren Sie unterschiedliche Neural Networks und sehen sie, wie sich die künstliche Intelligenz aufgrund Ihrer Eingaben verhält.

Nonfacial Portrait
Shinseungback Kimyonghun (KR)

Maler*innen wurden eingeladen und gebeten, Porträts einer Person zu malen, das nicht von Gesichtserkennungssoftware erkannt werden kann.

Obama Deep Fake
Jordan Peele

Jordan Peele übertrug seine eigene Mimik mit Hilfe der Deep Fake-Technologie auf die Gesichtszüge von Obama.

pinocchio
Ars Electronica Futurelab (AT)

Zwei industrielle Roboterarme als Marionettenspieler. Über eine von der Forschungseinheit „Creative Robotics“ der Kunstuniversität Linz entwickelte App können Besucher*innen die beiden Roboterarme per Smartphone steuern und die daran befestigten Marionetten bewegen.

Pix2Pix: GANgadse
Ars Electronica Futurelab (AT)

Beim pix2pix-Vorgang können freie Skizzen gezeichnet werden, die von einem Conditional Generative Adversarial Network (cGAN) in Katzenbilder umgewandelt werden.

PixelPlayer
Computer Science and AI Lab, Department of Brain and Cognitive Science, MIT (US)

PixelPlayer ist ein System, das lernt, Klänge, die einzelnen Bildbereichen in Videos zugeordnet sind, zu lokalisieren.

Experimental Security Research of Tesla Autopilot
Tencent Keen Security Lab (CN)

Kann auch bei Computern die Rede von „Sinnestäuschungen“ sein?

ShadowGAN
Ars Electronica Futurelab (AT)

Das ShaodwGAN interpretiert in allem, was es sieht, Berge, selbst in der menschlichen Gestalt.

Blick durch die Augen eines Tesla-Fahrassistenten
greentheonly, DamienXVI

Die beiden Hacker greentheonly und DamienXVI haben sich über Ebay eine Entwicklerversion von Teslas Autopilot-Hardware besorgt.

The Brain Dictionary
University of California (US)

WissenschaftlerInnen der University of California in Berkeley haben eine interaktive Karte erstellt, die zeigt, welche Hirnareale auf das Hören verschiedener Wörter reagieren.

The Listening Machine
Institute of Computational Perception, JKU Linz (AT)

Kann eine Maschine „hören“ und auch „verstehen“, was sie hört?

This Person Doesn’t Exist
Tero Karras, Samuli Laine, Timo Aila

Diese Personen existieren tatsächlich nicht. Sie wurden von Grund auf von einer Maschine errechnet.

Vector Space: Prix Ars Electronica Universe
Ars Electronica Futurelab (AT)

Alle Einträge für den Prix Ars Electronica seit der Gründung des Prix-Archivs 1987 sind in diesem Netzwerk gesammelt.

Visualizing High-Dimensional Space
Experiments with Google

Dieses Video von Experiments with Google erklärt, wie ein multidimensionaler Vektorraum bei maschinellem Lernen funktioniert.

Volumetric Data Collector
Hyun Parke (KR/US), Jinoon Choi (KR), Sookyun Yang (KR)

Volumetric Data Collector basiert auf der Idee, einen LiDAR-Sensor als erweitertes Sinnesorgan des menschlichen Körpers zu verwenden.

What a Ghost Dreams Of
h.o (INT)

What a Ghost Dreams Of setzt sich mit einem neuen „Geist“ unserer Zeit auseinander: die digitale Überwachung in unserer Gesellschaft.