Content policy and access limitations on commercial neural networks as an incentive to artivism

• Stanislav Milovidov ^[1]
  1. [1] HSE University (National Research University Higher School of Economics)
• Localización: Artnodes: revista de arte, ciencia y tecnología, ISSN-e 1695-5951, Nº. 33, 2024 (Ejemplar dedicado a: Artivisme mediàtic), págs. 1-9
• Idioma: inglés
• Títulos paralelos:
  • Polítiques i limitacions d’accés a les xarxes neuronals comercials com a incentiu a l’artivisme
  • Políticas y limitaciones de acceso a las redes neuronales comerciales como incentivo al artivismo
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo emplea un método de estudio de caso para investigar la comunidad de redes neuronales del artivismo con-centrada en Twitter (desde que se cambió el nombre, de X), influenciada ideológicamente por la política de contenido y las limitaciones de OpenAI. En la actualidad, muchos jóvenes artistas que utilizan tecnologías de aprendizaje automático en sus obras de arte (Midjourney, Stable Diffusion, Kandinsky) señalan que, a pesar del progreso significativo en el campo de los generadores de red neuronal de imágenes a través de indicaciones presentes en museos y exposiciones de arte digital contemporáneo, todavía se sigue haciendo una cantidad significativa de obras de arte mediante algoritmos de texto en im-agen obsoletos creados en 2021. Actualmente, estas redes neuronales siguen siendo populares en el arte. Los motivos de la sostenibilidad de dichas prácticas se pueden encontrar en el sutil conflicto ideológico entre los artistas y OpenAI en 2021. En aquel momento, las redes neuronales aún no se habían convertido en algo generalizado, y el tema dominante eran las deep fakes, que se convirtieron en la base de un debate exhaustivo sobre las posibilidades y consecuencias de implementar algoritmos de IA en la sociedad moderna. Una serie de escándalos relacionados con el trabajo de las redes neuronales alertaron a las empresas, que temían los costes de reputación de los errores y sesgos de las redes neuronales. Al mismo tiempo, el discurso existente sobre la libertad de expresión, el pensamiento y la autoexpresión en el arte contemporáneo ha dado lugar a conflictos ideológicos, ya que los creadores han introducido restricciones en las herramientas de expresión artística. Anteriormente, las acciones de los artistas no se moderaban por medios técnicos. Así, la comunidad no aceptó este estado de la cuestión, y fruto de la cooperación y de la «inteligencia colectiva» creó, en las plataformas GitHub y Google Colab, sus propios algoritmos con código abierto, con los que todo el mundo podía realizar sus experimentos visuales. Los artistas se enfrentan a la cuestión ideológica de luchar contra el globalismo y el antiprogreso en el arte para estar fuera del sistema, pero, a su vez, rebelarse en su contra. Este proceso condujo a una división de prácticas artísticas en el arte de redes neuronales, descrito por el artista multimedia Ryan Murdock como una puerta de entrada al arte visual guiado por texto por el esfuerzo del hacker de 2021 o la generación moderna de algoritmos de texto a imágenes (después de 2022).

  • català

    Aquest article empra un mètode d’estudi de cas per investigar la comunitat de xarxes neuronals de l’artivisme concentrada en Twitter (des que es va canviar el nom, de X), influenciada ideològicament per la política de contingut i les limitacions d’OpenAI. En l’actualitat, molts joves artistes que utilitzen tecnologies d’aprenentatge automàtic en les seves obres d’art (Midjourney, Stable Diffusion, Kandinski) assenyalen que, malgrat el progrés significatiu en el camp dels generadors de xarxa neuronal d’imatges mitjançant indicacions presents a museus i exposicions d’art digital contemporani, encara es continua fent una quantitat significativa d’obres d’art mitjançant algorismes de text a imatge obsolets creats el 2021. Actualment, aquestes xarxes neuronals continuen sent populars en l’art. Els motius de la sostenibilitat d’aquestes pràctiques es poden trobar en el subtil conflicte ideològic entre els artistes i l’OpenAI el 2021. Aleshores, les xarxes neuronals encara no havien esdevingut quelcom generalitzat, i el tema dominant eren les deep fakes, que es van convertir en la base d’un debat exhaustiu sobre les possibilitats i conseqüències d’implementar algorismes d’IA en la societat moderna. Una sèrie d’escàndols relacionats amb el treball de les xarxes neuronals van alertar les empreses, que temien els costos de reputació dels errors i biaixos de les xarxes neuronals. Alhora, el discurs existent sobre la llibertat d’expressió, el pensament i l’autoexpressió en l’art contemporani ha donat lloc a conflictes ideològics, ja que els creadors han introduït restriccions en les eines d’expressió artística. Anteriorment, les accions dels artistes no es moderaven per mitjans tècnics. Així, la comunitat no va acceptar aquest estat de la qüestió, i fruit de la cooperació i de la «intel·ligència col·lectiva» va crear, en les plataformes GitHub i Google Colab, els seus propis algorismes amb codi obert, amb els quals tothom podia elaborar els seus experiments visuals. Els artistes s’enfronten a la qüestió ideològica de lluitar contra el globalisme i l’antiprogrés en l’art per estar fora del sistema, però, alhora, rebel·lar-se en contra seu. Aquest procés va conduir a una divisió de pràctiques artístiques en l’art de xarxes neuronals, descrit per l’artista multimèdia Ryan Murdock com una porta d’entrada a l’art visual guiat per text per l’esforç del hacker de 2021 o la generació moderna d’algorismes de text a imatges (després de 2022).

  • English

    This article employs a case‐study method to investigate the artivism neural network community concentrated on Twitter (since renamed X), which has been ideologically influenced by the content policy and limitations of OpenAI. Today, many young artists using machine learning technologies in their artworks (Midjourney, Stable Diffusion, Kandinsky) note that despite significant progress in the field of neural network generators of image through prompts present in museums and exhibitions of contemporary digital art, a significant number of artworks are still made chiefly using outdated text-to-image algorithms created in 2021. These neural networks continue to be popular in art to this day. The reasons for the sustainability of such practices can be found in the soft ideological conflict between artists and OpenAI in 2021. At that time, neural networks had not yet become mainstream, and the dominant theme was deep fakes, which became the basis for a comprehensive discussion about the possibilities and consequences of implementing AI algorithms in modern society. A series of scandals related to the work of neural networks alerted businesses, which feared the reputational costs of neural network errors and biases. At the same time, the existing discourse on freedom of speech, thought, and self-expression in contemporary art has led to ideological conflict, as the crea-tors have introduced constraints on tools of artistic expression. Previously, the actions of artists were not moderated by technical means. Thus, the community did not accept this state of affairs, and as a result of cooperation and “collective intelligence” created, on the GitHub and Google Colab platforms, their own algorithms with open code, with which everyone could carry out their visual experiments. Artists face the ideological question of fighting globalism and anti-progress in art to be outside the system but to riot against it. This process led to a division of artistic practises in neural network art, outlined by media artist Ryan Murdock as a gateway to text-guided visual art by the hacker effort of 2021 or the modern generation of algorithm text-to-images (after 2022).