Cognitive Assemblages
Thesis project by Alessandro Mintrone - advisor: Alessio Erioli - Thesis project done @ Università di Bologna - 2020
Thesis project by Alessandro Mintrone - advisor: Alessio Erioli - Thesis project done @ Università di Bologna - 2020
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Si è partiti dal concepire gli strumenti non come mere passività
pronte all’utilizzo, ma elementi attivi dotati di una propria
agency, capaci di suggerire con la propria affordance
linee di azione privilegiate e di inibirne altre. Ribaltando il
paradigma che vuole lo strumento totalmente determinato
dall’utilizzatore e riconoscendo, come fa Simondon, la tensione
verso un’autonomia, verso l’instaurazione di un ordine
e la capacità di estendere o indirizzare l’agire umano secondo
proprie direzioni. Si è proseguito col riconoscere che
queste qualità, al crescere della complessità dello strumento,
portano all’emergenza di una tensione fra l’utilizzatore e
l’utilizzato, sfocando i confini di questa distinzione e aprendo
ad un’autorialità e una responsabilità deterritorializzata.
Si è giunti a individuare nelle reti neurali artificiali, un possibile
punto di partenza lungo questa direttrice. In particolare,
la capacità stabilire correlazioni non-lineari fra input e output
e la possibilità di costruire una rappresentazione interna,
in forma vettoriale, dello spazio del problema, consentono
al sistema di affrontare la complessità, sviluppando una risposta
generalizzabile e aperta.
Conclusioni Assemblaggi spaziali
Per rendere trattabile con le tecniche di Machine Learning
il problema della generazione spaziale, è stato necessario
passare ad una rappresentazione discreta dello spazio, definendo
un insieme ristretto di parti da cui emergesse un
vasto insieme di condizioni in un processo generativo di
tipo combinatorio, come dimostrato dalla complessità degli
aggregati mostrati nelle pagine 42 e successive. In specie,
l’algoritmo di Wave Function Collapse è servito da piattaforma
per definire un campo di possibilità esplorabile e indirizzabile
dalla rete neurale. La possibilità di definire a priori
dei vincoli di connessione e al contempo, investire la rete
neurale della scelta dell’elemento da un set di parti possibili,
rende questo algoritmo la superficie liminare, di scambio fra
l’agency del designer e quella dell’intelligenza artificiale.
162