• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Технологии машинного обучения в научном искусстве (сайнс-арт) XXI векаMachine Learning Technologies in Science Art of the 21st Century

Члены комитета:
Першеева Александра Дмитриевна (ФГАОУ ВО "Национальный исследовательский университет "Высшая школа экономики", кандидат искусствоведения, председатель комитета), Орлова Александра Михайловна (ФГАОУ ВО "Российский государственный гуманитарный университет", кандидат философских наук, член комитета), Очеретяный Константин Алексеевич (ФГБОУ ВО "Санкт-Петербургский государственный университет", кандидат философских наук, член комитета), Сазиков Алексей Владимирович (Российская академия художеств, кандидат искусствоведения, член комитета), Танюшина Александра Александровна (ФГБОУ ВО «Московский государственный университет имени М.В. Ломоносова», кандидат философских наук, член комитета)
Диссертация принята к предварительному рассмотрению:
8/29/2024
Диссертация принята к защите:
9/17/2024
Дисс. совет:
Совет по культурологии, искусству и дизайну
Дата защиты:
10/30/2024
С начала 2020-х годов человечество оказалось в ситуации новой научно-технической революции, связанной с так называемыми технологиями искусственного интеллекта. Речь идёт о глубоком машинном обучении и генеративных нейросетевых алгоритмах, появление которых стало наиболее заметным феноменом в этой области. Особый интерес к этим технологиям вызван тем, что автоматизация и алгоритмизация теперь затрагивают такие сферы, как искусство, дизайн и креативные практики — области, которые всегда считались прерогативой исключительно человека.Сегодня технологии машинного обучения начинают встраиваться как инструмент в самые разные направления искусства: генеративное искусство, сайнс-арт, глитч-арт, видеоарт, медиаперформанс, паблик-арт, акционизм, партисипаторное искусство, а также графический дизайн, кинематограф и коммерческая печать и многие другие. В связи с этим возникает необходимость исследовать влияние новых технологий на художественные практики и ответить на вопросы, какие новые формы и проблематику они привносят в творческий процесс и эксперименты художников. Также необходимо дополнить современные классификации медиа и компьютерного искусства, обозначая новые границы внутри художественных практик с использованием технологий машинного обучения.
В данной работе предпринимается попытка рассмотреть научное искусство, основанное на технологиях машинного обучения, как уникальный и самостоятельный феномен в контексте художественной практики компьютерного и медиаискусства. Исследование обобщает опыт учёных, как отечественных, так и зарубежных, и расширяет его в рамках научного искусства с использованием машинного обучения. Материалы, представленные в работе, дают подробное представление о специфических для этого направления практиках, фиксируют значимые персоналии художников, работающих с данными технологиями, и дополняют существующие классификации. Кроме того, они могут быть полезны в дальнейших исследованиях в области искусствознания.
Диссертация [*.pdf, 3.29 Мб] (дата размещения 8/29/2024)
Резюме [*.pdf, 761.91 Кб] (дата размещения 8/29/2024)
Summary [*.pdf, 549.76 Кб] (дата размещения 8/29/2024)

Публикации, в которых излагаются основные результаты диссертации

Миловидов С.В. Сайнс-арт и китч: компьютерное искусство на основе больших языковых моделей (смотреть на сайте журнала)
Миловидов С.В. От лаборатории к галерее: перенос принципов конструирования научного знания в произведения сайенс-арта (смотреть на сайте журнала)
Миловидов С.В. Художественные особенности произведений компьютерного искусства, созданных с использованием технологий машинного обучения (смотреть на сайте журнала)


Отзывы
Отзыв научного руководителя
Отзыв члена Комитета
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень кандидата наук в области искусства и дизайна (протокол № 2 от 30.10.2024). Решением диссертационного совета (протокол № 6 от 31.10.2024) присуждена ученая степень кандидата наук в области искусства и дизайна.
См. на ту же тему

Разработка алгоритмов построения пайплайнов машинного обучения методами обработки естественного языка основанными на данныхКандидатская диссертация

Соискатель: Трофимова Екатерина Алексеевна
Руководитель: Устюжанин Андрей Евгеньевич

Применение глубоких генеративных моделей для задач прогнозирования в машинном обученииКандидатская диссертация

Соискатель: Баранчук Дмитрий Александрович
Руководитель: Бабенко Артем Валерьевич
Дата защиты: 12/24/2024

Процессуальные формы использования элементов искусственного интеллекта в современном арбитражном и гражданском судопроизводствеКандидатская диссертация

Соискатель: Дрозд Данил Олегович
Руководитель: Гальперин Михаил Львович
Дата защиты: 6/28/2024