Berlińska LAS Art Foundation i Google Arts & Culture Lab zaprezentowały 29 września 2026 roku wyniki wspólnej wirtualnej rezydencji artystycznej. Artystki Xin Liu i Eunjo Lee stworzyły projekty, które odchodzą od prostego generowania obrazów z tekstu na rzecz symulacji biologicznych oraz badania ludzkiej percepcji. To praktyczny pokaz tego, jak modele obliczeniowe sprawdzają się w roli środowisk symulacyjnych, a nie tylko zautomatyzowanych fabryk treści.
Większość użytkowników kojarzy dziś generatywną sztuczną inteligencję z prostym schematem: wpisujemy polecenie w okno czatu, czekamy chwilę i dostajemy gotowy tekst, grafikę albo wideo. Przywykliśmy do traktowania dużych modeli jak automatów do szybkiej produkcji mediów. Pokaz zorganizowany 29 września 2026 roku przez berlińską LAS Art Foundation oraz Google Arts & Culture Lab poszedł w zupełnie innym kierunku. Efektem wspólnej rezydencji internetowej są dwa projekty badające symulację procesów biologicznych oraz strukturę języka.
Kuratorka przedsięwzięcia z ramienia Google Arts & Culture Lab, Freya Salway, postawiła przed twórczyniami zadanie zbadania wirtualnego budowania światów (digital world building) i symulacji układów żywych. Zaproszone do współpracy Xin Liu oraz Eunjo Lee potraktowały algorytmy uczenia maszynowego nie jako narzędzia do wypluwania gotowych grafik, lecz jako środowiska do zadawania pytań o naturę materii, kooperacji i percepcji.
„nom nom” Xin Liu: inteligencja bez centralnego zarządcy
Projekt przygotowany przez Xin Liu nosi tytuł nom nom. To interaktywna symulacja cząstek, która na żywo generuje organiczne, zmieniające się struktury krajobrazowe. Zamiast prosić model o wyrenderowanie gotowego widoku, Liu stworzyła środowisko, w którym kształt powstaje oddolnie, w oparciu o reguły fizyczne i biologiczne.
Od strony technicznej instalacja wykorzystuje komórkowe automaty neuronowe (Neural Cellular Automata – NCA), połączone z modelami Gemini. W strukturze NCA każda komórka ma własną mikrosieć neuronową. Pojedyncza cząstka nie zna docelowego kształtu całego obrazu ani nie słucha poleceń z centralnego węzła. Podejmuje działania wyłącznie w oparciu o stan swoich bezpośrednich sąsiadów. Liu oparła się tu na pracach badawczych Google nad sztucznym życiem (artificial life) i emergencją obliczeniową, rozwijanych m.in. przez Alexandra Mordvintseva oraz Blaise’a Agüerę y Arcasa.
W ten sposób powstał cyfrowy ekosystem. Miliony prostych agentów zderzają się, rywalizują o zasoby, zbijają w grupy i dzielą. Jak wyjaśnia autorka, celem było zbadanie inteligencji rozproszonej w cząstkach reagujących tylko na lokalne otoczenie – zamiast nadrzędnego systemu kontrolującego całość. Projekt odchodzi od wizji AGI jako jednego supermózgu i pokazuje, że w przyrodzie procesy decyzyjne przypominają raczej zachowanie roju owadów, ławicy ryb czy grzybni.
Eunjo Lee: od tradycyjnego szkicu po Sieć Indry
Drugą pracą jest In Your Eyes, Before My Own autorstwa Eunjo Lee. To wielowarstwowa instalacja, w której wirtualne krajobrazy zamieszkują trójwymiarowe, animowane sylwetki. Swoją metodę pracy Lee nazywa techno-alchemią, łącząc starożytną filozofię, lingwistykę oraz współczesną psychologię [1].
Warto zwrócić uwagę na sam potok produkcyjny (pipeline), który artystka podzieliła na konkretne etapy:
- Od szkicu do trójwymiaru: Lee zaczęła od odręcznych rysunków na papierze, które przekształciła w siatki 3D przy użyciu narzędzi Nano Banana oraz modelu wideo Google Veo.
- Przechwytywanie ruchu: Modele poruszają się w oparciu o choreografię tancerzy zarejestrowaną systemem motion capture.
- Kartografia lingwistyczna: Fonetyka koreańskiego alfabetu Hangul została nałożona na środowisko 3D, tworząc system językowy odzwierciedlający geometrię krajobrazu [1].
Podstawą teoretyczną instalacji jest metafora Sieci Indry zaczerpnięta z filozofii buddyjskiej – wizja kosmicznej sieci klejnotów, z których każdy odbija wszystkie pozostałe. Lee zestawia tę ideę z architekturą głębokich sieci neuronowych. W modelach uczenia maszynowego wiedza o całości nie spoczywa w jednym wydzielonym rejestrze, lecz wynika z układu wag i powiązań między węzłami.
Sztuczna inteligencja jako silnik symulacji
Dla osób pracujących na co dzień z kodem lub grafiką projekty te niosą konkretny wniosek. Powszechne podejście do generatywnych modeli zredukowało je do roli narzędzi do szybkiego szkicowania czy pisania prostych tekstów. Prace Liu i Lee pokazują drugą, często pomijaną stronę tej technologii: sieci neuronowe sprawdzają się przede wszystkim jako wydajne silniki symulacyjne.
Z kolei Liu zrezygnowała z generatora grafiki na rzecz automatów komórkowych, zdając się na procesy emergentne. Kiedy w dyskusjach technicznych pada pytanie o to, czy sztuczna inteligencja może być świadoma, uwaga skupia się zazwyczaj na chatbotach. Doświadczenie z nom nom przypomina, że biologia i samoorganizacja materii działają inaczej niż statystyczne dobieranie kolejnego tokena w oknie czatu.
Co to oznacza w praktyce
Dla programistów, grafików i projektantów 3D wnioski z rezydencji są jasne: sama umiejętność formułowania zapytań tekstowych staje się powszechna i traci na wartości. Realne możliwości daje budowa własnych procesów technologicznych i łączenie odrębnych narzędzi.
Zamiana odręcznego rysunku w geometrię, spięcie jej z danymi mocap, oprogramowanie zachowań cząstek małymi sieciami NCA i oparcie tego na spójnej koncepcji – to podejście, w którym modele obliczeniowe przestają być tylko filtrem generującym plik wyjściowy, a stają się materiałem konstrukcyjnym. Obie instalacje można uruchomić w przeglądarce na platformie Google Arts & Culture oraz na stronie LAS Art Foundation.
Komentarze