<div dir="ltr"><div><br></div><div style="font-size:12.8px">Digimag Journal | Issue 76 | Summer 2017</div><div style="font-size:12.8px">Smart Machines for Enhanced Arts</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">Call for papers | deadline: 1 September 2017</div><div><span style="font-size:12.8px"><a href="http://www.digicult.it/art/digimag-76-summer-2017-smart-machines-enhanced-arts/">http://www.digicult.it/art/digimag-76-summer-2017-smart-machines-enhanced-arts/</a></span><br></div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">Artificial Intelligence (AI) and Machine Learning (ML) might be considered by many as synonyms, also because they are the buzzwords of this decade. But actually they are not. They both question though, the ability of the machines to perform and complete tasks in a “smart” way, challenging human intelligence and specificity.</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">With machines becoming more and more intelligent, Machine Learning is nowadays not only an interesting and challenging topic, but also a crucial discipline. If initially computing was just a matter of calculations, now it has moved beyond simple “processing” and implies also “learning”. In the age of Big Data and IoT, machines are asked to go beyond pure programming and algorithms procedures, introducing also predictions of data, OCR and semantic analysis, learning from past experiences and adapting to external inputs, reaching out the domain of human productions and processes.</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">As Gene Kogan and Francis Tseng write in their in-development book “Machine Learning for Artists”, we can “pose today to machines a single abstract problem: determine the relationship between our observations or data, and our desired task. This can take the form of a function or model which takes in our observations, and calculates a decision from them. The model is determined from experience, by giving it a set of known pairs of observations and decisions. Once we have the model, we can make predicted outputs””.</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">So, the subject of Machine Learning and Artificial Intelligence methods more in general, are going thusly much further the technology or science fields, impacting also arts, product design, experimental fashion and creativity in general. As ML features can fit with digital arts practices, we're lead to explore the way some AI techniques can be used to enhance human performative gestures and creativity models.</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">How biological systems and machine intelligence can collaborate to create art, and which is the cultural outcome for our society? Which is the new role of creativity in this scenario? How the contemporary will face a future generation of automated artificial artists/designers, able to learn from the creatives themselves, or to have a direct impact on human creativity? Will the anthropocentric vision of the creative process behind the artistic creation, affected by new intelligent Neural Networks?</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">We look forward to hearing from you!
</div><div style="font-size:12.8px">Silvia Bertolotti and Marco Mancuso</div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px"><br></div><div><div class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><a href="http://www.digicult.it/digimag" target="_blank"></a></div></div></div></div></div></div></div></div></div>
</div>