Ist eine offene Deep-Learning-Bibliothek, ähnlich TensorFlow, geschrieben in Python und Open Source. Besonders sinnvoll kann die Bibliothek eingesetzt werden, wenn mittels Transfer Learning vortrainierte KNN für eigene Aufgabenstellungen angewendet werden. Hierdurch entsteht jedoch eine Abhängigkeit von einem fremden Training.
Beschreibt ein unverhältnismäßiges Gewicht, z. B. im Training von KI, zugunsten oder gegen eine in den Daten liegende Information. Daraus können im Umkehrschluss Benachteiligungen entstehen oder unfaire Vorurteile verstetigt werden, was besonders kritisch ist, wenn die Daten als Grundlage für Entscheidungen mit (in)direkter Wirkung auf das tägliche Leben genutzt werden.
Mit einer Annotation, d. h. Anmerkung versehen. Beispielsweise kann Wissen in Form von Metadaten und Tags spezifischen Bildern oder digitalen Objekten hinzugefügt werden, um diese besser sortieren oder filtern zu können.
Kurzform für »International Image Interoperability Framework«. Eine standardisierte Schnittstelle, z. B. zum institutionsübergreifenden Austausch von Bilddaten und weiteren digitalen Objekten.
Vermenschlichung, d. h. Nicht-Menschlichem werden menschliche Eigenschaften zugeschrieben. Die Maschine soll intelligent wie der Mensch sein (oder diesen übertreffen) und dabei eine Verschaltung erhalten, die dem menschlichen Gehirn gleicht.
Das erste Working Paper »The Curator’s Machine: Clustering of Museum Collection Data through Annotation of Hidden Connection Patterns between Artworks« ist im englischen International Journal for Digital Art History in der Ausgabe 5: History of Digital Art veröffentlicht worden.
Kurzform für »Künstliches neuronales Netz«. Genau wie bei KI wird der Begriff nach dem biologischen Vorbild des menschlichen Gehirns geprägt. Hierbei bestehen die künstlichen Netze aus einem Modell von Neuronen mit dem Ziel der Informationsverarbeitung. Durch diese Benennung wird eine Vermenschlichung (Anthropomorphismus) provoziert.
Über öffentliche Bibliotheken wie Keras oder TensorFlow können KNN verwendet werden, die bereits mathematische Gewichte enthalten. Das aufwendige Training der Gewichte basiert auf dem ImageNet-Bilddatensatz welcher sich aus bis zu 14 Millionen Bildern aus dem Internet zusammensetzt, was zu einer fragwürdigen bis diskriminierenden Kategorisierung geführt hat.
Die internationale Konferenz zum Thema »Art, Museums and Digital Cultures« bringt unterschiedliche wissenschaftliche und kreative Perspektiven auf die Schnittstellen zwischen Informationstechnologien und Kunst zusammen. Veranstaltet vom MAAT-Museum Lissabon und der Universidade NOVA de Lisboa.
Das Publikationsformat reflektiert unseren aktuellen Arbeits- und Diskussionsstand innerhalb der Forschungsgruppe. Zu den geplanten Inhalten.
»Training the Archive« (2020–2023) ist ein Forschungsprojekt, das die Möglichkeiten und Risiken von KI in Bezug auf die automatisierte Strukturierung von musealen Sammlungsdaten zur Unterstützung der kuratorischen Praxis und der künstlerischen Produktion auslotet.
