#4 C-LAB觀展心得

DinoMao
·
(修改过)
·
IPFS
·
本週校外參訪,一次看了《奇異點》、《dialog()》兩個展
前空軍總部的圖書館,舊名「中山堂」,1970-80年代建成

第一次到C-LAB,一到展覽園區便覺得這裡的建築很老式,感覺是會在楊德昌的電影裡看到的那種60年代建築。後來聽導覽一說,才知道原來這裡是前空軍總部。建築和科技藝術展的違和感直到離開仍未減,但能維護古蹟、善用閒置建築,也是在科技蓬勃發展下需要保存的歷史價值。

國定古蹟—舊辦公大樓,日治晚期落成

《奇異點》— 迎向奇異點的來臨

因課堂時間緊湊,導覽一小時還來不及細細觀賞,之後看數位藝術節再二訪!
簡單分享較印象深刻的展品:

《東京減點女子醫大》
背景:2018年8月,一件針對女性的嚴重結構性歧視事件再次浮上檯面。
超過九間日本醫學院長年舞弊,調降女性申請者的考試成績,以維持醫學界中以男性為主導的局面,而醫學界中的工作環境,經常被貼上「對女性而言太過吃力」的標籤。

主張:《東京減點女子醫大》是由受醫學院拒絕入學的女性所成立的虛構學院,如此一來,她們使能繼續全心研讀醫學,同時滿足目本醫學界傳統上偏好男性的社會期待。立志成為醫師的男性對這所大學趨之若鶩,在這所全女性的大學中,學生將會以機器人手術系統「芙烈達•西」(Frieda Xi,即達文西手術改良版)為這些男性執行,將他們轉變為完美無缺的男性醫師。接著,這些醫生會被無人機送往全國各地的醫院,如同這所大學的「畢業生」一般。

展覽:東京減點女子醫大的入學手冊一本、醫大女性為男性醫師手術的生成照片、完美無缺的男性醫師被無人機送回的生成照片⋯⋯

心得:一開始覺得這件作品怪詭異的,但在聽完解說後覺得是對日本父權社會的無聲悲鳴。東京減點女子醫大是孕育完美無缺男性醫師的場所,正如女性孕育子嗣,且肩負著壓力需將兒女教育成優秀的大人。孩子犯錯,老師是找母親而非父親,通常找媽媽才有用;就連成年人做錯事,也會被罵:「你家教很差欸,你媽怎麼教的。」只能說,世界離男女平權還有一段路要走。

《A.l.gnite》
觀點:聚焦於AI 的使用對我們的星球所造成的環境衝擊。多項研究顯示,訓練一個大型AI模型相當於製造大量的二氧化碳排放,同時消耗大量的水並產生上噸的電子廢棄物(e-waste)。消費主義社會、大型企業的去責任化及人們的忽視,正在造成這個星球的暖化與破壞。

展覽:《A.l.gnite》以隱喻方式再現AI在全球暖化中所扮演的角色,將備受歡迎的AI 工具 ChatGPT上人們最常搜尋的一百個問題作為環境中的燃燒物。此件作品即透過視覺,呈現了我們在螢幕和鍵盤上採取的各種日常行動所衍生出的環境破壞。

幫大家問GPT為什麼養AI需要大量碳排

  1. 數據中心的能耗:AI模型需要大量的數據來進行訓練,這些數據存儲和處理都依賴數據中心。數據中心全天候運行以確保計算資源穩定,並需要冷卻系統防止過熱,這些都需要消耗大量電力。

  2. 大型模型的訓練需求:訓練AI模型,特別是像GPT-4這樣的深度學習模型,需要使用強大的圖形處理器(GPUs)和專用硬體,進行數百萬甚至數十億次的計算。這些計算量隨著模型規模的增加呈指數增長,因此需要的電力也大量上升。

  3. 推理過程的能耗:除了訓練,AI模型的日常運行(例如提供即時回應)也需要大量的推理計算。這些計算雖然相對訓練來說耗能少,但隨著AI應用的普及,這部分的能耗也不容忽視。

AI碳排放與其他產業的比較
根據一些研究,訓練一個大型的AI模型所耗的能源相當於一輛車的終身碳排放。

  1. 數據中心的能耗佔全球電力消耗的1-2%,而這個比例仍在上升,隨著AI訓練需求增加,數據中心的能源需求也將增大。

  2. AI訓練的碳排放可能相當於其他高耗能產業。例如訓練一個大型AI模型的碳足跡可以與航空旅行等高碳排放活動相當。

心得:在我們凡事問ChatGPT時,也別忘了它所產生的大量碳排正在破壞環境。AI的碳排放雖然還未超過傳統能源密集型產業,但隨著其應用和需求的增加,這將成為一個越來越受到關注的環保問題。

《dialog()》

第一次到「Dome」,它的音響還不錯,如果解析度完美就能更身歷其境了!很想躺在正中間往上看,一定會有很不一樣的視覺感受。

px_periment – Detail of Me

很喜歡這間互動式作品,是由px_periment三人團隊創作。可以切換不同風格、並拍照,還可以掃QR code帶走照片,很有趣的一件作品。

在寫程式前來看展挺不錯,除了認識科技藝術的歷史,還能看到許多優秀的洞見,也能一窺難得的code art展覽。希望日後能將生成式藝術更好地應用、結合在我的畢業專案中。





CC BY-NC-ND 4.0 授权

喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!

DinoMao課堂週記更新中
  • 来自作者
  • 相关推荐

#10 磨而不合

#9 買了第一個NFT

#8 二訪奇異點