为了进一步探索自己的艺术实践，Scott 采用了深度神经网络技术。这次探索产生了极富表现力的新颖表现手法，迸发出自己的生命力。
2019青铜，50 x 75 x 25 厘米，版本 5
Scott 运用机器学习技术增强自己的创作过程，他尝试通过简单的绘图界面来探索抽象、几何式 3D 形式网络。
探索作品 “Human Allocation of Space” 的原始数字原型。单击拖动可旋转作品，从多个角度观看其效果。
Scott 运用机器学习技术增强自己的创作过程，他尝试了允许他通过简单的绘图界面来探索抽象、几何式 3D 形式的网络。
探索 Human Allocation of Space 的原始数字原型。单击并拖动以旋转作品，从多个角度观看其效果。
绘图实验 – 使用自定义损失函数在原始形式的数据集上训练 GAN（灵感来自 pix2pixHD），以建立网络的“造型语言”。训练完模型后，使用神经网络的乐趣之一就是探索审美可能性的潜在空间。在这里，我试着通过各种方式使用这个网络，了解它如何对不同的轮廓、线宽和样式做出反应。
最终的绘图（即“蓝图”）编码了重建最终雕塑所需的全部信息（只要有神经网络能对其进行解压缩或扩展）。开发最终作品的过程包括多次线条布设、加权和轮廓细化迭代，从而让我获得了心目中的理想雕塑。将绘图与最终作品进行比较以探究神经网络如何将线条解读为建立平面变化的指令，这很有启发性。
这一步通过古老的青铜铸造过程，将这件作品从纯粹的数字创作带入现实世界。使用标准 3D 软件将神经网络输出提取为多边形，然后进行 3D 打印、模制、用蜡铸模，并投入精力和费用制作陶瓷外壳，然后浇筑成视频中显示的青铜雕塑。用来打造这件作品的过程提炼了数千年的技术发展历程 – 从原始的铸造和锻造到基于先进的 GPU 训练的生成式对抗网络。
Humanity (Fall of the Damned) 2019 Dibond 档案印刷品，第 5 版
从左到右轻扫，跟随艺术家的创作之旅，看看从绘图准备到最终渲染成品的演变过程。
Scott 的“人物”数据集包括 3 万多张不同的照片，这些照片是他在工作室中历时两年时间，为不同的志愿者拍摄的。神经网络的实用性往往与训练输入数据的质量直接相关，因此精心编制这些数据对于在他的艺术实践中构建 AI 工具至关重要。
从他的绘画过程中挑选出的一些延时视频由“人物”网络（一种 NVIDIA pix2pixHD 图像到图像转换生成式对抗网络 (GAN)）转换生成。该网络不断评估每幅绘图中的线条、形状和轮廓，以确定其“标识”的人体模式，然后尽可能适当地对其进行着色和渲染。
Fall of the Damned 作品主体图像的绘制仍在进行中。最终成品画作有 2.2 米高，所以预备图的精细程度必须相当之高。由于成品图过于庞大，无法存储在 GPU 显存中，所以创作者通过神经网络将其处理成 8192x4096 块，然后再组合成 20500x15200 像素的最终大小。
Scott 是一位艺术家、教育家和创意技术专家，居住在英国伦敦。他的作品将传统技法与当代数字工具相结合，突破了具象化表现手法的界限。他获得了麻省理工学院媒体实验室的硕士学位，并在意大利佛罗伦萨学习过绘画和雕塑学术课程。除了自己的创作实践之外，Scott 还经常与其他艺术家和工作室合作，并在视觉效果、动画和游戏行业提供广泛的咨询服务。
www.scott-eaton.com
艺术家可以将 AI 用作工具、协作者或灵感源泉，在其创作过程中的不同阶段影响其艺术作品。来自世界各地的艺术家讨论小组成员将相互交流，比较他们如何将自己的美术背景与未来主义艺术实践相结合。