Jesse Woolston 借助机器学习来解释和阐明我们的生理学和普遍规律，运用他的跨学科才能努力打造情感丰富的多感官艺术体验。
《Latent Colour》利用机器学习、仿真和建筑可视化技术，通过物理模拟重构颜色、艺术历史和自然流动定律。该作品使用各种动态的历史数据生成艺术的人工智能描绘，通过机器的镜头展示色彩、构图和形式的独特历史。物理模拟与 AI 描绘结合使用，在自然与机器之间创造独特的关系，重新解读观众对当代社会、自然现象和技术的看法。
艺术数据集包含由 StyleGAN2 训练的 30000 幅历史作品的公共领域描绘，经过精心策划，旨在展示抽象艺术的动态范围。从简单形式到复杂模式，人工智能光学编译了广泛实践的艺术形式的多个视角。
计算流体动力学模型将 GAN 生成的图像直接从像素映射到仿真中的流体粒子，创建色彩与构图安排的 1:1 集成。在定义空间内包含流体模型，创造海洋撞击物体的自然行为，同时支持自定义求解器模式，模拟海洋表面下的水流。
该作品的成功在于结合了建筑可视化与光线追踪图形和真实准确的建模、4K-8K 分辨率纹理、摄影测量和天空背景的光线捕捉（使用 NVIDIA GPU 显卡渲染）。
On The Nature of Light 是胰蛋白酶的数字化音频/视觉表达，由人工智能、物理模拟、环境设计和音乐作品构成。该作品阐明了人类生理学如何感知自然界中声谱、可见光谱和复杂色彩之间的区别，以及如何通过音频/视觉艺术来理解它们。
每个数据集由 30,000 张生物群落专属地理区域的独特图像构建而成，这些地理区域因生活在那里的物种而引人注目。这些数据集使用了相关国际位置中每个位置的多个状态和时间。NVIDIA StyleGAN2 生成的图像既包括晴朗的天空，又包括带动态光线和阴影的日落，这些图像可用作输入源，在物理模型中从像素映射到粒子。
物理模拟开发了一套持续、不断改进的路径，模拟数百万年自然形成的模式。模式最初比较简单，然后逐渐变得复杂，模拟冰岛的冰川图案、新西兰的河流、大峡谷的形成。
音乐作品从每个生物群落中描绘的可见光谱提取色彩的波长，将其转换为可听光谱。配乐结合了自定义的音阶和基于毕达哥拉斯数学的基波。作品可以无限地向前和向后播放，音乐素材以特定的动态声调回放，创造了视觉和声音之间的无缝关系。
渲染使用所有的摄影测量几何和纹理，以 1:1 的真实视角准确描绘自然。中央雕塑和生物群落相互变化，显示出地球动态自然的差异。
Jesse Woolston 是一位来自新西兰奥克兰的艺术家。他的视觉和听觉艺术跨媒体方法得到科学、机器和自然美学的支持。从为联合国难民工作创作音乐作品，到帮助康奈尔大学的卡尔·萨根研究所以艺术方式将他们的发现传达给更大的科学社区，Jesse 对科学交流拥有独特观点与情感考虑，因此创作出独特、严谨、颠覆、迷人的艺术体验。
Twitter | Instagram | Facebook
深入探究全球 AI 领域令人叹为观止的成就，了解这些成就实现者背后的力量。