Maßgefertiges Gehäuse, 4K UHD Bildschirm, einkanaliges Video, 167 x 99 x 35 cm
Custom case, 4K UHD display, 1-channel video, 65.7 x 39.0 x 13.8 in
Tabula Rasa ist eine datenbasierte Videoinstallation. Inspiriert vom philosophischen Konzept der unbeschriebenen Tafel untersucht sie die Machine Learning Technologie des Deep Reinforcement Learning. Simuliert in einer fluiden Umgebung wird das Training eines Agents visuell in einer abstrakt-organischen Ästhetik interpretiert. Alle Bewegungsdaten wurden im Unüberwachten Lernprozess des Agents, dessen einziges Ziel in der Vorwärtsbewegung liegt, generiert.
In Anlehnung an die Theorie von Tabula rasa lernt der Agent durch die konstante Interaktion mit seiner Umwelt. Dieser agiert wie auf einem leeren Blatt Papier—ohne jegliche Erfahrung. Die einzige Motivation, sich weiterzuentwickeln und zu lernen, besteht darin, die höchstmögliche Belohnung zu erhalten. Um diesen Lernfortschritt zu visualisieren, spiegelt das Aussehen des Agents den jeweiligen Stand des Trainings wider. Die Belohnungen und die Performance der Strategie bestimmen Farbe und Erscheinung der Geometrie. Der sichtbare Fortschritt und der Zeitverbleib bis zum Trainingsabschluss werden eindeutig dargestellt. Um Abweichungen in Unüberwachten Lernprozessen zu zeigen, werden mehrere Agents parallel erzeugt. Diese interagieren jedoch nicht miteinander. Jede Ebene der begleitenden Musik ist eine Metonymie und Metapher für Ereignisse des Lebens. Es überlagert, verliert und verdichtet sich, zittert und wechselt zwischen einfach und kompliziert. Dieser Prozess ist unumkehrbar: Während der Agent lernt, sich vorwärts zu bewegen, bewegen sich Zeit und Klang ebenfalls vorwärts.
Tabula Rasa is a movement data-driven video installation. Inspired by the philosophical concept of the clean slate, it explores the technology of Deep Reinforcement Learning in machine learning. An agent’s training is visually interpreted through organic aesthetics as it is simulated in a fluid environment. As the agent’s single goal is to move forward, all motion data has been generated in its unsupervised learning process.
According to the theory of Tabula rasa, the agent learns by constantly interacting with the environment. Like on a blank sheet of paper, it starts acting without any experience. The only motivation to progress and learn is to be rewarded as high as possible. To visualize this learning progress, the agent’s appearance corresponds to the training’s state at a time. The rewards and the strategy performance determine the colors and the shape. The visible progress and the interval until the training’s completion are visualized distinctively. To demonstrate differences in unsupervised learning processes, multiple agents, spawn parallel, not interacting with each other. Each layer of the accompanying music is metonymy and a metaphor for life events. It overlaps, shakes, disappears, accumulates, shifts between simple and complicated. This process is irreversible: As the agent learns to move forward, time and sound move forward.
Konzept und Entwicklung Concept and development: Adrian Pfisterer, Robin Woern, Niklas Thran
