2014 ‒ AMALIA ULMAN ‒ EXCELLENCES & PERFECTION
Per cinque mesi l’artista ha usato gli account social per mettere in scena una performance incentrata sul complesso tema della costruzione e rappresentazione della propria immagine online. Ha creato e documentato un lifestyle a uso e consumo dei propri follower, postando selfie in luoghi di lusso, una dieta da seguire rigorosamente e la documentazione di un finto intervento di mastoplastica.
https://webenact.rhizome.org/excellences-and-perfections/
2014-16 ‒ MEDIENGRUPPE BITNICK ‒ RANDOM DARKNET SHOPPER
Un bot programmato per fare acquisti sul deepweb sceglie in modo random tra numerosissimi beni disponibili, per farseli spedire presso la sede della mostra. Attraverso gli oggetti acquistati ‒ a volte semplicemente bizzarri, altre volte illegali ‒ l’opera restituisce un affresco del mercato nero online e pone la spinosa questione della responsabilità legale di azioni compiute da una macchina.
http://wwwwwwwwwwwwwwwwwwwwww.bitnik.org/r/
2017 ‒ JOANA MOLL ‒ THE DATING BROKERS
Un sito web che mostra i dati sensibili di un milione di utenti di siti di incontri, regolarmente acquistati dall’artista. Si trovano username, email, genere, ma anche orientamento sessuale, interessi, professione. Scopo del progetto è aumentare la consapevolezza sulle informazioni che forniamo online e di come queste possano essere utilizzate al di fuori del nostro controllo.
https://datadating.tacticaltech.org/
2018–IN CORSO ‒ EVAN ROTH ‒ RED LINES
Un network sul quale vengono condivisi video a infrarossi di paesaggi costieri, fruibili in streaming da chiunque, ovunque ci si trovi. Settanta video sono conservati in server che si trovano negli stessi luoghi in essi ritratti. Nel momento in cui vengono visualizzati su un monitor, una mappa restituisce il tragitto fisico percorso dal file, dal server di partenza fino al nostro terminale.
2019 ‒ TREVOR PAGLEN ‒ IMAGENET ROULETTE
Un progetto incentrato sull’intelligenza artificiale, il riconoscimento facciale e i pregiudizi trasmessi alle macchine durante le fasi del loro addestramento. Un sistema di machine learning riconosce ed etichetta i volti degli spettatori-utenti. Il risultato rende evidente quanto sia pericoloso delegare alle macchine la classificazione di esseri umani, e quanto dannosi possano essere gli effetti.
https://imagenet-roulette.paglen.com/
‒ Matteo Cremonesi
Articolo pubblicato su Artribune Magazine #52
Abbonati ad Artribune Magazine
Acquista la tua inserzione sul prossimo Artribune
Artribune è anche su Whatsapp. È sufficiente cliccare qui per iscriversi al canale ed essere sempre aggiornati