Nell’estate 2024 la rivista October ha pubblicato il numero speciale 189, A Questionnaire on Art and Machine Learning, che ha raccolto le risposte di 24 artisti, teorici e curatori sul rapporto tra arte e intelligenza artificiale.
Il questionario era strutturato da alcune domande centrali: cosa significa oggi “fare arte” con sistemi di AI? Fino a che punto la creatività può essere mediata da algoritmi? E come cambiano le nozioni di autore, visione e intervento critico in un periodo in cui le macchine generano immagini complesse?
Il valore del dossier sta nella varietà delle posizioni raccolte che rivelano le tensioni concettuali del dibattito contemporaneo. Una fotografia per mostrare la pluralità di pratiche e riflessioni che contribuiscono a definire un nuovo approccio della creatività con l’uso dell’intelligenza artificiale.
Introduzione
All’inizio del dossier, le curatrici Michelle Kuo e Pamela M. Lee descrivono il passaggio storico avvenuto tra il 2022 e il 2023. Molti artisti temevano che l’intelligenza artificiale avrebbe “distrutto” il senso dell’arte, successivamente, invece, l’uso di immagini generate da AI è diventato pratica ordinaria per numerosi creativi, anche oltre l’ambito strettamente visivo. Questo cambiamento ha interessato gran parte delle risposte raccolte. L’AI non sostituisce l’artista, ma lo costringe a ridefinire il proprio ruolo, a ripensare il rapporto con i mezzi, i dati, il pubblico.
Una delle metafore centrali è quella dei latent spaces, gli spazi latenti in cui i modelli generativi producono immagini. Noam M. Elcott e Antonio Somaini li interpretano come nuove “griglie culturali” che, in modo spesso invisibile, strutturano ciò che possiamo vedere e pensare, Il compito dell’arte, sostengono, è usarle criticamente, non subirle. In questa direzione si colloca anche Stephanie Dinkins, che propone di affidare alle comunità emarginate il potere di plasmare l’AI con le proprie narrazioni, orientando gli algoritmi verso la cura anziché verso il controllo.
Nei paragrafi che seguono analizzo alcune delle posizioni emerse, organizzandole in quattro grandi orientamenti tematici, intesi come poli attorno a cui si dispongono molte delle risposte.
L’AI come strumento
In questa prospettiva l’intelligenza artificiale non è un agente che sottrae creatività, ma una compagna tecnica con cui instaurare un dialogo. K Allado-McDowell sottolinea come ogni pratica trasformi chi la esercita, diventiamo in parte ciò che utilizziamo. Per questo la distinzione tra “strumento” e “co-autore” diventa sfumata, l’AI agisce come estensione cognitiva, capace di far emergere dettagli, tensioni e differenze altrimenti invisibili.
Nancy Baker-Cahill insiste invece sul tema della cura. Se orientato da pratiche artistiche, il machine learning può introdurre forme di attenzione, responsabilità e inclusione nelle tecnologie quotidiane. Non basta produrre immagini convincenti, gli algoritmi devono incorporare valori relazionali e sensibilità verso la disuguaglianza.
Anche il lavoro di Holly Herndon testimonia questa direzione. Le sue sperimentazioni vocali mostrano l’AI come macchina di mediazione cognitiva: non un velo che copre, ma un filtro che aggiunge profondità, solleva nodi e apre nuove possibilità percettive.
Infine, Christopher Kulendran Thomas interpreta l’interazione con i modelli generativi come un campo di negoziazione. La creatività non consiste nel dominare l’algoritmo, ma nel guidarlo attraverso scelte di prompt, parametri e vincoli. L’AI, in questa visione, non è uno strumento passivo: è un interlocutore con cui co-costruire.
Critica e dissenso
Un secondo gruppo di interventi guarda all’AI non come partner creativo, ma come tecnologia che riproduce disuguaglianze, bias, costi ambientali e opacità strutturali.
Kate Crawford, teorica di riferimento, critica la retorica quasi mistica del latent space, ricordando che è il prodotto di statistiche e infrastrutture materiali. Per lei l’arte con AI deve interrogare la provenienza dei dataset, chi li controlla, cosa includono e cosa cancellano.
Simon Denny evidenzia invece la forza culturale degli strumenti generativi, se milioni di persone usano Midjourney, la sua estetica tende a imporsi. Di qui la sua richiesta di lavorare contro l’“incantesimo del già fatto”, introducendo disallineamenti, glitch e fratture visive come forme di critica interna.
Tishan Hsu, pioniere della media art, invita a smascherare l’illusione tecnologica, l’AI non è magia ma ingegneria invisibile, spesso opaca. L’arte, afferma, deve tornare a interrogare ciò che vediamo, come lo vediamo e chi decide cosa viene reso visibile.
Trevor Paglen lega i modelli visivi all’infrastruttura della sorveglianza: dataset “operativi”, visione militare, sistemi di profilazione. Per questo la sua pratica tende a rendere visibile ciò che l’AI nasconde, hackerandone l’occhio e sovvertendone i presupposti.
Edward Shanken mantiene una posizione intermedia, riconosce il potenziale estetico della tecnologia, ma denuncia l’uso della retorica dell’innovazione per coprire interessi economici e istituzionali. Per lui l’arte con AI deve restare “dentro il conflitto”, critica e mai neutrale.
Visioni sperimentali
Una terza prospettiva considera l’AI non solo come tecnologia, ma come parte del tessuto culturale, un nuovo contesto espressivo da esplorare e, talvolta, da rigenerare.
Ian Cheng immagina l’AI come un “simbionte cognitivo”, capace di crescere insieme alle persone e di condividere l’esperienza del mondo. Non una fusione totale, ma una coevoluzione. L’AI come ampliamento della mente e spazio narrativo con cui costruire futuri possibili.
Michele Elam, studiosa di letteratura afroamericana, richiama la necessità di un dialogo stretto tra AI e scienze umane. L’AI, scrive, può generare forme di narrazione non lineare, una drammaturgia distribuita che supera la centralità dell’autore singolo.
Alexander Kluge propone invece una lettura storico-critica, l’AI come nuovo contrappunto alla memoria e al trauma. Le macchine non cancellano il passato, ma possono riportarlo in superficie in forme inattese e disgiunte.
Lev Manovich, figura chiave dei media digitali, analizza l’AI generativa come estensione della storia degli algoritmi visivi. I modelli riorganizzano pattern, stili e forme attraverso strutture matematiche che producono nuove estetiche culturali.
Kris Paulsen esplora le zone marginali dei modelli, aree oscure, liminali, in cui l’errore diventa terreno di ricerca e disallineamento creativo. Warren Sack introduce una lente più tecnica, dataset, interfacce e protocolli come materiali artistici. Comprendere le “API visive” diventa parte integrante della pratica.
Jennifer Gonzalez mette in guardia contro il dominio epistemico dei dataset canonici, invita a costruire spazi per estetiche marginali, non già ingegnerizzate dai centri di potere.
Infine, Amelia Winger-Bearskin ricorda che l’AI non è mai neutrale in quanto attraversata da identità, memorie e relazioni di potere. La sua prospettiva indigena e comunitaria aggiunge dimensioni politiche ed etiche spesso assenti nel dibattito.
Infrastrutture invisibili
Un quarto filone del questionario si concentra sul “dietro le quinte” dell’intelligenza artificiale: storia, infrastrutture, dataset e logiche tecniche che modellano ciò che vediamo.
Gli editori richiamano le riflessioni di Noam M. Elcott e Antonio Somaini sui latent spaces come “griglie culturali”, strutture invisibili che organizzano il visibile e a cui gli artisti devono rispondere criticamente. L’arte con AI diventa così una pratica di navigazione in ambienti epistemici opachi.
Alex Galloway insiste sulla natura politica del software. Gli algoritmi non sono strumenti neutri, ma incorporano rapporti di potere e mostrano la “materialità logica” del codice, un’architettura che produce effetti sociali.
David Joselit propone una metafora efficace, i dataset funzionano come musei. Aggregano immagini, selezionano, ordinano e escludono. L’AI eredita questa forma di curatela implicita, che stabilisce quali estetiche diventano visibili e quali restano marginali.
Christiane Paul ricorda che l’AI si inserisce nella lunga storia dell’arte digitale. La differenza non è la natura della tecnica, ma la scala, modelli addestrati sull’intera cultura visiva richiedono una riflessione curatoriale più profonda.
Fred Turner allarga lo sguardo alle infrastrutture: server, cloud, data center. L’AI non è solo una tecnologia creativa, ma un sistema materiale che ridisegna ciò che consideravamo nascosto o puramente tecnico.
Una ridefinizione dell’arte
Dal questionario emerge una costellazione di temi che attraversano in profondità il rapporto tra arte e intelligenza artificiale. Il primo riguarda la dislocazione dell’autore. L’artista non è più un individuo isolato, ma un nodo dentro una rete di modelli, dati, infrastrutture e comunità. L’atto creativo diventa una forma di negoziazione con l’ambiente tecnico-culturale in cui è immerso.
Un secondo asse contrappone superficie e struttura. Le immagini generate dall’AI appaiono come superfici visive, ma sono il prodotto di livelli profondi: dataset, filtri, omissioni, scelte di curatela. Molti contributi mettono in guardia dal rischio di lavorare solo sulla superficie senza interrogare l’architettura che la sostiene.
Una terza tensione riguarda il dilemma tra cura e estrazione. Per alcuni l’AI è soprattutto una macchina di cattura di dati, di lavoro, di immaginari, mentre altri la considerano un potenziale dispositivo relazionale, capace di restituire visibilità e storie a comunità marginalizzate.
Segue poi la questione della inscindibilità tra estetica ed etica. Nessuna immagine AI è neutra, ogni produzione ha una genealogia, un costo, un contesto politico. L’arte generativa non può sottrarsi alla responsabilità degli strumenti che utilizza.
Infine, si apre un fronte che alterna visioni simbiotiche e pratiche di resistenza. Alcuni immaginano forme di co-evoluzione con i modelli; altri cercano nei glitch, negli errori e nelle deviazioni una pratica critica capace di incrinare l’apparente naturalità della macchina. È nello spazio tra queste due tendenze che il dossier colloca la possibilità di un’estetica realmente contemporanea.
Il valore del questionario non sta tanto nel proporre una linea unitaria, quanto nel creare un luogo in cui queste tensioni possono convergere, scontrarsi e generare nuove domande. Non idealizza l’AI né la demonizza, la colloca dentro il nostro paesaggio visivo e concettuale, ricordando che le immagini “di macchina” sono ormai parte del nostro modo di percepire. Il compito dell’artista, suggeriscono molti interventi, non è quello di opporsi frontalmente né di affidarsi con fiducia ingenua, ma di intervenire negli interstizi, nelle zone d’ombra, negli scarti generativi dove può ancora nascere qualcosa di inatteso.
L’arte con AI, ricorda infine il dossier, non è un genere né un’estetica codificata. È un contesto fatto di tecniche, comunità, modelli, narrazioni e conflitti. Molte intuizioni che oggi consideriamo innovative erano già presenti, in forma embrionale, negli interventi del questionario. Ciò che cambia è la velocità con cui queste intuizioni vengono sincronizzate, condivise, trasformate.
Fonte: Michelle Kuo & Pamela M. Lee (eds.), “A Questionnaire on Art and Machine Learning,” October 189, Summer 2024, MIT Press, pp. 6–130. DOI: 10.1162/octo_a_00533 – https://www.mat.ucsb.edu/~g.legrady/academic/courses/24f255/october189.pdf
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2025).
