不看

看到或不看到：了解视觉艺术算法策略的紧张

算法推荐是机器学习（ML）系统最受欢迎的应用之一。在诸如金融和医疗保健等高风险领域的背景下研究了算法推荐的含义，但很少关注其对艺术领域的影响。鉴于ML越来越多地在艺术领域（例如生成艺术和内容分析）中找到地位，因此我们在视觉艺术的背景下研究了算法策划的紧张局势。通过案例研究，我们描述了策划更广泛的社会文化背景的策展可能会导致道德问题，例如过分代表和错误贡献，仅举几例。为了解决其中一些问题，本文提供了设计指南。具体而言，本文概述了建议方法1）与文化利益相关者互动以构建视觉艺术策展算法，2）2）嵌入数字艺术品及其元数据中的偏见，以及3）强调建立ML在视觉艺术中使用特定法规规范的需求。从艺术品策展人采用的过程中获取提示，该论文还描述了如何通过重新校准视觉艺术策展算法来优先考虑Authenticity。本文还提出了可以重新想象的最先进的ML策展算法来赋予观众能力的方法。我们希望纸上提出的视觉引发了跨学科讨论，并铺平了促进视觉艺术算法策划改革的方式。