
Генерация в нейросети / 2026 год / 0nastiia
Рубрикатор
- Концепция
- Латентное пространство и генерация цифровых криптидов
- Нейробиология искусственного интеллекта
- Ошибки видео и нейросетевая деконструкция реальности
- Выводы
[1] Концепция
Пока корпорации-гиганты вроде Google, Adobe или OpenAI, используя искусственный интеллект, изо всех сил пытаются продать нам идеальную фотореалистичную картинку , на другой стороне интернета происходит нечто гораздо более интересное. В поле независимого искусства, среди художников, дизайнеров и творцов вовсю расцветает культ ошибки, где креаторы сознательно ломают алгоритмы машины, превращая системные сбои в новый визуальный язык. В данном исследовании я осмысляю ИИ-ошибки не как изъян или погрешность, а как новый, специфический образ жуткого. Он пугает людей не скримерами и страшными монстрами, а тем, что подрывает взгляд на нашу реальность. Он обнажает момент, когда машина выходит из-под контроля, перестает мимикрировать под человека и начинает говорить на своем собственном, абсолютно чуждом нам языке.
Визуальная основа данного исследования сформирована на основе критериев концептуальной автономии ошибки и ее социокультурного резонанса. В фокус анализа попадают визуальные феномены, чье существование принципиально невозможно в рамках традиционных аналоговых и цифровых форматов. В выборку включены: случаи возникновения автономных сущностей в пространствах нейросетей , произведения независимых художников, использующих метод осознанного саботажа моделей и их алгоритмов, дефекты нейросетей при интерпретации движений в видео, искажения восприятия реальности ИИ-моделями. Мне важно отследить наличие «сопротивления алгоритма» — момента, когда машина пытается следовать человеческой логике, но из-за технических ограничений совершает ошибки, которые ложатся в основу нового вида хоррора.
Вместо хронологической структуры я выбрал концептуальный принцип рубрикации, чтобы более полно отразить динамичный характер медиа-среды. Повествовательная часть исследования построена следующим образом: от скрытых цифровых кодов латентного пространства мы переходим к физическому распаду тела, затем анализируем искажения в видео, деформацию при попытках работы с физикой, реставрацией, апскейлингом и, наконец, рассматриваем полную дезориентацию машины в пространстве и логике нашего мира, превращающуюся в безумство.
Исследование направлено на выявление механизмов трансформации нейросетевых аномалий в репрезентативные инструменты хоррора. В работе я разбираю то, каким именно образом технические ошибки ИИ становятся художественными приемами, и почему они так глубоко откликаются у зрителя. Системный сбой внутри работы искусственного интеллекта представляет собой некоторый разрыв реальности. Не справляясь с мимикрией под человеческое, машина демонстрирует собственную чуждую агентность. Человек сталкивается с чем-то одновременно очень похожим на привычное, но и одновременно чужим и нечеловеческим. Это выбивает нас из привычной картины мира, заставляя почувствовать присутствие холодного машинного разума там, где мы ожидали увидеть лишь полностью подвластный нам инструмент.
Генерация в нейросети / 2026 год / Voidstomper
[2] Латентное пространство и генерация цифровых криптидов
Чтобы разобраться в природе нейросетевого хоррора, нужно заглянуть под капот — в латентное пространство искусственного интеллекта, которое в целом похоже на цифровое бессознательное нашей культуры. Это пространство хранит огромные массивы данных, связывая их сложными математическими ассоциациями. Чтобы пробить защиту алгоритмов и добраться до скрытых слоёв этой среды, художники используют приём отрицательного взвешивания запросов. Этот метод переворачивает привычную логику ИИ: вместо генерации конкретного объекта система создаёт образ, максимально удалённый от привычных человеческих понятий. Это работает как вытеснение по Фрейду: убирая из кадра понятные вещи, мы заставляем алгоритм приближаться к самым изолированным и тёмным зонам своего «сознания», где хранятся неизведанные и порой пугающие образы.
Именно этот приём привёл шведскую художницу Стеф Мэй Свонсон к созданию Loab — сущности, которую интернет-сообщество назвало первым настоящим криптидом латентного пространства.
Генерация Loab / 2022 год / Steph Maj Swanson
Свонсон рассказала, что получила изображения Loab, используя приём отрицательного взвешивания для исследования латентного пространства ИИ. Первый запрос — «Brando::-1», то есть «максимально не похожий на актёра Марлон Брандо», — сгенерировал логотип со странной надписью. При попытке создать противоположность этому изображению с помощью подсказки «DIGITA PNTICS skyline logo::-1» нейросеть начала выдавать изображения с одной и той же женщиной средних лет — с пустыми тёмными глазами и покрасневшей кожей на щеках.
Генерация Loab / 2022 год / Steph Maj Swanson
Генерация Loab / 2022 год / Steph Maj Swanson
Свонсон применила к образу метод последовательного скрещивания изображений, смешивая каждую новую картинку со следующей. ИИ упрямо продолжал встраивать лицо этой женщины во все кадры. Каждое, даже, казалось бы, самое безобидное изображение превращалось в кровавый и жуткий кадр из фильма ужасов. Даже когда образ исчезал на несколько этапов генерации, он, подобно генетическому дефекту, внезапно появлялся вновь. Свонсон предположила, что образ Loab находится «рядом с жестокими и мрачными изображениями в массиве данных ИИ». По её мнению, область латентного пространства, где находится Loab, соседствует с пугающими образами, а изоляция этой «зоны» приводит к тому, что при смешивании используются только изображения из этой группы — поэтому каждая новая генерация выглядит столь жутко.
Генерация на основе Loab / 2022 год / Steph Maj Swanson
Генерация на основе Loab / 2022 год / Steph Maj Swanson
Похожий случай прорыва монстра из латентного пространства через алгоритмы нейросети произошёл с криптидом Crungus. Стример Гай Келли просто ввёл в генератор Craiyon выдуманное им слово crungus и обнаружил, что ИИ каждый раз с поразительной точностью рисует косматого рогатого монстра, напоминающего демона Крампуса.
Генерация Crungus / 2022 год / Guy Kelly
1. Генерация Crungus / 2022 год / itsFrankBoff 2. Генерация Crungus / 2022 год / jumpeduptelex
Предполагается, что ИИ уловил созвучие этого слова с именем сценического персонажа вокалиста рок-группы GWAR Дэйва Броки, которого зовут Oderus Urungus. Также, вероятно, нейросеть реагировала на суффикс -rungus, который в фэнтези-культуре часто ассоциируется с орками. Однако, учитывая, что слово было полностью выдуманным, поразительная консистентность и схожесть генераций в этом случае не могут не пугать.
Выступление Дэйва Броки в образе Oderus Urungus на фестивале Download / 2011 год / Gary Wolstenholme
В рассмотренных кейсах людей тревожила не столько картинка, сколько сам факт присутствия чего-то там, где этого быть не должно. Loab и Crungus пугают нас, потому что создают ощущение некой агентности внутри бездушных массивов данных. Мы, казалось бы, пишем технические запросы машине, но на самом деле выступаем в роли медиумов, проводящих спиритический сеанс в цифровой среде.
[3] Нейробиология искусственного интеллекта
Конечно, все эти галлюцинации и фантазии ИИ существуют не только в виде загадочных сущностей. Они проецируются и на знакомые, близкие и узнаваемые вещи — человеческое лицо и тело. Сбой ИИ переходит из чисто цифровой, невидимой плоскости в плоскость физического, соматического ужаса именно тогда, когда машина пытается воссоздать человеческую анатомию и терпит неудачу. Наша психика устроена удивительным образом: мы можем спокойно фиксировать логические нестыковки в тексте, поскольку он лишён физического, образного воплощения и не воздействует напрямую на базовые инстинкты. Но как только ошибки проецируются на человеческую кожу, лицо или пропорции тела, внутри нас мгновенно возникают тревога и паника.
Генерация в нейросети / 2026 год / Aleksandar Zah
Именно на этом техническом бессилии нейросетей перед живой биологией и логикой человеческого тела выросло другое направление искусства. В поисках нового взгляда на телесность художники быстро поняли, что могут использовать нейросети и их сломанную оптику восприятия. Ключевым аспектом здесь становится осознанный саботаж обучения моделей. Авторы берут небольшие, ограниченные массивы данных и намеренно недообучают модель, чтобы спровоцировать алгоритм на создание анатомического хаоса.
Серия генераций Meat Gala / 2022 год / Rob Sheridan




