| Page(s) de l'article : | p. 98-111, Graphique en noir et blanc |
| Résumé : | Les algorithmes d’apprentissage automatique (machine learning) et d’apprentissage profond (deep learning) semblent permettre au design d’envisager les données calculées comme un matériau dont l’intégration dans la conception de produits et services grand public interroge les méthodes et la portée du projet de design. Les formes expérientielles que permet ce matériau sont conversationnelles et diachroniques. Elles incarnent les configurations et les architectures des échanges en mouvements, tels des objets intermédiaires permanents et dynamiques qui synthétisent l’itération entre l’intention du concepteur, le comportement de l’utilisateur et le calcul auto- apprenant de motifs. Théoriquement, la variation de ces formes est infinie. Pourtant, certaines d’entre elles, archétypales, sont récurrentes. Nous explorons la dualité entre les opportunités d’émergences en apparence infinies contre les nécessités du langage ; les opportunités d’encapacitation et les perspectives pour le projet de design. |
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesRob Pruitt in Frog, n°18 (Printemps 2019)
