{"id":8871,"date":"2026-03-16T18:37:25","date_gmt":"2026-03-16T18:37:25","guid":{"rendered":"https:\/\/architeles.eu\/ethics\/?p=8871"},"modified":"2026-03-17T05:08:28","modified_gmt":"2026-03-17T05:08:28","slug":"symfonia-algorytmow-etyka-i-performatyka-sztucznej-inteligencji-w-live-codingu","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2026\/03\/16\/symfonia-algorytmow-etyka-i-performatyka-sztucznej-inteligencji-w-live-codingu\/","title":{"rendered":"Symfonia Algorytm\u00f3w: Etyka i Performatyka Sztucznej Inteligencji w Live-Codingu"},"content":{"rendered":"<p><strong>Wsp\u00f3\u0142czesna scena artystyczna staje si\u0119 poligonem do\u015bwiadczalnym dla nowych form relacji cz\u0142owiek-maszyna, w kt\u00f3rej tradycyjne role tw\u00f3rcy i narz\u0119dzia ulegaj\u0105 ca\u0142kowitemu zatarciu. Live-coding to\u00a0 praktyka, kt\u00f3ra polega na pisaniu kodu \u017ar\u00f3d\u0142owego \u201ena \u017cywo\u201d na oczach widz\u00f3w, przy czym efekty tych zmian s\u0105 widoczne lub s\u0142yszalne natychmiast w postaci efekt\u00f3w wizualnych b\u0105d\u017a muzyki. Najcz\u0119\u015bciej, w \u017cyciu codziennym mo\u017cna si\u0119 z nim spotka\u0107 podczas rekrutacji na stanowiska techniczne, gdzie rekruter ocenia spos\u00f3b my\u015blenia, komunikacj\u0119 oraz odporno\u015b\u0107 na stres kandydata. Live-coding, rozumiany jako performatywne pisanie kodu jako dziedziny sztuki, ewoluuje w stron\u0119 system\u00f3w autonomicznych, gdzie modele generatywne i agenci sztucznej inteligencji staj\u0105 si\u0119 pe\u0142noprawnymi partnerami artysty, zdolnymi do improwizacji i podejmowania decyzji estetycznych. Niniejszy wpis poddaje krytycznej analizie przej\u015bcie od narz\u0119dziowej roli AI do statusu agenta (agency), badaj\u0105c przy tym pal\u0105ce problemy etyczne: od braku transparentno\u015bci g\u0142\u0119bokich sieci neuronowych (\u201eblack box\u201d), po kwestie prywatno\u015bci i anonimizacji danych publiczno\u015bci wykorzystywanych w czasie rzeczywistym w ramach interaktywnych instalacji i performans\u00f3w.<\/strong><\/p>\n<p><!--more--><\/p>\n<h2>Wst\u0119p: Kod jako \u017cywa i ewolucyjna materia<\/h2>\n<p>Live-coding wy\u0142oni\u0142 si\u0119 z radykalnej potrzeby demistyfikacji proces\u00f3w cyfrowych. Zgodnie z manifestem organizacji TOPLAP (zajmuj\u0105cej si\u0119 promocj\u0105 live-codingu w kontek\u015bcie tworzenia muzyki i wizualizacji w czasie rzeczywistym), proces tworzenia nie powinien by\u0107 ukryty przed widzem; wr\u0119cz przeciwnie \u2013 kod \u017ar\u00f3d\u0142owy staje si\u0119 elementem scenografii i narracji. Tradycyjnie polega\u0142o to na rzutowaniu ekranu programisty, co mia\u0142o na celu pokazanie, \u017ce muzyka elektroniczna nie jest odtwarzaniem gotowych plik\u00f3w, lecz \u017cywym procesem my\u015blowym. Jednak wraz z gwa\u0142town\u0105 implementacj\u0105 system\u00f3w uczenia maszynowego (Machine Learning), poj\u0119cie &#8222;\u017cywotno\u015bci&#8221; (<i>liveness<\/i>) kodu nabiera zupe\u0142nie nowego, niemal biologicznego znaczenia. Performer wpisuje fragment kodu (np. lini\u0119 basu w TidalCycles). AI analizuje ten wzorzec i generuje \u201eodpowied\u017a\u201d \u2013 kontrapunkt lub wariacj\u0119, kt\u00f3rej artysta nie zaprogramowa\u0142 bezpo\u015brednio. Artysta nie manipuluje ju\u017c tylko deterministycznymi p\u0119tlami, kt\u00f3re s\u0105 w pe\u0142ni pod jego kontrol\u0105, lecz wchodzi w z\u0142o\u017cony dialog z systemem, kt\u00f3ry posiada w\u0142asn\u0105, wyuczon\u0105 estetyk\u0119 i potrafi zaskoczy\u0107 samego tworz\u0105cego.<\/p>\n<p>Wsp\u00f3\u0142czesny performance algorytmiczny staje si\u0119 form\u0105 &#8222;cyborgizacji&#8221; sztuki. Jak zauwa\u017ca Nick Bostrom, transhumani\u015bci postrzegaj\u0105 natur\u0119 ludzk\u0105 jako projekt w toku (work-in-progress), kt\u00f3ry mo\u017cemy i powinni\u015bmy udoskonala\u0107 za pomoc\u0105 technologii. W kontek\u015bcie sceny, to udoskonalenie objawia si\u0119 jako rozszerzenie zdolno\u015bci kognitywnych artysty o moc obliczeniow\u0105 AI, co pozwala na operowanie na poziomach z\u0142o\u017cono\u015bci niedost\u0119pnych dla nieuzbrojonego ludzkiego m\u00f3zgu. Post\u0119p technologiczny pozwala nam wykracza\u0107 poza biologiczne ograniczenia, takie jak kr\u00f3tki czas \u017cycia czy limitowana moc obliczeniowa m\u00f3zgu, otwieraj\u0105c przestrze\u0144 dla &#8222;postludzkich&#8221; form ekspresji.<\/p>\n<h2>Podstawy teoretyczne: Od instrumentu do autonomicznego agenta<\/h2>\n<p>W literaturze przedmiotu kluczowym poj\u0119ciem, kt\u00f3re pozwala zrozumie\u0107 t\u0119 zmian\u0119, jest &#8222;Machine Musicianship&#8221;. Rowe (2004) sugeruje, \u017ce maszyny mog\u0105 by\u0107 projektowane nie tylko jako przeka\u017aniki sygna\u0142\u00f3w, ale jako systemy zdolne do rozumienia struktur muzycznych i interakcji z ludzkimi wykonawcami w spos\u00f3b zbli\u017cony do \u017cywych muzyk\u00f3w. W nurcie live-codingu, Anna Xamb\u00f3 (2021) wskazuje na koncepcj\u0119 &#8222;wirtualnych agent\u00f3w&#8221;, kt\u00f3rzy nie tylko asystuj\u0105, ale aktywnie wsp\u00f3\u0142tworz\u0105 utw\u00f3r, cz\u0119sto posiadaj\u0105c pewien stopie\u0144 autonomii w interpretacji kodu. Jak pokazuj\u0105 Fabrizo Festa oraz Dario Mattia systemy sztucznej inteligencji mog\u0105 te\u017c wykorzystywa\u0107 dane biometryczne publiczno\u015bci, a nast\u0119pnie przekszta\u0142ca\u0107 je na muzyk\u0119. Opracowany przez nich system SCHI (Sonify Collective Human Inteligence) pozwala na wykorzystanie czujnik\u00f3w GSR oraz pulsu do okre\u015blenia nastroju s\u0142uchaj\u0105cych i dostosowania d\u017awi\u0119ku.<\/p>\n<p>Niezwykle istotne s\u0105 tu ramy teoretyczne Diapoulisa (2023), kt\u00f3ry \u0142\u0105czy poj\u0119cie <i>liveness<\/i> z &#8222;machine listening&#8221; (s\u0142uchaniem maszynowym). Aby system AI na scenie m\u00f3g\u0142 by\u0107 uznany za etyczny i prawdziwie responsywny, musi on posiada\u0107 zdolno\u015b\u0107 do aktywnej percepcji otoczenia. Proces ten opiera si\u0119 na ekstrakcji cech (feature extraction), gdzie system analizuje w czasie rzeczywistym parametry takie jak g\u0142o\u015bno\u015b\u0107 (RMS), barwa (spectral centroid) czy g\u0119sto\u015b\u0107 zdarze\u0144 d\u017awi\u0119kowych. Je\u015bli algorytm generuje muzyk\u0119 w pr\u00f3\u017cni, bez odniesienia do akustyki sali, reakcji innych wykonawc\u00f3w czy energii t\u0142umu, traci sw\u00f3j walor performatywny. Staje si\u0119 wtedy jedynie wyrafinowanym, ale martwym odtwarzaczem z\u0142o\u017conych wzorc\u00f3w statystycznych, co stoi w sprzeczno\u015bci z ide\u0105 \u017cywego performansu.<\/p>\n<p>Przyk\u0142adem takiego zaawansowanego agenta jest system MASOM (Musical Agent based on Self-Organizing Maps). Wykorzystuje on mapy samoorganizuj\u0105ce si\u0119 (SOM; zwane tak\u017ce Mapami Kohonena) oraz modele Markowa do analizy i generowania muzyki w czasie rzeczywistym, ucz\u0105c si\u0119 stylu artysty i potrafi\u0105c na niego odpowiada\u0107 w spos\u00f3b improwizowany. MASOM nie tylko replikuje dane, ale dzi\u0119ki algorytmom afektywnym (affective computing) pr\u00f3buje modelowa\u0107 stany emocjonalne i napi\u0119cia wewn\u0105trz struktury muzycznej. To tutaj pojawia si\u0119 granica mi\u0119dzy &#8222;narz\u0119dziem&#8221; a &#8222;partnerem&#8221;. Partner AI nie tylko wykonuje polecenie, ale interpretuje intencj\u0119, co rodzi pytania o to, gdzie ko\u0144czy si\u0119 wola cz\u0142owieka, a zaczyna inwencja maszyny.<\/p>\n<h2>Problem \u201eCzarnej Skrzynki\u201d i anatomia inteligencji<\/h2>\n<p>Etyka sztucznej inteligencji w sztuce cz\u0119sto pomija kluczowy aspekt, jakim jest &#8222;wyja\u015bnialno\u015b\u0107&#8221; (Explainable AI &#8211; XAI). Kiedy performer korzysta z g\u0142\u0119bokich sieci neuronowych, takich jak modele GAN (Generative Adversarial Networks) czy Transformery, publiczno\u015b\u0107 \u2013 mimo widocznego na ekranie kodu \u2013 cz\u0119sto nie jest w stanie poj\u0105\u0107, dlaczego maszyna podj\u0119\u0142a konkretn\u0105 decyzj\u0119 estetyczn\u0105. Kod staje si\u0119 fasad\u0105, za kt\u00f3r\u0105 kryj\u0105 si\u0119 miliardy parametr\u00f3w wag sieci neuronowej, kt\u00f3rych nie da si\u0119 &#8222;przeczyta\u0107&#8221; tak, jak prostej p\u0119tli w j\u0119zyku TidalCycles.<\/p>\n<p><iframe title=\"Solstice Stream December 2023 - Atsushi Tadokoro - 2023-12-21 13:30\" width=\"600\" height=\"338\" src=\"https:\/\/www.youtube.com\/embed\/wgPf24_OQZY?start=130&amp;feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<pre style=\"background: #f4f4f4;padding: 15px;border-left: 3px solid #ccc\">Przyk\u0142adowe nagranie pokazuj\u0105ce dzia\u0142anie TidalCycles<\/pre>\n<p>Pojawia si\u0119 tu istotny problem spo\u0142eczny: je\u015bli proces tw\u00f3rczy jest ukryty w nieprzeniknionych warstwach sieci neuronowej, to czy nadal mamy do czynienia z &#8222;transparentno\u015bci\u0105&#8221;, kt\u00f3ra by\u0142a fundamentem ruchu live-coding? Chicau i Reus (2022) w swoim projekcie <i>Anatomies of Intelligence<\/i> sugeruj\u0105, \u017ce musimy poddawa\u0107 algorytmy &#8222;performatywnej sekcji zw\u0142ok&#8221; (dissection). Zamiast prezentowa\u0107 AI jako magi\u0119, artysta ma obowi\u0105zek pokazywa\u0107 jej ograniczenia, b\u0142\u0119dy i struktur\u0119 danych treningowych. Takie podej\u015bcie pozwala na krytyczn\u0105 analiz\u0119 &#8222;cia\u0142a&#8221; algorytmicznego i ujawnienie ukrytych w nim uprzedze\u0144 (bias).<\/p>\n<p>Bostrom ostrzega, \u017ce nasze ograniczenia poznawcze mog\u0105 wi\u0119zi\u0107 nas w swoistej &#8222;jaskini plato\u0144skiej&#8221;, gdzie widzimy jedynie uproszczone cienie prawdziwej rzeczywisto\u015bci obliczeniowej. W performansie AI, t\u0105 jaskini\u0105 jest interfejs u\u017cytkownika, kt\u00f3ry ukrywa prawdziw\u0105 natur\u0119 transformacji danych przed intelektem artysty i widza. Brak zrozumienia wewn\u0119trznych mechanizm\u00f3w AI mo\u017ce prowadzi\u0107 do zjawiska &#8222;technologicznego szamanizmu&#8221;, gdzie wykonawca i publiczno\u015b\u0107 jedynie przypisuj\u0105 maszynie intencje, kt\u00f3rych ta nie posiada.<\/p>\n<p>Cz\u0119sto rozwi\u0105zaniem problemu interpretowalno\u015bci jest wizualizacja przestrzeni ukrytych (latent spaces), co pozwala na pokazanie jak AI nawiguje pomi\u0119dzy r\u00f3\u017cnymi brzmieniami. Niekt\u00f3rzy arty\u015bci z kolei w pe\u0142ni akceptuj\u0105 z\u0142o\u017cono\u015b\u0107 i trudno\u015bci w wyt\u0142umaczeniu decyzji algorytm\u00f3w czyni\u0105c je integraln\u0105 cz\u0119\u015bci\u0105 wyst\u0119pu<\/p>\n<h2>Analiza krytyczna: Autorstwo, odpowiedzialno\u015b\u0107 i homogenizacja sztuki<\/h2>\n<p>Wprowadzenie AI na scen\u0119 wymusza ponowne zdefiniowanie poj\u0119\u0107 autorstwa i odpowiedzialno\u015bci. Je\u015bli system MASOM wygeneruje d\u017awi\u0119k o cz\u0119stotliwo\u015bciach wywo\u0142uj\u0105cych fizyczny dyskomfort lub l\u0119k u s\u0142uchaczy, kto ponosi za to win\u0119? Czy jest to programista, kt\u00f3ry napisa\u0142 algorytm? Czy mo\u017ce tw\u00f3rcy zbioru danych (dataset), na kt\u00f3rym system si\u0119 uczy\u0142? A mo\u017ce sama maszyna, kt\u00f3rej przyznali\u015bmy status autonomicznego agenta?<\/p>\n<p>Polemizuj\u0105c z huraoptymistycznym podej\u015bciem do technologii, nale\u017cy zauwa\u017cy\u0107 ryzyko homogenizacji sztuki. Modele generatywne ze swej natury d\u0105\u017c\u0105 do u\u015bredniania \u2013 ucz\u0105 si\u0119 na tym, co ju\u017c istnieje, i generuj\u0105 wyniki statystycznie najbardziej prawdopodobne. W live-codingu, kt\u00f3ry historycznie by\u0142 przestrzeni\u0105 b\u0142\u0119du, glitchu i radykalnego eksperymentu, AI mo\u017ce paradoksalnie sta\u0107 si\u0119 si\u0142\u0105 konserwatywn\u0105, &#8222;wyg\u0142adzaj\u0105c\u0105&#8221; artystyczne anomalie w stron\u0119 tego, co system uznaje za &#8222;poprawn\u0105 muzyk\u0119&#8221;. Istnieje realne zagro\u017cenie, \u017ce zamiast rozszerza\u0107 ludzk\u0105 kreatywno\u015b\u0107, zaczniemy j\u0105 ogranicza\u0107 do ram tego, co algorytm jest w stanie przetworzy\u0107 bez generowania b\u0142\u0119d\u00f3w.<\/p>\n<p>Ponadto, interakcja z publiczno\u015bci\u0105 w systemach AI cz\u0119sto opiera si\u0119 na zbieraniu danych biometrycznych lub behawioralnych. Jak zauwa\u017ca Sang Won Lee (2016), partycypacja publiczno\u015bci jest kluczowa dla \u017cywotno\u015bci kodu i poczucia wsp\u00f3lnoty, ale rodzi ona wyzwania etyczne zwi\u0105zane z inwigilacj\u0105. Rejestracja ruchu, analiza nat\u0119\u017cenia krzyku czy analiza wizualna t\u0142umu stawiaj\u0105 pytania o granice prywatno\u015bci w przestrzeni publicznej. Czy widzowie w klubie wyra\u017caj\u0105 \u015bwiadom\u0105 zgod\u0119 na to, by ich ruchy czy poziom stresu stawa\u0142y si\u0119 paliwem dla algorytmu generatywnego? Brak jasnych regulacji i transparentno\u015bci w tym zakresie mo\u017ce prowadzi\u0107 do nadu\u017cy\u0107 danych w celach komercyjnych lub profilowania odbiorc\u00f3w.<\/p>\n<h2>Przegl\u0105d system\u00f3w partycypacyjnych i Interactive Machine Learning<\/h2>\n<p>Wsp\u00f3\u0142czesna praktyka performatywna oferuje szereg rozwi\u0105za\u0144 maj\u0105cych na celu etyczne zaanga\u017cowanie publiczno\u015bci. Jednym z najwa\u017cniejszych narz\u0119dzi w tym obszarze jest <b>Wekinator<\/b>, stworzony przez Rebecc\u0119 Fiebrink. Jest to system do interaktywnego uczenia maszynowego (Interactive Machine Learning &#8211; IML), kt\u00f3ry pozwala artystom na mapowanie gest\u00f3w, d\u017awi\u0119k\u00f3w czy innych sygna\u0142\u00f3w wej\u015bciowych na parametry syntezy w czasie rzeczywistym. Wekinator umo\u017cliwia &#8222;trenowanie&#8221; systemu przez przyk\u0142ad, co pozwala na tworzenie intuicyjnych, niemal fizycznych relacji mi\u0119dzy ruchem a generowanym d\u017awi\u0119kiem bez konieczno\u015bci pisania skomplikowanego kodu matematycznego.<\/p>\n<p>W kontek\u015bcie partycypacji, badacze tacy jak Sang Won Lee proponuj\u0105 systemy, w kt\u00f3rych publiczno\u015b\u0107 staje si\u0119 &#8222;\u017cywym parametrem&#8221;. Wykorzystywane techniki obejmuj\u0105:<\/p>\n<ul>\n<li>Analiz\u0119 nat\u0119\u017cenia d\u017awi\u0119ku (RMS) t\u0142umu do sterowania g\u0119sto\u015bci\u0105 rytmiczn\u0105.<\/li>\n<li>Wykorzystanie Optical Flow (przep\u0142ywu optycznego) do anonimowej analizy dynamiki ruchu w sali bez identyfikacji poszczeg\u00f3lnych os\u00f3b.<\/li>\n<li>G\u0142osowanie w czasie rzeczywistym za pomoc\u0105 urz\u0105dze\u0144 mobilnych na kierunki ewolucji kodu.<\/li>\n<\/ul>\n<p>Podej\u015bcia te d\u0105\u017c\u0105 do stworzenia &#8222;zbiorowego sprawstwa&#8221; (shared agency), gdzie granica mi\u0119dzy performerem a widowni\u0105 ulega zatarciu, a system AI staje si\u0119 medium po\u015brednicz\u0105cym w tej wymianie. Jednak\u017ce, aby taka interakcja by\u0142a etyczna, niezb\u0119dna jest wizualna informacja zwrotna \u2013 widz musi rozumie\u0107, jak jego dzia\u0142anie wp\u0142ywa na system.<\/p>\n<h2>Por\u00f3wnanie modeli interakcji w performansi algorytmicznym<\/h2>\n<p>Aby lepiej zobrazowa\u0107 ewolucj\u0119 roli publiczno\u015bci i technologii, przygotowa\u0142em poni\u017csze zestawienie:<\/p>\n<table style=\"width: 100%;border-collapse: collapse;border: 1px solid #ddd\">\n<thead>\n<tr style=\"background-color: #f2f2f2\">\n<th style=\"padding: 12px;border: 1px solid #ddd\">Model<\/th>\n<th style=\"padding: 12px;border: 1px solid #ddd\">Rola Technologii<\/th>\n<th style=\"padding: 12px;border: 1px solid #ddd\">Status Publiczno\u015bci<\/th>\n<th style=\"padding: 12px;border: 1px solid #ddd\">G\u0142\u00f3wne Wyzwanie Etyczne<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Tradycyjny Live-coding<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Narz\u0119dzie (Instrument)<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Obserwator procesu<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Transparentno\u015b\u0107 kodu<\/td>\n<\/tr>\n<tr>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Agentowy (np. MASOM)<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Partner (Agent)<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">S\u0142uchacz dialogu<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Autorstwo i &#8222;Black Box&#8221;<\/td>\n<\/tr>\n<tr>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Interaktywny (Wekinator)<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Medium uczenia si\u0119<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Wsp\u00f3\u0142tw\u00f3rca (Parametr)<\/td>\n<td style=\"padding: 12px;border: 1px solid #ddd\">Prywatno\u015b\u0107 i zgoda<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Multimedia i Analiza Case Study<\/h2>\n<p>Poni\u017cej znajduje si\u0119 prezentacja systemu MASOM, kt\u00f3ry stanowi\u0142 inspiracj\u0119 dla rozwoju agent\u00f3w muzycznych. Warto zwr\u00f3ci\u0107 uwag\u0119 na spos\u00f3b, w jaki agent &#8222;s\u0142ucha&#8221; i odpowiada na improwizacj\u0119.<\/p>\n<p><iframe title=\"MASOM examples\" width=\"600\" height=\"338\" src=\"https:\/\/www.youtube.com\/embed\/cShPEZDrBsw?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<pre style=\"background: #f4f4f4;padding: 15px;border-left: 3px solid #ccc\">Analiza wideo: Prezentacja systemu MASOM (Musical Agent based on Self-Organizing Maps). \r\nWidoczna jest interakcja agenta z wykonawc\u0105 w czasie rzeczywistym. \r\nSystem analizuje struktur\u0119 audio i generuje odpowiedzi oparte na wyuczonych modelach estetycznych, \r\nwykorzystuj\u0105c mechanizmy \u201emachine listening\u201d do zachowania \u017cywotno\u015bci performansu. \r\nPokazuje to ewolucj\u0119 od prostych automat\u00f3w do z\u0142o\u017conych partner\u00f3w algorytmicznych.\r\n<\/pre>\n<h2>Konkluzja: W stron\u0119 etycznego wsp\u00f3\u0142istnienia<\/h2>\n<p>Sztuczna inteligencja w live-codingu nie mo\u017ce i nie powinna by\u0107 traktowana jako &#8222;magiczne pude\u0142ko&#8221; rozwi\u0105zuj\u0105ce problemy kreatywne za artyst\u0119. Wyzwania etyczne \u2013 od ochrony prywatno\u015bci danych biometrycznych po walk\u0119 z algorytmiczn\u0105 nieprzejrzysto\u015bci\u0105 \u2013 wymagaj\u0105 od wsp\u00f3\u0142czesnych tw\u00f3rc\u00f3w nie tylko bieg\u0142o\u015bci w pisaniu kodu, ale przede wszystkim g\u0142\u0119bokiej wra\u017cliwo\u015bci spo\u0142ecznej. Systemy oparte na interaktywnym uczeniu maszynowym, takie jak te wykorzystuj\u0105ce Wekinatora, pokazuj\u0105, \u017ce mo\u017cliwe jest stworzenie technologii, kt\u00f3ra nie wyobcowuje, lecz integruje spo\u0142eczno\u015b\u0107 wok\u00f3\u0142 wsp\u00f3lnego do\u015bwiadczenia estetycznego.<\/p>\n<p>Przej\u015bcie od cz\u0142owieka-programisty do duetu cz\u0142owiek-AI, wspieranego przez aktywn\u0105 publiczno\u015b\u0107, to nie tylko zmiana techniczna, ale fundamentalna rewolucja w sposobie rozumienia sztuki. Musimy jednak pami\u0119ta\u0107, by w pogoni za postludzkimi mo\u017cliwo\u015bciami, o kt\u00f3rych pisze Bostrom (2005), nie zgubi\u0107 tego, co w sztuce najbardziej ludzkie: potrzeby zrozumienia i autentycznego kontaktu z drugim cz\u0142owiekiem, nawet je\u015bli po\u015bredniczy w nim algorytm. Ostatecznym celem nie powinno by\u0107 zast\u0105pienie tw\u00f3rcy maszyn\u0105, lecz eksploracja nowych, hybrydowych form pi\u0119kna, kt\u00f3re zachowuj\u0105 transparentno\u015b\u0107 i szacunek dla podmiotowo\u015bci wszystkich uczestnik\u00f3w performansu.<\/p>\n<hr \/>\n<h2>Literatura<\/h2>\n<p>Rowe, R. (2004). <i>Machine musicianship<\/i>. MIT press.<\/p>\n<p>Bostrom, N. (2005). Transhumanist values. <i>Journal of Philosophical Research<\/i>, 30(Supplement), 3-14.<\/p>\n<p>Chicau, J., &amp; Reus, J. (2023). Anatomical Intelligence: Live coding as performative dissection. <i>Organised Sound<\/i>, 28(2), 290-304.<\/p>\n<p>Diapoulis, G. (2023). Liveness and machine listening in musical live coding: A conceptual framework for designing agent-based systems. <i>Proceedings of the 4th Conference on AI Music (AIMC 2023)<\/i>.<\/p>\n<p>Dziwis, D. (2021). The Anatomical Intelligence: Live Coding as Performative Dissection. <i>Proceedings of the AI Music Conference (AIMC 2021)<\/i>.<\/p>\n<p>Fiebrink, R., &amp; Cook, P. R. (2010). The Wekinator: A system for real-time, interactive machine learning in music. <i>Proceedings of the eleventh international society for music information retrieval conference (ISMIR 2010)<\/i>.<\/p>\n<p>Lee, S. W., &amp; Essl, G. (2016). Live Coding the Audience Participation. <i>Proceedings of International Conference on Live Coding<\/i>.<\/p>\n<p>Tatar, K., &amp; Pasquier, P. (2017). MASOM: A musical agent architecture based on self-organizing maps. <i>Proceedings of the International Workshop on Musical Metacreation<\/i>.<\/p>\n<p>Dario M., Fabrizio F. (2025). UMAP &#8217;25: 33rd ACM Conference on User Modeling, Adaptation and Personalization. <em>Sonify Collective Human Intelligence: A Biometric Data Approach to Real-time Sound Design in HCI.<\/em><\/p>\n<p>(WEB1) TOPLAP Manifesto Draft. https:\/\/toplap.org\/wiki\/ManifestoDraft<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Wsp\u00f3\u0142czesna scena artystyczna staje si\u0119 poligonem do\u015bwiadczalnym dla nowych form relacji cz\u0142owiek-maszyna, w kt\u00f3rej tradycyjne role tw\u00f3rcy i narz\u0119dzia ulegaj\u0105 ca\u0142kowitemu zatarciu. Live-coding to\u00a0 praktyka, kt\u00f3ra polega na pisaniu kodu \u017ar\u00f3d\u0142owego \u201ena \u017cywo\u201d na oczach widz\u00f3w, przy czym efekty tych zmian s\u0105 widoczne lub s\u0142yszalne natychmiast w postaci efekt\u00f3w wizualnych b\u0105d\u017a muzyki. Najcz\u0119\u015bciej, w \u017cyciu [&hellip;]<\/p>\n","protected":false},"author":368,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[597],"tags":[15,607,603,601,605,606,602,604],"class_list":["post-8871","post","type-post","status-publish","format-standard","hentry","category-agh-2025-26","tag-ai","tag-digitalart","tag-ethics","tag-livecoding","tag-machinelearning","tag-machinelistening","tag-performance","tag-transhumanism"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8871","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/368"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=8871"}],"version-history":[{"count":16,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8871\/revisions"}],"predecessor-version":[{"id":8935,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8871\/revisions\/8935"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=8871"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=8871"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=8871"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}