_NOPUBLISH__

NSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFWNSFW

*https://pad.constantvzw.org/p/notas_de_los_algos_ii

*https://apologia.hamacaonline.net/rapid

*https://apologia.hamacaonline.net/rapid/annotators.php

*https://apologia.hamacaonline.net/rapid/consensus.php

*https://apologia.hamacaonline.net/rapid/hilo.php


lista de correo: https://llistes.hamacaonline.net/mailman/listinfo/promesas
lau.ige@gmail.com
fiammetta.brandajs@gmail.com
joanaetc@yahoo.es
patricio@patriciorivera.com (nsfw)
gelenjeleton@riseup.net
danielasavalli@gmail.com
hola@andreagomez.info

día 1

Quim: recuerda aprender a leer tarot -- multiplicar significados, combinatoria, conocimiento consciente y mediado de forma clara con unas instrucciones [interpretación, instrucciones]
Antoin: 3 o 4 años. Recuerda recordar. Primera experiencia de memoria. Imagen mental del tiempo pasado. [memoria / archivo-recuerdo]
Fiamenta: una película que chocó. Aprendió a pensar sobre lo que había visto. Top me, de los Who.
Jordina: Asignación de colores a los dias de la semana, para establecer una rutina. [asociación]
Patricio: entender que romper papeles y tirarlos tiene que ver con festejar. [producción colectiva de una imagen]. Y aprendizaje piramidal con su mamá: la dirección donde vivís. Pasar de un aprendizaje muy sensorial a una cosa totalmente reglada y abstracta, y sin entender la política de eso.
Daniela: en la preadolescencia, una prima hija de desaparecida. Fotos de álbumes familiares / nnostalgia / la foto que no estaba por ningún lado. [imagen ausente]
Gelen: cómo se dibuja la virgen.  Obsesión con los atributos de cada virgen. [asociación con lenguaje]
Andrea: un sueño. Pilares de casa de abuela que se caía. Descubrió dimensión emocional.[somático]
Joana: su padre hace atlas históricos. Intentar encajar con su padre. Con un niño en el cine, espíritu de la colmena. Pero el niño empezó a mirar los de al lado: toma de consciencia del ámbito social y colectivo del cine [colectivo] desaprendizaje.
Laura: Medio cautiva del hermano. Dejaba rastritos en la calle o buscaba detalles para saber volver. dimensión del tiempo-espacio
breve historia de la computer vision: 
    
    -Rosennblatt / Ojo artifical: foralizar el sistema visual homano en una máquina: El Perceptron. No se fija en la lógica o el pensamiento, sino en el aspecto material/físico de la visión. 
    se consideraba que podía aprender. Viendo. Si una máquina puede ver, es que es realmente inteligente. La programación era algo físico, y el modelo a replicar también.
    Reconcía expresiones numéricas caligráficas.
    El conjunto de números es el dataset.
MNIST database
a large database of handwritten digits that is commonly used for training various image processing systems
http://yann.lecun.com/exdb/mnist/
Más humano si el computer puede aprender a aprender (reprogramarse)

Pero Minsky & Papert dicen que el Perceptron no puede hacer XOR. (más osbre logic gates aquí -> https://possiblebodies.constantvzw.org/inventory/assets/but.jpg)
No les interesa cómo el cerebro está construido, sino lo que hace. La mejor forma para simularlo es la simulación abstracta.
Papert cree en el potencial transformador de la tecnología por su descentralización. Odia la escuela.
Proponen "the summer vision project"
David Marr: también interesado en la psicología cognitva. Publica "Vision", una teoría de la visión. Para él la frontera entre la visión humana y la artificial es fluida. Le interesa la visión temprana: el tiempo de una fijación.
Apuestan por una visión sin conciencia. Se puede activar una visión sin centralizar el cerebro. Teoría cibernética del organismo.
No se puede capturar la visión temprana.
Larry Roberts: Teoría de los Block Worlds.
Una pareja de piscologos someten a un niño durante sus primeros meses de vida a vivir sin contornos.
Sospecha de secuencia: borroso: contronos: espacialización: input
features: identificación estadística de los puntos más robustos de una imagen.

pero el problem que aparece entonces es la semántica: no sólo plástica, pero significado.
en los 2000, el problema es la búsqueda en internet.
es el momento en que los algoritmos empiezan a ser objetos comerciales.

en AT&T se recupera el proyecto caligráfico de Rosenblatt

cuestión laboral, condiciones semiótico-materiales de posibilidad, implicacione smedioambientales...etc

Li Fei Fei: imageNet, 14.000.000 imágenes.
Berger: ways of seeing ways of seeing






día 2

*escuchamos grabaciones de ayer.
tiempos: 

    02:20 (individuales, escuetas) http://localhost/glance-18/annotations.view.php?a=Friday_30th_of_November_2018_07:34:49_PM_.txt
    07:44 (grupos de 3)
    09:06 - (habitación con fe, molécula flor)
    17:10 (lo que creo que he visto)
    04:08 (cerdito:dimensionalidad relacional)

>> 
"una cosa" o "una cosa gris"  algo relacionado con el reto de la CV: cosas vs conceptos.
hablamos mucho preguntando -- la inseguridad de cuando algo ya no está: cuando se te quita de la visión, salen inseguridades. [si no lo veo no lo creo]
siempre hay una intención de intentar llegar a más, mejorar.
búsqueda de la complicidad, e ironías. se hacen bromas o se pregunta.
relacionado con la cnstrucción de conocimiento: herramientas que van a aimentar a un sistema -- en cuanto a la legitimidad: basada en la maximización de la utilidad.
 si aquí se estaban forzando los tiempos para activar la duda de la experiencia, ¿qué pasaría si el protocolo fuese diseñado de una manera más estructurada para otorgar algo relacionado con la dimensión humana". interrelaciones afectando el trabajo. entrenamiento del lector humano, ¿qué grado de descripción necesitarían las imágenes? ¿hasta qué capilaridad se llegará a describir una imagen?
 utilidad de esto: imágenes de la vida cotidiana. Vinculado con el tema de costos. Si viera tumores/tomografías para discernir patológic-no patológico. en favor d ela humanidad. 
 asepsia metodológica. que lo escriban como puedan. pero la responsabilidad educativa.
 "tpo de foto de producto": estilo. estas imágenes parecen artificiales, de archvo. con una intención. entra la moral, incluso.
 ¿qué pasaría si hubiera otro layer emotivo?
cuando se agrega el parecido: capacidad de discernir.
mirando la foto con tiempo se integra el quién ha hecho la foto. Ese dato de la foto que no está en la foto.
el afecto: antes de procesar lo que ha pasado. se ven las incapacidades o las errores. se confunde una luz con un objeto. tenía que decirlo todo muy rápido porque si pensaba, se iba. fake memory. como que lo dicho al final es mucho menos fiable. extrañamiento.
el fake memory crece con el colectivo.
la cosa-señor: respeto!
la categoría era importante: ¿un hombre? ¿río, superficie, lago?
pregunta: ¿para qué hacemos esto?
diferencia entre icolonología e iconografía. Dependencias del contexto cultural. La visión temprana nos lleva más a lo iconográfico.
frío y desangelado vs "yo no he visto eso": todos los adjetivos.
no hay un lenguaje común.  cada quien trae sus filtros.
pensando en la naturaleza del experimento: la dinámica social: algo más ruidoso. las risitas ¿qué añaden?
no qué ves sino qué emoción te despierta.
test más piscológico: descriptivo del aparato visual .. lógica de diagnóstico. O psicotécnico.
estás todo el rato pensando que lo haces mal. 
en los ejercicios en grupo, la visión se apoya: si hay una mano y alguien confirma. 
por similitud o contraste, funciona como afirmación.
cuestión de egos -- el hacerlo bien o mal, aún sigue operando. 
objetos discretos >< llamativos


consenso-disenso.
rama psicoanalítica de la cultura visual: quién dispara y quién es representado
response-ability + apparatus
dispositivo "experimento" o "tarea": ser muy específicos, llegar a más


contraplano:::

*las caras de Caltech's Vision Lab, Foros Turkopticon, Etnografía de LabelMe

* continuum de las posiciones de sujeto y condiciones semiótico-materiales de posibilidad en contextos de investigación-aprendizaje: Latour (ANT) +Harding (Materialismo histórico)+ Haraway (epistemologías situadas) + Barad (response-ability+agential cut)

>>>las primeras universidades en las que entraron ordenadores tuvieron machintosh.
había gente que se tatuaba la manzana. éramos los profesionales. Hidrogenesse: eres mac o eres pc.
había un tipo de diseño que era el bueno, y ers el de mac. el hardware y la interfaz. esa era la buena y lo demás lo cutre.
lo bonito, lo bueno, lo elegante.

el hardsware/sensor también afecta.

>>> qué corte agencial?
lo que podemos alcanzar -- low cost/low tech. los resultados son mentiras. si lo hubiera hecho otra perona con otras herramientas y otros conocimientos. son mentira,s o son "tu" verdad? 
lo que cambia es la habilidad para esconder los parches.
a nivel científico más valido.
mentira también tiene su qué.


[son tecnologías mundanas]
[y los apremdizajes impropios?]

asumir que lenguaje y mundo están alineados

observador, humano o no, produce verdad

el error al leer imágenes

cuando se consideraba que el jeroglífico como símbolo ya se podía leer -- luego el emblema -- luego la representación iconológica
cuando se entiende con la Rosetta que parte de esos gliphos era fonética, se derrumba un error que había sido muy chulo.

hemos perdido la capacidad del hebreo antiguo de tener una cantidad inmensa de cosas al mismo tiempo

li fei fei propone una incorporación del margen de error, pero con fines de eficiencia.


*conversa acerca de cómo cada unx conecta su experiencia o práctica con estas preguntas

*Experimento ii: Rapid Crowdsourcing /// o /// tensorflow a partir de 3 imágenes traídas




referentes (bibliografía, proyectos)

*repositorio de computer vision datasets http://clickdamage.com/sourcecode/cv_datasets.php

*Adrian Mackenzie: Machine Learners: archaeology of data practice http://www.research.lancs.ac.uk/portal/en/publications/machine-learners(29e299c7-8d09-4771-9c06-11fdabc4a61b).html

*The cat sits on the bed”, Pedagogies of vision in human and machine learning https://unthinking.photography/articles/the-cat-sits-on-the-bed-pedagogies-of-vision-in-human-and-machine-learning

*Machine teaching https://arxiv.org/pdf/1707.06742v2.pdf

*deep learning is eating software https://petewarden.com/2017/11/13/deep-learning-is-eating-software/

*Learning Open CV. computers that see http://www.bogotobogo.com/cplusplus/files/OReilly%20Learning%20OpenCV.pdf

*Computational logic and ecological rationality https://monoskop.org/media/text/hoerl_burton_eds_2017_general_ecology/#cha-2

*Techniques of the observer, J. Crary, https://itp.nyu.edu/classes/mindseye-spring2014/files/2015/01/Crary_Techniques.pdf

*how cheap labor drives China's AI ambitions https://www.nytimes.com/2018/11/25/business/china-artificial-intelligence-labeling.html

*Gitelman and Jackson, Raw Data is an Oxymoron

*Bowker and Star, Sorting Things Out

*a brief history of pixel https://pdfs.semanticscholar.org/f600/835b3769fff2dc22c88fedefeee9dbbc37da.pdf

*Auerbach, “The Stupidity of Computers”

*Cloning Terror: the war on images https://aaaaarg.fail/thing/546f724f334fe07053a4e44f

*Zarsky, “The Trouble with Algorithmic Decisions”

*adversarial patch https://arxiv.org/pdf/1712.09665.pdf

*O'Neil, Weapons of Math Destruction

*Buolamwini, “Algorithms Aren’t Racist. Your Skin Is just too Dark”

*Hassein, “Against Black Inclusion in Facial Recognition”

*Agüera y Arcas, Mitchell, and Todorov, “Physiognomy’s New Clothes”

*Luca, Kleinberg, and Mullainathan, “Algorithms Need Managers, Too”

*Domingos, “A Few Useful Things to Know About Machine Learning”

*Angwin, Larson, Mattu, and Kirchner, “Machine Bias”

*Hardt, Price, and Srebro, “Equality of Opportunity in Supervised Learning”

*Wattenberg, Viégas, and Hardt, “Attacking Discrimination with Smarter Machine Learning”

*Friedler, Scheidegger, and Venkatasubramanian, “On the (Im)possibility of Fairness”

*Tene and Polonetsky, “Taming the Golem: Challenges of Ethical Algorithmic Decision Making”

*Learning to align from scratch http://vis-www.cs.umass.edu/papers/nips2012_deep_congealing.pdf

*The Shape-Time Random Field for Semantic Video Labeling http://vis-www.cs.umass.edu/papers/strf_cvpr14.pdf#cite.youtube_db

*Learning generative visual models from few training examples: An incremental Bayesian approach tested on 101 object categories https://authors.library.caltech.edu/11195/1/LIFjov07.pdf

*on software, or the persistence of visual knowledge http://www.mitpressjournals.org/doi/abs/10.1162/1526381043320741

*the production of prediction: what does machine learning want? http://www.research.lancs.ac.uk/portal/en/publications/the-production-of-prediction(8c9a264b-b307-498f-95e7-6e13f97c40a4).html

*machine bias: https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing

*discriminación algorítmica? https://www.xataka.com/legislacion-y-derechos/humanos-monitorizando-algoritmos-si-en-nueva-york-ya-quieren-combatir-la-discriminacion-algoritmica

*Mitchell / Picture Theory / ekphrasis : https://www.rc.umd.edu/editions/shelley/medusa/mitchell.html "The central goal of ekphrastic hope might be called "the overcoming of otherness." Ekphrastic poetry is the genre in which texts encounter their own semiotic "others," those rival, alien modes of representation called the visual, graphic, plastic, or "spatial" arts." // http://aaaaarg.fail/maker/53106c11334fe072692019a0 / http://aaaaarg.fail/maker/531074fc334fe07269204152 / aaaaarg.fail/thing/5329ef7f334fe077bdfd4c5f / http://aaaaarg.fail/thing/51c584176c3a0ed90bee0600 

*chismes del aprender

https://www.diagonalperiodico.net/blogs/fuera-clase/chismes-del-aprender-i-revueltas-diagramaticas.html

*getting real: https://conceptsinsts.wikispaces.com/file/view/Barad+differences98.pdf

kurenniemi: http://kurenniemi.activearchives.org/aa/fragments/520/

*how i teach computers to think https://petewarden.com/2014/06/06/how-i-teach-computers-to-think/

*the abstract machine of faciality http://sicv.activearchives.org/logbook/like-four-eye-machines-made-of-elementary-faces-linked-together-two-by-two/

*the autobiography of the video http://www.sternberg-press.com/index.php?pageId=1650

*syllabus on photo collections http://www.wordsinspace.net/data_archive/fall2018/portfolio/november-20-photo-collections/

*John Tagg: the camera and the filing cabinet https://vimeo.com/24646255

*Machine perception of 3-Dimensional solids (1963) https://dspace.mit.edu/bitstream/handle/1721.1/11589/33959125-MIT.pdf?sequence=2

*Machine pedagogy (Pedagogía del oprimido) https://machineresearch.wordpress.com/2016/09/26/nicolas-maleve/

*Ian Bogost: What it's like to be a thing. Alien Phenomenology

*Dark Phenomenology

*inside amazon clickworker... https://www.techrepublic.com/article/inside-amazons-clickworker-platform-how-half-a-million-people-are-training-ai-for-pennies-per-task/

*nsfw-> sfw https://possiblebodies.constantvzw.org/inventory/?009