Critical Climate Machine: A Visual and Musical Exploration of Climate Misinformation through Machine Learning
Critical Climate Machine : Une exploration visuelle et musicale de la désinformation climatique à travers le machine learning
Résumé
Critical Climate Machine is a cutting-edge media art installation that critically exposes and quantifies mechanisms of climate change misinformation. Utilizing computational aesthetics across data, imagery, and sound, this work processes real-time data from X (Twitter) through a natural language processing learning model derived from cognitive sciences. It not only renders the statistical aspects of this data visually but also manifests its thermal effects. A unique audio dimension is introduced through dialogues between climate skeptics and climate advocates, processed by the generative machine learning (ML) algorithm Dicy2. These elements collectively shape the installation, each unveiling its distinctive algorithmic aesthetics and technical underpinnings. This paper concentrates on the dual application of ML algorithms: one for dissecting extensive online misinformation streams, and the other for creating climate-related dialogues. This dual approach opens a discussion on the mediation of climate, at the convergence of computational and physical realms. Our aim is to critically examine the role of ML technologies in crafting aesthetic experiences that resonate within scientific discourse and public debate on climate issues.
L'article de recherche intitulé "Critical Climate Machine: A Visual and Musical Exploration of Climate Misinformation through Machine Learning" par Gaëtan Robillard et Jérôme Nika présente un projet artistique innovant visant à explorer et à exposer les mécanismes de désinformation sur le climat via une installation mêlant intelligence artificielle, visualisation de données et son immersif. L'œuvre, dénommée Critical Climate Machine (CCM), se base sur des algorithmes d'apprentissage automatique pour analyser en temps réel des messages publiés sur le réseau social X (anciennement Twitter), en mettant en évidence leur contenu climatosceptique. L’installation s’articule autour de deux modèles principaux de machine learning. Le premier modèle, axé sur le traitement du langage naturel (NLP), permet de classifier les messages climatosceptiques. Ce modèle a été entraîné sur un vaste corpus de documents conservateurs américains et de blogs sceptiques du climat, classifiés par des experts du climat en fonction de cinq types de désinformation courants : le déni de l'existence du changement climatique, le refus d'une responsabilité humaine, la minimisation des impacts, le rejet des solutions et la remise en question de la science climatique. À partir de cette base de données, l'installation analyse des tweets provenant de comptes identifiés comme climatosceptiques, en les étiquetant selon ces catégories pour en faire une représentation visuelle. Le second modèle est génératif, utilisant l’algorithme Dicy2 pour créer des dialogues sonores entre voix sceptiques et scientifiques. Les voix, réelles et synthétiques, sont placées autour de la sculpture, créant un environnement sonore immersif où les affirmations trompeuses et leurs réfutations sont confrontées les unes aux autres. Les dialogues sont en partie générés à partir de sessions de débat participatif, structurées avec Le jeu de la réfutation, un jeu de cartes conçu aider à réfuter des arguments sceptiques. Ce jeu a mobilisé des jeunes issus de divers horizons, qui ont finalement contribué à l’enregistrement des dialogues pour l'installation et se sont impliqués dans le débat public, renforçant ainsi la dimension pédagogique et participative de CCM. L’installation elle-même se compose de modules sculpturaux intégrant des processeurs, qui traduisent visuellement et thermiquement l'intensité de la désinformation détectée. Les modules génèrent une visualisation sous forme de grille de couleurs évoluant en fonction des niveaux de désinformation, chaque tweet étant symbolisé par un point dont la couleur traduit sa classification et l'intensité de la désinformation. Les variations de température des processeurs, observées grâce à une caméra thermique, sont également intégrées dans la recherche afin de rendre tangible l’impact écologique du traitement massif des données en temps réel. Par ce projet, CCM soulève une réflexion profonde sur le rôle des technologies de l'information dans la perception des enjeux climatiques. En exposant les dynamiques algorithmiques et les biais potentiels, l’installation aborde les questions éthiques liées à l’usage de l’intelligence artificielle pour la médiation des savoirs scientifiques. CCM ne se limite pas à la diffusion d’informations, mais cherche aussi à sensibiliser et à questionner le public sur la manière dont les algorithmes influencent le débat public et participent à la dissémination de la désinformation climatique. Enfin, la critique technique portée par l'article compose une approche alternative à l’automatisation du processus de création, en valorisant l’interaction ou la réflexion sur la formalisation du geste au sein des processus génératifs de l'apprentissage automatique. En conclusion, le texte invite à poursuivre les recherches dans ce domaine, en intégrant des approches participatives et de nouvelles formes de performances en temps réel, afin notamment d’élargir de cadre de la médiation numérique des enjeux écologiques et éthiques.