馬塞爾・杜象曾把藝術作品的標題形容為一種看不見的顏色（Welchman, 1997）——繞過眼睛、直接對心智說話的顏料。這個說法把美感經驗從視覺移向脈絡。作品的標籤、藝術家提供的敘事、展覽的歷史，都是這種看不見的顏料的延伸，它們形塑了我們如何閱讀、評價，甚至忽略眼前所見之物。
計畫進行時，杜塞道夫的 Storage Museum 收藏了 479 件作品，實體分布在 10 座層架上，並以圖像、標題、藝術家姓名、尺寸與工作人員筆記等資料數位化保存。這樣的排列帶有偶然性，同時也是工作人員專業與勞動的檔案，被濃縮在這 10 座層架之中。我們以嵌入（embedding）作為策展的技術方法——一種把資訊轉換成電腦可比較之數字的 AI 技術，也是 ChatGPT、Google 搜尋與 AI 圖像生成器背後的方法，讓機器得以衡量相似性、在不同類型的資料間找出模式。整個過程完全在本地運行，不使用任何雲端服務，以保護典藏資料。
然而，AI 很簡單。它找到數學上的相關，在同時出現的事物之間畫線。但相關不等於因果，模式也不構成意義。資料再詳盡，也無法完整再現實體物件，或與它們共處的身體經驗。AI 是一種工具，而不是藝術實踐與策展專業的替代品。演算法提供了一種漫遊典藏、發現意外鄰居的方式，它提示著：這些東西看起來相關——卻無法告訴你為什麼，或那代表什麼。
給參展藝術家與觀眾的一段話
你即將看到的，是人的判斷與機器邏輯之間的一場合作，邀請你換一個角度探索 Storage Museum 的典藏。
美術館目前收藏 479 件作品，實體分散在 10 座層架上，依照邏輯與直覺交織的方式擺放。有些是可測量的標準：尺寸、重量、入藏日期與材質；有些則來自身體化的知識：搬動時物件有多脆弱、如何包裝、多常被展出。這樣的排列帶著偶然，是館方人員專業與勞動的檔案，濃縮在這 10 座層架之中。
這個秩序並不隨意。它反映了細心的搬運、無數細小的決定，以及與這些物件共事的人們累積的知識。因此我們要感謝 Storage Museum 的團隊：Sabrina Podemski、Natascha Maier、Tobias Hohn、Melissa Heller、Chiara von Wille、Stella Osen 與 Madita Wischer。沒有他們的參與，這一切只會停留在計算。是他們讓典藏與想法化為展出。
技術上，我們使用了嵌入（embeddings）——一種基礎的 AI 技術，把文字與圖像等資訊轉換成電腦可以比較的數字。嵌入模型以大量網路上的圖像與文字組合預先訓練，這也是 ChatGPT、Google 搜尋與 AI 圖像生成器背後的方法，讓機器能夠衡量相似度、在不同類型的資料之間找出模式，甚至據此做出預測。每件作品（以其圖像、標題、藝術家姓名、尺寸與館方人員的筆記來代表）都在一張地圖上得到座標，相似的物件會彼此靠近。我們因此能看見哪些作品最接近其層架的中心，哪些在這個虛擬空間裡與鄰居疏離。整個過程完全在本地運行，不使用任何雲端服務，以保護典藏資料。
然而，AI 很簡單。它找到數學上的相關，在同時出現的事物之間畫線。但相關不等於因果，模式也不構成意義。資料再詳盡，也無法完整再現實體物件，或與它們共處的身體經驗。AI 是一種工具，而不是藝術實踐與策展專業的替代品。演算法提供了一種漫遊典藏、發現意外鄰居的方式，它提示著：這些東西看起來相關——卻無法告訴你為什麼，或那代表什麼。
是人擁有把意義投射進這片星座的能力。我們邀請你建立自己的連結，相信自己的詮釋，把屬於人的意義建構帶進你的經驗之中。
只有你能決定什麼是重要的。
Ting & Leon
