Non esiste un solo modo di fare arte con l’AI
L’intelligenza artificiale sta entrando nell’arte contemporanea attraverso processi molto diversi. Può generare immagini, trasformare archivi, proporre variazioni, guidare un robot, costruire ambienti in movimento oppure intervenire soltanto nella fase preparatoria di una pittura eseguita a mano.
La distinzione più utile non è quindi tra arte “umana” e arte “artificiale”, ma tra progetti in cui la tecnologia sostituisce ogni decisione e ricerche in cui l’artista mantiene responsabilità, selezione, montaggio e rapporto con la materia. Gli otto casi che seguono appartengono a questa seconda area, pur senza formare una scuola e senza usare gli stessi strumenti.
1. David Salle (1952) — Stati Uniti
David Salle, figura centrale della Pictures Generation e della pittura postmoderna americana, ha introdotto l’AI in un linguaggio già fondato sul montaggio di immagini, sulla simultaneità e sulla collisione fra cultura alta e popolare. Nelle New Pastorals e nei lavori presentati nel 2026 a Palazzo Cini, il modello viene addestrato su nuclei precedenti della sua opera e produce basi stampate su lino sulle quali l’artista interviene con olio, acrilico, Flashe e carboncino.
Perché è interessante: la macchina non inventa un’identità alternativa a Salle. Rimette in circolo il suo archivio e genera incongruenze che la pittura può accettare, correggere o contraddire. L’AI diventa così un modo per osservare il proprio stile dall’esterno.
2. Jin Meyerson (1972) — Corea del Sud / Stati Uniti
Da tempo Jin Meyerson porta distorsione digitale e pittura analogica nello stesso campo. Per Once in a Lifetime ha trasformato più di trecento dipinti e le relative fonti digitali in dati destinati a un algoritmo di deep learning. Parole come nascita, perdita, trauma, riconciliazione e morte hanno orientato nuovi output, poi intrecciati a scansioni LiDAR, video e materiali pittorici in uno spazio immersivo.
Perché è interessante: l’AI non serve a produrre una superficie spettacolare, ma a lavorare su memoria, adozione, diaspora e documenti biografici mancanti o falsificati. La tecnologia accelera associazioni e metamorfosi; il significato resta legato alla storia personale dell’artista.
3. Sougwen Chung (1985) — Canada / Cina
Dal 2015 Sougwen Chung sviluppa Drawing Operations, una pratica in cui disegna e dipinge accanto a sistemi robotici. I diversi D.O.U.G. non sono semplici bracci esecutori: apprendono da archivi di gesti, rispondono al movimento e, nelle generazioni più recenti, possono incorporare dati corporei e ambientali.
Perché è interessante: la collaborazione è fisica e visibile. Il tratto dell’artista modifica il comportamento della macchina e quello della macchina modifica il gesto successivo. Autorialità e controllo diventano una relazione nel tempo, non una firma applicata al risultato finale.
4. Refik Anadol (1985) — Turchia / Stati Uniti
Refik Anadol definisce molte opere data paintings e data sculptures. Grandi archivi di immagini, suoni e informazioni vengono elaborati da modelli di machine intelligence per produrre installazioni audiovisive, ambienti immersivi e flussi che trasformano l’architettura in una superficie mobile.
Perché è interessante: nel suo lavoro i dati funzionano come pigmento e la memoria collettiva come materia. È una posizione lontana dalla tela, ma utile per capire come il vocabolario della pittura possa estendersi a luce, tempo, calcolo e spazio pubblico.
5. Mario Klingemann (1970) — Germania
Mario Klingemann è uno dei pionieri dell’uso artistico delle reti neurali. La sua ricerca attraversa ritratto sintetico, trasformazione della figura umana, sistemi generativi e macchine capaci di produrre immagini in modo continuativo.
Perché è interessante: il volto non viene trattato come identità stabile, ma come probabilità culturale. Le deformazioni mostrano che il modello non “vede” una persona: ricostruisce relazioni apprese da immagini precedenti. L’errore diventa una lente critica sulla rappresentazione.
6. Anna Ridler (1985) — Regno Unito
Anna Ridler costruisce personalmente molti dei dataset utilizzati nei propri lavori. Per Myriad ha fotografato e classificato migliaia di tulipani; in Mosaic Virus una rete generativa produce fiori la cui trasformazione è collegata al prezzo del bitcoin, mettendo in relazione tulipomania, criptovalute e desiderio speculativo.
Perché è interessante: l’opera comincia prima dell’output. Raccolta, classificazione e struttura dei dati sono gesti autoriali visibili. Ridler rende leggibile ciò che spesso l’AI commerciale nasconde: l’archivio da cui una forma emerge.
7. Sanié Bokhari (1991) — Pakistan / Stati Uniti
Sanié Bokhari usa l’AI come strumento preparatorio: cerca riferimenti, prova soluzioni compositive, adatta immagini e interroga ciò che in una pittura appare ancora irrisolto. Non delega alla macchina l’opera finale, che rimane legata a disegno, strati, superficie e lavoro manuale.
Perché è interessante: Bokhari è attratta soprattutto dai fallimenti del sistema — glitch, passaggi impossibili, logiche spaziali imperfette — perché aprono possibilità che una soluzione troppo levigata chiuderebbe. La macchina agisce come un altro sguardo nello studio, non come autorità.
8. Massimo Scognamiglio (1969) — Italia
Pittore, fotografo, autore e pioniere del Web, Massimo Scognamiglio sviluppa da oltre trent’anni una ricerca sulla figura umana, l’identità, la memoria e la trasformazione dell’immagine. Dal 2023 l’AI è entrata nei suoi cortometraggi come materiale cinematografico: figure sintetiche, fiaba, sorveglianza e condizione umana vengono organizzate attraverso ritmo, suono e montaggio.
In pittura, STANZE (2026) riunisce trentuno opere tra pittura digitale, AI, carta e interventi fisici progettati sulla superficie: strappi in negativo e patch in foglia d’oro trasformano l’immagine potenzialmente riproducibile in un oggetto vulnerabile e irripetibile. Perché è interessante: l’AI non diventa un linguaggio autonomo, ma si innesta in un universo già formato da pittura, fotografia, cinema, performance e scrittura.
Che cosa cambia davvero da un artista all’altro
Salle usa la macchina per mettere in crisi il proprio archivio; Meyerson per trasformare memoria e dati biografici; Chung per costruire un dialogo corporeo con la robotica; Anadol per dipingere con dati e luce; Klingemann per interrogare il ritratto probabilistico; Ridler per rendere il dataset parte dell’opera; Bokhari per pensare prima della pittura; Scognamiglio per collegare immagine sintetica, montaggio e materia ferita.
La domanda decisiva non è se un artista “usa l’AI”. È dove la inserisce, quali materiali controlla, quali decisioni rende leggibili e che cosa resta dell’opera quando l’effetto di novità tecnologica svanisce.
Fonti e link
- Fondazione Giorgio Cini · David Salle, Painting in the Present Tense ↗
- Ulsan Art Museum · Jin Meyerson, Once in a Lifetime ↗
- Sougwen Chung · pratica e biografia ufficiale ↗
- Refik Anadol Studio · profilo e progetti ↗
- Mario Klingemann · Quasimondo ↗
- Anna Ridler · Mosaic Virus ↗
- Observer · artisti, AI e processi creativi ↗
- Massimo Scognamiglio · STANZE ↗
- Massimo Scognamiglio · filmografia AI ↗
David Salle / Fondazione Giorgio Cini / Acquistare Arte / David Salle / Lehmann Maupin / Ocula / © Jin Meyerson / Centre Culturel Coréen / Sougwen Chung / Vancouver Art Gallery · foto Mitchel Sayers / Refik Anadol Studio / Mario Klingemann / Quasimondo / Anna Ridler · sito ufficiale / Sanié Bokhari / Swivel Gallery / © Massimo Scognamiglio Studio