Come Google usa l’AI nell’arte

Google usa l’AI nell’arte per esplorare collezioni, collegare opere, trasformare fotografie, generare suoni e movimenti e costruire nuove esperienze di visita. Il punto di partenza di questa esplorazione è Google Arts & Culture, dove convivono progetti con musei, artisti e ricercatori. Pensare soltanto al chatbot che disegna significa perdersi buona parte della mostra. Ho selezionato undici esempi dalle pagine ufficiali, verificati il 10 settembre 2026: alcuni impiegano l’AI generativa, altri il machine learning per riconoscere relazioni o controllare un’esperienza. Per ciascuno, la domanda che mi interessa è concreta: che cosa permette di fare a una persona?

Art Transfer: la fotografia diventa un esercizio di stile

Con Art Transfer una fotografia viene rielaborata prendendo ispirazione da artisti come Van Gogh e Kandinsky. La pagina ufficiale rimanda all’app Google Arts & Culture e al pulsante della fotocamera. Il risultato offre un punto di partenza molto immediato per parlare di linguaggio visivo: come cambiano la percezione del soggetto, l’atmosfera e l’equilibrio dei colori? In un laboratorio proporrei di partire tutti dalla stessa foto di una piazza e confrontare le trasformazioni. Chiederei poi di descrivere tre differenze osservabili, evitando il comodissimo «questa è più bella». L’attività può allenare lo sguardo e il vocabolario. Una trasformazione riuscita, però, non dimostra che abbiamo compreso la poetica dell’artista: per quella bisogna tornare alle opere e al loro contesto.

Art Aura: Gemini cerca connessioni nella collezione del Met

Fra i progetti più recenti c’è Art Aura, presentato il 14 luglio 2026 e realizzato con il Metropolitan Museum of Art di New York. Si esplora la collezione trascinando opere, parole, frasi o stili in un’area di scoperta: Gemini individua collegamenti tematici fra oggetti di diversi dipartimenti. L’esperienza costruisce anche un ritratto delle preferenze artistiche emerse durante l’esplorazione. Qui l’AI serve soprattutto a proporre percorsi dentro un patrimonio esistente. Immagina di cercare rappresentazioni della solitudine oppure relazioni fra natura e città: sono esempi di piste possibili, da verificare nelle opere suggerite. Da formatore, chiederei ai partecipanti di motivare quali connessioni trovano convincenti. L’algoritmo propone l’accostamento; il visitatore può discuterlo. È lì che una raccomandazione diventa un’occasione di apprendimento.

Talking Tours: l’AI racconta ciò che stai guardando

Talking Tours, sviluppato con l’artista Gaël Hugo, collega Street View alla narrazione audio. Secondo la descrizione tecnica di Google, Gemini analizza l’immagine insieme al nome del luogo e alle coordinate geografiche, prepara un testo e lo passa a un modello audio che produce la spiegazione. Il visitatore sceglie un luogo fra quelli disponibili, esplora la vista e attiva il racconto; una funzione propone anche domande collegate alla scena. Mi interessa l’idea di una visita che parte dall’inquadratura scelta dall’utente. Per una biblioteca o un museo sarebbe uno spunto da studiare per progettare percorsi diversi. Userei però le spiegazioni generate come materiale da confrontare con le schede dell’istituzione: la fluidità della voce, da sola, non certifica l’esattezza di una data o di un’attribuzione.

Moving Paintings: Veo anima i dettagli dei dipinti

Nel progetto Moving Paintings con il Fukuda Art Museum, pubblicato nel settembre 2025, alcuni dettagli di una selezione di dipinti prendono movimento grazie a Veo. C’è una scelta editoriale che merita attenzione: il commento è scritto da Ayako Takemoto, vicedirettrice del museo, mentre Gemini lo trasforma in voce tramite sintesi vocale. La tecnologia interviene quindi in passaggi diversi, con un contributo curatoriale identificabile. Per me è un buon caso da discutere con chi comunica la cultura: l’animazione può invitare a osservare un particolare, purché sia riconoscibile come rielaborazione contemporanea. Non va presentata come un movimento realmente dipinto dall’autore o come un restauro. Proporrei di confrontare l’immagine originale e l’animazione, chiedendo quali dettagli diventano più evidenti e quali interpretazioni vengono aggiunte.

Leonardo: il machine learning collega i disegni dei codici

Con Inside A Genius Mind, Google Arts & Culture esplora i codici di Leonardo da Vinci insieme a Martin Kemp, Nexus Studios e Martial Geoffre-Rouland. Il machine learning mette in relazione i disegni e aiuta a costruire percorsi tematici fra pagine e argomenti diversi. La descrizione del progetto cita, per esempio, gli accostamenti fra studi sull’acqua, piante e riccioli di capelli. Qui il valore emerge dall’organizzazione di un archivio: rendere osservabili relazioni che un lettore potrebbe non incontrare sfogliando i volumi in sequenza. È un esempio utile anche per chi lavora con documenti aziendali e materiali formativi. Il suggerimento di una somiglianza deve però aprire una domanda: quale significato ha? La spiegazione storica richiede il lavoro degli studiosi e un confronto con le fonti.

Blob Opera: quattro creature per capire la musica generativa

Blob Opera, di David Li con Google Arts & Culture, mette a disposizione quattro voci operistiche controllate attraverso creature elastiche. Trascinandole si modificano l’altezza del suono e le vocali, mentre il sistema armonizza le altre voci in tempo reale. Google spiega che il modello è stato addestrato sulle registrazioni di quattro cantanti: ciò che ascoltiamo è la sua sintesi del canto operistico. Bastano pochi gesti per ottenere un risultato musicale, senza saper leggere uno spartito. In aula lo userei per separare tre contributi: i cantanti che hanno fornito il materiale, il modello e la persona che dirige l’esperienza. Il fatto che il cantante abbia l’aspetto di un budino non rende meno interessante la domanda su chi abbia deciso che cosa ascoltiamo.

Instrument Playground: dal prompt alla materia sonora

Instrument Playground, creato da Simon Doury, permette di generare e manipolare suoni ispirati a strumenti musicali di diverse culture. Nella descrizione ufficiale consultata, Google indica Lyria come modello per produrre un breve campione; si possono specificare uno strumento e un aggettivo che orienti il risultato. Poi l’utente lavora sul materiale sonoro attraverso diverse modalità e un sequencer. L’aspetto didattico è il passaggio dalla richiesta all’intervento: ascoltare, scegliere e modificare rimangono attività significative. Proporrei di confrontare tre campioni ispirati allo stesso strumento con intenzioni emotive differenti. Attenzione alla parola «ispirati»: un suono generato non è una registrazione documentaria e non basta per conoscere come quello strumento venga suonato nella sua tradizione. Per questo lo affiancherei all’ascolto di musicisti reali.

AISOMA: l’AI entra nel processo del coreografo

L’arte comprende anche il corpo. AISOMA nasce dalla collaborazione con il coreografo Wayne McGregor: lo strumento analizza un breve movimento e suggerisce nuove sequenze basate sul suo archivio coreografico. Google documenta una prima collaborazione nel 2019 e una versione aggiornata resa disponibile online nel 2025. Il processo descritto è circolare: il danzatore propone, il sistema restituisce una frase di movimento, il danzatore la reinterpreta. È un modo concreto di usare l’AI come interlocutore creativo. La proposta non chiude il lavoro: provoca una risposta. Trasferirei questo principio anche alla scrittura o alla progettazione, chiedendo al modello una variazione da trasformare ulteriormente. È una domanda che ho affrontato anche parlando del Versificatore di Primo Levi e del lavoro creativo: quali decisioni desideriamo continuare a prendere personalmente?

Play a Kandinsky: esplorare i colori attraverso il suono

Play a Kandinsky propone di esplorare Giallo-Rosso-Blu come un’esperienza musicale. Il progetto nasce con il Centre Pompidou e gli artisti sonori Antoine Bertin e NSDOS; Google descrive l’impiego di un modello di machine learning di Magenta, ispirandosi agli scritti del pittore sulle associazioni fra colori, forme e suoni. Il visitatore può ascoltare ed elaborare un proprio mix. È una traduzione progettata a partire da quelle idee, non una registrazione di ciò che Kandinsky sentiva nella propria mente. Mi sembra un caso efficace per discutere la comunicazione multimodale: che cosa succede quando lo stesso contenuto passa dall’immagine all’audio? In aula farei descrivere prima il dipinto senza musica e poi dopo l’ascolto, confrontando le parole e le emozioni scelte.

Say What You See: un laboratorio di prompt engineering visivo

Fra questi esperimenti, Say What You See è quello che porterei subito in un corso sul prompting. Il gioco di Jack Wild mostra un’immagine generata e chiede di descriverla: il testo produce una nuova immagine, valutata rispetto al riferimento. La pagina ufficiale indica tre tentativi per immagine e suggerimenti per migliorare la descrizione. Proporrei un laboratorio di quindici minuti: prima una richiesta spontanea, poi una revisione che espliciti soggetto, composizione, luce e stile, infine il confronto fra i risultati. La domanda finale sarebbe: quale dettaglio osservato meglio ha migliorato il prompt? Questa attività completa bene le risorse dei miei corsi su ChatGPT. Il punteggio misura l’obiettivo del gioco, cioè la somiglianza richiesta; non assegna una pagella al talento artistico dei partecipanti.

Google, AI e arte: che cosa insegna Odd One Out

In Odd One Out bisogna individuare immagini generate con l’AI fra opere e oggetti di Google Arts & Culture. Lo userei per aprire una discussione sulla provenienza delle immagini, evitando di trasformarlo nella promessa di riconoscere ogni falso a colpo d’occhio. Da questi undici progetti ricavo un criterio pratico per valutare l’incontro fra Google, AI e arte: chiedere sempre quale materiale entra, quale trasformazione viene applicata e chi firma l’interpretazione. Per musei, docenti e comunicatori aggiungerei tre domande: quali fonti sostengono il racconto, quali diritti accompagnano i materiali e come viene dichiarata la parte generata? Le pagine presentano esperimenti e la disponibilità può cambiare. Il risultato che cercherei è un pubblico più curioso e capace di fare domande, anche dopo aver chiuso la schermata.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.