Learning to See 是 Memo Akten 创作的一系列艺术作品，运用机器学习算法反思人类认知偏见如何塑造我们的“看见”和对世界的理解。作品的核心隐喻是：人工神经网络看向世界并试图理解所见，但它只能通过已有知识的滤镜来看。正如我们人类，看事物并非按其本来面目，而是按我们自己的样子。
用途与主题 该系列属于对认知偏见、无法从他人视角看世界以及由此导致的社会与政治极化的更广泛探索。作品指出，我们意识中看到的画面并非外部世界的镜像，而是基于期望与先前信念的重建。这里的“看见”既指低层知觉与现象学视觉体验，也指高层认知的意义建构和对“真理”的构建。
主要形式与能力 系列包含多部视频作品（如 True Colors、Mountains、Gloomy Sunday、Supergan、Hello, World!、We are made of star dust、Learning to dream、Studies 等）以及一个互动装置。互动装置中，定制神经网络分析指向摆满日常物品的桌子的实时摄像头画面，并尝试利用先验经验（即训练数据）和知识（即训练中学到的内容）实时重构画面。作品还包括人工智能画廊、NFT、开源和感知等标签。
使用方式与开源资源 作者发布了一个开源演示，作为该系列及许多作品的基础。该演示允许对摄像头输入（如网络摄像头）进行实时实时预处理，并馈入神经网络进行实时推理。源码和示例预训练模型可在 https://github.com/memo/webcam-pix2pix-tensorflow 下载。更多信息可参阅 2019 年 SIGGraph 论文以及作者博士论文第 5 章。该项目创作于伦敦大学金史密斯学院博士期间，由 EPSRC 资助。
适用场景 作品适用于艺术展览、学术研究、AI 艺术讨论、认知科学反思等场景。作品曾在多个展览、表演和演讲中呈现，并被众多书籍、论文、媒体报道和学术论文引用。具体展览、出版和引用信息可参考原文详细列表。
限制 资料未提供该作品的具体使用步骤、收费模式或价格信息，也未提供对普通用户可直接操作的功能说明。该作品主要为艺术项目和学术研究，开源代码可供技术用户自行探索。
