Jag tränade neurala nätverk hemma, på min egen dator, för att förstå hur de ser. När jag förstod det började jag kunna tänka som dem, och objekten i utställningen hittade jag på själv med det seendet som verktyg. Jag designar förutsättningarna. Organismerna gör resten.I trained neural networks at home, on my own computer, to understand how they see. Once I understood that, I could think like them, and I invented the objects in the exhibition using that way of seeing as a tool. I design the conditions. The organisms do the rest.

Hard Copy är mitt examensarbete från kandidatprogrammet Keramik och Glas på Konstfack, våren 2026. Det växte fram under två års experiment vid köksbordet och i verkstaden: bildmodeller tränade på hela min kamerarulle, en evolutionssimulation som föder digitala organismer, WiFi-signaler som stör video när någon rör sig i rummet, och gjutet glas och keramik där resultaten till slut får kroppar. I utställningen syns koden som video och genom organismerna.Hard Copy is my graduation project from the BFA programme in Ceramics and Glass at Konstfack, spring 2026. It grew out of two years of experiments at the kitchen table and in the studio: image models trained on my entire camera roll, an evolution simulation that generates digital organisms, WiFi signals that disturb video when someone moves in the room, and cast glass and ceramics where the results finally get bodies. In the exhibition, the code appears as video and through the organisms.

MIN_BILD_AI, en diffusionsmodell tränad på min kamerarulle. LAJFI, digitala livsformer som växer fram ur en simulation och gjuts i glas och koppar. HOLI, generativa objekt ur egna system. Carried Stillness Intruder, en WiFi-reaktiv videoinstallation som känner av rörelse i rummet utan kamera.MIN_BILD_AI, a diffusion model trained on my camera roll. LAJFI, digital life forms that emerge from a simulation and are cast in glass and copper. HOLI, generative objects from my own systems. Carried Stillness Intruder, a WiFi-reactive video installation that senses movement in the room without a camera.

UppsatsenThe thesis, hela HARD COPY att läsa i webbläsaren., the full HARD COPY to read in the browser.
VerkenThe works, utställningens tre zoner med foton., the exhibition's three zones with photos.
UtvecklingenThe process, hela förloppet december till juli, med misslyckandena., the full course from December to July, including the failures.
DokumentenThe documents, uppsatsen som PDF, skylttexten, utställningstexten och opponenttexten., the thesis as PDF, the wall label, the exhibition text, and the opponent's text.
KällbiblioteketThe source library ochand studieplattformenthe study platform, fördjupningsmaterial., supplementary material.

Latent space är rummet där nätverkets alla möjliga bilder bor vägg i vägg. Jag ville visa var bilderna föds, så jag lät kameran sväva genom det rummet i tio minuter, som en rymdpromenad.Latent space is the room where all the network's possible images live side by side. I wanted to show where images are born, so I let the camera drift through that room for ten minutes, like a spacewalk.

Modellen i mitten är ett GAN som jag tränade själv, i 50 000 steg. Under träningen sparade jag den var femtusende iteration, och raden av småbilder visar samma punkt i latent space tolkad av elva versioner av samma modell, från grått brus vid steg noll till färdig form vid steg 50 000. Koden som rullar i kanterna är den faktiska träningskoden som körde på min dator.The model in the centre is a GAN I trained myself, over 50 000 steps. During training I saved it every five thousandth iteration, and the row of small images shows the same point in latent space as interpreted by eleven versions of the same model, from grey noise at step zero to finished form at step 50 000. The code scrolling along the edges is the actual training code that ran on my computer.

I hörnet pågår ett tyst samtal mellan två sätt att skapa bilder. Diffusion lär sig ta bort brus, ett steg i taget. Ett GAN slåss med sig själv tills bilden finns. Astronauten är jag.In the corner, a quiet exchange is happening between two ways of making images. Diffusion learns to remove noise, one step at a time. A GAN fights with itself until the image exists. The astronaut is me.