Машина видит мир не таким, каким он есть, а таким, каким она его вычисляет.
Google PAIR: «Водопад смысла» 2019
В мире, преломленном сквозь призму алгоритмов, машинное зрение становится новым способом восприятия реальности. Искусственный интеллект, словно квантовый наблюдатель, разлагает мир на мельчайшие частицы данных, анализируя и пересобирая его по своим собственным законам. Глава "Квант" посвящена исследованию этого уникального "взгляда" машины, ее способности "видеть" то, что скрыто от человеческого глаза, и превращать информационный шум в гармонию визуальных образов. Мы рассмотрим проекты, исследующие границы взаимодействия ИИ с реальностью и его способность анализировать и преобразовывать данные в новые формы искусства и знаний.
Машинное зрение не просто копирует реальность, но препарирует ее, раскрывая скрытые структуры, паттерны и связи, которые ускользают от нашего восприятия. В этом процессе ИИ демонстрирует не только свой творческий потенциал, но и способность к самообучению и саморефлексии, превращаясь из пассивного наблюдателя в активного создателя новых форм искусства и знания.
Google PAIR: «Водопад смысла» 2019
Проект Google PAIR "Водопад смысла" предлагает поэтический взгляд на внутреннюю "кухню" машинного обучения. В этой инсталляции слова, словно капли воды, струятся по виртуальному водопаду, их положение в пространстве определяется алгоритмом, анализирующим миллионы текстов. Технология "встраивания слов" позволяет ИИ создавать многомерную карту языкового ландшафта, где близость слов отражает их смысловую связь. "Водопад смысла" визуализирует этот процесс, демонстрируя, как машина улавливает тонкие нюансы значений, ассоциации и даже скрытые предубеждения, заложенные в языке.
«Водопад смысла» демонстрирует, что машинное зрение — это не только анализ изображений, но и способ восприятия и интерпретации любой информации, включая язык, превращая ее в новые визуальные формы. Этот проект подчеркивает, что «видеть» для машины — значит разлагать реальность на элементарные частицы данных, будь то пиксели или слова, и находить в них скрытые закономерности.
Google PAIR: «Водопад смысла» 2019
От лингвистических ландшафтов "Водопада смысла" перейдем к исследованию самого процесса "зрения", как его понимает искусственный интеллект. Проект "Учимся видеть" показывает, что машинное зрение, подобно человеческому, не является пассивным отражением реальности, а активным процессом ее конструирования.
Мемо Аткен: «Учимся видеть: Мрачное воскресенье», 2017
«Учимся видеть» — это своего рода визуальный диалог, приглашающий нас к размышлению о природе восприятия и о том, как мы конструируем свою реальность. Проект исследует парадоксальную идею о том, что наше видение мира — это не объективное отражение внешнего, а реконструкция, основанная на наших ожиданиях, убеждениях и прошлом опыте.
Используя алгоритмы машинного обучения, художник создает своего рода цифровое зеркало, в котором отражается не столько внешний мир, сколько сам процесс восприятия. Нейронная сеть, подобно человеческому мозгу, пытается осмыслить увиденное, но делает это сквозь призму уже известного, сквозь фильтр собственного «опыта», сформированного на основе обучающих данных.
Проект ставит под вопрос саму возможность объективного восприятия, подчеркивая, что мы видим вещи не такими, какие они есть, а такими, какие мы есть сами. Этот принцип применим не только к визуальному восприятию, но и к интерпретации информации, к пониманию текста, к формированию наших убеждений.
Разлагая процесс восприятия на отдельные компоненты, подобно тому, как квантовая физика разлагает материю на элементарные частицы, художник демонстрирует, что «видение» машины — это не прямое отражение реальности, а результат сложного взаимодействия алгоритмов, данных и обучающих моделей. Проект позволяет нам понять, как формируется «взгляд» ИИ и как этот «взгляд» влияет на интерпретацию информации.
"Учимся видеть" наглядно иллюстрирует основной тезис главы: машинное зрение — это не просто копирование реальности, а ее активное препарирование, раскрывающее скрытые структуры и паттерны, недоступные непосредственному человеческому восприятию.
Мемо Аткен: «Учимся видеть: Мрачное воскресенье», 2017
Жоан Фонкуберта и Пилар Росадо: «Прозопагнозия», 2020
Каталонские художники Жоан Фонкуберта и Пилар Росадо в своем проекте, посвященном прозопагнозии, предлагают нам взгляд на машинное зрение сквозь призму неспособности распознавать лица. Используя архив вырезок из испанской газеты La Prensa, они обучают нейронную сеть генерировать портреты, словно пытаясь научить машину преодолеть цифровую версию этого неврологического расстройства, в котором они ее подозревают.
853 изображения, от Пабло Пикассо до Йозефа Геббельса, от местных спортсменов до участниц конкурсов красоты, становятся питательной средой для алгоритма. GAN, словно цифровой алхимик, превращает этот визуальный шум в последовательность изображений: от абстрактных цветовых пятен к пиксельным ликам, а затем к фотореалистичным портретам.
Жоан Фонкуберта и Пилар Росадо: «Прозопагнозия», 2020
Однако художники акцентируют внимание не на результате, а на самом процессе обучения машины. Она воспринимает реальность фрагментарно, вне контекста человеческого опыта. Именно поэтому лица остаются лишь фантомами, лишенными индивидуальности и истории. Они — продукт квантового расщепления и рекомбинации визуальных данных, символ того, как машинное зрение препарирует и пересобирает мир по своим собственным законам.
Проект становится метафорой не только прозопагнозии, но и самой природы восприятия и представления.
Жоан Фонкуберта и Пилар Росадо: «Прозопагнозия», 2020
«Видеть» для машины — не значит «понимать». И именно в этом разрыве, в этом несовпадении машинного и человеческого восприятия открывается пространство для новых художественных исследований.
Мими Онуоха: «Мы, агрегированные», 2017
Серия работ «Мы, агрегированные» исследует «квантовую» природу идентичности в цифровую эпоху, разлагая понятие «мы» на отдельные пиксели и алгоритмические связи. Художница использует семейный фотоархив как отправную точку, сопоставляя личные снимки с изображениями из библиотеки Google, отобранными алгоритмами обратного поиска.
Мими Онуоха: «Мы, агрегированные 2.0», 2018
В «Мы, агрегированные 2.0» этот метод фокусируется на категоризации и метках. Изображение девочки из семейного альбома становится центром кластера фотографий, которые Google алгоритмически определяет как «похожие» и помечает тегом «girl» (девочка). Проект заставляет нас задуматься о том, кто имеет право определять критерии сходства и кто контролирует процесс категоризации в цифровом пространстве. Машинное зрение здесь выступает как инструмент классификации, раскрывая механизмы формирования визуальных стереотипов.
Мими Онуоха: «Мы, агрегированные 3.0», 2019
«Мы, агрегированные 3.0» расширяет это исследование, создавая динамичный коллаж из семейных фотографий и их алгоритмических «двойников». Несмотря на случайность подбора, возникает ощущение общности, иллюзорное «мы», сконструированное машиной. Этот проект ставит вопросы о природе коллективной идентичности в эпоху больших данных, где алгоритмы формируют наше восприятие сходства и различия.
