Искусство и космотехника - Юк Хуэй

проникают во все сферы общества. Как и Жан-Франсуа Лиотар, начиная с конца 1970-х годов (особенно в «Состоянии постмодерна»), мы должны постоянно задаваться вопросом о том, что происходит с нашими чувствами, когда небо покрыто дронами, земля – беспилотными автомобилями, а выставки курирует искусственный интеллект и ПО с машинным обучением. Действительно ли этот футуризм – это то, что нам нужно? Или он полностью соответствует тому, о чем писал Хайдеггер, критикуя кибернетику и модерн?

Машины могут научиться рисовать как люди, и у них будет даже одно преимущество: машины будут запоминать все нюансы и применять знания о них с больший вариативностью, чем люди. Любая композиция может быть представлена за считанные секунды. Можно использовать TensorFlow, ПО с машинным обучением и открытым исходным кодом, чтобы стилизовать любое изображение под Сезанна или Клее; а можно научить робота рисовать в технике, которая когда-то прославила импрессионистов. В этих случаях каждая картина закончена уже до того, как она написана, потому что холст уже просчитан в виде конечного набора возможностей.

Эти алгоритмы работают хорошо, потому что, во-первых, они основаны на данных, которые мы в них загружаем, а во-вторых, они вынуждены рекурсивно улучшать свою производительность. Другими словами, без данных и растущих вычислительных мощностей, в значительной степени основанных на дешевой рабочей силе и дешевых природных ресурсах, подобного «интеллекта» не существует. Если понимать интеллект как способность к анализу данных, то в этом отношении различие между человеком и машиной постоянно уменьшается, поэтому мы, вероятно, скоро обнаружим, что машины превзойдут людей, поскольку они обретут гораздо большие возможности для хранения информации и вычислений. Если однажды искусственный интеллект станет единственным производителем научных знаний, ему потребуется научный мир, основанный исключительно на вычислении чувственных данных и анализе паттернов. Но не следует недооценивать мощь машинного интеллекта и вычислений. Нам нужно дойти до предела как органических вычислительных способностей человека, так и до предела машинных вычислительных способностей, чтобы осмыслить их возможности.

В нынешних отношениях между человеком и машиной доминирует логика замещения как поиска эквивалентности, согласно которой машинный интеллект может заменить человеческий интеллект. Это прежде всего логика капитала[395]. Впрочем, такая эквивалентность является сугубо функциональной, и эта логика замещения склонна упускать из внимания тот факт, что, она сама не способна понять отношения между человеком и машиной с органологической точки зрения, потому что она игнорирует как физиологию, так и психологию соединения человека и машины (к этому и сводится критика Маркса Симондоном)[396]. Во-вторых, питая надежду на то, что функциональная эквивалентность машин освободит людей от труда и, следовательно, положит конец капитализму, что в лучшем случае наивно, логика замещения игнорирует тот факт, что в будущем появятся новые экономические модели, и эксплуатация примет другие формы, помимо отношений наемного труда.

Самый фундаментальный недостаток логики замещения заключается в том, что она игнорирует взаимность между людьми и машинами. Машины и люди рассматриваются как две реальности, отдельные, но взаимозаменяемые. Понимание и анализ роли машин Маркс почерпнул из своих наблюдений за фабриками своего времени, на которых использовались изолированные и специализированные промышленные машины. Если рассмотреть машины и труд как сущности, оторванные от других областей, тогда становится понятно, как Маркс приходит к логике замещения как к необходимости для капитализма (прибавочное рабочее время), так и к возможности его снятия (свободное время). Сегодня эта логика замещения вездесуща как среди левых, так и среди неолибералов, которые соревнуются в том, кто быстрее достигнет такой же полной автоматизации. Даже в искусстве логика замещения находит отклик у тех, кто желает изобрести великих машинных художников, каллиграфов и кураторов.

На анализ, проведенный в этой книге в главах 1 и 2, можно возразить: то, что живопись стремится сделать видимым, теперь может быть явлено с помощью алгоритмов и цифровых технологий. Современные вычислительные машины хранят больше данных и анализируют их точнее, чем человеческий разум. Более того, происходящее внутри машин кажется «видимым» только самим машинам и остается непрозрачным для людей-наблюдателей из-за своей сложности, поэтому часто и говорят, будто эти процессы происходят внутри «черного ящика». Машины в большей мере, чем люди, становятся пастырями неизвестного. Как же в таком случае искусственный интеллект может показать нам то, что еще не входит в область разумного и никогда не сможет прийти в область присутствия?

С помощью моделей и данных можно показать, что есть факты, которые часто игнорируются или не озвучиваются: например, что «азиатские мужчины являются наименее привлекательной расовой группой для западных женщин» или что «семьдесят процентов населения Бангкока носят белые футболки». Такое знание не принадлежит к тому, что мы называем Неизвестным, поскольку оно все еще представляет собой факты. Могут ли эти незамеченные людьми факты что-либо рассказать нам о Неизвестном? С помощью датчиков и алгоритмов мы можем дополнить наши чувства, вследствие чего изменится наше понимание мира, подобно тому, как телескоп и микроскоп сделали видимыми порядки величин, лежащие за пределами нашего чувственного восприятия. Однако и эти данные все еще остаются фактами. Чтобы исследовать Неизвестное, мы должны спросить, откуда это Неизвестное происходит, и как его определить.

Победа AlphaGo над действующим чемпионом мира по игре в го несколько лет назад служит доказательством того, что компьютеры лучше справляются с вычислением возможных конфигураций на конкретной игровой доске, чем человек, чей мозг, с детства затачивается под эту задачу. AlphaGo – это функциональный эквивалент способности мозга играть в го, хотя теперь он превосходит возможности последнего. Машины будут постепенно нас превосходить во владении определенными навыками. Даже в ручной работе искусственный интеллект может имитировать технику мазков разных художников. Портрет «Эдмонд де Белами», созданный генеративно-состязательной сетью (GAN) и подписанный как «min G max D ×[log (D(x))] + z [log(1 – D (G(z)))]» [в том месте, где художник обычно ставит свою подпись. – Прим. ред.] была продана за 432 500 долларов США на аукционе Christie’s в 2018 году. Таким образом, арт-рынок, который зиждется на аутентичности и авторстве, теперь придал ауру машинной живописи. Произошедшее на аукционе сигнализирует о борьбе между художниками и роботами и их антагонизме, который нам предстоит наблюдать в ближайшие годы. С другой стороны, оно также знаменует собой момент, когда можно вернуться к рефлексии о задаче художественного творчества.

Можно отрицать всяческую ценность машинной живописи, поставив под вопрос ее принадлежность к искусству. Однако это, вероятно, непродуктивный подход, так как он отрицает факт органологической борьбы между художником и инструментом. Кроме того, он отрицает тесную связь между искусством и техникой. Как уже писал Вальтер Беньямин в «Произведении искусства в эпоху его технической воспроизводимости», вместо того чтобы