CC BY
45
УДК 7.01
ЭСТЕТИКА В ЦИФРОВУЮ ЭПОХУ: ВКУС И АЛГОРИТМ
К.И. Песоцкая
Белгородский государственный институт искусств и культуры, г. Белгород
e-mail: kcherkesova@mail.ru
В данной статье рассмотрены некоторые ключевые вопросы, касающиеся роли алгоритмов в эстетических областях, таких как обнаружение и формирование вкуса, культурное потребление и производство, а также демонстрация того, какой вклад может внести эстетика в непрекращающиеся споры о влиянии современной «алгоритмической культуры».
Ключевые слова: алгоритм, вкус, эстетическое потребление, информация, культура.
Сегодня неотъемлемая часть нашего повседневного взаимодействия с искусством и эстетическими объектами происходит через цифровые медиа, а наши предпочтения и выбор систематически отслеживаются и анализируются алгоритмами далеко не очевидным образом. В настоящее время люди становятся свидетелями появления сложной взаимосвязи между их эстетическим выбором, его цифровой обработкой, а также производством контента и динамики творческих процессов. Все вовлечены в процесс взаимовлияний и частично просматривается невидимая направляющая рука алгоритмов.
Потребление текстовой информации и изображений, процессы принятия решений, социальная и культурная динамика все чаще опосредуются, фильтруются и регулируются программным обеспечением и алгоритмами, которые можно кратко определить, как наборы процедур, состоящих из инструкций и входных данных, которые выполняются для получения результата или решения проблемы. В последние годы влияние цифровых технологий на человеческое мышление и культуру становится все более обсуждаемой темой: вопросы, связанные с тем, что было названо «алгоритмической культурой», включают, среди прочего, когнитивное влияние все более тесных отношений между человеческими субъектами и цифровыми устройствами, влияние на политику, общество и культуру.
В качестве общего утверждения можно рассматривать два основных аспекта распространения алгоритмов: экстернализация и автоматизация. Первый аспект касается аутсорсинга человеческого мышления и культурных процессов, а также развития все более сложных и интегрированных интеллектуальных систем, в которых осуществляется поиск и хранение информации. В виду этого можно предположить, что формирование вкуса и творческого вдохновения все больше и больше происходит «там».
Второй аспект касается того факта, что эти процессы следуют автоматизированным механизмам, которые могут отвечать, как за стандартизацию эстетических явлений (например, посредством быстрого и всемирного распространения стилей, тенденций и эстетических стандартов/инноваций) и, предоставлять больший выбор и свободу, все более детальную настройку пользовательских предпочтений. Как следствие, преобладание над эстетическими и вкусовыми процессами внешними механизмами и алгоритмами отвечает за развитие нового вида эстетического производства и опыта, где явления коллективного воздействия получают более высокий уровень индивидуализации эстетических потребностей.
Что касается вкуса, цифровые платформы практически выступают инструментами самоанализа: задача «понимания того, что нам нравится», передана на аутсорсинг системы, предлагающей информацию о нашем поведении как пользователя. Такие платформы как, например, Spotify или YouTube для музыки или видео, или Netflix для фильмов, визуальные художественные архивы, такие как Google Cultural Institute, или популярные социальные сети способны связать наши предпочтения с конкретными категориями выбора, распознавая, какой эстетический опыт нас привлекает. В то же время, эти системы помогают нам понять и усовершенствовать наш вкус. Используя терминологию Фуко, их можно рассматривать как «технологии самости».
Однако эти системы редко пассивно отражают человеческие предпочтения, они основаны на заранее определенных системах классификации и категоризации, а также на механизмах внушения и увеличения потребления. Поэтому решающим моментом является исследование того, ради каких целей разрабатываются эти системы. Мы могли бы подумать, что одна из целей состоит в том, чтобы поиск
информации безупречно отвечал интересам и потребностям пользователя, что определяется как «оптимизация поиска». В то же время большинство бизнес-моделей контент-провайдеров основываются на «оптимизации взаимодействия», то есть максимизации решений пользователей использовать сервисы, тратить на это время и ориентировать их внимание на свои продукты и делиться ими с другими. Несмотря на то, что вовлеченность обычно является следствием эффективного удовлетворения интересов пользователей, разница между тем, «какой контент действительно нужен пользователям» и «что заставляет пользователей продолжать искать контент» нельзя упускать из виду.
В этой связи проявляется ряд проблем, а именно проблема непрозрачности, то есть тот факт, что механизмы, влияющие на наше принятие решений и потребление информации, следуют логике, которая выходит за рамки понимание пользователей; проблема приватизации -процессы реализуются коммерческими операторами с целью максимального привлечения внимания пользователей; проблема отчуждения мыслительных процессов и, следовательно, манипулирование и, как следствие, социальные, политические и культурные последствия.
Однако, было бы упрощением видеть появление «алгоритмической культуры» в чисто критическом плане, как сценарий потери контроля над человеческим принятием решений и индивидуальным мышлением через сложные системы манипулирования вниманием и предпочтениями. С одной стороны, запутанность между индивидуумом и алгоритмом можно рассматривать как дальнейший процесс интеграции между техническими объектами, субъектами и их отношениями к реальности.
С другой стороны, в различных сферах современного культурного потребления (изображения, музыка, видео) мы можем наблюдать эволюцию, в которой алгоритм из простого инструмента, расширяющего возможности нашего выбора и опыта, все больше становится всепроникающим фактором, определяющим этот выбор, опыт и предпочтения.
С одной стороны, можно предположить, что вкус должен быть выражением подлинных внутренних предпочтений, и ожидается, что системы рекомендаций должны стать полезными инструментами в их
исследовании. С другой стороны, вкус не только вопрос субъективной чувствительности и склонности, но и продукт социальной взаимосвязи, в которой происходят сложные опосредования между индивидом, его желанием определить свою собственную идентичность и свой статус. Поэтому эстетическое потребление никогда не было продуктом солипсического решения, а является выбором, который люди усматривают в предложениях культурных посредников, таких как законодатели вкусов, критики и интеллектуалы. Возможность иметь доступ к тому, что предлагали посредники, в прошлом была, в первую очередь, привилегией тех, у кого были культурные и материальные средства для собственного эстетического потребления [1, с. 118]. Хотя способность обрабатывать и наслаждаться культурным содержанием всегда нуждается в определенном количестве культурного и интеллектуального капитала. Сегодня же затраты, связанные с доступом к нему, в основном нейтрализованы благодаря цифровым технологиям. Сокращение затрат описывалось как нечто, имеющие демократизирующий эффект для индивидуальной свободы культурного потребления, точно так же как техническое воспроизводство в прошлом уменьшило роль культурных «хранителей» и позволило расширить доступ к произведениям искусства.
Однако ситуация большого «культурного изобилия» приводит к сложной проблеме отбора и принятия решений при выборе того, чем наслаждаться и что испытать перед лицом ограниченных временных ресурсов человека по сравнению с объемом фактического доступного контента. Так возникла проблема больше не получать доступ к эстетическим продуктам, а делать правильный «эстетический выбор». Это значительно продвинуло развитие все более сложных систем оценки, внушения, обратной связи, охватывающих все, к чему может быть доступ, от услуг и повседневных потребительских предметов до сложных культурных товаров. Определение ценности таких систем заключается в том, чтобы помочь пользователям обнаружить то, что их действительно интересует. Среди приоритетных областей интересов пользователей выделяется фотография, музыка и кинокультура.
Двадцать первый век открывается трансформацией нашего образа жизни, а именно познание мира через массовое производство, распространение и потребления фотоизображений. Такие платформы, как
социальные сети, исследовательские механизмы и визуальные базы данных вносят основной вклад в формирование гипервизуальной эры. Они представляют собой «функцию технологий, которые организуют взгляд и мир образов, который он обозревает». В современных цифровых камерах (в том числе встроенных в смартфоны) различия в качестве изображения в основном определяются развитием программного обеспечения для обработки, направленного на создание наиболее удовлетворительного конечного результата. Даже для профессиональных фотографов, использующих цифровые камеры, выбор находится между получением изображения JPG, которое было обработано с помощью встроенного стиля изображения, или получением файла RAW, который позже потребует корректировок с помощью сложного программного обеспечения для обработки изображений, чтобы создать фотографию, близкую к той, которую хочет передать фотограф.
Хотя алгоритмы разрабатываются для адаптации к конечному впечатлению и предпочтениям пользователя, тем не менее, они в конечном итоге создают качественный «внешний вид», к которому глаз фотографа привыкает при оценке собственных снимков. Развитие алгоритмов для улучшения фотографических результатов влияет на чувствительность восприятия и ожидания, которые возникают по отношению к создаваемым изображениям. Это особенно заметно в отношении эстетической оценки картинки. В больших базах данных изображений, таких как Pinterest, алгоритмическая система подсказок изображений работает не только по поисковым запросам, объектам, категориям или формальным аналогиям (форма, цвет, текстура) с другими изображениями, а также посредством автоматического выбора и ранжирования изображений, которые считаются эстетически превосходными. На таких платформах эти процессы уже разработаны и успешно реализованы. Некоторые из них используют чисто алгоритмические методы, другие основаны на гибриде контент-анализа, рекомендаций пользователей и поисковые словах.
Выбор путем выявления определенных особенностей изображений, которые были проанализированы с помощью больших баз данных и, по-видимому, коррелируют с общими предпочтениями конкретных пользователей. Соответствующее последствие алгоритмического анализа фотографического качества - это возникновение петли обратной связи
между выраженными предпочтениями и предлагаемыми изображениями и последующая конвергенция фотографических стилей, которые содержат элементы, которые считаются эстетически более привлекательными для большинства пользователей. Эффективность этих систем продемонстрирована увеличением потребления пользователями контента, предлагаемого алгоритмами внушения.
С точки зрения фотографов, предсказывая, какое изображение будет наиболее близким по вкусу пользователю, будет означать таргетинг на категории и стили, в соответствии с которыми изображение будет иметь большую степень популярности. Для тех, кто загружает изображения с целью максимального интереса и оценки пользователей, будет стимул следовать формальным стилям и репликам, которые, скорее всего, будут выбраны и предложены системой. Следовательно, в циклическом процессе обратной связи обучения и предложения, алгоритм не только определяет, что оптимально с эстетической точки зрения, но побуждает тех, кто производит изображения, следовать этим критериям оптимальности.
Еще один популярный кейс - платформы для обмена изображениями, которые являются примером социальных сетей, основанных на повседневной визуальной эстетике, в которой, с одной стороны, стилистический и эстетический выбор, разрешенный платформой, предлагает уникальную возможность композиционной персонализации, но, с другой стороны, способствуют процессу широкомасштабного распространения и эстетического влияния, когда инновации (например, определенные фильтры, кадрирование, композиционный стиль, выбор объекта, поза или выражение), которые являются успешными, быстро принимаются в глобальном масштабе и способствуют эволюции тенденций в социальной визуальной культуре.
Индивидуальный стиль, взгляд и композиционные привычки, которые определяют, как пользователь создает контент находится под влиянием алгоритма предложений, который анализирует его прошлые предпочтения и поведение, а также как сеть его социальных связей, ориентируясь на образы, которые понравились ему самому и людям, за которыми он следит. Конечный результат заключается не только в привлечении внимания пользователя, но и развитии его визуального
стандарта и предпочтений. Одновременно с этим алгоритм подсказывает формальные и композиционные решения при создании новых картин.
В условиях повседневного потребления музыки мы наблюдаем эволюцию сложных методов, в которых алгоритмический анализ предпочтений аудитории сочетается с критической оценкой экспертов и музыковедов, в ряде случаев заменяя его. С помощью поведенческого таргетинга система выявляет определенные привычки прослушивания на основе того, что человек делает в разное время дня (например, ненавязчивая фоновая музыка во время работы, расслабляющая мелодия вечером, более новаторские предложения в свободное время и т. д.). Результатом является научно отслеживаемый ряд «повседневной эстетики» пользователей, посредством анализа их поведения, настроения и эстетических потребностей. Более того, профилирование личных привычек прослушивания и корреляция с большой базой данных музыковедческих данных позволяет обнаруживать особые отношения между музыкальными предпочтениями, личными установками и социальными чертами. Одни системы используют систему классификации музыки, созданную экспертами, другие, напротив, в значительной степени полагаются на автоматическое извлечение данных, состоящее из алгоритмов, которые анализируют как музыкальный контент (через «машинное прослушивание»), так и тексты веб-сайтов, на которых упоминаются песни, статьи критиков и форумы, на которых обсуждаются музыка.
Таким образом, музыкальный плейлист представляет собой полностью вычислительное предложение, в котором используется сложный алгоритм, основанный на трех основных методах: 1) совместная фильтрация, которая анализирует как поведение пользователя, так и поведение других людей. Он использует такие данные, как количество прослушиваний треков, независимо от того, сохранил ли пользователь трек в свой плейлист или посетил страницу исполнителя; 2) модели обработки естественного языка (NLP), которые анализируют метаданные, новостные статьи и блоги, постоянно сканируют Интернет в поисках письменного текста на музыкальные темы и определяют «культурные векторы», связанные с конкретными исполнителями и песнями; и 3) аудиомодели, которые анализируют сами необработанные звуковые дорожки (с помощью нейронных сетей, аналогичных тем, которые
используются в программах распознавания лиц). Эти модели автоматически оценивают особенности песни, такие как, например, ее «валентность», то есть эмоциональную позитивность или грусть, передаваемую треком. Другие акустические атрибуты, такие как, например, танцевальность или инструментальность - извлекаются алгоритмически и соотносятся с профилями вкуса пользователя.
Эти профили оценивают атрибуты стиля и вкуса, такие как «мейнстримность» вкуса пользователя (насколько популярна музыка, которую он склонен слушать), свежесть (уровень новизны, который он предпочитает), разнообразие (уровень открытости для новых звуков, частота добавления новой музыки в собственные плейлисты), открытие (как часто пользователь слушает песни, которые впоследствии становятся популярными), популярность и так далее. Профили вкуса измеряют каждого субъекта по каждой из этих различных шкал и сравнивают его со всеми остальными, соотнося пользователя с алгоритмически извлеченными музыкальными атрибутами.
Отношения между алгоритмом и кинокультурой стали наиболее широко обсуждаться после распространения ряда медиаплатформ. Наметился переход от неточного метода, в котором алгоритмы используются для анализа суждений и субъективных оценок пользователей (с использованием их рейтингов, выраженных «звездами» и голосами) для алгоритмического наблюдения и профилирования всех их привычек просмотра. Такие показатели, как скорость завершения, время остановки и начала, время суток, история поиска и поведение при просмотре (например, пауза, пропуск, ускоренная перемотка вперед, перемотка назад и т. д.) могут быть описаны как сумма «микрокультурных практик» и поведений пользователя, которые учитываются не только для отдельных предложений, но и для получения представления о том, как пользователи взаимодействуют и реагируют на определенные аспекты фильма. В настоящее время, разработало более 1000 категорий тегов, которые классифицируют контент по жанру, периоду времени, актерскому составу, развитию сюжета и настроению, используя профессиональные «теггеры» для классификации фильмов на чрезвычайно детальном уровне. Эти категории определяют так называемые «микрожанры» (или альтернативные жанры). Эта микроклассификация позволяет компаниям получить детальное
представление о потребительских предпочтениях и оптимизировать механизм рекомендаций. Компании могут получить очень подробную картину личного вкуса пользователя таким образом, который в противном случае был бы недоступен даже для самого пользователя.
Но основное развитие этого подхода, основано на данных, касающихся решения о том, какой фильм снимать. Будучи «системой для расчета культуры», способной «понимать контент так же, как и потребителей» она позволяет производителям контента решать, давать ли зеленый свет дополнительным тиражам сериала, определяя, какие эпизоды или сцены особенно резонируют с ними у аудитории. Взаимодействие с пользователями принимает форму массового социального эксперимента, в ходе которого информация о предпочтениях, вкусах и поведении людей собирается, анализируется и связывается с конкретными стимулами и культурным содержанием. Это позволяет компаниям составлять все более подробную карту психики аудитории, их положения в культурном пространстве и их желаний в отношении эстетического потребления, что позволяет выяснить, какие способы представления новых культурных продуктов являются наиболее эффективными.
Детальная классификация культурного и эстетического содержания и его взаимосвязь с нашей чувствительностью и вкусом не только имеет функцию все более утонченного удовлетворения наших предпочтений, но и переопределяет то, как мы воспринимаем, наслаждаемся и интерпретируем эти продукты. Ряд исследователей утверждают, что люди оценивают произведения искусства по категориям, и то, как мы классифицируем произведения искусства, изменяет свойства, которые, как мы предполагаем, имеют эти произведения. То, как строятся категории, оказывает глубокое влияние на наши оценочные стандарты и суждения. Как мы видели, процесс категоризации становится имплицитной чертой алгоритмического анализа потребления человека и последующей обратной связи и фильтрации информации [2, с. 216].
Персонализация заключается во все более и более подробной категоризации того, что мы ценим, с помощью анализа данных, что позволяет разработать предиктивную персонализацию, основанную на предположении, что похожие люди хотят похожих вещей.
Кастомизация, с одной стороны, может благоприятствовать петлям обратной связи, которые подкрепляют выбор человека, что приводит к алгоритмическому самоподтверждающемуся эстетическому
потреблению. С другой стороны, при ближайшем рассмотрении мы также наблюдаем, что предопределенные категории налагаются сверху на индивидуальный выбор в схематическом описании якобы истинных предпочтений.
Категории, предлагаемые нашим индивидуальным архитектурам решений, начинают функционировать как объяснение нашего эстетического опыта и оценки. Рекомендации, обратная связь и фильтрация контента становятся самодействующими - то есть они могут прививать пользователю именно те предпочтения, которые, по их предположению, у него должны быть. Мысль о том, что алгоритмы все больше определяют, как структурируется наш эстетический опыт при его потреблении, ставит вопрос о контроле над процессами культурной категоризации, напоминая о предупреждении, согласно которому массовая культура создает систему схем и фильтров, которые в конечном итоге могут стать основой нашего коллективного восприятия реальности.
Шаблоны и категории имеют основополагающее значение для структурирования наших знаний и опыта: что касается культурного содержания, этот процесс категоризации постепенно автоматизируется и передается на аутсорсинг. Как было показано ранее, музыкальные платформы распознают музыкальные жанры, которые нас больше всего привлекают, и используют эти знания для создания предложений, которые повышают наше удовлетворение и в то же время подталкивают нас к новой музыке, которая может расширить горизонт наших предпочтений. Точно так же медиа платформы определяют чрезвычайно сложные повествовательные категории, которые затем используются для целевого потребления пользователей, удовлетворяя их предпочтения, но в то же время формируя их вкус и влияя на их поведение при просмотре.
Таким образом, алгоритмические системы внушения «усовершенствуют» вкусы людей с помощью эстетических и перцептивных категорий, которые разработаны, чтобы привлечь наше внимание и поддерживать интерес. Было бы наивно думать, что цель успешной платформы - просто отразить наши настоящие предпочтения: индивидуальный вкус необходимо культивировать, курировать и
расширять, чтобы максимизировать наше участие. Таким образом, алгоритмы - это «культурные машины», ориентированные на наиболее эффективное удовлетворение нашего потребительского желания. Они также способны модулировать то, что является культурно значимым и значимым для нас, способами, которые ускользают от нашего прямого понимания. Вкус пользователя удовлетворен, но в то же время его ведут на новые пути. В этом смысле алгоритм представляет собой технологическое бессознательное, которое действует на невидимом уровне и пронизывает динамику наших предпочтений, потребления и эстетического опыта [3, с. 246].
Еще одним аспектом отслеживания поведения на цифровых платформах является разработка все более сложных механизмов профилирования, которые классифицируют не только культурный контент, но и самих людей. Усовершенствование классификации и профилирования приводит к мысли, что эти системы в конечном итоге будут знать нас лучше, чем мы сами себя знаем. Алгоритмическая персонализация основана на представлении о том, что пользователь представляет собой совокупность различных предпочтений и потенциальных потребительских качеств: каждому типу эстетического потребления соответствует признак, связанный с определенным вкусом, чертой личности и множеством социально-экономических характеристик.
Определяя определенные человеческие черты и функции, технологии всегда позволяли поддерживать и улучшать отдельные компоненты наших способностей: например, расширение физических навыков с помощью инструментов или транспортных средств, усиление перцептивных способностей с сенсорными расширениями, такими как микроскопы и телескопы, интеграция когнитивных навыков, как память, через системы записи, запоминающие устройства и так далее. В этом смысле алгоритмы можно рассматривать как инструменты дальнейшего расширения возможностей, предоставляющие субъекту возможность искать, разрабатывать и выбирать в наборе почти неограниченного контента, максимизируя его поиск информации, а также оптимального эстетического опыта.
При профилировании пользователей в соответствии с конкретными потребностями, системы предложений анализируют и разбирают уникальное поведение человека на конкретные и целевые черты.
Аффективные и когнитивные элементы человека связаны и интегрированы в экономические, технологические, биологические и социальные комплексы. Следовательно, индивидуум - это не монолитная данность, связанная со всеми этими факторами, а продукт процесса индивидуации через динамическое переплетение с ними. Точно так же каждый человек взаимосвязан с другими не как целостная личность, а через свои алгоритмически детерминированные черты, через социальные связи. Это соединение, которое имеет тенденцию работать без подавления или идеологической манипуляции, поскольку требует только методов модуляции и моделирования, чтобы гарантировать функциональное взаимопроникновение между людьми и машинами.
Основное вдохновение Делёза в отношении идеи о том, что центральным является не индивидуум, а процесс индивидуации, можно найти в работах Гилберта Симондона (1958 и 1992). Согласно Симондону, мы не должны предполагать априорное существование индивидов как причину их поведения и предпочтений. Мы скорее являемся результатом всегда открытого процесса индивидуализации через наши повседневные действия и взаимодействие с системами (включая окружающую среду, технологии и человеческие артефакты), которые постоянно определяют нашу идентичность, предпочтения и выбор.
Если отношение к внешним системам существенно для процесса индивидуации, то было бы упрощением рассматривать алгоритмы как простые инструменты, отражающие предпочтения и черты уже данных индивидуумов. Если алгоритмический анализ предназначен не только для лучшего описания субъекта, но и для нацеливания и изменения его поведения, то идеал алгоритмической культуры как окончательного достижения демократической общественной культуры, основанной на прозрачном описании наших предпочтений и выбора, был бы наивным.
Никто не знает в деталях механизмы, лежащие в основе основных цифровых информационных систем, которые далеки от демократичности и прозрачности; скорее, это частные инструменты, направленные на максимизацию прибыли за счет увеличения вовлеченности пользователей. Это говорит о том, что алгоритмы перестают быть просто «телескопом», улучшающим навыки принятия решений. Они развиваются не только для того, чтобы принимать наши решения, но и
для того чтобы контролировать пути принятия решений, пространство свободы действий.
Алгоритмический таргетинг и профилирование могут привести к «коррумпированной персонализации», т. е. к процессу, при котором ваше внимание привлекает чужие интересы. Согласно этой точке зрения, персонализация всегда следует модели человека как максимизатора опыта: каждая черта, составляющая индивидуум, демонстрирует неисчерпаемые потребительские возможности.
Следовательно, внушения никогда не поддержат поведение человека, который, например, предпочел бы меньше потреблять, ограничить свой поиск новизны и достичь точки, в которой его интересы насыщаются. Профилирование никогда не бывает просто описательным, оно носит преобразующий характер и поддерживает модель поведения, в которой люди максимизируют предпочтения, прозрачны в своем культурном потреблении и склонны делиться своими данными с системой и сообществом других пользователей.
Технологии формируют свое содержание и содержание своих пользователей, по крайней мере, со времен Вальтера Беньямина. Каждая инновация в средствах массовой информации всегда приносила с собой изменения и эволюцию культурного производства, и всегда существует связь между технологическим прогрессом и формальными инновациями в творческой сфере. Следуя этому пункту, можно сказать, что алгоритмы не только отслеживают и описывают человеческое производство, но и творческий выбор людей начинает адаптироваться к выходным данным и категориям, генерируемым алгоритмом. Например, уже упоминалось, как алгоритмическое визуальное курирование повлияло на создание фотографических изображений посредством модификации предпочтений и привычек.
В случае с музыкальной индустрией технологические ограничения (или их отсутствие) всегда определяли творческие ограничения (или свободу от них), о чем свидетельствует влияние многочисленных изменений в технологиях записи и вспомогательных носителях на музыкальное производство. Например, музыкальный альбом в 1980-1990 годах мог длиться всего около 45 минут, учитывая ограничения памяти виниловых пластинок и оптических компакт-дисков. Сегодня не только возможно производить поп-музыку продолжительностью два или более
часов благодаря отсутствию ограничений на хранение цифровых носителей, но и есть стимул предлагать большее количество синглов на альбом, чтобы увеличить вероятность его успеха, поскольку успех измеряется тем, сколько раз сингл прослушивается через службу потоковой передачи.
Онлайн-платформы потоковой передачи создают чрезвычайно насыщенную экосистему, которая поощряет высокий уровень конкуренции за внимание слушателя. Более того, благодаря потоковой передаче музыкальные продюсеры имеют доступ к огромному количеству данных: они могут узнать, какие песни пропускаются через несколько секунд, какие из плейлистов чаще всего слушают и какие музыкальные стили или ритмы могут привлечь больше внимания. Это привело и к модификации мелодической структуры музыкальных произведений: поскольку в стриминге пользователь обычно слушает только первые секунды песни, прежде чем принять решение продолжать слушать или пропустить ее, музыканты ориентируются на захват внимание слушающих в эти начальные моменты. Например, это может привести к немедленному вступлению припева основной песни или к уменьшению времени до первоначального вступления певческого голоса. Кроме того, музыканты могут пытаться воспроизвести определенные стили или звуки, потому что они с большей вероятностью будут распознаны алгоритмами. Наблюдались дальнейшие изменения, такие как уменьшение количества слов в названиях песен, уменьшение времени до того, как название песни будет услышано, и общее увеличение среднего темпа.
Алгоритмы можно явно использовать для моделирования творческого процесса. Анализ данных может привести к точному определению формата и продолжительности телепрограммы, ее жанровой и повествовательной структуры, ритма и поворотов сюжета, а также надлежащего использования эмоциональной палитры в сюжете с целью максимального общественного успеха.
Можно возразить, что такого рода анализ при создании любой популярной продукции не новинка: исследования рынка, обратная связь от фокус-групп и наблюдение за вкусами публики всегда были инструментами производителей товаров массового потребления. Но внедрение обширного анализа данных привело к более
всепроникающему, широкому и точному уровню наблюдения за реакцией общества и более эффективному вмешательству в его предпочтения.
Более того, можно утверждать, что независимые произведения, в том числе «высокие» и сложные культурные продукты (такие как современное искусство, высокоинтеллектуальная музыка и нетрадиционная литература), по определению свободны от явного алгоритмического профилирования и анализа. Но это не означает, что они свободны от влияния алгоритмически управляемого обмена информацией. Например, музеи уже пересмотрели способы организации и представления своих коллекций под влиянием цифровой видимости произведений искусства. Современные художественные практики также находятся под влиянием динамики информационного потока, которому мы подвергаемся. Все субъекты «мира искусства» (художники, критики, исследователи, теоретики) сильно зависят от одних и тех же цифровых потоков.
Традиционный творческий процесс характеризовался фазой изоляции и уединения, но с Интернетом каждый пользователь подвергается воздействию другого и взаимному влиянию творцов искусства и зрителей. Когда мы ищем художника, его работы или определенное направление, Интернет предоставляет нам набор сайтов, критические тексты, изображения работ художника и ссылки на галереи, а также видео и новостные статьи. Это не только создает изменения в том, как мы смотрим, получаем доступ и воспринимаем искусство (как в сети, так и в автономном режиме), но также и в том, как сам мир искусства (художники, исследователи, кураторы, критики) думает о процессе создания искусства. Каждый молодой художник или дизайнер постоянно находится в поиске новых источников вдохновения, проверяет состояние дел в своей области или среде и пытается уловить трендовый дух времени, в котором он (сознательно или бессознательно) пытается позиционировать себя.
Творчество всегда было продуктом «сетевого» вдохновения и притока того, что другие коллеги предлагают вниманию публики. Но с растущим использованием цифровых медиа и ролью платформ, отбирающих и фильтрующих то, что культурно значимо для наших глаз и чувств, вклад алгоритмов стал присутствием, которое никакое культурное исследование динамики современной эстетики не может
игнорировать. Иными словами, механизмы алгоритмической фильтрации, которые отбирают и организуют информацию, играют значительную роль в формировании нашего визуального и художественного восприятия.
Алгоритмы формируют нас. Они играют решающую роль в формировании нашего вкуса и в направлениях нашего эстетического опыта. Они адаптируются к нашему эстетическому выбору, а выбор отчасти является результатом того, как алгоритм учит нас, расширяет наше самопознание, но также тонко манипулирует нами: эстетическая автономия - это сложная диалектика, основанная на различных степенях внешнего контроля. В исследовании этой диалектики эстетика как дисциплина играет центральную роль в попытке ответить на вопросы о том, как наш выбор и опыт «культивируются» посредством сложного и не всегда прозрачного процесса фильтрации и направления внимания.
Алгоритмы - это непрозрачные вещи, черные ящики, основные цели которых не обязательно совпадают с целями их пользователей. Вкус и эстетический опыт всегда были результатом встречи личных наклонностей и предпочтений со сложными и непредсказуемыми факторами, такими как образование, культурный контекст, случайное воздействие новых стимулов и внешние воздействия. Все эти факторы являются «невесомыми рычагами», которые способствуют случайным открытиям и эволюции личных вкусов и эстетических предпочтений. Но с появлением алгоритмического анализа нашего эстетического поведения все меньше и меньше остается на волю случая, и эти невесомые рычаги становятся вычислимыми факторами, которые используются для оптимизации культурных продуктов, с которыми мы сталкиваемся.
Более того, антропологической моделью, лежащей в основе алгоритмической культуры, является идея о том, что эстетические установки и вкусы человека определяются только с точки зрения явного выбора и потребления, исходя из предположения, что вовлеченность, наряду с максимизацией интереса и внимания, является прямым выражением автономии. Здесь предполагается, что мы максимизируем потребление. Возможность того, что индивид решит не заниматься эстетическим опытом или не искать постоянно новые культурные продукты, обычно исключается самим механизмом алгоритмического профилирования и внушения.
Еще один вопрос, который необходимо исследовать, заключается в том, подвергаются ли наши предпочтения и вкусы процессу глобальной гомогенизации посредством сближения потребительских привычек и контента, управляемого алгоритмами с целью максимизации вовлеченности, или же вместо этого мы наблюдаем увеличение множественности стилей, тенденций и эстетических предпочтений пользователей, атомистически замкнутых в своем пузыре персонализированного культурного выбора. В качестве альтернативы гиперсвязность может сочетать в себе гомогенизацию и атомистическую персонализацию как следствие индивидуального профилирования, основанного на субличностных компонентах: каждый человек представляет собой особую комбинацию глобально отслеживаемых и культивируемых черт. В частности, если алгоритмы отслеживают и предлагают фрагменты контента, которые имеют отношение к определенным социальным атрибутам и культурному капиталу, это не ослабит, а еще больше укрепит механизмы, формирующие культурно закрытые привычки вкуса и эстетического потребления [4, с. 142].
Поскольку время просмотра, поисковые запросы, комментарии и «лайки», перемотка видео или аудио, а также прошлое поведение входят в процесс посредничества, который контролирует то, что мы видим, слышим и читаем дальше, мы можем обнаружить, что не можем избежать данных. Это вездесущность отслеживаемых точек данных часто благоприятствовало антиутопической идее цифрового царства как устройства наблюдения, осуществляемого посредством удовлетворения желаний.
Однако антиутопический взгляд на алгоритмическую культуру предполагает четкое различие между автономией уже данного субъекта по отношению к его орудиям, включая технологические устройства. Однако более реалистично было бы рассматривать технологию как компонент эволюции человека, где субъективность, то есть сумма когнитивных процессов, потребностей и установок человека, является продуктом динамического взаимодействия с инновациями. Можно сказать, что алгоритмы - это технические объекты, связанные друг с другом, связанные с людьми и связывающие людей с миром. Таким образом, было бы наивно описывать их как инструмент отчуждения, скорее, это «гиперартефакты», которые связывают нас и мир
всевозможными тонкими отношениями, обратными связями и взаимозависимостями. Что касается эстетики, алгоритмы следует рассматривать как инструменты, позволяющие экспериментировать с новыми способами получения опыта, формирования вкуса и самосовершенствования, и как агенты мягкой силы, направляющие человека, контролируя его желания и постоянно трансформируя его: по всем этим причинам знание принципов работы алгоритмов должно быть неотъемлемой частью нашего самопознания. Прозрачность их функционирования и возможность их оценки является социальной, политической и научной проблемой.
Список литературы
1. Банфи, А. // Философия искусства / А. Банфи ; перевод с итальянского Г. П. Смирнова. - Москва : Искусство, 1989. - 384 с.
2. Лосский, Н. О. Мир как осуществление красоты. Основы эстетики / Н. О. Лосский. - Москва : Прогресс-Традиция : Традиция, 1998. - 416 с.
3. Найман, Е. А. Эстетические основания философской онтологии / Е. А. Найман. - Томск : Изд-во Том. ун-та, 2014. - 290 с.
4. Новикова, Л. И. Эстетика и техника: альтернатива или интеграция? (Эстетическая деятельность в системе общественной практики) / Л. И. Новикова. -Москва : Политиздат, 1976. - 287 с.
AESTHETICS IN THE DIGITAL AGE: TASTE AND ALGORITHM
K.I. Pesotskaya
Belgorod State Institute of Arts and Culture, Belgorod e-mail: kcherkesova@mail.ru
This article explores some of the key questions regarding the role of algorithms in aesthetic fields, such as taste discovery and formation, cultural consumption and production, and demonstrates how aesthetics can contribute to the ongoing debate about the impact of modern «algorithmic culture».
Keywords: algorithm, taste, aesthetic consumption, information, culture.
