Лев Манович. Теории софт-культуры

В 2017 году новое нижегородское издательство «Красная ласточка» выпустило первую русскую книгу исследователя новых медиа Льва Мановича. Это сборник девяти ключевых статей Мановича, написанных в период с 1999 по 2015 год. Называется — «Теории софт-культуры».

Этот труд сложно переоценить, особенно мне — я выхватил книгу, вышедшую тиражом всего в 1250 экземпляров как в момент подготовки собственного учебника по новым медиа. Естественно, что Манович один из ключевых пунктов в библиографии.

Ниже я выписываю идеи, которые мне показались важными (пусть некоторые из них очевидны). Призываю всех интересующихся просто прочесть «Теории» в свободные выходные. Держите ручку или хайлайтер наготове.

Из предисловия

В действительности, язык дизайна, развитый и теоретически обоснованный внутри систем обучения ВХУТЕМАСа и Баухауза в 1920-х, прекрасно подходит для описания визуальных аспектов новых медиа.

Новые медиа

Статья 1999 года серьёзно устарела и представляет скорее исторический интерес. Становится понятно, как академические исследователи ухватывали цифровую парадигму и пытались внедрить её в свою методологию.

Принципы новых медиа

  • Как выразилась Ада Лавлейс, ассистент Бэб-биджа и первый в истории программист, «аналитическая машина ткёт алгебраические узоры так же, как станок Жаккара — узоры из цветов и листьев».
  • В 1911 году в результате объединения фирмы Холлерита The Tabulating Machine Company с тремя другими организациями была образована компания CTR (Computing-Tabulating-Recording); в 1914 году её главой был избран Тома Дж. Уотсон. Спустя десять лет бизнес вырос в три раза, и Уотсон переименовал компанию в International Business Machines Corporation, или сокращённо IBM.
  • Медиа могут быть описаны формально (математически).
  • Медиа становятся субъектом алгоритмической манипуляции.
  • Дискретное представление информации (1) и её числовое кодирование (2) позволяют автоматизировать множество операций, связанных с созданием медиа, манипуляциями с ними и обеспечением доступа к ним.
  • Объект новых медиа не является чем-то зафиксированным раз и навсегда и может существовать в различных версиях.
  • Идея дигитальности сама по себе вряд ли может отделить новые медиа от старых. Ключевым является не то, что медиа переводятся в цифровой код, а то, что в результате этого перевода с ними можно производить вычисления. С этой точки зрения термин цифровые медиа, ставший популярным в 1990-х годах, является не слишком удачным, поскольку он отражает лишь одну идею — идею дигитализации. Более подходящим был бы термин компьютерные медиа или даже лучше, программируемые медиа.

Постмедиальная эстетика

  • Постмедиальной эстетике необходимы категории, которые могут описывать то, как культурные объекты организуют данные и структурируют опыт взаимодействия пользователя с этими данными.
  • Категории постмедиальной эстетики не должны быть привязаны к определённым способам хранения или передачи данных.
  • Постмедиальная эстетика должна использовать новые понятия, метафоры и операции эпохи компьютеров и интернета […].
  • Я бы хотел ввести ещё один термин — информационное поведение — для описания специфического способа получения доступа к информации и её обработки, реализующегося в конкретной культуре.
  • Применительно к прошлому понятие информационного поведения подчёркивает, что культура также включала обработку информации. Художники разрабатывали новые техники кодирования информации, в то время как слушатели, читатели и зрители создавали собственные когнитивные методы её извлечения.
  • Пройдя по траектории от автора к тексту и далее, к читателю, куда теперь может отправиться история культуры? По моему мнению, нам необходимо обновить информационную модель (автор — текст — читатель), добавив в неё два компонента и перенеся на них наше критическое внимание. Я имею в виду софт (программное обеспечение — в прямом и метафорическом смыслах), используемый автором и читателем.
  • До настоящего момента я говорил о модели коммуникации, которая предложена в информационной теории, как состоящей из трёх компонентов: отправитель, сообщение и получатель. На самом деле эта модель является более сложной, она содержит семь элементов: отправитель, код отправителя, сообщение, получатель, код получателя, канал и шум. Согласно этой модели, отправитель кодирует сообщение, использую свой собственный код; затем сообщение передаётся по каналу коммуникации; в процессе передачи на него влияет шум. Получатель, в свою очередь, при помощи своего кода декодирует это сообщение. Из-за ограниченной способности канала, наличия шума и возможных расхождений в кодах отправителя и получателя последний может получить сообщение отличное от того, которое исходило от первого.
  • Проблемы возникают, когда коммуникационную модель принимают за модель культурной коммуникации. Разрабатывающие её инженеры были заинтересованы в точности передачи сообщения, однако в культурной коммуникации сама по себе идея точной передачи опасна: предполагать, что коммуникация успешна только в том случае, если получатель точно воссоздаёт сообщение отправителя, означает придавать большую важность смыслам отправителя, чем смыслам получателя.

Медиа в эпоху софта

  • Термины цифровые медиа и новые медиа не слишком хорошо схватывают уникальность «цифровой революции». (Мне нравится термин медиакомпьютинг, хотя за пределами некоторых сообществ, занимающихся компьютерными науками, — в первую очередь в Европе — он практически не используется.) Почему эти термины не подходят? Потому что все новые качества цифровых медиа находятся не «внутри» медиаобъектов.
  • «Цифровых медиа не существует». Существует только софт, применяемый к медиа (или «контенту»). Другими словами, для пользователей, которые взаимодействуют с медиаконтентом лишь через приложения, «свойства» цифровых медиа определяются конкретной программой, а не содержатся непосредственно в самом контенте (т. е. в цифровых файлах).
  • В статье «Авангард как программное обеспечение» я разделил все новые средства цифровых медиа на четыре типа в зависимости от поддерживаемых функций: доступ, генерирование, управление и анализ.
  • (Любопытно, что предшественником фонографа Томаса Эдисона, представленного в 1877 году и ставшего первым устройством для записи и воспроизведения звука, был фоноавтограф Эдуарда Леона Скотта де Мартенвиля. Этот прибор, созданный в 1857 году, переводил звук в формат визуальных медиа. Иными словами, визуализация звука была изобретена раньше, чем его запись и воспроизведение.)
  • Медиа становится софтом.

Инфоэстетика и исследования софта

Культурные формы информационного общества

Эта статья датирована 2008 годом и, конечно, более современна.

  • Я хотел бы предложить новую парадигму для понимания современной культуры — информационную эстетику.
  • В своей работе «Понимание медиа», где представлен системный анализ всех ключевых исторических и современных медиатехнологий, Маклюэн все же посвящает самую последнюю главу обработке данных, но в целом компьютерные вычисления не играют в его теории никакой роли.
  • Нам приходится проектировать формы себя, но также и для информации, которую мы создаём, фиксируем и редактируем. Можно сказать, что мы стали биологическим видом, обрабатывающим информацию, при этом оставшись видом, создающим формы. Если Маркс полагал, что человек отделился от живого мира, создав орудия труда, сейчас мы можем добавить, что люди стали людьми, сделавшись дизайнерами — изобретателями и создателями форм.

Алгоритмы нашей жизни

2013 год, визионерская статья.

  • Софт стал универсальным языком, интерфейсом нашего воображения и нашего мира. Он стал для начала XXI века тем же, чем для начала XX века были электричество и двигатель внутреннего сгорания. Я представляю его себе как слой, проходящий сквозь всё современное общество.

Культурная аналитика

Музей без стен, история искусств без имен

2012 год, Лев Манович предлагает создать по аналогии с data science нечто про культуру, исследуемое в том числе статистическими методами.

  • В конце 1990-х информационная визуализация стала привлекать внимание художников, работающих с новыми медиа. К 2004 году ими было создано столько проектов, что можно было с уверенностью говорить о появлении новой области — художественной визуализации.
  • Структура категорий на DeviantArt настолько интересна, что её саму можно изучать в качестве артефакта […] Эта структура представляет собой удивительный портрет воображаемого современной культуры.
  • …количественное расширение приводит к качественному изменению доступных нам способов наблюдения. Возможность одновременно демонстрировать тысячи изображений позволяет увидеть в них постепенные, едва различимые исторические изменения, определить, какие изображения типичны, а какие — уникальны, обнаружить паттерны подобия и различия в многочисленных наборах изображений любого объёма и использовать множество других способов анализа.
  • Анимированная визуализация, созданная моим студентом Сайрусом Киани, использует 5930 первых полос газеты The Hawaiian Star за период с 1893 по 1912 год. Эта визуализация впервые делает видимым то, как меняется с течением времени визуальный дизайн модернистских печатных медиа в поиске формы, соответствующей новым условиям восприятия и новому ритму современной жизни.
  • [возможно, данные устарели]Функционирование системы рекомендаций музыкального сервиса Pandora обеспечивается командой, которая оценивает каждую новую песню по 400 различным признакам; после десяти лет существования у компании накопилась база данных из 800 тысяч песен.

Анализ данных и история искусств

Статья написана в 2015 году. Это своеобразный ликбез для гуманитариев, объясняющий преимущества и основные методы data science.

  • Может ли история искусств […] сделать количественные и вычислительные методы частью своей методологии?
  • …я ожидаю, что «гуманитарные исследования визуального» следующими подружатся с цифрами
  • [Создание представления какого-либо явления] требует принятия трёх ключевых решений: 1) Каковы границы изучаемого явления? 2) Какие объекты будут представлены? 3) Какие характеристики […] каждого объекта мы будем учитывать?
  • То, что выбирается в качестве объектов, какие признаки отбираются и то, как эти признаки кодируются, — три этих момента одинаково важны для представления явлений в виде данных, и, следовательно, для того, чтобы с помощью методов науки о данных [data science] сделать их вычисляемыми, управляемыми и познаваемыми.
  • Развитие статистики, название которой происходит от слова state (англ. государство), в XVIII-XIX веках неотделимо от формирования модерных бюрократических обществ-паноптиконов, озабоченных учетом, всеведением и контролем над человеческими субъектами и экономическими ресурсами. [прим. — здесь Манович использует старое, мало распространенное значение слова «паноптикон» или «паноптикум» — тюрьмы, в которой один стражник может наблюдать за всеми заключёнными, а заключённые не знают, в какой момент на них смотрят]
  • Уже к началу XXI века представление явлений, обладающих сотнями или тысячами признаков, начинает казаться обычным делом.
  • [Выполнение компьютером когнитивных задач, но быстрее, чем человек] является непростым по причине того, что в компьютерных науках называется семантическим разрывом. Это разрыв между знанием, которое может извлечь из каких-либо данных человек и тем, как те же самые данные видит компьютер. […] Понимание смысла текста — ещё один пример семантического разрыва.
  • Самым базовым методом в гуманитарных науках до сих пор остается то же, что свойственно повседневному человеческому восприятию мышлению — сравнение. […] Ручное сравнение не подходит для больших данных […] Методы науки о данных […] позволяют нам ответить на […] вопросы в отношении огромного массива данных. […] Понятие геометрического пространства признаков позволяет нам взять […] сравнение и распространить его на большие культурные данные. […] это даёт нам возможность […] определять понятие различия количественно.
  • Пионер цифровых гуманитарных наук Франко Моретти выразил это так: «В чем состоит изучение мировой литературы? Как к нему приступить? Я занимаюсь западноевропейской прозой 1790–1930-х гг. и чувствую себя шарлатаном, когда покидаю пределы Британии или Франции. <…> „Я занимаюсь западноевропейской прозой…“ Это не совсем так, потому что я занимаюсь лишь канонизированной ее частью, которая составляет меньше одного процента всей изданной литературы. Опять же, многие читали больше, но дело в том, что у нас есть 30 тысяч британских романов XIX в., или 40, 50, 60 тысяч — никто не знает точно, никто их не читал и никогда не будет читать. А ведь есть ещё и французские романы, а также китайские, аргентинские, американские…»
  • …наука о данных позволяет нам не только увидеть данные, слишком большие для нашего непосредственного восприятия и познания, но и взглянуть на любые объемы данных (включая массивы хорошо знакомых нам канонических культурных данных) иначе.
  • …сегодня, если мы хотим сравнивать десятки тысяч или миллионы культурных артефактов <…>, у нас нет иного выбора, кроме как использовать вычислительные методы.

Исследуя городские социальные медиа

2015

  • В 2005 году я ввёл термин культурная аналитика для определения анализа больших массивов и потоков культурных данных с использованием вычислительных методов и визуализации.
  • Наш анализ в проекте Phototrails обнаружил серьёзное сходство между городами по базовым визуальным характеристикам, таким как тональность и цвета изображений, а также в использовании фильтров.
  • В зависимости от города лишь 3–5% проанализированных изображений составляют селфи.
  • В каждом исследованном городе было женских селфи, чем мужских (от 1,3 раза в Бангкоке до 1,9 раза в Берлине). Москва резко выбивается из этого ряда: здесь женских селфи в 4,6 раза больше.
  • Большинство людей на наших фотографиях достаточно молоды (средний возраст — 23,7 года).
  • Вычислительный анализ лиц показал, что много улыбающихся лиц можно найти в Бангкоке (0,68 — средний балл по улыбкам) и в Сан-Паулу (0,64). Наименее улыбчивы люди на селфи в Москве (всего 0,53)
  • Сегодня город «говорит» с нами посредством данных.
  • Сбор данных и предоставление общественности доступа к ним — не симметричны. Данные, предоставляемые городами, фиксируют лишь то, что управляется и контролируется городом: парк и улицы, ремонт инфраструктуры, штрафы за парковку и т. д. Это данные о городе как некой целостности, а не об отдельных людях и паттернах их деятельности.
  • Большие данные, включая визуальные данные из социальных медиа, являются нашим новым художественным средством.
  • […] Как мы можем иначе смотреть не только на окружающий нас мир (это было главным вопросом модернистского искусства), но также и нашу новую «реальность данных»?

Наука о культуре?

2015

  • Я определяю культурную аналитику ка анализ больших массивов и потоков культурных данных с использованием вычислительных методов и методов визуализации.
  • Как можно совмещать вычислительный анализ и визуализацию больших культурных данных с качественными методами, такими как пристальное чтение (close reading)?
  • Это был первый масштабный анализ сети Twitter на основе 106 миллионов твитов от 41,7 миллиона пользователей.
  • Это классические вопросы из сферы исследований коммуникации, возвращение нас к пионерской работе Пола Лазарсфельда и его коллег, которые в 1940-х годах вручную считали темы радиопередач.
  • Если предположить, что составление репрезентабельной выборки в какой-либо области культуры возможно, мы могли бы использовать её для выявления основных трендов и паттернов.
  • В зависимости от географического положения и периода времени восьмёрка самых популярных типов может меняться. Другими словами, хотя с помощью небольшой выборки можно определить «типичное» или «самое популярное», она не позволяет раскрыть то, что я называю «островами контента», — типы контента с определёнными семантическими и/или эстетическими характеристиками, общими для небольшого количества объектов.
  • В культурной аналитике исследуется всё, созданное всеми. Здесь мы подходим к культуре так же, как лингвисты — к языкам или биологии — к жизни на Земле. В идеале мы бы хотели взглянуть на каждое культурное явление, а не отдельные выборки.
  • В начале XXI века объём онлайнового цифрового контента и пользовательских взаимодействий позволяет допустить мысль о возможности создания науки о культуре.
  • Нынешний акцент на вероятностных моделях в изучении онлайновой активности оставляет без внимания третью научную парадигму — симуляцию. Насколько я знаю, симуляция ещё не была введена в область социального компьютинга, ни в сферу цифровых гуманитарных наук как инструмент изучения пользовательского контента, его тем, типов изображений и т. д.
  • В XX веке учёные в области социальных наук работали с так называемыми «длинными данными». Это значит, что число исследуемых кейсов обычно в несколько раз превышало количество анализируемых переменных.
  • Другими словами, вместо длинных данных мы можем иметь дело с широкими данными — огромным и потенциально бесконечным числом переменных, описывающих набор кейсов.
  • Для нас же «широкие данные» означают возможность переосмыслить фундаментальные представления об обществе и способах его изучения, а также о том, что такое культура, художественная карьера, корпус произведений, группа людей со схожими эстетическими вкусами и т. д.