Mistika in magija latentnega prostora

Kako postati nevideno

Mistika in magija latentnega prostora

Kako postati nevideno

Slika 1. Vizualizacija na roko napisanih števk od nič do devet, kot jo je ustvaril variacijski avtokodirnik.

Z namenom, da skrbi študij interakcije med človekom in računalnikom (HCI) navezali na medijske študije, v eseju postavljamo teorijo o globoko lažnih slikah v okviru fenomenoloških implikacij: do katere mere lahko vpotegnejo človeškega gledalca v ta sicer nevideni svet. Na podlagi primerjalne fenomenologije Viléma Flusserja in Louisa Beca se osredotočamo na variacijske avtokodirnike (VAK). Zagovarjamo mnenje, da so procesi, ki so podlaga konstrukciji globoko lažnih slik, tako kot globoko lažne slike dokaz paralelne, prostetične in računalniške fenomenologije: gre za raziskavo tistega, »kar se kaže« računalniku in kar se sekundarno človeškemu uporabniku pokaže kot slika. Primera VAK uporabljamo, da bi argumentirali vznik sprejete fenomenologije drugega reda pri obogatenem človeku, saj prebivamo v vse bolj računalniškem svetu.

Uvod

Vampirski lignji – oziroma lignji vseh vrst – nimajo hrbtenice. Gre za star odklon na evolucijski poti: imeti ali ne imeti, biti ali ne biti (takšne ali drugačne oblike). Celo ob svojem času je dihotomija med vretenčarji in nevretenčarji odsev sodobneje obremenjene dihotomije med subjektom in objektom (Gibson 1977; Johnson/Latour 1988). Kako nam računalniške oblike videnja omogočajo videti nevideno človeške subjektivnosti in življenjski svet, ki vznikne s pomočjo tovrstne subjektivnosti?
Kaj ostaja zakrito – nevideno – onkraj tradicionalne dihotomije med subjektom in objektom?

Z razcvetom in nenehnim razvojem računalniških tehnologij postajata zgodovinsko nasprotujoči si kategoriji subjekta in objekta vedno manj medsebojno izključujoči se, kot se to zdi na področju slovnice in pisne/govorne komunikacije. Računalniški objekti manifestirajo samostojno dejavnost v prostetičnih oblikah vida, sluha in spoznavanja kot obdelavo podatkov: subjekti (v redukcionistični obliki »uporabnikov«) pa so konfigurirani (Woolgar 1990), naprave delujejo nanje, so videni, slišani, analizirani. Gre za preobrat: objekti občutijo, subjekti pa so občuteni; računalniški objekti interpolirajo, mi, uporabniki, pa smo interpolirani.

Slika 1. Vizualizacija na roko napisanih števk od nič do devet, kot jo je ustvaril variacijski avtokodirnik. https://www.jeremyjordan.me/variational-autoencoders/
Slika 1. Vizualizacija na roko napisanih števk od nič do devet, kot jo je ustvaril variacijski avtokodirnik. Dostopno tukaj.
Povečevanje

Vendar se računalniška interpolacija ne omejuje zgolj na razmeroma ozka merila posamičnih uporabnikov. Skupaj z uporabnikom – pri tem nas vedno več spada v to kategorijo, saj računalniške naprave prenašamo v torbah in žepih, imamo jih v avtomobilih, doma, na delovnih mestih in v soseskah – je interpoliran, osvežen tudi svet, ki konstruira uporabnika. Že danes različne generacije ljudi dejansko živijo v različnih svetovih (Serres 2015), pa čeprav ti svetovi temeljijo v enakih pogojih utelešanja. Negativni prostor, ki vznika iz znanega, izkustvenega življenjskega sveta človeka – tisto nevideno – postane videno: mistično, čarobno. In tako vznikne tudi temeljno vprašanje naših bližnjih prihodnosti: kakšen je videti človeški življenjski svet skozi oči računalnika? In kako bodo ljudje kot uporabniki videli naš svet skozi objektiv tistega, kar je že računalniško videno?

V duhu Viléma Flusserja in Louisa Beca (Flusser in Bec 2012) omemba lignja brez hrbtenice na začetku eseja namiguje na novo obliko fenomenologije, ki postaja vedno bolj relevantna, bolj ko računalniki s svojim vidom hkrati dedujejo in interpolirajo živeči svet ljudi, oziroma na točko, ko se bo biološki Umwelt človeka zlil z družbenim, kulturnim, zgodovinskim in arhivskim. In ta nova oblika je primerjalna fenomenologija: gre za primerjavo med načini, kako se svet kaže različnim aktantom različnih utelešenj/snovnosti. Tako kot ligenj nima hrbtenice, računalnik nima inherentne subjektivnosti – računalniki so stroji za objektivizacijo. Ljudje pa računalniškim izhodnim podatkom kljub temu pripisujejo lastno subjektivnost: če računalnik »vidi«, potem uporabniki vidijo nekaj, kar je že videno in je bilo potemtakem do sedaj ne-vidno golemu človeškemu očesu. Človek samega sebe vse bolj vidi skozi tisto, kar je že videl računalnik.

V prispevku raziskujemo, kako bi lahko človek kot biološki in kulturnozgodovinski aktant na novo videl samega sebe v vse bolj računalniškem svetu: kako bi lahko postali poustvarjeni v podobi tistega, kar je bilo fenomenološko nedostopno, nevideno. Avtorja se lotevava raziskave skozi objektiv globoko lažne tehnologije in nevronskih mrež – bolj določno, variacijskih avtokodirnikov (VAK), ki jim služijo kot podlaga.


Nevronske mreže in VAK

Nevronske mreže so računalniški sistemi, oblikovani po vzoru funkcij nevronov v možganih. Zgodovinsko gledano že od nekdaj uporabljamo metafore najnaprednejših tehnologij, da bi opisali možgane – hidravlični sistemi, kemične juhe, vezja – zdaj pa smo dosegli točko uroborične povratne zanke: s tehnologijo smo dešifrirali možgane, tako da sami postajajo temelj za inovativne tehnologije. In te ustvarjajo ločena in ločljiva popačenja človeškega sveta zaznave.

Na splošno velja, da se nevronske povezave, ki se pogosteje uporabljajo, okrepijo, tiste, ki niso dosti v uporabi, pa oslabijo. Če bi, na primer, živeli v svetu, kjer bi prevladovali izključno različni odtenki modre, bi se nam okrepile nevronske poti za zaznavanje, razločevanje in razlikovanje med različnimi vrstami modre, izgubljali pa bi zmožnost razločevanja med bordo in slezasto barvo. Nevronske mreže delujejo na podoben način: »učijo« se zaznavati vzorce v podatkih, in ko to osvojijo, postajajo vse boljše in boljše pri zaznavanju vzorcev, ki jih »poznajo«.

Tovrstno zaznavanje vzorcev je zelo uporabno, če želiš veliko podatkov shraniti na zelo majhnem prostoru, na primer pri stiskanju slik. Pošiljanje in shranjevanje velikih slikovnih datotek je drago, zato takšne datoteke pogosto stiskamo, da jih laže prenašamo in shranjujemo. Pri številnih postopkih stiskanja se določeni odtenki slike izgubijo. Enobarvno kopijo polnobarvne slike si lahko predstavljamo kot še posebej drastičen primer izgube podatkov pri stiskanju slik: pa vendar, žrtvovali smo barve, a enobarvna slika zasede manj kot tretjino prostora, ki bi ga izvirnik s polnim spektrom barv. 

Seveda je cena takšne izgube dokaj visoka za to, da pridobiš nekaj malega dodatnega prostora. Večina orodij za stiskanje slik uporablja algoritmična orodja, ki zagotavljajo, da se pri stiskanju izgubi čim manj informacij – tako da človeško oko izgube sploh ne zazna. Čeprav se s tem postopkom zvezni pigmenti spremenijo v nezvezne piksle, so algoritmi za stiskanje sprogramirani, da razliko med enim in drugim naredijo praktično neopazno, pri tem pa se že poigravajo z režami videnega in nevidenega.

Predstavljajte si, da vam podam sliko človeškega obraza. Če vas sprašam, kaj je na sliki, boste najverjetneje odgovorili, da je obraz. Precej manj verjetno je, da bi mi povedali, da sliko sestavlja, recimo, 1024 pikslov in mi nadalje našteli še hex barvno kodo vsakega od njih. Ljudje in računalniki o videnem poročamo na različne načine. (»Obraz« je za človeka berljivejši od opisa kakih tisoč pikslov.) Tako kot pri gozdu in drevesih, to, kar sporočimo, pomeni, kaj je videno in kaj ne.

V tem primeru seznam vsakega piksla in njegove hex barvne kode predstavlja (računalniško orientirano) brezizgubno stiskanje slike. Po drugi strani pa opis (človeško orientiranega) »obraza« za računalnik pomeni veliko izgubo. Če mi rečete, da slika prikazuje obraz, se mi bo z računalnikom le stežka posrečilo popolnoma reproducirati sliko. A ker sem že kdaj prej videl kakšen obraz, vem nekaj malega o tem, kako je strukturiran – oči, ušesa, nos, brada, lica, čeljust, čelo – in zato se lahko zanašam na to, kar vem o tej strukturi, ko si skušam predstavljati sliko, ki jo opisujete. In čeprav ni verjetno, da se mi bo posrečilo popolnoma reproducirati obraz s slike, ki jo gledate, pa bom lahko hitro in učinkovito naredil približek.

In v grobem tako delujejo tudi avtoenkodirne nevronske mreže – kar je »znano« (na primer modra barva, struktura obraza) daje informacije za izhodne podatke. Avtokodirnik najprej prebere nabor slik. Potem si prizadeva poiskati vzorce v teh slikah, redna sopojavljanja struktur v podatkih. Tem vzorcem rečemo latentne strukture. (Latentne strukture si lahko predstavljate kot hevristična pravila, ki so se jih nevronske mreže naučile pri procesu kodiranja podatkov. Nazorneje, pravopisni aksiom »I je pred E, razen po C« je primer latentne strukture v angleškem jeziku. Tako kot mnogo drugih pravil črkovanja tudi te strukture ne najdemo v samih podatkih, ampak je tam zgolj latentno prisotna, nastane pa pri procesu učenja, kako »kodirati« misli v angleščino.)

Ko avtokodirnik bere slike, se nauči prepoznavati takšne latentne strukture. Več latentnih struktur ko prepozna, več pravil ima za razumevanje, kako so slike strukturirane in posledično bo lahko avtokodirna nevronska mreža natančneje »narisala« sliko. A tako kot ljudje tudi nevronske mreže nimajo neskončnih zmogljivosti za shranjevanje pravil. Množico podatkov velikosti n je sicer možno popolnoma opisati z uporabo n pravil, vendar pa nam to pri stiskanju prav nič ne pomaga. Nabor pravil je lahko celo večji od števila podatkov, v tem primeru si je bolje zapomniti vsak piksel posebej. Zato morajo avtokodirniki uporabljati čim manj pravil, da učinkovito stisnejo sliko, vendar pa potrebujejo čim več pravil zato, da jo lahko kasneje spet raztegnejo. Ta pravila, oziroma latentne strukture, so reprezentacije podatkov, ki so shranjene v t. i. latentnem prostoru. Večji ko je latentni prostor, večje so dimenzije, več reprezentacij latentne strukture podatkov lahko shranimo in natančneje bomo lahko raztegnili, odkodirali ali »narisali« prvotne podatke.

Vsaka od teh latentnih struktur opisuje dimenzijo, v kateri je strukturno mogoče, da se pojavi določena slika. Z rekombinacijo latentnih struktur je mogoče izvorno sliko dejansko odkodirati iz njenih zakodiranih reprezentacij in jo »ponovno narisati«. Ker pravila o podatkih zasedejo manj prostora kot sami podatki, lahko podatke shranimo v stisnjeni obliki brez pretiranih izgub. 

Tovrstne avtokodirne nevronske mreže so programirane za stiskanje slik in so odlične za učinkovito kodiranje slik, shranjevanje njihove latentne strukture in nato odkodiranje teh struktur nazaj v slike. Ne morejo pa tvoriti novih slik, ki bi temeljile na istih latentnih strukturah, drugačnih konfiguracij črt in barv, ki jih na izvorni sliki ni, bi pa bile strukturno mogoče, glede na vse, kar se je sistem naučil o latentni strukturi. Za to je potrebna manjša variacija avtokodirnega principa.

Takšnim nevronskim mrežam rečemo variacijski avtokodirniki (VAK). Delujejo podobno kot avtokodirne nevronske mreže, saj tudi sami razstavljajo in kodirajo vhodne podatke v nabor manjdimenzionalnih pravil, ki jih nato uporabijo za odkodiranje izhodnih podatkov. Preobrat se skriva v tem, da variacijski avtokodirniki podatkov ne kodirajo kot latentne strukture, temveč kot latentne variable: gre za oblake verjetnosti, ne za natančno določene točke. Latentni prostori avtokodirnikov imajo proge in so nezvezni, latentni prostori variacijskih avtokodirnikov pa so gladki in zvezni. Prostori med točkami strukturacije so polni potencialno udejanljivih strukturalno možnih alternativ, ki bi lahko bile zakodirane z uporabo istih pravil kot prej. 

Če avtokodirnik dobi serijo desetih na roko napisanih števk od nič do devet, bo tudi vrnil serijo desetih na roko napisanih števk od nič do devet. Variacijska avtokodirna nevronska mreža pa po drugi strani ustvari vsako možno variacijo teh desetih na roko napisanih števk, vključno s števkam podobnimi glifi, ki niso bili del izvornih podatkov (slika 1). 

Tako iz videnega vznikne nevideno. Variacijske avtokodirne nevronske mreže uporabljajo latentne strukture v slikah za to, da proizvajajo slike, ki so latentno prisotne v teh strukturah – so mogoče, niso pa opazne. Z drugimi besedami, variacijski avtokodirniki tvorijo tisto, kar je drugače nevideno. Nanašajo se na tisto, kar je drugače nestrukturirano, ga regularizirajo in strukturirajo, tako da naredijo vidno tisto nevideno, ki ga je moč videti, in normalizirajo to, kar je drugače nezvezno. Ko začnejo računalniki videti svet v imenu svojih uporabnikov, se svet videnega zlije s svetom nevidenega: zlijeta se prekrivajoča se Umwelta računalnika in človeka – prvi prostetičen, drugi organski. 

Globoko lažne slike

Marvin Gaye (in vsakdo, ki je že kdaj zapel pesem Heard it Through the Grapevine) je nekoč zapel verz: »Verjemi samo pol tistega, kar vidiš, in nič od tistega, kar slišiš.« Gre za precej previdnejši pristop k resnici vida, kot ga najdemo pri reklu: »Verjamem to, kar vidim.« Videti lahko še vedno pomeni verjeti, spreminja pa se tisto, v kar verjamemo zaradi vida. Ko vidimo izhodne podatke računalniških sistemov vida, s tem verjamemo v računalniški svet: verjamemo v svet skoraj-čarovnije, ki je bodisi podlaga človeško zaznavnega sveta ali pa ga obkroža.

Globoko lažne slike so srhljive. Gre za računalniško narejene stvaritve vizualnega sveta, ki temeljijo na podobnih načinih obdelave slik, kot smo jih opisali zgoraj. In postajajo vse pogostejše. Tovrstne slike se uporabljajo v politiki, pornografiji, umetnosti in oglaševanju. Pod vprašanje postavljajo meje in dokončnost sveta, kakršen je, v primerjavi s svetom, kakršen bi lahko bil. Kot je razvidno že iz poimenovanja, gre pri globoko lažnih slikah nemara za orodje prevare: so lažne, ponaredki. A čeprav je pri uporabi globoko lažnih slik prevara osrednjega pomena, morajo še vedno temeljiti na resnici; drugače bi šlo za dokaj slabo prevaro. Globoko lažne slike ne ustvarjajo kar iz trte zvitih sumljivih dvojnikov, temveč prej razkrivajo skrite resnice o tem, kako se nekdo giblje, deluje in je videti; gre za latentne strukture naše vizualne identitete.

Globoko lažen si lahko samo, če si računalniško globoko poznan. Drugače je prevara zgolj površinska, pomanjkljiva, tako da ne reprezentira natančno in ne zavaja učinkovito. Globoko lažne tehnologije in njihove avtokodirne sorodnike lahko razumemo kot tehnologije za videnje nevidenega, pa najsi bo to v skritih resnicah znotraj latentnih struktur naših podatkov in nas samih ali pa za dejstveno lažne, a strukturalno smiselne globoko lažne slike, ki jih tvorijo. V obeh primerih so te nevidene reči zakrite pred antropičnim pogledom, ne zato, ker bi bile tako majhne ali skrite ali kako drugače izločene. Tem nevidenim rečem se lahko približamo le indirektno, izza ovinka, skozi stroj.

Postati nevideno

V okviru procesov, ki so podlaga za tvorjenje globoko lažnih slik, lahko naletimo na dokaze o računalniškem Umweltu (Von Uexküll 2009). Kot pravita Flusser in Bec (2012), se svet lignja bistveno razlikuje od sveta človeka, prav tako pa se razlikuje tudi svet računalnika. Kljub temu gre za svet, kjer se pojavljajo zaznave in občutenja – ali vsaj njihove prostetične, računalniške analogije. Vendar pa pri računalniku ne gre za Umwelt v tradicionalnem smislu tega izraza.

Računalniki v resnici ne morejo imeti življenjskega sveta, ker pač niso živi. Računalniki ne dihajo, ne jedo, se ne razmnožujejo. (Če parafraziramo Hauglanda, jih pač en drek briga.) Vendar obstajajo znotraj biološkega Umwelta: obstajajo v svetu človeka in vsak od njih je zajčja luknja, ogledalo, skozi katero vstopimo v kraljestvo drugače nevidenega. Prostetični Umwelt stroja se prekriva s človeškim Umweltom. In v tem prekrivanju lahko najdemo dokaze čarovnije.

V primeru VAK računalnik skonstruira vizualni svet, ki temelji na vhodnih podatkih. Odkrita konstrukcija tega sveta se pokaže na točki izhodnih rezultatov – tistega, kar je vidno človeškemu očesu – ne gre pa za konstrukcijo, ki bi bila namenjena izključno računalniški rabi: ko računalnik postavimo v odnos do uporabnika, izhodni rezultati računalnika postanejo človeški vhodni podatki. In v tej preobrazbi iz računalniških izhodnih rezultatov v človeške vhodne podatke se skriva čarovnija: v obliki globoko lažnih slik, ki temeljijo na fenomenološko tujih in nedostopnih načinih prostetičnega vida, se srečujemo z nevidenim: s svetom onkraj dosega človeške zaznave in občutenja, ki pa z obdelavo računalniških izhodnih podatkov nazadnje vstopijo v človeški Umwelt. S tem ko vidimo nevideno, postane vizualno kraljestvo človeškega Umwelta nekako čarobnejše (še posebej, če videc ne razume, kako nastanejo globoko lažne slike).

Čarovnijo lahko razumemo kot veščino okultnega gledanja, kot vrsto orodij in tehnik za odkrivanje skritih medsebojnih povezav, struktur, ki so latentno prisotne v drugače nezaznavnem. Čeprav bi lahko trdili, da večina bolj ezoteričnih latentnih struktur, ki jih predpostavljajo tradicije magije, dejansko ne obstaja, to ni tako težak problem, kot se nemara zdi na prvi pogled. »V splošnem nam ni treba biti v skrbeh glede tega, da zagotovimo, da latentna struktura obstaja. Če je takšna latentna struktura modelu v pomoč … potem se bo mreža na neki ravni naučila te strukture.« (Doersch 2016) Z drugimi besedami, ni pomembno, ali latentna struktura, ki se jo kdo nauči prepoznavati, dejansko obstaja ali ne; pomembno je le, da ti učenje te latentne strukture omogoči, da učinkovito in natančno »zakodiraš« ali razumeš izvorne podatke. Čeprav latentne strukture obstajajo, samo če so uporabne, pa so resnične v smislu, da informirajo in modulirajo naše odnose z drugače nezaznavnim. To velja v enaki meri za ljudi in za nevronske mreže; naj na tem mestu ponudimo računalniški obrat Thomasovega teorema: »Če [… računalniki …] določijo situacijo za resnično, potem je resnična v svojih posledicah« (Hildebrandt 2011; Thomas in Thomas 1938).

Čarovnija kot praksa videnja nevidenega temelji na višjih povezavah, zakritih vzorcih, latentnih strukturah; videti nevideno zahteva nekaj nevidenega. Pri globoko lažnih slikah in nevronskih mrežah imamo v igri dve obliki nevidenega: prva je v drugače nevidenem latentne strukture, druga pa so drugače nevidene različice omenjenih latentnih struktur. Enako bi lahko rekli za čarovnijo: da so čarovniški postopki usmerjeni k učenju latentne strukture drugače zakritega z namenom, da bi omenjene strukture učinkovitu uporabili. V nobenem primeru pa razumevanje tega, kako čarovnija deluje, ni predpogoj. »Primerjave med strojnim učenjem in čarovnijo so običajne celo med samimi strokovanjaki in praktiki […] Oboje deluje, težko pa pojasnimo, zakaj in kako« (Browne in Swift 2018). V tem smislu je najnovejši napredek v kognitivni komputaciji neizogiben korak v smeri strojnega šamanizma, magične fenomenologije, ki temelji na nestvarnih, a učinkovitih latentnih strukturah, za katere pa nam manjka bodisi zmožnosti ali primernih čutov, da bi jih lahko preučili.

Ko kot uporabniki stopamo v interakcije s tem nevidenim kraljestvom, iz prebivalcev vidnega sveta vse bolj postajamo prebivalci nevidenega. Najsi še tako neradi ali nevede, vendarle opuščamo svet fizičnih subjektov – svet neposrednega človeškega izkustva, v katerem se »to, kar se pojavlja«, pojavlja, zato ker se pojavlja nam samim. V tem zapuščanju postajamo objektivirani subjekti: subjekti, ki živijo v svetu, ki ga poznajo le skozi objektiv računalniškega objekta. Gre za zares temno magijo.

V prihodnosti, ki bo temeljila na vseprisotnosti računalnikov – in domnevno tudi na vseprisotnosti računalniške vizualne mediacije – bo človeški uporabnik zaživel dvojno življenje v svetu videnega in nevidenega. Kar je človeku biološko nevidno, postane vidno računalniku in potemtakem tudi uporabniku. Ko zaživimo v tem svetu, postanemo ontološke himere: človek postane hkrati zaznavajoči subjekt in objekt zaradi tega, kar zaznava: slike, ki so objektivirane tako, da jih računalnik lahko prebere, jih nato razgradi v latentni prostor in nazadnje spet sestavi v izhodne rezultate določene oblike. Človek-kot-uporabnik je tako skupaj s kulturnimi, družbenimi in zgodovinskimi pogoji objektiviran z vpletenostjo v videnje računalnika. Postajamo tisto, česar prej nismo mogli »videti.«

Prevedel Jaka Andrej Vojevec.

Reference
  • Browne, Kieran, in Ben Swift. 2018. »The Other Side: Algorithm as Ritual in Artificial Intelligence.« V Extended Abstracts of the 2018 CHI Conference on Human Factors in Computing Systems, 1–9. CHI EA ‚18. Montreal QC, Kanada: Association for Computing Machinery. https://doi.org/10.1145/3170427.3188404.
  • Doersch, Carl. 2016. »Tutorial on Variational Autoencoders.« ArXiv:1606.05908 [Cs, Stat], August. Dostopno tukaj.
  • Flusser, Vilém, in Louis Bec. 2012. Vampyroteuthis Infernalis: A Treatise, with a Report by the Institut Scientifique de Recherche Paranaturaliste. University of Minnesota Press.
  • Gibson, James J. 1977. »The Theory of Affordances.« V Perceiving, Acting, and Knowing, uredila Robert Shaw in John Bransford, 67–82. New York: Lawrence Erlbaum Associates.
  • Hildebrandt, Mireille. 2011. »The Rule of Law in Cyberspace?« Uvodno predavanje, Radboud University Nijmegen, 22. december. Dostopno tukaj.
  • Johnson, Jim, in Bruno Latour. 1988. »Mixing Humans and Nonhumans Together: The Sociology of a Door-Closer.« Social Problems 35 (3): 298–310. https://doi.org/10.2307/800624.
  • Serres, Michel. 2015. Thumbelina: The Culture and Technology of Millennials. Rowman & Littlefield International.
  • Thomas, William I., in Dorothy Swaine Thomas. 1938. The Child in America. New York: Alfred A. Knopf.
  • Von Uexküll, Jakob. 2009. »A Stroll through the Worlds of Animals and Men: A Picture Book of Invisible Worlds.« Semiotica 89 (4): 319–391. https://doi.org/10.1515/semi.1992.89.4.319.
  • Woolgar, Steve. 1990. »Configuring the User: The Case of Usability Trials.« The Sociological Review 38 (S1): 58–99. https://doi.org/10.1111/j.1467-954X.1990.tb03349.x.
Najnovejši napredek v kognitivni komputaciji je neizogiben korak v smeri strojnega šamanizma, magične fenomenologije, ki temelji na nestvarnih, a učinkovitih latentnih strukturah, za katere pa nam manjka bodisi zmožnosti ali primernih čutov, da bi jih lahko preučili.
Bralni čas: 14 min.

Sorodne objave

prijavi se

prijavi se na novice in pozive za projekte in prispevke
novice

Koža, 19. januar – 1. marec 2022
Mednarodna fotografska razstava
Cankarjev dom, prvo preddverje

otvoritev: 19.1.2022 ob 19:00

avtorji: Goran Bertok, Ewa Doroszenko, Görkem Ergün, Karina-Sirkku Kurz, Anne Noble, Špela Šivic
zasnova razstave: zavod Membrana – Jan Babnik, Kristina Ferk in Nataša Ilec Kralj
kuratorstvo: Kristina Ferk in Nataša Ilec Kralj
produkcija: Cankarjev dom in zavod Membrana

Podaljšan rok za oddajo predlogov prispevkov (povzetki dolžine do 150 besed in/ali slikovno gradivo) je 30. avgust 2021. Podaljšan rok za oddajo celotnih prispevkov na podlagi izbranih predlogov je 4. oktober 2021. Predloge pošljite prek spletnega obrazca ali se obrnite na nas prek kontaktnega obrazca in/ali naslova editors(at)membrana.org.

Podaljšan rok za oddajo predlogov prispevkov (povzetki dolžine do 150 besed in/ali slikovno gradivo) je 11. junij 2021. Podaljšan rok za oddajo celotnih prispevkov na podlagi izbranih predlogov je 16. avgust 2021. Predloge pošljite prek spletnega obrazca ali se obrnite na nas prek kontaktnega obrazca in/ali naslova editors(at)membrana.org.

Prijave sprejemamo do vključno ponedeljka 26. 10. 2020 na:
elektronski naslov: info@membrana.org
in/ali
poštni naslov: Membrana, Maurerjeva 8, 1000 Ljubljana

Rok za oddajo osnutkov prispevkov (150 besed povzetka in/ali vizualije) je 27. julij 2020. Rok za oddajo dokončanih prispevkov sprejetih osnutkov je 21. september 2020. Osnutke pošljite preko spletnega obrazca na: https://www.membrana.si/proposal/ ali nas kontaktirajte neposredno na editors@membrana.org.

kje: Cankarjev dom, sejna soba M3/4
kdaj: 27. februar 2020, 0b 18. uri

kje: Galerija Jakopič, Ljubljana, v sklopu razstave Jaka Babnik: Pigmalion
kdaj: 5. december 2019
trajanje: 18.00 – 21.00
sodelujeta: dr. Victor Burgin, dr. Ilija T. Tomanić
moderator: dr. Jan Babnik

  • 18.00: Predavanje Victorja Burgina: Kaj je kamera? Kje je fotografija?
  • 19.00: Predstavitev nove številke revije Fotografije (Kamera in aparat: Izbrani spisi Victorja Burgina) v pogovoru z umetnikom in teoretikom Victorjem Burginom in Ilijo T. Tomanićem, piscem spremne besede k slovenskemu prevodu. Pogovor bo moderiral Jan Babnik, gl. in odgovorni urednik revije Fotografija
  • 20.30: razprodaja preteklih številk revije Fotografija

Rok za oddajo osnutkov prispevkov (150 besed povzetka in/ali vizualije) je 16. december 2019. Rok za oddajo dokončanih prispevkov sprejetih osnutkov je 16. marec 2020. Osnutke pošljite preko spletnega obrazca na: https://www.membrana.si/proposal/ ali nas kontaktirajte neposredno na editors@membrana.org.