Fotografia z festiwalu warzyw. Kobieta o przerzedzonych włosach siedzi na betonowej ławce. Po jej prawej stronie przycupnęła kapusta włoska, która przypomina kundelka z korzeniastymi wąsami. Na kolanach kobieta trzyma koper włoski, w rozmiarze nigdy niewidzianym w rzeczywistości. Po lewej uśmiecha się rzodkiew, lekko opierając się o ramię kobiety. Rzodkiew ma białe obłe ciało, twarz i długi ogon, którym, gdyby tylko chciała, mogłaby zanurzyć się w głębinach nieistniejących mórz. Moje spojrzenie przesuwa się raz po raz po twarzy kobiety, zatrzymuje się na gargantuicznym koprze włoskim, zaplątuje w dziwnych wąsach kapusty włoskiej. Na co tak naprawdę patrzę? Jaką realność przedstawia ta fotografia? I czy w ogóle jest to jeszcze fotografia?
Wynalezienie fotografii i jej rozwój stanowią historię pytań.
O przedstawianą rzeczywistość, o znaczenie obrazu, który przed sobą mamy, o technologię poszerzającą naszą zmysłowość. Czy rzecz dotyczyła XIX-wiecznych dagerotypów przypominających obrazy malarskie, czy fotografii ulicznej wykonywanej przy użyciu mieszczącej się w dłoni Leiki I zaprezentowanej po raz pierwszy w 1925 r. w Lipsku, czy wreszcie pierwszego telefonu komórkowego, który został wyposażony w kolorowy aparat, wyprodukowanego w 1999 r. przez firmę Kyocera, za każdym razem podważany był dotychczasowy sposób postrzegania rzeczywistości, zmieniało się rozumienie obrazu, a także rola, jaką odgrywa artysta. Pytano: czy dagerotypia jest sztuką? Czy obraz wykonany w ciągu kilku sekund smartfonem jest nadal fotografią? Czy od tego momentu tak będziemy postrzegać świat, w bilionach byle jakich zdjęć zapisanych w wirtualnych chmurach?
Z jednej strony więc historia fotografii wiąże się z rozwojem technologicznym. Miniaturyzacją aparatu fotograficznego posuniętą do tego stopnia, że staje się on albo częścią innego urządzenia, albo przedmiotem całkowicie zbędnym. Jak również z automatyzacją, która maksymalnie skracała i upraszczała proces wytwarzania fotografii (na początku lat 70. firma Polaroid wprowadzała na rynek legendarny model OneStep hasłem: „World’s simplest”, w istocie wystarczyło nacisnąć jeden czerwony przycisk, żeby zobaczyć, jak świat staje się nagle płaski i otoczony białą ramką). Równolegle do tych procesów – miniaturyzacji i automatyzacji – komplikował się sam sposób produkcji aparatu, który miał za zadanie nie tylko tworzyć obrazy ze światła, lecz posiadać „inteligentny wygląd”, być zdolnym „dostarczać najwyższej klasy doznania” i „pomagać wyrażać ci się z niezwykłą dokładnością”. Z drugiej bowiem strony historia fotografii to opowieść o splataniu się fotografii z codziennym życiem. Jak pisze Robert Hirsch w książce Seizing the Light. A Social & Aesthetic History of Photography (Chwytanie światła. Społeczna i estetyczna historia fotografii), „od czasu wynalezienia fotografii obrazy zastępują tekst i wpływają na zachowania, formują tożsamość, ustalają trendy i zapełniają wspomnienia”. Wraz z rozwojem fotografii uznaliśmy zdjęcia – na mocy umowy społecznej, którą z nimi i ich wiarygodnością zawarliśmy – za obowiązujące reprezentacje nas samych (umieszczane w dokumentach, takich jak paszport, prawo jazdy czy dowód tożsamości), za wizualny dowód realności zdarzeń, za jeden z głównych sposobów, w jaki widzimy świat i go zapamiętujemy. Fotografia splotła się z codziennością do tego stopnia, że życie zaczęło jawić się jako zbiór obrazów. A granice realności przenikły się z granicami tego, co sztuczne.
Podpowiadać obrazy
Historia obrazów fotograficznych dotarła do kolejnego progu wraz z pojawieniem się 5 stycznia 2021 r. systemu Dall-E stworzonego przez firmę Open AI, a następnie w kolejnych miesiącach 2022 r. innych systemów: Midjourney, Stable Diffusion, Imagen, Firefly. Wymienione systemy – przed pojawieniem się Dall-E istniały podobnie funkcjonujące oprogramowania, nie zainteresowały jednak szerokiej publiczności – działają w oparciu o sztuczną inteligencję (SI), a konkretnie: sieci neuronowe, które uczą się pojęć wizualnych na podstawie języka naturalnego. Systemy te generują obrazy w ciągu kilku sekund na podstawie przygotowanego przez użytkownika tekstu, tzw. promptu mogącego zawierać zaledwie kilka słów (w języku angielskim prompt oznacza „podpowiadać”, „suflerować”, „sugerować” – prompty określa się jako „operacyjne ekfrazy”, które mają na celu prezentować istniejące wcześniej wyobrażenia i koncepcje, ale również wytwarzać nowe wizualne produkty). Zdaniem Freda Ritchina, autora książek poświęconych kulturze wizualnej, wykładowcy, emerytowanego dziekana International Center of Photography School, możliwości, jakie dają te narzędzia, wytwarzając obrazy prezentujące niespotykany dotąd poziom fotorealizmu, zapoczątkowują rewolucję medialną, która „prawdopodobnie będzie jeszcze bardziej wpływowa niż wynalezienie fotografii w 1839 roku”.
Obrazy kreowane przez sztuczną inteligencję podważają tak naprawdę fundamenty fotografii: żeby powstać, nie potrzebują ani aparatu, ani światła.
Historia fotografii zna, oczywiście, liczne obrazy tworzone bez użycia aparatu fotograficznego, za sprawą substancji chemicznych (cyjanotypia) czy promieni rentgenowskich (radiogramy). Co więcej, obrazy tworzone przez sztuczną inteligencję przeformułowują podstawą zasadę, według której fotografia ukazuje to, co było, coś, co zaistniało, żyło, wydarzyło się na pewno. Każdy użytkownik systemów Dall-E, Midjourney, Stable Diffusion, Imagen czy Firefly jest bowiem w stanie – na podstawie tego, co było – wytworzyć obrazy, które przedstawiają coś, czego jeszcze nie było: nową, nieznaną rzeczywistość. W ten sposób sztuczną inteligencję daje się wykorzystać, według Ritchina, „do wyobrażenia sobie różnych potencjalnych przyszłości, (…) obrazów ilustrujących ludzkie sny i koszmary, do badania, jak mogły wyglądać starożytne cywilizacje (…), do ukazania tego, jak ofiary przemocy doświadczają cierpienia z rąk sił bezpieczeństwa”. A zarazem za sprawą sztucznej inteligencji powstaje niezliczona ilość materiałów wizualnych określanych jako deepfake, czyli fikcyjnych obrazów doprowadzających do tego, co Aviv Ovadya, badaczka zajmująca się zagrożeniami, jakie wiążą się z SI oraz mediami społecznościowymi, określiła jako apatia realności, reality apathy. Ten termin odnosi do odczucia wyczerpania psychicznego wywołanego nadmiarem negatywnych i fałszywych informacji dostępnych na platformach cyfrowych, odczucia prowadzącego do stopniowego zerwania kontaktu ze światem, w którym nie istnieje jedna, ta sama, współdzielona rzeczywistość, lecz ich wielorakie, zderzające się ze sobą wersje.
Nauka poetycka
Pierwszy algorytm na świecie, który był dostosowany do użycia przez komputery i stanowił podwalinę tego, co określamy dzisiaj sztuczną inteligencją, stworzyła w latach 1842–1843 Ada Lovelace. Kiedy przyszła na świat, jej ojciec, słynny lord Byron, autor poematu Don Juan, był zawiedziony. Spodziewał się syna i przy narodzinach córki wyraził nadzieję, że jego dziecko nie będzie wieść „poetyckiego” życia: „Cena zapłacona za zalety [takiego życia], jeśli są to w ogóle zalety, jest na tyle wysoka, że modlę się, aby moje dziecko ich uniknęło”. Kilka tygodni po narodzinach Ady lord Byron opuścił córkę i jej matkę, Annę Isabellę Milbank, która zachowała opiekę nad dzieckiem i zadbała o odpowiednią edukację, daleką od romantycznego i dziedzicznego „szaleństwa”, wyjątkową dla kobiet w tamtym czasie, skoncentrowaną na matematyce, naukach ścisłych i logice.
Ada miała 17 lat i była tuż przed ślubem, kiedy poznała Charlesa Babbage’a, matematyka i wynalazcę, uznawanego za pioniera w dziedzinie informatyki. Następnie przygotowała specyficzne tłumaczenie wykładu, który Babbage poświęcił maszynie analitycznej, maszynie mającej posiadać programowalną jednostkę sterującą i pamięć operacyjną, zdolną do rozwiązywania różnorodnych problemów. Przygotowane przez Adę tłumaczenie uzupełnione było notatkami, które przekraczały dwukrotnie długość oryginalnego tekstu i zawierały wyjątkową koncepcję zwaną nauką poetycką, poetical science. W notatkach hrabiny Lovelace przeczytamy, że maszyna analityczna stworzona przez Charlesa Babbage’a może generować formy obliczeń, które przypominają poetyckie procesy myślowe. Jest w stanie tkać wzory algebraiczne, podobnie jak maszyna żakardowa potrafi tworzyć kwiaty i liście.
Ada Lovelace użyła terminu „nauka poetycka”, żeby opisać zdolność maszyny analitycznej do wytwarzania symbolicznych reprezentacji liczb, uwalniała maszynę – na długo przed powstaniem pierwszego komputera – od funkcji typowo matematycznych.
Zapowiadała to, czego dzisiaj z wielkim powodzeniem dokonują artyści korzystający w swoich pracach ze sztucznej inteligencji.
Michael Christopher Brown w cyklu zdjęć reportażowych 90 Miles powstałych za pomocą systemów Dall-E oraz Midjourney – i podobnie jak wiele cyfrowych dzieł sztuki sprzedawanych jako NFT – ukazał emigracyjną „rzeczywistość” mieszkańców Kuby, którzy od 1961 r., czyli momentu objęcia władzy przez Fidela Castro, opuszczają swój kraj, pokonując tytułowy dystans dzielący Hawanę od Florydy. Cykl 90 Miles wywołał liczne kontrowersje: fotografów, krytyków akademickich oraz fanów działalności fotoreportera – Michael Christopher Brown kojarzony był do tej pory ze zdjęciami publikowanymi w „New York Timesie” oraz „National Geographic”, jako autor wyróżnionej The Paris Photo Book Award książki Libyan Sugar, na którą złożyły się wykonane wyłącznie za pomocą iphone’a fotografie przedstawiające I wojnę domową w Libii, a także jako główny bohater dokumentu Witness: Libya Michaela Manna wyprodukowanego dla HBO. Kontrowersje, z którymi spotkał się Brown przy okazji cyklu 90 Miles, dotyczyły przede wszystkim tego, że były to zdjęcia reportażowe, a więc mające z definicji prezentować autentyczne zdarzenia. Cykl amerykańskiego fotografa powstał jednak w odpowiedzi na wizualne ograniczenia na Kubie, gdzie, jak tłumaczy kuratorka i historyczka sztuki Iliana Cepero, fotografia ze względu na swój charakter – na rzekomą „prawdę”, którą ukazuje, na zdolność odzwierciedlania zachodzących w kraju zmian politycznych i społecznych – od czasu objęcia władzy przez Fidela Castro stanowi medium szczególnie kontrolowane.
Po prawdzie fotografie Browna pokazują nie tyle „rzeczywistość” emigrantów, którzy przeprawiają się na łajbach lub w przerabianych na łodzie samochodach do nowego, lepszego życia, walczą na ulicach o wolność, gotują w brudnych i odrapanych kuchniach, pracują w zardzewiałych fabrykach, jeżdżą chevroletami Bel Air, ile stworzone za pomocą konwencjonalnego słownika wizualnego wyobrażenie na temat kubańskich emigrantów i ich przeprawy do Stanów Zjednoczonych (w 2022 r. zjawisko to nasiliło się ze względu na kryzys gospodarczy, rosnącą inflację oraz braki w żywności i lekach). Nie bez powodu obrazy fotograficzne z tego cyklu – można również powiedzieć: obrazy podyktowane przez amerykańskiego fotografa sztucznej inteligencji – wydają się dziwnie znajome, a przez to wyjątkowo atrakcyjne estetycznie: śniade skóry lśnią od potu, wszyscy są biedni, zmęczeni, ale nieodmiennie piękni. Te obrazy, owszem, nie przedstawiają prawdziwych wydarzeń, ludzi, obiektów, lecz pokazują stereotypowe wyobrażenie na temat realnych wydarzeń, ludzi, obiektów. Cykl 90 Miles nie ma za zadanie pokazać prawdy o Kubie. Ujawnia inną, może trudniejszą, prawdę dotyczącą tego, jak to, co niewiadome i niewidziane, wypełnia konwencjonalna konfabulacja.
Sztuczne światło
Boris Eldagsen za zdjęcie The Electrician z cyklu Pseudomnesia otrzymał w 2023 r. prestiżową Sony World Photography Award. Odmówił przyjęcia nagrody, ujawniając, że jego praca została wykonana za pomocą sztucznej inteligencji. Zaprosił tym samym świat fotografii do dyskusji na temat tego, co powinno, a co nie powinno być uznawane za fotografię.
Nagrodzony obraz fotograficzny niemieckiego fotografa przedstawia w czerni i bieli dwie kobiety: młodszą na pierwszym planie, ubraną w białą sukienkę, patrzącą poza kadr, oraz starszą w czarnym stroju, z ciężkimi powiekami, ze spuszczonym wzrokiem.
Na obrazie fotograficznym – lub promptograficznym, jak często określa się tego typu prace – widoczne są jeszcze dłonie, które dotykają lub układają materiał na kobiecie w bieli, dłonie o paznokciach wyglądających tak, jak żadne paznokcie nie wyglądają: są rozszczepione, jakby zrośnięte ze skórą. (Dłonie są tymi elementami wizualnymi, z którymi sztuczna inteligencja wciąż sobie nie radzi, wytwarzając obrazy dłoni z dwoma kciukami, dłoni, z których wykwitają dziesiątki innych dłoni, dłoni z piętnastoma palcami, dłoni bez stawów. Dzieje się tak dlatego, że oprogramowanie SI wie, na bazie ogromnej liczby – w przypadku oprogramowania Dall-E 2 było to 250 mln – sparowanych tekstów i obrazów, że dłonie mają paznokcie, palce i kciuki, ale nie rozumie, czym jest dłoń. Przynajmniej na razie).
Obraz stworzony przez Borisa Eldagsena jest zupełnie niecharakterystyczny, doskonale konwencjonalny, z wyjątkiem światła, które zalewa kobietę w bieli i tworzy nad nią pofałdowaną poświatę. To sztuczne światło – i nie chodzi wyłącznie o to, że jest ono elektryczne, na co nakierowuje tytuł tego obrazu fotograficznego – wytworzone przez oprogramowanie, światło, stanowiące fałszywe wspomnienie, dające złudzenie prawdy. Tytuł cyklu Pseudomnesia, z którego pochodzi ten obraz, oznacza z greki „fałszywe wspomnienie”, jest to termin używany w psychologii, w odniesieniu do doświadczenia – zwłaszcza w kontekście psychoterapii osób dorosłych – przypominania sobie zdarzeń, które nigdy nie miały miejsca lub potoczyły się inaczej. Znaczenia tego tytułu wskazują na wymiar psychologiczny i filozoficzny fotografii, który – jak przyznaje Eldagsen w wywiadzie dla „Guardiana” – odsyła do wnętrza fotografii, do tego, czego się nie widzi, do nieświadomości zbiorowej. W istocie obraz fotograficzny The Electrician każe zapytać: w jaki sposób zdjęcia wpływają na nasze wspomnienia, jak kształtują rozumienie przeszłości indywidualnej i zbiorowej, dlaczego stanowią często niepodważalny dowód na realność wydarzeń historycznych? Te pytania dotyczą z jednej strony podstaw wiary, jaką – jako społeczeństwa wizualne – pokładamy w fotografii, z drugiej zaś strony powszechnego uznania obrazów fotograficznych wytwarzanych przez sztuczną inteligencję za, nomen omen, sztuczne. Fałszywe, nieprawdziwe. Pojawia się tutaj szczególny wizualny paradoks, o którym pisze Pamela C. Scorzin w zbiorze Generative Imagery (Obrazowość wygenerowana): im bardziej realistyczne stają się obrazy tworzone przez generatory obrazów SI, tym mniej jasne staje się ich odniesienie do rzeczywistości i wszelkiej prawdy. W trakcie gali wręczenia Sony World Photography Award Boris Eldagsen zadał pytanie: „Czy fotografia stanowi na tyle obszerny parasol, że znajdzie się pod nim miejsce na obrazy wytworzone przez SI – a może nazwanie ich fotografią będzie błędem?”. Obrazy fotograficzne tworzone za pomocą sztucznej inteligencji nie mieszczą się – nie wykorzystując światła, rezygnując z aparatów, nie przedstawiając realnych obiektów, ludzi, zdarzeń – w dotychczasowych granicach tego, co jest rozumiane przez fotografię.
Dla generatorów obrazów, takich jak Dall-E, Midjourney i Stable Diffusion, to, co jest „fotograficzne”, stanowi styl, określoną estetykę lub wygląd, tak jak ze stylu, estetyki lub wyglądu korzystają obrazy imitujące impresjonistyczne płótna Claude’a Moneta.
Świat, który ukazuje obraz fotograficzny stworzony przez SI, jest całkowicie płaski, składa się z wizualnych wzorców przetworzonych na cyfrową informację. Świat, którego nie widzimy, ale na temat którego otrzymujemy informacje. Innymi słowy: to, co przedstawiają syntetyczne obrazy tworzone przez inteligentne oprogramowanie, nie jest po prostu czymś nierealnym ani fikcyjnym, ponieważ obiekty, ludzie, zdarzenia odnoszą się do informacji uzyskanych z milionów krążących w internecie obrazów. Obrazów, które są wytwarzane przez ludzi i które stanowią zbiory danych powstających (i zbieranych) w ramach określonej kultury, w danym kontekście politycznym, społecznym i gospodarczym.
Glitch w archiwum
Mario Klingemann, jeden z najbardziej uznanych artystów korzystających ze sztucznej inteligencji w sztuce, w rozmowie dotyczącej pracy Memories of Passerby I – czyli maszyny SI umieszczonej w szafce z drewna kasztanowego i połączonej z dwoma ekranami, które wyświetlają niekończący się strumień portretów, działając jak aplikacja randkowa Tinder zasilana tysiącami portretów malarskich namalowanych od XVII do XIX w. – stwierdził, że w codziennej percepcji ograniczamy się do tego, co wcześniej dostrzegliśmy, i niezwykle trudno o glitch, czyli nagłą zmianę lub zakłócenie tego stanu. Niektórzy, jak mówi niemiecki artysta, sięgają po substancje psychoaktywne, żeby stworzyć nowe, absurdalne powiązania w postrzeganiu. Inni, żeby tego dokonać, korzystają z maszyn.
Obraz fotograficzny z festiwalu warzyw – uznajmy, że jest to festiwal warzyw – stworzył Charlie Engman, nowojorski artysta i fotograf, współpracujący z licznymi firmami odzieżowymi, pełniący funkcję dyrektora artystycznego w marce modowej Collina Strada. Obrazy, za które odpowiada Engman, przedstawiają nie tylko gargantuiczne, przypominające zwierzęta warzywa, ale i chłopca o spłaszczonej twarzy, któremu na kanapie towarzyszy wielki plastikowy koń, ludzi wtapiających się w fotele, starszych mężczyzn przytykających do siebie usta na miejskim parkingu, rudą dziewczynkę przy olbrzymim, siedmiopalczastym manekinie swojej matki, wielkiego motyla ze skrzydłami z piór, który frunie z owocami nad czyimś ramieniem, i bladego prezydenta Stanów Zjednoczonych wtulającego się w bulwiastą rzeźbę z materiału, z jakiego produkowane są, a przynajmniej tak mi się wydaje, poduszki powietrzne w samochodach.
To, co interesuje Engmana, jak przyznaje w swoim oświadczeniu artystycznym, dotyczy sposobu, w jaki jedne obrazy odnoszą się do innych obrazów, które pojawiły się wcześniej i stanowią coś w rodzaju ich otoczenia, jakie oczekiwania stawia się obrazom i jak te oczekiwania są tworzone i wzmacniane, wreszcie czemu mają służyć oczekiwania i jak można z nimi pracować.
Podejście nowojorskiego artysty jest na wskroś archiwalne, polega na współdziałaniu z obezwładniającą liczbą obrazów, którą wyprodukowała i produkuje ludzkość – a zarazem jest zaburzeniem porządku archiwalnego, wprowadzaniem czegoś w rodzaju sennej logiki lub dziecięcej naiwności w obręb konwencjonalnych relacji, w jakich funkcjonują te obrazy.
Być może dlatego tak trudno opisać to, co tworzy Engman, zderzając ze sobą realistyczność fotografii z surrealistycznymi obiektami, kształtami, zdarzeniami. Oczekiwanie znanego nam świata zderza z tym, czego dotąd ludzkie oko nie znało. Weźmy, dla przykładu, obraz fotograficzny zatytułowany Funhouse Mirror #014 przedstawiający chłopca na wózku inwalidzkim, na którego kolanach przysiadła, niby oswojone zwierzę, ryba z rodziny bassowatych. Chłopiec trzyma dłoń na grzbiecie ryby, ryba ułożyła wielką głowę na chłopcu. Chłopiec patrzy w jedną stronę, ryba w drugą. Są gdzieś jakby pod wodą, a jednocześnie nad brzegiem stawu. W sytuacji głęboko kojącej, a zarazem niezwyczajnej. Obraz ten działa jak tytułowe funhouse mirror, krzywe zwierciadło, które zamiast dawać perfekcyjne odbicie rzeczywistości, jedne elementy uwypukla, drugie zakrzywia, jeszcze inne odwraca lub całkowicie eliminuje. Nikt, kto patrzy w krzywe zwierciadło, nie spodziewa się zobaczyć prawdy, pragnie jedynie widzieć prawdę inaczej.
Czy będzie błędem uznanie obrazu z chłopcem i rybą za fotografię?
Ale może zadam to pytanie ponownie, odwrotnie: jeśli uznamy ten stworzony przez sztuczną inteligencję obraz z chłopcem i rybą za fotografię, co się stanie? Czy będzie to błąd? Czy raczej próba zastanowienia się nad oczekiwaniami, jakie mamy względem fotografii jako medium, nad tym, w jaki sposób odnosi się do rzeczywistości, do funkcji, jaką pełni w społeczeństwie, do prawdy, którą niby to przekazuje? Czy ten błąd nie pozwoli nam przypadkiem przemyśleć raz jeszcze umowy społecznej, jaką zawarliśmy z fotografią? Czy nie sprawi, że zastanowimy się nad niezliczoną ilością obrazów, które na co dzień wytwarzamy? Czy obrazy tworzone przy użyciu sztucznej inteligencji nie podważają naszych przyzwyczajeń wizualnych? Czy nie stajemy właśnie w obliczu globalnej zmiany widzenia, a więc i rozumienia coraz bardziej złożonej rzeczywistości? Błąd jest nierozerwalnie związany z błądzeniem, wędrowaniem bez celu, oddalaniem się od znanej drogi. Błądzenie jest konieczne, jeżeli chce się zobaczyć – wyobrazić, pojąć – świat i funkcjonujące w nim relacje na nowo. Błądzenie to piętrzące się pytania, które wyzwalają myśl.
