The Perception Machine: Our Photographic Future Between the Eye and AI
Une enquête provocante sur l'avenir de la photographie et de la perception humaine à l'ère de l'IA.
Nous photographions et sommes photographiés en permanence, tout en alimentant des bases de données d'apprentissage automatique avec nos données, qui sont à leur tour utilisées pour générer de nouvelles images. Analysant la transformation de la photographie par l'informatique - et la transformation de la perception humaine par des images pilotées par des algorithmes, de la CGI à l'IA - The Perception Machine étudie ce que cela signifie pour nous de vivre entourés de flux d'images et d'yeux de machines. Dans une argumentation astucieuse et engageante, Joanna Zylinska réunit la théorie des médias et les neurosciences dans un remix de Vilm Flusser et Paul Virilio. Sa "machine à percevoir" désigne un univers technique d'images et leurs infrastructures. Mais elle fait également référence à une condition sociopolitique résultant de l'automatisation actuelle de la vision, de l'imagerie et de l'imagination.
Rédigé par un théoricien-praticien, le livre intègre les propres projets artistiques de Zylinska, dont certains ont été cocréés avec l'IA. Les photographies, collages, films et installations disponibles dans le livre (et sur le site web qui l'accompagne) offrent un mode de réflexion différent sur notre avenir technologique, tant au niveau local que planétaire. Proposant des concepts provocateurs tels que l'éco-éco-punk, l'AUTO-FOTO-KINO, la micro-vision planétaire, les images de perdants et la sensographie, le livre esquisse une philosophie existentielle des médias désordonnés à une époque où nos pratiques d'imagerie et d'auto-imagerie sont en train d'être radicalement redessinées. Plus important encore, il offre également une nouvelle vision de notre avenir.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)