Scatti in avanti – 8 di 16

In un libro fotografico in francese sul Parco dei Mostri di Bomarzo, datato 1950, trovo questo scatto: il fotografo ha fatto sdraiare una donna tra le fauci della bestia. Se la donna, ai tempi della fotografia, aveva – supponiamo – trent’anni, ogni ne ha novantasei. Mi auguro che sia ancora in vita, sono invece sicuro che il mostro sia ancora là. La vita basata sul carbonio è facile preda delle fauci del tempo. L’informazione contenuta nella materia inanimata è più duratura, al contrario quella conservata nel carbonio tende a disperdersi più facilmente; tuttavia trova negli esseri viventi il luogo ideale dove potersi trasformare. La fotografia sul libro mi offre un pacchetto di informazioni precise ed immutabili (al netto del lento decadimento della carta sulla quale è stampata); altra cosa sarebbe poter incontrare quella donna e chiederle, ad esempio, chi era il fotografo, che cosa ha fatto il giorno dello scatto in questione, perché si trovava lì… che cosa ricorda, quali erano le sue speranze allora, quali sono le sue speranze oggi.

15

Annunci

CaptionBot & Art

CAPTIONBOT & ART

CaptionBot è un software che, a detta degli sviluppatori di Microsoft Cognitive Services, usa Computer Vision e Natural Language per descrivere il contenuto di immagini scelte dagli utenti. Ho provato a sottoporre all’analisi di CaptionBot alcune mie opere. Questi sono i risultati.

 

345789


 

CaptionBot was created to showcase some of the new capabilities of Microsoft Cognitive Services. These new capabilities are the result of years of research advancements (some of them summarized here). Specifically, I use Computer Vision and Natural Language to describe contents of images. I am still learning, so sometimes I get things wrong.

Computer Vision API

This feature returns information about visual content found in an image. Use tagging, descriptions and domain-specific models to identify content and label it with confidence. Apply the adult/racy settings to enable automated restriction of adult content. Identify image types and color schemes in pictures.

Emotion API

The Emotion API takes an facial expression in an image as an input, and returns the confidence across a set of emotions for each face in the image, as well as bounding box for the face, using the Face API. If a user has already called the Face API, they can submit the face rectangle as an optional input. The emotions detected are anger, contempt, disgust, fear, happiness, neutral, sadness, and surprise. These emotions are understood to be cross-culturally and universally communicated with particular facial expressions.

Bing Image API

Scour the web for images. Results include thumbnails, full image URLs, publishing website info, image metadata, and more. Try out the demo. Submit a query via the search box or click on one of the provided examples.

Qui la descrizione estesa del progetto

http://research.microsoft.com/pubs/264408/ImageCaptionInWild.pdf

https://www.captionbot.ai/

Scatti in avanti – 5 di 15

In epoca medievale si usavano torri che, una dopo l’altra tramite segnalazioni luminose, riuscivano a far arrivare la notizia di un’invasione dal mare fino alle valli di montagna. Compito a casa: disegnare la curva dell’aumento della velocità di diffusione dell’informazione degli ultimi mille anni, e sovrapporla a quella dell’entropia della stessa.

10

Scatti in avanti – 2 di 15

Non mi ricordo quale artista ha scannerizzato* ogni oggetto della propria abitazione (chi sa mi dica, e provvederò a citare). Qui, nella foto in basso, siamo un passo indietro nel tempo dell’evoluzione tecnologica; alla fotocopiatrice, ai suoi creativi (dalle riviste anni ’60 – hackers che non sapevano di essere hackers – fino alle sperimentazioni di Obey).  Indagare, sperimentare: l’effetto entropico dei disturbi fisici del mezzo usato, copia dopo copia, informazione dopo informazione.

2.JPG

* Per i dubbi se si dica scannerizzato, scansionato o chissà come, suggerisco questa pagina dell’Accademia della Crusca

Scatti in avanti – 1 di 15

1.JPG

Immediatamente penso al “sex appeal dell’inorganico” di Perniola; ad un articolo sull’inconscio sessuale nell’architettura, e quell’articolo era su un vecchio numero sgualcito di Playboy, prestatomi da un amico, che a sua volta l’aveva preso di nascosto dalla collezione del padre della sua fidanzata. Infinite sono le vie dell’informazione.

Il primo televisore della storia

Ho appena terminato di leggere (in realtà due giorni fa, ma si usa dire così) un saggio molto interessante sul concetto di “immagine di sé”. Partendo dalla progressiva sparizione degli specchi nelle abitazioni, rimpiazzati da monitor e schermi di diverse dimensioni, l’autore analizza le differenze tra l’immagine di sé riflessa per un semplice fenomeno fisico, e quella che passa attraverso una codifica digitale, che sia quella dello schermo di un televisore oppure il selfie su un social visitato da un dispositivo mobile.

Ho mentito, non esiste nessun saggio del genere; però esistono differenze tra il guardarsi allo specchio e guardarsi su uno schermo. Se una volta si diceva “splendere di luce propria”, oggi il fatto che l’immagine sia retroilluminata cambia in qualche modo il nostro approccio con l’arte tradizionale, che tradizionalmente vive di luce riflessa. Passando per le vetrate delle cattedrali gotiche, la prima forma di divulgazione su schermo di informazioni per tutti coloro che non avevano accesso alla cultura scritta.

 

Vetrat1

Ottanta milioni di immagini al giorno.

Ottanta milioni di immagini al giorno. 560 milioni di immagini alla settimana. 2 miliardi e 240 milioni di immagini al mese. 26 miliardi e 880 milioni di immagini all’anno. Se volessimo guardare tutte queste immagini, e dedicassimo a ciascuna di esse solo 1 secondo, servirebbero circa 7 milioni e mezzo di ore, cioè: 856 anni. Questo conteggio vale solo per le fotografie caricate su Instagram, quindi senza considerare quelle “postate” su Facebook, Google+, Twitter, Flickr, Picasa. Ancor prima di un’educazione all’uso – alle dinamiche tecniche e sociali – della Rete, non possiamo dire che di pari passo sia cresciuta l’educazione allo sguardo: sia per chi scatta, sia per chi guarda. Consideriamo anche che educare allo sguardo significa educare al pensiero. Mi chiedo inoltre se, da un lato, la nostra natura neurologica sia adatta a processare un numero di immagini sempre maggiore, e dall’altro se non sia in atto una qualche trasformazione evolutiva di cui non siamo consapevoli, generazione dopo generazione. Per quella parte di popolazione mondiale che ha accesso alla Rete, ovviamente. E l’altra?