این مقایسه، تنش بین عکاسی به عنوان رسانهای برای بیان خلاقانه فردی و نقش مدرن آن به عنوان مخزن عظیمی از اطلاعات بصری که برای آموزش مدلهای یادگیری ماشین و سازماندهی دادههای جهانی استفاده میشود را بررسی میکند.
استفاده عمدی از دوربین برای بیان یک دیدگاه، برانگیختن احساسات یا ارائه دیدگاهی منحصر به فرد از واقعیت.
مجموعهای از حجم عظیمی از تصاویر که به عنوان نقاط داده خام برای تجزیه و تحلیل، دستهبندی یا آموزش هوش مصنوعی در نظر گرفته میشوند.
| ویژگی | عکاسی به عنوان هنر | عکاسی به عنوان مجموعه داده |
|---|---|---|
| مقدار اولیه | عمق زیباییشناختی و احساسی | تراکم اطلاعات و سودمندی |
| نتیجه مطلوب | ارتباط انسانی یا بازتاب | دقت و پیشبینی الگوریتمی |
| حجم ایدهآل | مجموعههای کوچک و گزینششده | اگزابایتها دادههای بصری متنوع |
| نقش خالق | نویسنده (بینش ذهنی) | ارائه دهنده داده (منبع هدف) |
| معیار موفقیت | تأثیر فرهنگی یا تحسین منتقدان | نرخ دقت و فراخوانی بالا |
| اهمیت فراداده | در درجه دوم اهمیت نسبت به تجربه بصری | مقدماتی برای فهرستبندی و آموزش |
| تفسیر | متن باز و شخصی | ثابت، برچسبگذاری شده و دستهبندی شده |
در عکاسی هنری، هر انتخابی - از دیافراگم گرفته تا لحظه کلیک شاتر - عملی آگاهانه برای ابراز وجود است. برعکس، وقتی عکاسی به عنوان یک مجموعه داده عمل میکند، «چرایی» پشت عکس بیربط است؛ سیستم فقط به «چه چیزی» اهمیت میدهد تا مطمئن شود که یک کامپیوتر میتواند یک علامت ایست یا یک گربه را در شرایط نوری مختلف شناسایی کند.
یک هنرمند ممکن است هفتهها منتظر نور مناسب بماند تا یک فریم قطعی که داستانی را روایت میکند، ثبت کند. در دنیای کلانداده، آن تصویر بینقص تنها قطرهای در اقیانوس است. یک مجموعه داده با کمیت و تنوع رشد میکند، که اغلب شامل عکسهای «بد» یا تار است تا به هوش مصنوعی کمک کند نواقص درهمریخته واقعیت را درک کند.
عکاسی هنری پلی است بین دو انسان، خالق اثر و بیننده، که لحظهای از همدلی یا شگفتی را به اشتراک میگذارند. یک مجموعه داده، همان عکس را به عنوان ماتریسی از اعداد در نظر میگیرد. برای یک الگوریتم، غروب خورشید زیبا نیست؛ بلکه فرکانس خاصی از پیکسلهای قرمز و نارنجی است که با برچسب «نور_طبیعی_فضای_باز» مطابقت دارد.
برای یک اثر هنری، زمینه اغلب تاریخچهی رسانه یا زندگی هنرمند است. برای یک مجموعه داده، زمینه کاملاً ساختاری است. فرادادههایی مانند مختصات GPS، مهرهای زمانی و برچسبهای اشیاء، نیروی حیاتی یک مجموعه داده هستند و یک تجربه بصری را به ابزاری قابل جستجو و کاربردی برای نرمافزار تبدیل میکنند.
مجموعه دادههای هوش مصنوعی برای یادگیری نیازی به هنر «خوب» ندارند.
در واقع، عکسهای باکیفیت و خوشترکیب در مجموعه دادهها، به مدلها کمک میکنند تا عمق، نور و بافت را بسیار بهتر از عکسهای فوری بیکیفیت درک کنند.
عکاسی به عنوان یک مجموعه داده، مفهوم جدیدی است.
از دهه ۱۸۰۰، مدتها قبل از وجود هوش مصنوعی دیجیتال، از عکاسی به عنوان مجموعه داده برای سوابق پزشکی، نقشهبرداری نجومی و بایگانی پلیس استفاده میشده است.
یک هنرمند نمیتواند از اثر خود به عنوان مجموعه داده استفاده کند.
بسیاری از هنرمندان مدرن اکنون مدلهای هوش مصنوعی خصوصی خود را در آرشیوهای شخصیشان آموزش میدهند تا هنر «مصنوعی» جدید و منحصر به فردی تولید کنند که منعکسکننده سبک آنها باشد.
تصاویر داده ذاتاً کسلکننده هستند.
گاهی اوقات مقیاس عظیم یک مجموعه داده - مانند تصاویر ماهوارهای یا هزاران عکس از نمای خیابان - میتواند زیبایی تصادفی و وهمآوری را آشکار کند.
وقتی هدف شما الهام بخشیدن، انتقال یک پیام پیچیده یا خلق یک میراث ماندگار است، دیدگاه «هنر» را انتخاب کنید. وقتی نیاز به حل مشکلات فنی، خودکارسازی وظایف بصری یا درک الگوهای گسترده در تصاویر جهانی دارید، دیدگاه «مجموعه داده» را اتخاذ کنید.
در چشمانداز رسانههای مدرن، تنش عمیقی بین اقتصاد توجه - که تمرکز انسان را به عنوان کالایی کمیاب برای سودآوری در نظر میگیرد - و گفتمان مدنی، که برای حفظ یک دموکراسی سالم به تبادل آگاهانه و منطقی متکی است، وجود دارد. در حالی که یکی تعامل ویروسی را در اولویت قرار میدهد، دیگری خواستار مشارکت صبورانه و فراگیر است.
درک شکاف بین اخباری که برای تأیید تعصبات سیاسی خاص طراحی شدهاند و گزارشهایی که ریشه در بیطرفی دارند، برای سواد رسانهای مدرن حیاتی است. در حالی که پیامهای حزبی، یک دستور کار یا روایت ایدئولوژیک خاص را در اولویت قرار میدهند، گزارشهای بیطرفانه تلاش میکنند حقایق قابل تأیید را بدون جانبداری ارائه دهند و به مخاطب اجازه دهند تا بر اساس شواهد ارائه شده، نتیجهگیریهای خود را انجام دهد.
در حالی که هر دو زمینه شامل تفسیر تصاویر دیجیتال هستند، داستانسرایی بصری بر ساخت یک روایت احساسی و توالی که با تجربه انسانی طنینانداز میشود، تمرکز دارد، در حالی که برچسبگذاری خودکار تصویر از بینایی رایانهای برای شناسایی و دستهبندی اشیاء یا ویژگیهای خاص در یک قاب برای سازماندهی دادهها و قابلیت جستجو استفاده میکند.
