Porównanie to eksploruje napięcie między fotografią jako medium indywidualnej ekspresji twórczej a jej współczesną rolą jako ogromnego repozytorium informacji wizualnych, wykorzystywanego do trenowania modeli uczenia maszynowego i porządkowania danych globalnych.
Intencjonalne użycie aparatu w celu wyrażenia wizji, wywołania emocji lub zapewnienia unikalnej perspektywy na rzeczywistość.
Zbiór dużych ilości obrazów traktowanych jako surowe dane punktowe do analizy, kategoryzacji lub szkolenia sztucznej inteligencji.
| Funkcja | Fotografia jako sztuka | Fotografia jako zbiór danych |
|---|---|---|
| Wartość podstawowa | Głębia estetyczna i emocjonalna | Gęstość i użyteczność informacji |
| Pożądany wynik | Połączenie ludzkie lub refleksja | Dokładność algorytmiczna i przewidywanie |
| Idealna objętość | Małe, starannie wyselekcjonowane kolekcje | Eksabajty różnorodnych danych wizualnych |
| Rola Stwórcy | Autor (wizja subiektywna) | Dostawca danych (źródło obiektywne) |
| Wskaźnik sukcesu | Wpływ kulturowy lub uznanie krytyków | Wysoka precyzja i wskaźniki wywoływalności |
| Znaczenie metadanych | Wtórne doznaniom wizualnym | Podstawowy do indeksowania i szkolenia |
| Interpretacja | Otwarte i osobiste | Stałe, oznaczone i kategoryczne |
W fotografii artystycznej każdy wybór – od ustawienia przysłony do momentu naciśnięcia migawki – jest świadomym aktem autoekspresji. I odwrotnie, gdy fotografia służy jako zbiór danych, „dlaczego” zdjęcie zostało zrobione, nie ma znaczenia; system interesuje się tylko „co”, aby komputer mógł zidentyfikować znak stopu lub kota w różnych warunkach oświetleniowych.
Artysta może spędzić tygodnie czekając na idealne światło, by uchwycić jeden, ostateczny kadr opowiadający historię. W świecie big data ten jeden idealny obraz to tylko kropla w morzu. Zbiór danych rozwija się dzięki ilości i różnorodności, często obejmując „złe” lub rozmazane zdjęcia, aby pomóc sztucznej inteligencji zrozumieć niedoskonałości rzeczywistości.
Fotografia artystyczna to pomost między dwojgiem ludzi, twórcą i widzem, dzielącym chwilę empatii lub zachwytu. Zbiór danych traktuje to samo zdjęcie jak macierz liczb. Dla algorytmu zachód słońca nie jest piękny; to określona częstotliwość czerwonych i pomarańczowych pikseli, która odpowiada etykiecie „outdoor_natural_light”.
przypadku dzieła sztuki kontekstem często jest historia medium lub życie artysty. W przypadku zbioru danych kontekst ma charakter ściśle strukturalny. Metadane, takie jak współrzędne GPS, znaczniki czasu i tagi obiektów, stanowią fundament zbioru danych, przekształcając doświadczenie wizualne w przeszukiwalne, funkcjonalne narzędzie dla oprogramowania.
Zbiory danych AI nie potrzebują „dobrej” sztuki, żeby się uczyć.
W rzeczywistości wysokiej jakości, dobrze skomponowane zdjęcia w zestawach danych pomagają modelom lepiej zrozumieć głębię, oświetlenie i fakturę niż słabej jakości zdjęcia.
Fotografia jako zbiór danych to nowa koncepcja.
Od XIX wieku fotografia była wykorzystywana jako zbiór danych w dokumentacji medycznej, mapach astronomicznych i archiwach policyjnych, na długo przed pojawieniem się sztucznej inteligencji cyfrowej.
Artysta nie może używać swojej pracy jako zbioru danych.
Wielu współczesnych artystów uczy swoje prywatne modele sztucznej inteligencji, wykorzystując w tym celu swoje osobiste archiwa, tworzenia nowej, wyjątkowej „syntetycznej” sztuki, odzwierciedlającej ich styl.
Obrazy danych są z definicji nudne.
Czasami sama skala zbioru danych — na przykład zdjęć satelitarnych lub tysięcy zdjęć wykonanych ulicą — może ujawnić przypadkowe, niepokojące piękno.
Wybierz perspektywę „Sztuka”, gdy chcesz inspirować, przekazać złożony przekaz lub stworzyć trwałe dziedzictwo. Wybierz perspektywę „Zbiór danych”, gdy musisz rozwiązać problemy techniczne, zautomatyzować zadania wizualne lub zrozumieć ogólne wzorce w obrazowaniu globalnym.
We współczesnym krajobrazie medialnym istnieje głębokie napięcie między gospodarką uwagi – która traktuje ludzką uwagę jako rzadki towar, który można wykorzystać dla zysku – a dyskursem obywatelskim, który opiera się na świadomej, przemyślanej wymianie, aby utrzymać zdrową demokrację. Podczas gdy jedna z nich stawia na zaangażowanie wirusowe, druga wymaga cierpliwego, inkluzywnego uczestnictwa.
Zrozumienie podziału między wiadomościami mającymi na celu potwierdzenie konkretnych uprzedzeń politycznych a relacjami opartymi na neutralności jest kluczowe dla współczesnej edukacji medialnej. Podczas gdy przekazy partyjne kładą nacisk na konkretny program ideologiczny lub narrację, obiektywne relacje dążą do przedstawiania weryfikowalnych faktów bez opowiadania się po którejś ze stron, pozwalając odbiorcom na wyciągnięcie własnych wniosków na podstawie przedstawionych dowodów.
Chociaż obie dziedziny zajmują się interpretacją obrazów cyfrowych, opowiadanie historii za pomocą obrazu koncentruje się na tworzeniu narracji i sekwencji emocjonalnych, które odzwierciedlają ludzkie doświadczenia, podczas gdy automatyczne etykietowanie obrazów wykorzystuje komputerowe widzenie w celu identyfikowania i kategoryzowania określonych obiektów lub atrybutów w obrębie kadru, co ułatwia organizację danych i wyszukiwanie.
