За экранной иллюзией «жесткого образа» – четкой, надежной репрезентации твердого мира – находится алгоритмическое изображение, которое я называю «мягким образом» и которое не только податливо, то есть поддается бесконечному пересчету, но и само является программой (или частью программы). По сути, с алгоритмической парадигмой приходит рассеивание и изображения, и визуального восприятия на множество данных. Это становится очевидным в текущих разработках машинного зрения, где изображения необходимы для выполнения действия (подумайте о роботах-сборщиках, дронах, беспилотных автомобилях, автоматическом пограничном контроле и т. п.) и где видеокамеры соединены с другими датчиками. Эти датчики предоставляют различные данные (визуальные, звуковые, тепловые, движения, биометрические и т. п.), которые необходимо обработать, соотнести, объединить и сопоставить с базой данных, прежде чем люди-операторы (или программа управления автономными машинами/системами) смогут принять решение / совершить действие. Аналогичным образом в нейронаучных исследованиях человеческое зрение моделируется как процесс, происходящий в специализированных областях коры, где каждая из них обрабатывает определенные данные, связанные, например, с движением, формой или цветом (Jenkin and Harris, 2009). Если эти области пересекаются/взаимодействуют, то ни в одной точке этого вычисления визуальных данных нет «стабильных зрительных сущностей».
Когда концепт «изображения» растворяется под натиском нейронаучных открытий и достижений в области машинного зрения, у теории изображений остается только два возможных варианта: отказаться от него (и, следовательно, дисциплины) либо радикально расширить его определение/масштаб. Рассмотрим второй вариант и максимально широкое определение изображения как отношения данных и алгоритмов, задействованных в какой-либо операции с визуальными данными либо с визуализацией данных. Давайте рассмотрим это новое определение изображения в контексте роботизированного зрения. Роботы, управляемые дистанционно или автономные, используют изображения и видеосъемку на многих уровнях: на уровне ориентации/навигации, на уровне съемки и картографирования, а также на уровне интеграции и визуализации данных. К примеру, SLAM (Simultaneous Localization and Mapping – Одновременная локализация и картографирование) позволяет создать карту неизвестной территории с использованием одометрии (оценки положения при помощи датчиков движения), лазерного сканирования и гидролокации. Гиперспектральная визуализация захватывает гораздо больший визуальный спектр, чем традиционные оптические инструменты; это позволяет построить изображение, состоящее из количества слоев, соответствующего количеству частотных полос, и таким образом характеризовать/классифицировать объекты на месте действия на основе их спектральных свойств. Мультисенсорное слияние данных (Multisensor Data Fusion) позволяет объединять данные, полученные различными датчиками или устройствами данной системы, а алгоритмы консенсуса в распределенных вычислениях (Distributed Consensus Algorithms) позволяют принимать решения между аппаратами, совместно работающими на земле, в воздухе, на воде, под водой или даже в космосе.
Если коротко, то глаз робота представляет собой сложное взаимодействие датчиков, их данных, алгоритмов управления, приводов, средств передвижения и, пока не начнут работать полностью автономные системы, пилотов, операторов полезной нагрузки и аналитиков изображений, диспетчеров и командиров (Chamayou, 2015; Шамаю, 2020; Gregory, 2011). То есть изображение – это не только отношение между данными и алгоритмами, задействованными в какой-либо операции с визуальными данными или визуализацией, но также отношение между человеческими и нечеловеческими агентами процесса, задействующего элемент «зрения».
Но, учитывая гонку к автономии машин, мы, как выразилась Рози Брайдотти, все больше и больше «сталкиваемся с новой ситуацией, когда человеческое вмешательство оказывается второстепенным, если не полностью неуместным» (Braidotti, 2013: 43–44; 2021: 86). Полная автономия роботов, наделенных способностями к восприятию/построению образов, ставит под вопрос судьбу изображения как фундаментального компонента человечности. Более того, переход от человеческого зрения, которому ассистируют роботы, к полностью автономному роботизированному зрению лежит в основе того, что получило название «роболюции» (robolution), или замены человека машинами. «Машины зрения», как их называет Поль Вирильо, будут наделены не только зрением, но и способностями познавать, распознавать, принимать решения и действовать. Таким образом, они будут умными и автономными существами, подобными людям. В конце концов, машины зрения будут функционировать как «своего рода машинное воображение, полностью исключающее наше участие» (Virilio, 1994: 66; Вирильо, 2004: 107).
