Наверное, сложно найти более избитую фразу, чем «компьютеры изменили нашу жизнь». По её поиску в Google выдается примерно 1 млн 130 тысяч результатов в различных контекстных формулировках и словоформах. Высказывание этой мысли приобрело ритуальный характер при защите диссертаций и написании статей в прессе. Как правило, далее авторы не утруждают себя доказательством этой мысли, полагая её аксиоматический характер. Но не таков Лев Манович – исследователь новых медиа, профессор Городского университета Нью-Йорка, возглавляющий Лабораторию культурной аналитики. Ученый точно знает, что компьютеры, а, точнее, их программное обеспечение дают возможность не только изменить жизнь, но и понять её. В 2017 году в молодом нижегородском издательстве «Красная ласточка» вышла книга Мановича «Теории софт-культуры», объединяющая наиболее значимые статьи исследователя. Исключительная важность книги состоит в разработке концепции новых методов исследования культуры, которые могут кардинально улучшить положение гуманитарных наук, особенно в России.
Почему нам важно изучать культуру? Культура даёт возможность понять другого человека, а значит – и самого себя тоже. Принято считать, что лучше всего это делать при помощи методов рационального научного познания: тут и свобода от стереотипов, и получение достоверного знания о предмете, и возможность экспериментальной проверки. Только вот когда речь заходит о гуманитарных науках, а в особенности, о тех, что исследуют культуру, все эти достоинства как будто рушатся. Несмотря на то, что кантовский подход «наука тем больше наука, чем больше она математика» относительно давно перестал быть популярным, в обществе он все еще встречается, и на кандидатов философских и филологических наук в России средний обыватель с претензией на образованность обычно смотрит с косой усмешкой. Тем не менее, математика в гуманитарных науках и методах гуманитарного познания вполне себе встречается, чаще всего – в виде статистики. Порой с её помощью можно достигать вполне себе прикладных задач: к примеру, в свое время путём частотного анализа используемых рифм доказано, что Петр Ершов действительно является автором «Конька-Горбунка». Дело в том, что периодически возникающий миф о подлинном авторстве этого произведения определяется предрассудком о принципиальной невозможности возникновения сколь бы то интересной литературы в провинции. Предложенный в диссертации, приведенной выше, метод как раз доказывает, что Уральские горы – не препятствие для большой культуры.
То самое развитие «компьютеровизменившихнашужизнь» дает запоздалое второе дыхание исследованиям культуры, и дело здесь не только в росте доступных вычислительных мощностей. Дело в том, что с компьютером стало проще взаимодействовать, или, иначе – его стало проще программировать . Мощнее, быстрее и компактнее стало не только «железо» компьютера. Значительно понятнее стало его программное обеспечение, его среда взаимодействия с пользователем. Вектор же развития программного обеспечения привел к тому, что компьютер в быту стал все чаще использоваться не для вычислений, а для производства текстов и, в большей мере, образов – статичных и подвижных. Для человека первичен образ, а не цифра. Кому же, как не культурологу, работать с образами?
В связи с этим Манович проводит интересную параллель из истории развития компьютерной техники: программирование первой вычислительной машины Чарльза Беббиджа построено на принципе использования ткацкого станка, изобретенного ранее французским инженером Жаккаром. «В самом начале XIX века Жозеф Мари Жаккар изобрел ткацкий станок, который автоматически управлялся перфорированными бумажными картами. Он использовался для изготовления сложных фигуративных изображений, в частности портрета самого Жаккара. Этот «специализированный графический компьютер» вдохновил Бэббиджа на создание аналитической машины — компьютера для числовых расчетов. Как выразилась Ада Лавлейс, ассистент Бэббиджа и первый в истории программист, “аналитическая машина ткет алгебраические узоры так же, как станок Жаккара — узоры из цветов и листьев”. Таким образом, программируемая машина синтезировала изображения еще до того, как научилась обрабатывать числа». Этот факт имеет принципиальное значение для понимания позиции исследователя: в исследованиях культуры особую роль играет образ и его характеристики.
Массовость распространения компьютеров как инструментов создания образа, средств демонстрации и хранения этих образов открывает поле возможностей для исследователя культуры. Социальные сети выступают одновременно и архивом, и средой, где происходит создание этих образов, и обмен ими среди значительного числа людей. Исследователю остается лишь настроить программу для извлечения данных об этих образах – и он может погрузиться в удивительный мир поиска закономерностей или, как предпочитает говорить Манович – паттернов. Это обстоятельство позволяет преодолеть другой недостаток, который часто поминают как пример недостоверности, «ненастоящести» наук о культуре: слишком малая выборка. К слову, «Дискурс» уже писал, пусть и в шутливой форме, как может выглядеть анализ одного культурного элемента цифровой эпохи. Как, опять же, об этом пишет автор: «Допустим, что мы хотим составить представление о некоторых культурных областях определенного периода: китайской живописи династии Мин, европейской реалистической живописи конца XIX века, графическом дизайне 1990-х, фотографии в социальных медиа начала 2010-х годов и т. д. Какие темы (если в этих областях они есть), стили и техники имеют место? Как они со временем развиваются? Какие из них были более популярны, а какие менее? Историки искусства до сих пор полагались на развившуюся в результате эволюции способность человеческого мозга видеть паттерны и понимать сходства и различия между сериями артефактов. Казалось, что они успешно справляются и без математики, графических методов, статистики, вычислений и современной науки о данных. Но ценой такого «успеха» был самый радикальный отсев: во внимание принималось лишь ничтожное число «важных» или «лучших» работ из каждого периода или области». С помощью компьютера порождается поток информации, с помощью него же он и анализируется.
Вообще, и создание и потребление образов связывается ученым с темой циркуляции информации или информационного поведения. Хотя объем информации, подлежащей обработке и воспроизведению, существенно вырос, вполне возможно применить ту же идею к более раннему периоду в сфере культуры: «Применительно к прошлому понятие информационного поведения подчеркивает, что вся культура состояла не только в репрезентации религиозных верований, восхвалении великих правителей, создании красоты, легитимизации господствующих идеологий и т. п., — культура также включала обработку информации. Художники разрабатывали новые техники кодирования информации, в то время как слушатели, читатели и зрители создавали собственные когнитивные методы ее извлечения. История искусств заключается не только в стилистических инновациях или попытках представить реальность, человеческую судьбу, взаимоотношения общества и личности — она также включает историю новых информационных интерфейсов, созданных художниками, а также новых типов информационного поведения, созданных пользователями». Вопрос, как всегда заключается в том, где найти достаточно материала для исследования.
Развивая идею об информационном поведении, Лев Манович указывает на его ключевую современную особенность: обусловленность этого поведения дизайном программного обеспечения для создания и восприятия образов. «Программное обеспечение автора определяет то, как она/он понимает медиум, в котором работает; соответственно, все это играет ключевую роль в формировании конечной версии техно-культурного текста. Читатель также получает доступ к этому тексту с помощью интерфейса программы. Этот интерфейс формирует ее/его понимание текста: какой тип данных содержит текст, как он организован, что можно и что нельзя сообщить. К тому же софт-инструменты (опять же, реальные компьютерные программы или программы в метафорическом смысле, т. е. набор операций с данными и метафор, который используется теми или иными медиа) — это то, что позволяет авторам и пользователям создавать новые культурные тексты из уже существующих». На ум сразу приходит теория Маршала Маклюэна об исключительной роли средства коммуникации в самой этой коммуникации («The Medium is the Massage»), и действительно – практически сразу обнаруживается отсылка к канадскому мыслителю: «Даже такой визионер, как Маршалл Маклюэн, казалось бы точно предсказавший большинство черт современной киберкультуры за три десятилетия до того, как они проявились, полностью игнорировал компьютеры. В своей работе «Понимание медиа», где представлен системный анализ всех ключевых исторических и современных медиатехнологий, Маклюэн все же посвящает самую последнюю главу обработке данных, но в целом компьютерные вычисления не играют в его теории никакой роли. Возможно, это объясняется тем, что Маклюэн рассматривал медиа в первую очередь как способ коммуникации и/или репрезентации. В 1960-х годах компьютеры еще не были задействованы в осуществлении этих функций так, чтобы это было заметно для широкой публики». Все же следует дать возможное альтернативное объяснение: сама книга «Понимание медиа» появилась в результате заказа, который Маклюэну сделала Канадская национальная организация образовательного телевизионного и радиовещания. По замыслу заказчиков, Маклюэн должен был составить учебную программу по курсу массмедиа для старшеклассников. Он действительно её составил, но заказчик посчитал, что она будет чрезмерно сложна для школьников. Отчет Маклюэна об учебной программе лег в основу книги «Понимание медиа». В таких условиях становится понятно, почему компьютерам в книге не нашлось места – автор, по всей видимости, не собирался усложнять и без того сложный текст.
Идея о влиянии софта на информационное поведение и восприятие становится понятной далее. Ученый полагает, что между данными, которые некий объект характеризуют, и представлением этих данных существует значимая разница. Данные, представленные с помощью одного софта, выглядят совершенно иначе, будучи представлены в другом софте. Это соображение непосредственно связано с определением принципиальных характеристик «новых медиа» и их отличий от «старых медиа». Каковы же принципы, на которых построены новые медиа? Манович выделяет следующие:
1. дискретное представление на различных уровнях. Иначе этот принцип формулируется как принцип модульности, предполагающий, что объект новых медиа состоит из различных элементов (здесь можно вспомнить язык программирования Macromedia Flash);
2. числовое представление данных. Любое медиа и его составляющие может быть описано математически и выступает элементом алгоритмической манипуляции (фильтры в том же инстаграмме);
3. автоматизация, непосредственно вытекающая из двух ранее упомянутых принципов;
4. изменяемость. Данный принцип предполагает подвижность, нестатичность контента и его представления, его автор полагает наиболее интересным и отражающим современные представления о материальном производстве: «Логика новых медиа соответствует постиндустриальной логике «производства по требованию» (production on demand ), и доставки «точно в срок» (just in time), которые сами стали возможны благодаря использованию цифровых компьютеров и компьютерных сетей на всех стадиях производства и распространения. Здесь «индустрия культуры» оказалась впереди других индустрий. Идея о том, что клиент может определить точные характеристики своего автомобиля в шоу-руме, после чего данные передаются на завод, и спустя несколько часов новая машина будет доставлена клиенту, остается мечтой, но в случае компьютерных медиа это реальность. Поскольку одно и то же устройство используется и как шоу-рум, и как фабрика, и поскольку медиа существуют не как материальные объекты, а как данные, которые можно отправлять по проводам со скоростью света, результат может быть получен мгновенно».
Далее автор размышляет о другом аспекте распространения новых медиа и средств их создания – большие данные и их анализ в культуре, чему посвящена статья «Анализ данных и история искусств» книги. В ней Лев Манович выносит ключевые определения и приводит некоторые методологические принципы анализа объектов культуры в рамках науки о данных. Пожалуй, для любого исследователя-культуролога это будет наиболее интересная, содержательная и вдохновляющая часть всей книги, тем более что автор намеренно не использует сложных математических формул при объяснении положений своей концепции.
Данные понимаются как совокупность изучаемых объектов и присущих им признаков. Под объектами могут пониматься самые разнообразные единицы для изучения – будь то фотоснимки, картины, тексты. Термину «признак» эквивалентны понятия характеристика, атрибут, свойство, переменная. В случае с изображением такими признаками могут выступать освещенность, контрастность, наличие определенного цвета, средний оттенок. Здесь также важно понимать, что для дальнейшего изучения данные признаки нужно из объекта извлечь. Делается это либо вручную, либо, что чаще всего, автоматически – опять же, с помощью компьютера.
Далее автор переходит к идее визуального представления этих данных. Здесь особо следует отметить, что визуальное представление – это не просто иллюстрация проведенной исследователями работы по сведению признаков, но и сам по себе метод исследования, который в новую цифровую эпоху становится как никогда востребованным. Дело здесь состоит в следующем: практически все базовые учебные курсы по статистике концентрируются на использовании методов анализа и представления одной или двух переменных и их взаимосвязей, но переменных, характеризующих объект, существенно больше. «В статистике и количественных социальных науках по возможности стремятся изолировать одну независимую и одну зависимую переменную с целью осмыслить явление. Наука о данных предполагает использование множества признаков в надежде на то, что вместе они содержат необходимую информацию для автоматического распознавания, классификации или другой когнитивной задачи».
Дело в том, что нам, существующим в трехмерном пространстве, сложно наглядно представить зависимости между более чем тремя переменными. В исследованиях при описании какого-либо процесса или явления часто ограничиваются работой с двумя переменными. Ученые последовательно группируют их в разных таблицах и графиках и на этом основании делают определенные выводы. Но что делать, если объектов много, и признаков их также много? Лев Манович предлагает рассматривать совокупность признаков как образуемое ими пространство признаков. Сколько признаков – на столько измерений простирается объект. В силу того, что человеку сложно воспринимать более трех измерений, следует поручить первичную обработку пространства признаков компьютеру, а именно – таким методам как разведочный анализ, кластерный анализ, классификация. Введение понятия пространства признаков позволяет ученому сделать вывод, что мера сходства объектов геометрически может быть описана расстоянием между двумя точками в этом пространстве: «несмотря на то, что мы не в состоянии визуализировать и непосредственно увидеть пространство 50 или 500 признаков, нам по силам вычислить расстояние между точками в этом пространстве. Если расстояние между двумя точками невелико, это означает, что соответствующие им объекты похожи друг на друга, и наоборот».
Чтобы визуализировать (а значит – изучить) полученные большие данные, необходимо произвести операцию снижения размерности. Под ней автор понимает проекцию многомерного пространства признаков на пространство с меньшим числом измерений. Само снижение размерности достигается разными путями: упоминается многомерное шкалирование, метод главных компонент и факторный анализ.
Таковы основные концептуальные предпосылки науки о данных в контексте культурных исследований. В более поздней статье, приведенной в книге, исследователь формулирует подход к пониманию «больших данных» — это сочетание «длинных» и «широких» данных:
«В XX веке ученые в области социальных наук работали с так называемыми «длинными данными». Это значит, что число исследуемых кейсов обычно в несколько раз превышало количество анализируемых переменных … Вместо длинных данных мы можем иметь дело с широкими данными — огромным и потенциально бесконечным числом переменных, описывающих набор кейсов».
Исследовательский опыт складывается из применения методологии к объекту исследования. В книге приводится опыт трёх исследований Лаборатории культурной аналитики, результаты которых представлены в полном соответствии с философией новых медиа. Это – уже не просто отчет о научной работе, напечатанный на бумаге и снабженный графиками и таблицами, а полноценный интерактивный материал, доступный широкой аудитории.
— Phototrails (2013), объединяющий в себе результаты исследования изображений от сотен тысяч пользователей из 13 глобальных городов;
— Selfiecity (2014), в котором исследуются отличительные особенности такого универсального способа саморепрезентации как селфи;
— On Broadway (2015), объектом исследования которого выступили 13 миль Бродвея в Нью-Йорке, выраженные в фотографиях из разных источников, а также разнообразные официальные статистические данные.
Словом, отчёт о научном исследовании в свете анализа больших данных все больше превращается в художественную инсталляцию. Это делает ближе не только науку к культуре, но и науку к человеку. Книгу Льва Мановича можно смело рекомендовать исследователям культуры, особенно тем из них, кто планирует включать статистическую обработку данных в арсенал своих методов. Возможно, сейчас настало время, когда нелюбимая многими в школе математика сможет сделать гуманитарные исследования во всех смыслах ближе к среднему человеку и к среднему же ученому. Без понимания сущности больших данных так же не обойтись и простому пользователю, который является и потребителем и производителем этих самых данных. В конечном итоге, их исследование – это еще одна возможность понять самих себя через многомерное зеркало культуры.
Манович Л. Теории софт-культуры. — Нижний Новгород: Красная ласточка, 2017.
