演算提取的影像未来

网路上的每个动作都会产生一组数据。传送一个简单的信息、咨询或搜寻，都会产生许多数据。我们每天都会产生数十亿的数据。这些数据都被亚马逊、谷歌、推特或脸书这样的巨头企业收集，然后储存在超大型的信息中心。

数量多到无法计算的数据被收集，这些数据可能被储存或处理并促使这些企业将这些信息使用在商业目的上。“为何要开发这些信息？如何使用这些信息？”某些想要增加能见度并在市场中脱颖而出的企业提出这些问题。举例来说，在营销产业中，这些信息可以预测消费者的需求、确定他们对商品的反应，并影响购买。

价值的获取

目的不是为了收集个人生活方式的数据，而是知道如何操纵、处理和提取这些信息进而从中获益。独立来看，这些元信息只是一个以比特为单位的数值。透过适当的软件处理，这些信息就获得了价值。透过预测演算法转换为数字语言并进行转换，这些信息变成可以预测需求的珍贵信息来源。用什么方式？数据湖只包含了原始和完全不同的信息，没有任何分级或分类。为了创造价值，要把每一个信息或特征都分解、切割、修剪然后贴上标签。

贴标签是以赋予价值的方式分类每个独立区块。一旦将中间值分配给每一片段（让人想到索引），这些片段就可以轻易地根据被机器赋予的共同值进行文字或图像的分组。换句话说，信息的加工包含建立一个不同元素的表单，再从中运用相同的功能或价值。断开、拆解它们的关系（链接）以创造新的演算法关连。在信息语言中，解构巨量数据的目的是为了重组或增加价值。

透过赋予每个元素一个数值，利用大数据的企业就会发现解释和反应各种现象的规则、原理和参数。然后，透过赋予每段信息一个数值，这些企业会发现各种事件之间新的定律和新的关系。赋予信息数值后，这些企业便可以查看这些信息，以便做出决策，例如预测客人在特定期间的行为，以提供特定的消费产品。

这些数据的数据化也可以用于政治目的上，以促进有利于候选人的投票意向。透过赋予每个信息数值，这些信息变得可以利用。MapReduce和Spark分析软件使用的演算法可以将原始材料转换为具有价值的数据。这些软件将人们原本不可见的活动视觉化。我们生活中不同的面向被转换成格式化的信息，即有价值的信息。

个人信息使用的改变

处理或分析信息就是赋予信息一个数值。对大数据专家来说，只需要把已经包含在信息中的价值像它们早已存在一样的指出或显示出来。专家们忘记赋予信息的数值是由机器决定的。事实上，机器在没有价值的地方创造价值。此外，机器是以纯商业性的信息处理为主要目的。因此分类是商业化的，为了未来的利益著想。它被赋予一个目的。在这样的情况下，我们甚至可以认为数据化曲解个人信息像一个数据，因为它已经被赋予一个符合商业利益的价值。

机器不会阐释，它只会分类。机器违背语言中怀疑、犹豫、不确定、没把握、探索、假设、困惑、悖论和重复的特性。我们没什么好说的。我们不用评论、决定、给自己定位、思考和回过头看机器说过的话，也不用权衡、评估情况、辩论和参与世界。机器加强了人类的欲望对象。危险不是能否选择新的想望，而是相信机器会提供我们选择，而事实上我们思考的模式是由计算中心的模拟模型来设计的，当轮到我们的时候，由于缺乏对世界的关注，我们也开始像机器一样思考。

不同光线下伸出的手*

网路收集的信息为文字或图片的格式。脸书储存了约2500亿张的图片。数据化是机器将信息去实体化和数字化后，赋予每个单元或片段数值的过程。我作品的出发点是：拍摄一隻在不同光线下伸出的手（Marie-Lise Vautier是我的模特儿，我特别感谢她的参与和耐心）。手势解体的过程已经开始。不过，在不同光线下拍摄伸出的手不会以相同的方式给我们留下印象。亮度指数让每张照片每次都有些许不同的特征。亮度指数表示光的强弱程度，它的数值以明暗度表示。

微弱的光线会产生一种柔和且平滑的效果。强烈的局部光线会造成对比强烈的阴影，使被拍摄的物体呈现戏剧性的色调。同样的片段，伸出的手也让我们感动。在这里，我试著根据照片产生的印象，将手部光线变化调整成像太阳反射在云层上的光线。自然与直射的光线与人造光相呼应。每隻手回应一个天空的变化。这个组合产生了一种恳求、祈求的姿势。然后想像这些照片如果被演算法提取，我们最后将会得到什么结果？亮度指数会保留吗？是否会考虑灯光变化所产生的效果？所有照片的感知会不会都是一样的？乞求还会留著吗？这些影像会一直被我们注视吗？

译自本刊法文版原文《DATAFICATION D’UN GESTE D’IMPLORATION – Le devenir des images broyées par des algorithmes》

*译注：伸出的手，一种乞求姿态