Коллектив авторов - Мультимедийная журналистика

Понять, как работает одно изображение или один текст, используя методы ранней семиотики, например, семиотики Ролана Барта, невозможно, потому что все зависит от контекста – исследователь неизбежно заходит в тупик. А что, если вместо того чтобы смотреть на один текст, мы посмотрим сразу на миллионы текстов? Может быть, мы увидим какие-то вещи, которые мы не можем увидеть в одном тексте? Я, конечно, никому не говорю, что это тоже семиотика, потому что в какой-то момент семиотика и структурализм стали ругательными словами. Но на самом деле то, чем я занимаюсь, похоже на семиотику, только я изучаю не только художественные тексты, написанные профессионалами (например, русскими писателями XIX в.), я изучаю культуру, которая создается сотнями миллионов людей, прекрасными фотографами в Instagram, блогерами и т. п.

Е. Л.-К.:Так что же такое Cultural Analytics? И каково отношение этого направления к Digital Humanities, о которых сейчас так много говорят в России?

Л. М.: Не знаю, почему это кажется сложным. На самом деле в 2005 г., когда я придумал этот концепт, я сразу написал определение и сделал страницу нашей лаборатории, правда, с тех пор я каждый месяц это определение переписываю.

Самое нейтральное определение концепта может звучать так: использование методов математики, статистики, компьютерных наук и визуализации информации для изучения культуры.

Мне кажется, это достаточно понятно, но непонятно, что значит «культура»? Можно рассматривать «культуру» как всеобъемлющее понятие, когда культура – это практически все: манера поведения, язык, социальные конвенции… Мне это тоже интересно, но мне более интересна материальная культура – как артефакты и фиксация ощущений от процесса. Например, вы играете в видеоигру, и при этом сохраняется запись прохождения, или вы пошли на рейв или собрались с друзьями и потом сделали репортаж об этих событиях в Instagram. У вас остаются определенные культурные объекты – изображения в Instagram, а также фиксация восприятия этих объектов – лайки, ретвиты, комментарии. В Cultural Analytics мы соединяем антропологический подход с методами искусствоведения: рассматриваем само событие, а также его фиксацию и «ощущения» от культурных процессов.

Е. Л.-К.:Cultural Analytics и Digital Humanities – это синонимы?

Л. М.: Нет, это не синонимы. В моей последней статье (Lev Manovich. Defining Cultural Analytics, June 10–14, 2016. < http://culture-analytics. com/what-is-cultural-analytics-2016/>), которая доступна онлайн, я как раз пытаюсь объяснить различия между этими двумя направлениями. Digital Humanities остаются в рамках методологии гуманитарных наук, по крайней мере так определяется эта наука в западных странах. То есть это изучение текстов и произведений, созданных профессиональными культурными работниками, например, анализ эволюции голливудских фильмов или литературы XVIII–XIX вв.; здесь культура понимается как «лучшие произведения человечества».

С другой стороны, у нас сейчас появилось огромное количество исследований, в которых с помощью статистики и математики изучаются social media, в этих исследованиях изучается только современная культура, созданная непрофессионалами, миллионами пользователей в социальных сетях.

А в Cultural Analytics интересно все. Поэтому мы смотрим и на эволюцию художественного стиля Ван Гога, и на эволюцию обложек журнала «Time», и на различия изображений в Instagram в разных городах. Для нас одинаково интересны произведения и профессионалов, и «полупрофессионалов», и любителей, для нас интересны разные контексты, которые, например, пересекаются в социальных сетях: ведь там есть и профессиональные издания, и любители. Как для них, так и для нас – границ в современной культуре нет.

Е. Л.-К.:В следующем вопросе я хотела бы суммировать все дискуссии, которые я слышала после твоих выступлений и выступлений других представителей Digital Humanities, – это вопрос о цели исследования. Рассказывая о специфике Cultural Analytics, ты часто говоришь: «Do not start with the research question» – «Не начинайте с исследовательского вопроса». Это во многом противоречит тому, чему мы учим наших студентов. Здесь речь идет о новом подходе или скорее об актуализации источниковедческой методологии, ведь ты тоже говоришь о «database culture», о «культуре архивов»?

Л. М.: Когда у вас в наличии такое огромное количество информации, то можно, конечно, попытаться изучать ее с помощью существующих исследовательских вопросов. Но для меня гораздо интереснее визуализировать эти данные как некую еще не исследованную планету. Когда вы в первый раз высаживаетесь на Марс или прилетаете в галактику Андромеды, каково ваше первое желание? Можно, конечно, сразу приступить к физическим экспериментам, но гораздо интереснее сначала просто прогуляться по этой неизведанной планете, сделать ее карту. Задача нашей лаборатории – не задавать с самого начала сложных вопросов, а просто создавать подобные карты, чтобы посмотреть, какие особенности ландшафта мы можем с помощью них разглядеть. И поэтому наш основной метод – не использование статистики или подобных компьютерных методов, а создание визуализаций, монтажей из тысяч, десятков тысяч и даже миллионов изображений, которые будут картами живописи, кино, социальных медиа и которые позволят нам увидеть закономерности, так же как на картах мы можем увидеть структуру и рельеф неизвестных нам планет.

Е. Л.-К.:В 2016 г. ты стая одним из организаторов программы «Culture Analytics» в Институте теоретической и прикладной математики Университета Калифорнии в Лос-Анжелесе (IPAM, UCLA: < https:// www.ipam.ucla.edu/programs/long-programs/culture-analytics/ >). Эта программа собрала вместе математиков и представителей компьютерных наук, которые занимаются проблемами гуманитарного знания: филологов, историков, социологов, культурологов, которые используют в своих проектах математические модели и компьютерные методы обработки данных. Когда гуманитарии отмечают некоторые неточности в использовании источников и выводах математиков, занимающихся гуманитарными проблемами, математики часто аргументируют подобные неточности необходимостью «сохранить красоту». Лев, когда ты говоришь о мэппинге (буквально – нанесение на карту, картография), не является ли отказ от исследовательского вопроса в пользу картирования таким же способом сохранить красоту математической модели?

Л. М.: Да, правильно. В моей последней статье «The Science of Culture? Social Computing, Digital Humanities and Cultural Analytics» («Возможна ли наука о культуре?»), опубликованной в журнале «Journal of Cultural Analytics», я рассматриваю этот вопрос. В XVII–XIX вв. в ходе развития науки появляются красивые модели, например, законы Ньютона, которые позволяют описывать физическую реальность. В середине XIX в. такие люди, как Огюст Конт, предлагают создать «физику общества». Статистика позволяет свести сложные процессы к простым физическим моделям, позволяющим делать прогнозы общественной жизни: процент проголосовавших на выборах, факторы, влияющие на выбор профессии, и т. д. Возникают социальные науки, которые пытаются описать общества как физические модели. Но законы общества после Маркса никому вывести не удалось, да и модели Маркса подверглись критике, поэтому социологи в основном смотрят на такие вещи как на корреляции. Но сейчас, когда компьютер может держать в памяти информацию обо всех людях планеты, когда на своем ноутбуке я могу визуализировать миллионы фотографий из Instagram, зачем нам нужна модель?