Browser non supportato! Questo sito offre compatibilità limitata in browser datati. Supportiamo soltanto browser moderni ed aggiornati come Chrome, Firefox, Safari ed Edge.

© Pompeii Commitment. Archaeological Matters, un progetto del Parco Archeologico di Pompei, 2020. Project partner: MiC.
Tutte le immagini d’archivio o realizzate al Parco Archeologico di Pompei sono utilizzate su concessione di MiC-Ministero della Cultura-Parco Archeologico di Pompei. È vietata la duplicazione o riproduzione con qualsiasi mezzo.

Noam Segal, con Agnieszka Kurant, Marina Rosenfeld, and Libby Heaney. Notes on the Index in Accelerated Digital Times

Digital Fellowship 09    19•12•2023

Noam Segal è la Digital Fellow che inaugura il secondo ciclo del programma Pompeii Commitment. Archaeological Matters – Digital Fellowship. Unendo le competenze maturate nei propri studi di dottorato, sull’impatto che le tecnologie emergenti hanno sugli attuali contesti socio-culturali, con la dimensione archeologica del programma, Segal presenta una riflessione critica sui fondamenti intellettuali della computazione classica (IA) e della computazione quantistica in relazione alla produzione di immagini e di conoscenza. 
L’autrice usa la nozione di indice come punto di partenza per illustrare la differenza tra le due forme di calcolo e spiegare come nozioni di temporalità e causalità debbano essere intese in ciascuna di esse. Segal inoltre crea un ponte tra archeologia e arte digitale per mostrare le implicazioni delle nuove tecnologie sulla creazione di immagini, affrontandone le articolazioni ontologiche ed epistemologiche. Se è vero che l’indicalità in relazione alle forme d’arte è stata introdotta negli anni ’70 dalla critica Rosalind Krauss, come Segal spiega nel suo saggio, l’introduzione della tecnologia digitale di networking e dell’intelligenza artificiale ha determinato l’esistenza di nuovi ambienti che sfuggono alle categorie esistenti di soggetto/oggetto e rimodellano la concezione basilare dello spazio e del tempo. Già la fotografia aveva dato all’oggetto un’esistenza definitiva altrove: che cosa succede allora quando nella creazione delle immagini vengono impiegate tecnologie avanzate? Si introduce una condizione di post-indicalità. Allo stesso modo, la combinazione di archeologia e nuove tecnologie, spesso utilizzata per colmare le lacune nel tentativo di ricostruire la conoscenza perduta, dà luogo a un’episteme completamente nuova in cui entrano in collisione molteplici temporalità.
Segal propone il termine ‘post-indicalità’ per descrivere temporalità non lineari e causalità divergenti dalla concezione classica, e articola ulteriormente l’argomento attraverso opere delle artiste Libby Heaney, Agnieszka Kurant e Marina Rosenfeld. L’intero progetto ha origini in una conferenza tenutasi al Castello di Rivoli Museo d’Arte Contemporanea (Rivoli-Torino) nel 2021, in occasione della personale di Agnieszka Kurant intitolata Crowd Crystal, nel corso della quale Segal ha descritto fra le varie caratteristiche del lavoro dell’artista, quella di presentare dei punti di ancoraggio degli indici, in altre parole all’interno di costellazioni temporali non lineari. Questo il motivo per cui è qui riproposta l’opera di Kurant Adjacent Possible (2021), insieme ad una selezione di immagini di archivio che aiutano a comprendere meglio il processo creativo e la complessità del lavoro. Kurant svilupperà inoltre una nuova ricerca per Pompei, nell’ambito del prossimo ciclo del programma Pompeii Commitment. Archaeological Matters – Digital Fellowship. Marina Rosenfeld e Libby Heaney, quest’ultima anche consulente scientifica del progetto, hanno prodotto per l’occasione due nuove opere digitali. Rispettivamente, la prima mette in discussione il sistema binario delle attuali  tecnologie della computazione classica, in particolare quando si tratta di tradurre a livello digitale pratiche mediali e visive time-based, e la seconda esprime come l’accesso e la comprensione della computazione quantistica possano attualmente solo generare un’immagine quantistica, che diventa indice di una realtà fondamentale, ma tuttavia ancora inaccessibile. 
Il lavoro delle tre artiste è contestualizzato all’interno del saggio di Segal dal titolo Notes on the Index in Accelerated Digital Times (Note sull’indice al tempo dell’accelerazione digitale), che è qui pubblicato qui come ipertesto ed è organizzato in maniera indicale. L’indice (l’elenco degli argomenti), però non riassume semplicemente il saggio, ma crea uno strumento di navigazione in cui l’informazione si dipana in un ordine differente mappando in questo modo una molteplicità di possibili temporalità e causalità. La riflessione di Segal racchiude gli aspetti concettuali della tesi che sostiene, e allo stesso tempo formalizza una mostra attraverso l’episteme digitale. – CA

Noam Segal
Notes on the Index in Accelerated Digital Times, 2023
saggio
Courtesy l’Autrice

Agnieszka Kurant
Adjacent Possible, 2021
pigmenti derivati da batteri, ingegnerizzati geneticamente con il DNA di anemoni di mare (Discosoma, Corallo Fungo Rosso, Epiactis); fungo; Pietra di Lucerna
Courtesy l’Artista e Tanya Bonakdar Gallery, New York / Los Angeles

Marina Rosenfeld
Soft Machine, 2023
video digitale a colori, suono
3:09 minuti
Courtesy l’Artista

Marina Rosenfeld
Soft Machine Phantom Study, 2023
video composito digitale a colori, muto
24 secondi
Courtesy l’Artista

Libby Heaney
Quantum Ghosts (Studio di due calchi congiunti con Computazione Quantistica), 2023
video a canale singolo, muto
2:13 minuti
Courtesy l’Artista

Immagine in home page: Marina Rosenfeld, Soft Machine, 2023. Courtesy l’Artista

Noam Segal, Ph.D., è curatrice associata di LG Electronics al museo Solomon R Guggenheim di New York. La sua pratica curatoriale intercetta le rappresentazioni digitali, politiche e sociali dell’arte contemporanea, ed esamina l’evoluzione e le implicazioni dell’arte digitale e delle tecnologie emergenti in contesti socioculturali contemporanei. Prima di lavorare per il Guggenheim è stata direttrice di ricerca curatoriale nel programma del Master in pratica curatoriale alla School of Visual Arts di New York. Nel 2022 ha fatto parte del team di curatori, guidato dall’artista Kader Attia, di Still Present! alla dodicesima edizione della Biennale di Arte Contemporanea di Berlino, dove era anche responsabile di The Digital Divide, un convegno sulle implicazioni delle tecnologie Web-3 nell’arte. Ha organizzato Maria Hassabi: Cancelled (2022), una performance che utilizzava i media per esplorare le complessità dell’essere donna per il FRONT International: Cleveland Triennial of Contemporary Art. Nel 2020, Segal ha organizzato l’AURORA Biennial for Art, Technology, and Community a Dallas in Texas. Inoltre ha curato, da sola e con altri, mostre rinomate a livello internazionale come: Neil Beloufa: The Enemy of my Enemy, Palais de Tokyo, Parigi (2018); Pope. L.: One Thing After Another, La Panacée, Montpellier (2018); Anri Sala: No Names, No Title, Tel Aviv Museum of Art, Tel Aviv (2015), per citarne alcune.


Agnieszka Kurant (1978, Łódź, Polonia) è un’artista concettuale il cui lavoro indaga intelligenze collettive e non umane, il futuro del lavoro e della creatività, e lo sfruttamento all’interno del capitalismo della sorveglianza. Ha ricevuto il LACMA A+T Award 2020, il Frontier Art Prize 2019 e il Google AMI Award 2022. Mostre personali e commissioni permanenti includono: Hannover Kunstverein, Hannover (2023); Castello di Rivoli Museo d’Arte Contemporanea, Rivoli-Torino (2021-2022); MIT List Visual Arts Center, Cambridge MA (2021-2022); Guggenheim Museum, New York (2015); Sculpture Center, Long Island City (2013); ed il Padiglione Polonia alla 12esima edizione La Biennale di Venezia, Venezia (con A. Wasilkowska, 2010). Altre mostre recenti includono: Centre Pompidou, Parigi (2023); Dhaka Art Summit, Dhaka (2023); Louisiana Museum of Modern Art in Denmark, Humlebæk (2023); CAPC, Musée d’art contemporain de Bordeaux, Bordeaux (2023); GAMeC, Bergamo (2023); Villa Medici, Académie de France à Rome, Roma (2023); ZKM | Center for Art and Media Karlsruhe, Karlsruhe (2022); 16th Istanbul Biennial (2021); Kunsthalle Wien, Vienna (2020); Whitechapel Art Gallery, Londra (2020); Museum of Modern Art, New York (2020); SFMOMA, San Francisco (2019); Milano Triennale, Milano (2019). Kurant è stata Artist Fellow al Berggruen Institute, Los Angeles (2019-2021), Visiting Artist al MIT Center for Art, Science & Technology, Cambridge MA (2018-2019) e Fellow alla Smithsonian Institution, Washington (2018).


Attraversando i confini della musica, della performance e dell’arte visiva, l’artista e compositrice americana Marina Rosenfeld (1968, New York, USA) ha creato un corpus di opere che esplorano i fondamenti della musica, la sua rappresentazione, ricezione, e le diverse forme di notazione di questa. Le sue opere spaziano dalla performance alla scultura, dal disegno all’installazione. Dalla sua composizione femminista collettiva Sheer Frost Orchestra nel 1994, Rosenfeld creato opere per: Dia Art Foundation, New York (2023); Museum of Modern Art, New York (2019); Haus der Kulturen der Welt, Berlino (2018, 2019); Fundação de Serralves, Porto (2014); Park Avenue Armory, New York (2009), per citarne alcune. L’artista ha preso parte a importanti manifestazioni sull’arte e la musica contemporanea tra cui: Biennale Son, Sion (2023); Performa Biennial, New York (2023); Aurora Biennal, Dallas (2020); La Biennale de Montréal, Montréal (2016); Liverpool Biennial, Liverpool (2010); Every Time A Ear di Soun, il programma radiofonico di Documenta 14 (2017); e Whitney Biennial, New York (2008, 2002). Le sue opere sono state esposte recentemente in mostre individuali presso: Museum Art.Plus, Donaueschingen (2023); Kunsthaus Baselland, Muttenz (2021); The Artist’s Institute, New York (2019); and Portikus Frankfurt, Francoforte sul Meno (2017). Esperta turntablist, Rosenfeld suona e registra musica improvvisata da circa trent’anni, incluso per Merce Cunningham Company tra il 2004 e il 2008. Ha collaborato con George Lewis, Okkyung Lee, Ikue Mori, Ben Vida ed i coreografi Maria Hassabi e Ralph Lemon. La sua musica si può trovare su: Room40, Shelter Press, INFO, 901Editions.


Libby Heaney (1981, Tamworth, UK) è una pluripremiata artista visiva britannica con un dottorato di ricerca (Phd) in scienza dell’informazione quantistica, conosciuta per essere la prima artista ad utilizzare il calcolo quantistico come medium artistico. Il lavoro di Heaney esplora concetti queer, non locali ed ibridi, presi dalla scienza dell’informazione quantistica, per stravolgere categorie e gerarchie e favorire l’interconnessione radicale. Le sue opere, che combinano medium diversi, quali moving image, performance, installazioni e media fisici con tecnologie all’avanguardia, fra cui machine learning, game engine e quantum computing, mirano a creare una spiritualità post-umana, femminista e trasformativa che trascenda il capitalismo della sorveglianza. Attraverso i meccanismi e la logica ambivalente della quantistica, Heaney crea nuove modalità non lineari di storytelling emozionale, confondendo realtà e finzione e adottando viscerali esperienze incarnate sia a livello di narrazione che di intuizione. Nel 2022 Heaney ha vinto il Lumen Prize e il Falling Walls Art & Science Award ed è attualmente artista residente presso Somerset House Studios a Londra. Come scienziata, ha lavorato all’ Università di Oxford e alla National University di Singapore e ha pubblicato articoli di fisica in prestigiose riviste internazionali peer-reviewed. Ha inoltre ricevuto il HSBC and Institute of Physics, Very Early Career Woman Physicist of the Year Award. Heaney ha esposto in istituzioni artistiche nel Regno Unito e all’estero, come: Ars Electronica, Linz (2022); LAS Art Foundation, Berlino (2022); Southbank Centre, Londra (2022); Sonar Festival, Barcelona (2021); Arebyte Gallery, Londra (2020); Tate Modern, Londra (2019, 2016); Victoria and Albert Museum, Londra (2018).

Noam Segal, con Agnieszka Kurant, Marina Rosenfeld, e Libby Heaney

Notes on the Index in Accelerated Digital Times

Notes on the Index in Accelerated Digital Times

(Note sull’indice al tempo dell’accelerazione digitale)

Introduzione

Nel 1977, la critica d’arte Rosalind Krauss definì l’indice come “segni o tracce” (impronte, iscrizioni, fumo) che si riferiscono indirettamente a una cosa specifica: un evento, un materiale o una materia vivente, un luogo o un’azione. Krauss indicò la fotografia come una forma primaria d’arte indicale, perché l’oggetto rappresentato ha un’esistenza definitiva altrove che è “impressa” dalla luce e da un processo chimico (o elettronico). Ciò crea un riferimento visivo che possiede un certo grado di precisione e affidabilità, ma riguarda sempre qualche realtà o qualche cosa che è più “reale” dell’immagine stessa.

La nozione di indice – una traccia che si riferisce a un oggetto visto o catturato altrove – è potente. Ciò è in parte dovuto al fatto che l’indice di Krauss si riferisce al momento soggettivamente e culturalmente carico di tensione, o all’atto della cattura visiva, piuttosto che a ciò che viene catturato, o addirittura – nonostante la sua enfasi sulla fotografia – alla tecnologia coinvolta nel processo. Per questo motivo, nel corso dei 40 anni trascorsi da quando Krauss ha pubblicato il suo articolo, l’indice ha potuto evolversi insieme alla tecnologia di creazione di immagini.

Ad esempio, anche la polvere per Krauss registra indicalità e, insieme ai processi chimici e meccanici della fotografia, ci fornisce un modo produttivo di pensare la ricostruzione archeologica. “Come le tracce” ha affermato Krauss, “le opere che ho descritto rappresentano l’edificio attraverso il paradosso di essere fisicamente presenti, ma temporalmente remote”. Le tracce testimoniano l’esistenza così come l’eliminazione o l’assenza. La polvere è qualcosa che, anche se impresso su un’immagine statica, insiste sulla temporalità, è un indice degli oggetti e del tempo. 

La polvere cattura il nostro DNA culturale: fuliggine, polline, tossine, frammenti di pelle, capelli, unghie, pelo dei nostri animali domestici, briciole di cibo, vestiti, fili, ecc. Essa indicizza la nostra esistenza attraverso tracce che segnano un’assenza – una presenza che risiede nel processo di accumulazione, ed è sempre già passata. La polvere si è evoluta anche attraverso tecnologie militari. La DARPA ha creato la polvere intelligente: una nanoparticella che è anche un dispositivo di sorveglianza che può tracciare e monitorare la temperatura, la luce, le sostanze chimiche e persino il movimento. Così oggi la polvere nella cultura visiva indica il tempo passato, ma è anche un’entità che estende e trasmette lo sguardo panottico dello stato militare. La DARPA quindi indicizza un passato ma anche un presente e tutta una serie di potenziali usi futuri per quella che un tempo era solamente una traccia benigna. 

Secondo Pompeii Commitment. Materie archeologiche, l’archeologia è una forma primaria di arte indicale. Polvere, detriti e pomice sono i materiali principali dell’antica Pompei. Essi formano anche uno strato coprente. Non è un caso che il campo dell’archeologia sia pieno di terminologia indicale. Prendiamo, ad esempio, il termine “indice fossile” (fossile guida) che si riferisce a un animale o ad una pianta preservata nella documentazione geologica della terra ed è caratteristica di un’epoca o di un luogo particolare. Il Vesuvio eruttò nel 79 d.C., distruggendo la città etrusca, sannitica e romana di Pompei. Riscoperta nel 1748, essa ci ha fatto conoscere quel passato lontano. Più di ogni altro sito, Pompei rappresenta la credenza popolare secondo cui la conoscenza del passato può essere acquisita attraverso la ricostruzione fisica dei manufatti. Nel 2021 gli scienziati dell’Istituto Italiano di Tecnologia (IIT) hanno fondato RePAIR (Reconstructing the Past: Artificial Intelligence and Robotics meet Cultural Heritage), un progetto interdisciplinare che combina robotica, intelligenza artificiale e archeologia nel tentativo di ricostruire le caratteristiche architettoniche di Pompei che sono rimaste incomplete[1].

Ciò che rimane ha subito una trasformazione materiale[2]. L’esplosione ha tramutato carne, ossa e cervelli in etere, plastica o vetro[3]. E poi ha trasformato la vita di Pompei in fossili guida nascosti da detriti, pomice, polvere e da quasi 2000 anni di decomposizione.

La combinazione di archeologia e nuove tecnologie suggerisce la formazione di un’episteme del tutto nuova. Quali conoscenze scaturiscono da un ibrido tra antichi resti archeologici e tecnologie del XXI secolo, in particolare l’intelligenza artificiale? L’IA viene spesso utilizzata per colmare le lacune create dall’estinzione delle specie, dalle culture e dalle civiltà scomparse e per portare alla luce conoscenze perdute. Tuttavia, nonostante l’apparenza di verosimiglianza o il virtuosismo tecnologico, la produzione computerizzata di conoscenza è diversa dalle forme di acquisizione e produzione di conoscenza che le società umane hanno utilizzato per secoli.

A differenza dei ghiacciai, ad esempio, che contengono testimonianze congelate del passato, l’intelligenza artificiale costruisce oggetti di conoscenza utilizzando resti precedentemente scoperti per ricreare i pezzi mancanti. Mentre le fonti di conoscenza come i ghiacciai stanno lentamente scomparendo dal pianeta (a causa del riscaldamento globale), sta prendendo sempre più forma un corpus di conoscenze basato sui dati del passato e sulla loro riproduzione tecnologica. 

Questa è una riflessione critica sulla differenza tra i fondamenti intellettuali dell’intelligenza artificiale con il suo apparato algoritmico e un’alternativa emergente – l’apparato quantistico – in relazione all’immagine. La nozione di indice aiuta a mettere in luce la differenza tra le due tecnologie emergenti. Questi due tipi di calcolo, classico (IA) e quantistico, offrono entrambi modi distinti di comprendere le operazioni dell’immagine digitale: la sua formazione e le sue implicazioni, i suoi tratti ontologici ed epistemologici.

Il termine “apparato quantistico” qui fa riferimento alla logica della meccanica quantistica e del calcolo quantistico. Nel 2023 la computazione quantistica è ancora nelle fasi iniziali di sviluppo. Le immagini basate sui quanti sono disponibili solo nelle condizioni fisiche della nostra realtà newtoniana. In altre parole, la dimensione che abitiamo opera attraverso leggi meccanicistiche e causali e rende inaccessibile la realtà quantistica. La scienza quantistica può creare ambienti quantistici laddove funzionano leggi meccaniche e computazionali alternate. A differenza dell’intelligenza artificiale, tuttavia, questa tecnologia non è ancora disponibile su larga scala[4].

Ciò presenta dei limiti, sia per quanto riguarda la percezione che la descrizione. Le immagini quantistiche a noi percepibili a livello newtoniano hanno già subito un processo di materializzazione[5]. A causa di questa traduzione inter-dimensionale, le immagini quantistiche che possiamo vedere sono fondamentalmente ‘una rappresentazione inadeguata delle realtà quantistiche’[6] . Sembra un po’ complicato e in effetti lo è, ma la cosa importante da tenere a mente è che esiste una realtà quantistica. Non è accessibile a noi perché è in uno stato di potenziale pre-materializzazione, ma ciò non significa che non se ne possa discutere. Le immagini quantistiche che riusciamo a vedere potrebbero non mostrarci realtà quantistiche, ma possono probabilmente indicizzarle.

Questo saggio aiuterà a capire come questi due tipi di calcolo influenzino sia la memoria collettiva, sia il registro digitale e il modo in cui comprendiamo il funzionamento interno dell’immagine e le sue condizioni materiali.

Dal punto di vista materiale, molte lacune nella documentazione archeologica vengono letteralmente colmate aggiungendo strati materiali che possano completare perfettamente l’originale. Per il restauro vengono utilizzati materiali naturali come l’ocra, tradizionalmente usata per le pitture rupestri. Spesso le aggiunte creano un assemblaggio di materiali e di temporalità che servono a rappresentare l’estetica antica catturata nella pietra. La tecnologia sta aiutando a “materializzare” un’estetica a lungo sepolta e a produrre una rappresentazione coerente del passato. Ciò che la perfezione delle ricostruzioni nasconde è che l’oggetto rinnovato ora esprime diverse temporalità contemporaneamente. Ad esempio, un oggetto proveniente da Pompei ora contiene l’originalità del 2000 a.C. e l’attualità del 2020.

Riflettere sulla questione della temporalità e della ricostruzione archeologica utilizzando concetti presi dalla storia dell’arte – in particolare l’indice di Krauss – potrebbe portare a una temporalità digitalmente diffratta molto lontana dalla storia. Questo articolo propone che l’esistenza continua dell’accumulazione storica è almeno una delle caratteristiche della storia culturale (in fondo, noi siamo esseri storici) presentando la nozione di indice in riferimento alla tecnologia contemporanea.

Questo saggio utilizzerà la nozione di indice in relazione alle tecnologie contemporanee. L’indicalità proposta da tali tecnologie differisce significativamente dalla fotografia o da altre forme d’arte che hanno caratterizzato gli anni ’70 quando Krauss scriveva. Sebbene l’indicalità sia identificata principalmente con la fotografia (le tracce della luce su un negativo), esiste anche in altre forme d’arte, come l’installazione, la danza e la performance, le quali indicano tutte un significato che si trova altrove. 

Krauss ha formulato la nozione di indice per riflettere sull’arte degli anni ’70 che non aveva caratteristiche estetiche, politiche o filosofiche apparenti che potessero essere identificate con un movimento. L’indicalità torna estremamente utile per riflettere sul nostro panorama estetico frammentato, ma l’introduzione della tecnologia digitale di rete e dell’intelligenza artificiale va tenuta in conto. I sistemi di intelligenza artificiale presentano un’altra forma di oggettualità che sfugge alle categorie esistenti di soggetto/oggetto. In modo simile, la computazione quantistica rimodella anche alcune delle nostre più basilari idee di spazio, tempo, causa e separabilità. Gli ambienti digitali contemporanei potrebbero quindi essere considerati in modo produttivo ricorrendo alla nozione di post-indicalità. Esaminerò due caratteristiche principali dell’indice: temporalità e causalità.

Temporalità Post-Indice

Con l’avvento dell’intelligenza artificiale e gli sviluppi tecnologici accelerati, i concetti di esistenza di un oggetto in un tempo e nel tempo richiedono un aggiornamento [7]. Gli ‘oggetti’ dell’intelligenza artificiale esistono in un tempo non lineare. Ciò consente una qualche forma di continuità con il passato, ma crea anche un salto di 2.000 anni, quasi un ‘salto quantico’.

La ricostruzione archeologica di Pompei tramite intelligenza artificiale, modulata algoritmicamente, è radicalmente diversa da un salto quantico. Il termine ‘salto quantico’ si riferisce a un movimento repentino o a un avanzamento improvviso. In questo senso è simile alla ricostruzione archeologica sopra descritta. Ma nella meccanica quantistica reale, che riguarda il livello subatomico della realtà, gli elettroni eseguono salti quantici senza spostarsi: cambiano da uno stato all’altro, da un’energia all’altra senza spostamenti percettibili.

La logica algoritmica dell’intelligenza artificiale colma le lacune apprendendo vecchi segni, estraendo una logica generalizzata dall’aggregato di questi segni e creando l’apparenza di un continuum che non considera 2000 anni di potenzialità, 2000 anni di esperienza e attività umana e non umana che probabilmente avrebbe cambiato la direzione, la traiettoria e l’organizzazione degli stessi segni che utilizza per costruire la sua logica.

Gli strumenti di intelligenza artificiale come Chat GPT3 o di creazione di immagini come DALL-E o Stable Diffusion, si basano su un’intelligenza cumulativa che, a sua volta, si basa su dati esistenti che spesso vengono tradotti in codici predittivi. In questo senso, l’IA è un modo artificiale e sintetico di pensare o, più precisamente, di rappresentare, che assomiglia a calcoli statistici intensificati e accelerati. Per molti di noi, l’intelligenza artificiale è un codice fatto di dati che generano una quantità crescente di dati, basati su un numero crescente di calcoli che modulano il nostro mondo fisico e non fisico: il nostro ambiente, l’economia e il clima, ma anche la conoscenza umana sotto forma di sapere che Google indicizza o le relazioni umane che Facebook mappa [8]. L’IA non è in grado di discernere tra il modello e la realtà o tra la mappa e il territorio. Non pensa e non sa ‘pensare’ al di fuori di un dominio di possibilità definito da input precedenti, il che significa che non è creativa in senso psicologico. Se pensare è un modo per determinare l’azione, allora l’intelligenza artificiale in realtà non pensa, ma rappresenta soltanto. Definiamo la sua competenza con tre azioni: elaborazione, data crunching e rappresentazione.

La capacità dell’intelligenza artificiale in termini di probabilità e statistica ha usi quasi illimitati in qualsiasi campo che dipenda da questo tipo di calcoli, come la medicina o la ricerca farmaceutica. Ma i vantaggi nel calcolo matematico non garantiscono capacità equivalenti di astrazione, creazione e analisi complessa di forme, colori, concetti e parole. I concetti che non sono quantificabili sono più impegnativi per la programmazione binaria.

 

Allora, cos’è l’indicalità in un ambiente digitale post-temporale? Mi sono posta questa domanda pensando a Adjacent Possibile (2021) di Agnieszka Kurant. Il punto di partenza di quest’opera è la recente scoperta di trentadue segni geometrici uniformi che ricorrono in molte grotte del Paleolitico (dal 40.000 al 10.000 a.C.). Sono stati scoperti e documentati dalla paleoantropologa Genevieve von Petzinger, che ha codificato questi antichi segni in tutta Europa e in alcune parti dell’Asia. Collaborando con Petzinger, Kurant ha istruito una rete neurale di intelligenza artificiale [9] su un dataset di migliaia di fotografie di varie iterazioni di questi trentadue segni grafici paleolitici. L’intelligenza artificiale ha poi prodotto altri segni potenziali, gli ‘adiacenti possibili’ delle prime forme umane di espressione o di comunicazione simbolica. Secondo l’artista, “questi potrebbero essere segni che esistevano, ma semplicemente non sono mai stati scoperti dagli scienziati, o forme che avrebbero potuto potenzialmente evolversi ma non lo hanno fatto, il che ha dato come risultato quella particolare linea di evoluzione della cultura umana che ci ha portato a quello che siamo oggi” [10]. Poiché riguarda lo sviluppo contingente (o la stasi) dei segni culturali, il progetto di Kurant ci aiuta ad articolare le im/ possibilità [11] manifestate nell’idea di una temporalità quantistica, di questa sovrapposizione così straordinariamente non/temporale (una temporalità sospesa che dipende dalla posizionalità dell’elettrone, dalle condizioni fisiche e dall’osservazione). Nella sua opera si è chiaramente materializzata una realtà temporale, nel senso che i segni c’erano, non importa se fossero stati visti o meno. La linearità insolita di questi segni apre a tre possibilità: una possibile continuazione da quel momento nel tempo attraverso il lavoro umano e lo sviluppo culturale (che storicamente non è mai avvenuto), una totale interruzione da quel momento nel tempo, o la sua continuazione attraverso il processo di articolazione specifico dell’intelligenza artificiale. 

La temporalità dell’IA è diversa da quella dell’elettrone. Essa presenta un particolare tipo di non linearità basato su modalità di codifica e progettazione che, fondandosi sull’apprendimento cumulativo, può produrre solo qualcosa dal dataset pre-esistente in esso inserito. L’intelligenza artificiale non può tenere conto delle potenzialità e dei contesti e inoltre ignora le “circostanze” (aboutness) di un’immagine, cancella i suoi metadati: i dettagli sull’ obiettivo, la distanza, l’illuminazione, il tempo di esposizione, il punto di vista, i parametri numerici, la lunghezza focale, l’esposizione, l’apertura e l’ISO si perdono nel dataset, così come l’autore, il contesto storico, le condizioni materiali, ecc.[12]. Allo stesso tempo, l’intelligenza artificiale ricostruisce l’immagine in un modo che estende una narrazione non presente nella storia naturale, nelle circostanze o nella temporalità dell’oggetto [13]. Al contrario, l’algoritmo elude la storia dell’oggetto archeologico o linguistico e sostituisce il suo sviluppo organico con un loop di segni a feedback predittivo situati nella temporalità artificiale dell’algoritmo – una temporalità che non considera la fonte parzialmente riconosciuta di un certo oggetto. 

Le ricostruzioni algoritmiche trattano la storia come un insieme di dati stabili (un dataset di calcoli binari) perché così funzionano gli algoritmi, ma non la storia. Anche se queste ricostruzioni guardano al passato, esse offrono un approccio predittivo alla storia. L’implicazione è che se l’algoritmo conosce “a” e “b” dai frammenti archeologici, potrà dirci che cosa sarebbe stato “c”. E in qualche modo gli crediamo, anche se sappiamo dalla recente esperienza della pandemia globale che la storia non si svolge lungo linee temporali prevedibili, calcolabili e lineari. La storia è contingente e contiene casualità, una caratteristica con cui gli algoritmi hanno qualche difficoltà. Le intelligenze artificiali propongono una linearità non classica, atipica, sebbene l’elettrone, se lo prendiamo a paragone, presenti qualcosa che appare ancora più strano per le categorie umane. Queste ricostruzioni del passato suggeriscono che l’intelligenza artificiale è in grado di compiere un salto storico, ma si tratta semplicemente di un altro calcolo algoritmico che apre a un altro modo di pensare il passato. Invece il calcolo quantistico non funziona in questo modo. Il movimento degli elettroni nel calcolo quantistico non è né lineare, né predittivo, né prevedibile. Il modo in cui gli elettroni si muovono o occupano una sovrapposizione – a volte entangled, imprevedibili, multidimensionali – ricorda molto più da vicino la storia ed è, allo stesso tempo, ultraterreno. Gli elettroni esistono contemporaneamente in più luoghi e quindi offrono un’idea molto più radicale di temporalità. 

Gli elettroni (nella meccanica quantistica) sono agenti fisici naturali che si muovono in più direzioni in un modo che assomiglia molto più alla cultura, all’evoluzione e alla storia dell’uomo che a una traiettoria unidirezionale. Anche se concettualizziamo il movimento storico come lineare e continuo, pochissimi direbbero che è prevedibile. 

Il termine che suggerisco qui – post-indicalità – vuole descrivere l’indicizzazione di molteplici temporalità simultaneamente che spesso collidono in modi non lineari. Una definizione di post-indicalità secondo l’intelligenza artificiale suggerisce che essa riempia le lacune delle storie passate con un modello di rappresentazione reso disponibile dalla programmazione dell’intelligenza artificiale e dall’inclusione di un’enorme quantità di opzioni storiche calcolabili. La macchina elabora [14l’oggetto originale dell’indagine e produce una continuazione di quell’oggetto; per esempio, una lingua dei segni e il suo “adiacente possibile”, come suggerisce Kurant. Tuttavia, è preoccupante pensare a un possibile futuro calibrato solo su modelli passati. I dataset che vengono immessi nell’intelligenza artificiale – il set di 32 segni nell’opera di Kurant, per esempio – producono i nuovi segni secondo una logica di somiglianza, continuità e probabilità. Allo stesso tempo, i sistemi di intelligenza artificiale sono ricorsivi, riflettono la nostra psiche e rispondono direttamente a ciò che vi immettiamo. L’intelligenza artificiale ci restituisce sotto forma di output il nostro stesso input, combinato con ulteriori dati. Unisce alla sua azione specchio i dati che vi vengono immessi. Possiamo supporre che il futuro proposto dall’intelligenza artificiale probabilmente differisca da quello che potrebbe derivare dall’evoluzione degli esseri umani. Indecidibilità, casualità e irrazionalità sono tutte caratteristiche costitutive della psiche umana che spesso influenzano la direzione e la forma del progresso tanto quanto gli aspetti quantificabili.

La post-indicalità racchiude almeno due modalità di tempo. Una si basa sull’intelligenza artificiale (machine learning) e quindi fornisce un sapere non lineare, ma predittivo e cumulativo. Questa modalità si basa in gran parte sulle strutture concettuali e sociali dello spazio e del tempo, nonché sulle strutture coloniali di appropriazione [15], espropriazione ed estrazione del sapere [16]. Il modo in cui questa modalità esiste ora [17favorisce un modo di pensare a-storico per il modo in cui il passato e il futuro sono saldati insieme al di fuori della loro rispettiva specificità storica. Inoltre, questo tipo di sintesi, rigidamente basata su dataset che ignorano idee, fallimenti, techne e forme, crea una condizione trans-epistemica che offre enormi guadagni in termini di conoscenze da un lato, ma dall’altro ignora l’originalità della situazione in cui l’oggetto è stato creato. Il sapere dell’intelligenza artificiale può crescere solo sulla base delle informazioni inserite nell’algoritmo e delle sue molteplici aggiunte. In altre parole, poiché gli algoritmi dell’intelligenza artificiale sono ricorsivi, essi tendono necessariamente alla riduzione creativa. Anche se sembrano espandere la nostra gamma di possibilità, la loro soglia è determinata dai concetti su cui sono stati istruiti [18]. Per immaginarlo, possiamo pensare a una spirale con moto verso l’interno che riduce e diminuisce lentamente il diametro di ogni cerchio successivo. La spirale si restringe in proporzione all’uso algoritmico perché la sua espansione dipende dalla riproduzione di versioni ridotte delle storie. In termini creativi, la sua espansione è, di fatto, una contrazione [19]. Un’altra modalità del tempo si basa sulle possibilità offerte dal calcolo quantistico. Lo si può immaginare come una spirale molto stretta all’inizio che si muove verso l’esterno.

Non sono un fisico, quindi, per spiegare brevemente la computazione quantistica userò alcune spiegazioni scientifiche.

La computazione quantistica si basa sul qubit o bit quantistico. Questo è il corrispettivo nella computazione quantistica delle cifre binarie che costituiscono la computazione classica, composta dalle cifre 0 e 1. Proprio come il bit è l’unità di informazione di base in un computer classico, un qubit è l’unità di informazione di base in un computer quantistico. I qubit possono essere 0, 1 e 0 e 1. La natura e il comportamento di questi qubit (come espresso nella teoria quantistica) sono alla base della computazione quantistica. I due principi più importanti della computazione quantistica sono la sovrapposizione e l’entanglement. Secondo la legge quantistica, in una sovrapposizione di stati l’elettrone si comporta come se si trovasse contemporaneamente in entrambi gli stati. Ogni qubit utilizzato può avere una sovrapposizione sia di 0 che di 1. Questa è una vera e propria elaborazione parallela. L’entanglement quantistico consente ai qubit separati da distanze incredibili di interagire tra loro istantaneamente. Insieme, la sovrapposizione quantistica e l’entanglement aumentano moltissimo la potenza del calcolo. Mentre un registro a 2 bit in un normale computer può immagazzinare solo una delle quattro configurazioni binarie (00, 01, 10 o 11) in un dato momento, un registro a 2 qubit in un computer quantistico può immagazzinare tutti e quattro i numeri contemporaneamente, perché ogni qubit rappresenta due valori. Se vengono aggiunti più qubit, la capacità aumentata si espande in maniera esponenziale. Le possibili implicazioni per tutti gli aspetti della società sono a dir poco sconcertanti. 

In questo senso, la computazione quantistica può offrire un modo naturale, e non artificiale di far evolvere gli oggetti, che espanda il movimento del pensiero, il movimento di una cosa e la sua molteplicità di orizzonti. A causa delle caratteristiche uniche del movimento degli elettroni, Karen Barad definisce questo movimento dis/continuo. Invece di un movimento creativo di contrazione e restringimento, esso offre la possibilità di espansione o di dispiegamento in modi dis/continui. Ho riportato le parole di Barad in corsivo: 

“Moltiplicare tutte le iterazioni eterogenee: passate, presenti e future, non sviluppate in una relazione lineare, ma avviluppate l’una nell’altra in una relazione non lineare della materializzazione dello spaziotempo, una topologia che sfida qualsiasi ipotesi di un Tempo continuo e regolare è inappropriata. Disperso. Diffratto. Il tempo è diffratto attraverso sé stesso. Multiforme” [20].

Barad scrive che il tempo quantistico “riguarda l’unione e la separazione – tagliare insieme/separatamente – non attività consecutive separate, ma un singolo evento che non è uno. Intra-azione, non interazione” [21].

Nell’intelligenza artificiale le connessioni tra passato, presente e futuro non sono necessarie ma facoltative. La macchina è calibrata per creare connessioni basate sulla probabilità (derivanti sia dai dataset dell’intelligenza artificiale che dall’uso che si fa dell’AI). L’intelligenza artificiale non è un intelletto o un essere senziente e quindi non può (ancora) creare nulla oltre le forme espanse di ciò che vi è stato immesso. Anche se combinate in modi apparentemente creativi – ad esempio le chimere surreali di un generatore di immagini – rimangono comunque un agglomerato di dati. L’intelligenza artificiale può prendere qualsiasi parte fuori dal suo contesto e collegarla con un’altra parte che è stata similmente ricollocata in un altro tempo/spazio/circostanza. Proprio come DALL-E, Stable Diffusion o altri comuni generatori di immagini possono estrarre immagini o testi da tutte le fonti che vi sono state immesse senza considerare la temporalità o il contesto, anche il prodotto artistico che attinge a queste fonti algoritmiche crea immagini che sono ignare delle proprie origini. È un oggetto astorico che ignora necessariamente le proprie condizioni di produzione e realizzazione. Allo stesso tempo, si basa su esempi precedenti. È una condizione di astoricità prodotta dal codice. Le immagini non hanno alcun collegamento con la loro origine ontologica, storica, culturale. Sono, in questo senso, trans-epistemiche. 

Tuttavia, il regno quantico offre un modo di elaborazione radicato nel mondo fisico reale. Al livello più semplice, il processo di “materializzazione” degli elettroni, come magnificamente esposto e spiegato da Barad, può avvenire solo in relazione a uno strumento di misurazione, uno sguardo. Quando sono visti e osservati, gli elettroni agiscono in un modo che risponde alle nostre categorie di spazio e tempo. A livello subatomico (non osservabile), essi vagano liberamente, sganciati, tra dimensioni e direzioni, ma quando osservati e misurati, trasposti nella realtà newtoniana, si allineano in un certo modo che rende loro e il loro modo di muoversi, comprensibili a noi [22]Una volta misurato, il loro movimento si trasforma in qualcos’altro. Solo allora gli elettroni si “materializzano” e si muovono in una determinata direzione. 

A proposito di fantasmi! Un salto quantico è un movimento dis/continuo, ma non un movimento discontinuo qualsiasi, anzi è talmente singolare da mettere in discussione la stessa dicotomia tra discontinuità e continuità.” [23].

Come possiamo pensare alla dis/continuità generata dal movimento quantico? Le realtà quantistiche sono non lineari in un modo che differisce radicalmente e sostanzialmente dalla non linearità degli algoritmi di intelligenza artificiale. Gli algoritmi IA ci consentono di gestire enormi quantità di dati e di eseguire calcoli che prima erano inimmaginabili. Questo è un enorme vantaggio in una vasta gamma di campi, ma come può questa capacità favorire ed espandere il pensiero creativo e artistico? Affrontare il divario che si crea quando l’intelligenza artificiale modella il futuro sul passato, ci costringe a confrontarci con le assenze, le lacune e gli spazi che questa particolare temporalità lascia nella conoscenza. 

La computazione quantistica offre una ricca alternativa nella sua dis/continuità: l’elettrone si trova inizialmente a un livello energetico e poi a un altro senza essere stato da nessuna altra parte nel frattempo [24]In questa realtà, potremmo considerare gli oggetti come perennemente emergenti, fluidi, sempre in divenire, sull’orlo di materializzarsi.

Causalità Post-Indice

Krauss scrive: 

“Giacché il loro significato dipende dalla presenza esistenziale di un dato parlante, i pronomi (come altri shifter) appartengono a un diverso tipo di segno, quello che viene chiamato indice. A differenza dei simboli, gli indici stabiliscono il loro significato lungo l’asse di una relazione fisica con i loro referenti. Sono i segni o le tracce di una causa particolare e quella causa è la cosa a cui si riferiscono, l’oggetto che significano. Nella categoria dell’indice possiamo inserire tracce fisiche (come le impronte), sintomi medici o i riferimenti reali degli shifter. Anche le ombre proiettate potrebbero servire come segni indicali degli oggetti”.

“Per indice intendo quel tipo di segno che nasce come manifestazione fisica di una causa, di cui sono esempi tracce, impronte, indizi” [25]

Krauss qui sostiene che l’indice segna una causa. Nell’opera d’arte di Kurant, si può vedere una causalità algoritmica dell’intelligenza artificiale che nelle tracce visive scaturisce dal dataset. L’intelligenza artificiale è un sistema basato sulla causalità per necessità: richiede la previa creazione di un dataset per espandersi. Anche se non pensiamo al dataset come al motivo “per cui” l’IA genera quello che genera, fornire all’intelligenza artificiale una determinata storia resta la causa specifica che abilita un secondo evento: la sua espansione algoritmica. Che si basi sullo scraping di dati (l’equivalente digitale di una rete a strascico) o sulla formazione volontaria, la causalità dell’intelligenza artificiale è sempre tecnica, ovvero determinata da un codice, e non intenzionale. I dati immessi nell’intelligenza artificiale determinano le sue forme e versioni future, ma i dati vengono contemporaneamente disaccoppiati dalle loro stesse cause – la loro precisa relazione con la realtà non-AI – nel momento in cui sono immessi e subiscono le alterazioni causali dell’algoritmo. Una volta diventato parte dell’algoritmo, il dataset non ha più una relazione causale con il suo creatore, con le condizioni storiche, le criticità, la techne. In breve, la causalità dell’intelligenza artificiale non si basa su una relazione fisica, corporea, spaziale o materiale, ma su una relazione digitale. Nella cronologia dei file essa può includere tracce dei nomi di file digitali nei metadati e vestigia criptate dei suoi referenti materiali, ma tali tracce digitali non sono disponibili per gli utenti di sistemi proprietari di intelligenza artificiale e raramente lo sono anche per utenti esperti.

L’evento causale precedente è proprio ciò con cui sono attualmente alle prese i programmatori di intelligenza artificiale. Come entriamo nella scatola nera delle grandi intelligenze artificiali? La realtà è che il modo in cui le intelligenze artificiali scelgono una cosa rispetto a un’altra rimane oscuro. Nella generazione precedente di intelligenze artificiali, la risposta era abbastanza chiara e i programmatori erano in grado di vedere connessioni basate sulla probabilità. Tuttavia, negli ultimi anni, il dataset è diventato così enorme che le intelligenze artificiali mostrano nuove proprietà, tra cui imprevedibilità e risultati casuali. 

La causalità dell’intelligenza artificiale viene spesso chiamata causalità stocastica. Questo tipo di causalità deriva dalla distribuzione casuale di probabilità. Anche se esiste una distinzione chiara e sostanziale da fare tra stocasticità e casualità (la stocasticità è correlata a un approccio di modellazione mentre la casualità riguarda fenomeni naturali reali), questi due termini sono spesso usati in modo intercambiabile. Ciò significa che la causalità dell’intelligenza artificiale si basa su un modello probabilistico: è matematico e non essenziale in una maniera comune. 

Ma qui sorge il problema. In che modo un codice basato su statistiche e probabilità dà risultati casuali? Ciò ha generato una certa confusione, portando a sostenere che il codice stia sviluppando qualcosa di simile all’intelligenza naturale [26]. Si tratta di una conclusione comprensibile e intuitiva, ma comunque è un malinteso. La causalità dell’intelligenza artificiale e dei modelli linguistici può basarsi solo su dataset, su determinati tipi di distribuzione delle probabilità e sui modi in cui vengono misurati. Non sono correlati alle nozioni di comprensione, pensiero o ragionamento.

I ricercatori possono, tuttavia, prendere decisioni che influenzano le prestazioni dell’intelligenza artificiale e l’apparenza di imprevedibilità, la quale emerge solo quando il ricercatore utilizza un sistema metrico non lineare [27]. In un articolo sulle proprietà emergenti dell’intelligenza artificiale si legge che “le misurazioni non lineari o discontinue producono apparenti abilità emergenti, mentre le misurazioni lineari o continue producono prestazioni del modello fluide, continue e prevedibili” [28]. Ciò significa che la scelta della misurazione da parte del ricercatore può falsare le prestazioni dell’intelligenza artificiale e farla apparire imprevedibile e quindi più autonomamente “intelligente”. Le proprietà emergenti scompaiono con misurazioni diverse. Per estensione, si può ipotizzare che classificazioni più complesse e dataset più estesi che rappresentano condizioni storiche e materiali forniranno risultati migliori e un indice di origini e temporalità più robusto. 

In qualche modo ciò può compensare il collasso del contesto che si verifica quando pensiamo alla causalità dell’intelligenza artificiale attuale. La causalità è ancorata al contesto. In questo senso è la stessa cosa dell’etica. Il contesto che deriva dall’ambiente circostante, dalle condizioni politiche, emotive, finanziarie e sociali è comprensibile ai sistemi di intelligenza artificiale e ai modelli linguistici solo come codice. Essi propongono un diverso tipo di causalità, una causalità stocastica, che è interessante e generativa a suo modo, ma è molto lontana dalle operazioni della causalità umana.

Il calcolo quantistico propone un altro modo di elaborazione che offre un altro tipo di causalità, fisica ma assolutamente non classica. Qui può tornare utile la spiegazione di Barad: 

“Il punto non è semplicemente che qualcosa è qui-e-ora e là-e- allora senza mai essere stato da qualche parte nel mezzo, è che qui-e-ora e lì-e-allora si sono sganciati: non c’è un luogo o un tempo prestabilito in cui possano essere. Dove e quando avvengono i salti quantici? Inoltre, se la natura della causalità è compromessa al punto che l’effetto non segue semplicemente causa-sforzo-fine in uno svolgersi dell’esistenza nel tempo, se non c’è un prima e un dopo con cui ordinare causa ed effetto, la causalità è stata fermata sul nascere?… 

“O meglio, per essere più precisi, se la natura indeterminata dell’esistenza per sua natura vacilla sull’orlo della stabilità e dell’instabilità, della possibilità e dell’impossibilità, allora la relazionalità dinamica tra continuità e discontinuità è cruciale per l’infinito divenire del mondo che resiste tanto alla causalità quanto al determinismo” [29].

Chiaramente qui c’è una differenza essenziale: un elettrone può saltare in modo non determinante. Una formazione quantica sfida l’idea stessa di mappatura e i modi convenzionali in cui misuriamo il tempo, lo spazio, la durata o la progressione e il movimento direzionale. La mancanza quantistica della causalità classica offre “im/possibilità hauntologiche”[30]. Inoltre, non esiste una memoria quantistica come in un disco rigido; l’intero concetto di dataset potrebbe diventare obsoleto. 

È giusto chiedersi se la realtà quantistica sconosciuta sia un oggetto o un’immagine? La risposta è che si tratta di una categoria ontologica completamente diversa. Una volta create, le immagini basate sui quanti sono necessariamente newtoniane poiché ne collassiamo la natura quantistica per renderle visibili. In altre parole, la creazione dell’immagine richiede un collasso della realtà quantistica pre-materializzazione, quindi qualsiasi immagine basata sulla computazione quantistica è sempre già solo una traccia della realtà quantica sottostante. Un’immagine quantistica è un indice di una realtà inaccessibile.

Gli oggetti/immagini quantistici esistono in diverse dimensioni/esperienze e sono governati da leggi diverse della fisica. Quando la realtà quantistica diventa conosciuta attraverso la misurazione, diventa newtoniana e quindi ce ne si può appropriare o, in alternativa, può essere vista come un’immagine. In questo senso, le immagini basate sui quanti sono tracce della realtà quantistica. Tutte insieme agiscono come un indice che collega il mondo newtoniano con quello quantistico. La computazione quantistica si occupa della manipolazione degli stati quantici e dell’esecuzione di calcoli e computazioni a livello quantistico. Per quanto riguarda le immagini, la computazione quantistica può essere utilizzata per elaborare e analizzare i dati relativi alle immagini. Tuttavia, l’effettivo processo di generazione o visualizzazione delle immagini utilizzando la computazione quantistica richiede la materializzazione della realtà quantistica sottostante che, ancora una volta, è inaccessibile. 

Un’immagine prodotta dalla computazione quantistica rappresenta solitamente più copie dello stesso stato quantico e ciò serve per materializzare le tracce dei modelli quantistici sottostanti. Non corrisponde direttamente ad un’immagine visiva così come la percepiamo ma ne indicizza gli stati quantici. In definitiva, questa immagine è una rappresentazione di quella realtà.

A livello filosofico, la formazione quantistica definisce l’idea di dis/continuità e dis/giuntura e sostiene un concetto di tempo e spazio in cui il passato non è mai chiuso, il tempo non può essere fissato e le relazioni strette (entangled) non sono entità separate e intrecciate ma un’“irriducibile relazione di responsabilità… di sé, dell’altro, del passato, del presente, del futuro, del qui e ora, della causa ed effetto” [32]. Si tratta di un insieme di relazioni dinamico e altamente connesso.

Se l’immagine post-indice della computazione quantistica abbandona l’idea di causalità come la conosciamo, che cosa indicizza? Il quanto contiene un diverso tipo di relazionalità che è legata all’etica, alla morale e al nostro vissuto comune.

L’ipotesi che l’immagine quantistica (sempre dopo il suo collasso quantistico, sempre nella realtà newtoniana) si riferisca allo stato recente degli elettroni indica che, a livello subatomico, siamo tutti connessi. È solo nella nostra realtà di meccanica causale che ci siamo separati. Suggerisce che i nostri confini e limiti siano secondari rispetto a questa realtà sottostante, interconnessa, quasi invisibile; in altre parole, esiste un’unione di fondo o uno stato di interdipendenza da cui siamo stati separati dalla causalità meccanica e dalla temporalità newtoniana. È possibile che questa “separazione” abbia causato un trauma collettivo. Come le realtà quantistiche, il trauma contiene passato, presente e futuro tutto insieme. Come la realtà quantistica sconosciuta, il trauma è inconoscibile nella sua interezza. Un’immagine quantistica indicizza quindi dove abbiamo tagliato questi entanglement comuni. 

“La materializzazione riguarda il (contingente e temporaneo) divenire-determinato (e divenire-indeterminato) della materia e del significato, senza fissità, senza chiusura. Le condizioni di possibilità di materializzazione sono anche condizioni di impossibilità: le intra-azioni comportano necessariamente esclusioni costitutive, che costituiscono un’apertura irriducibile. Le intra-azioni sono una causalità estremamente non classica che smantella il binarismo delle scelte stantie tra determinismo e libero arbitrio, passato e futuro” [33].

La materializzazione può avvenire solo in relazione all’alterità, nel momento in cui si viene visti dall’altro o quando siamo visti nelle condizioni specifiche della nostra fisicità e dei nostri strumenti ottici. Ciò che Barad propone è una “causalità estremamente non classica”. Le interazioni degli elettroni non sono individuali, separate, determinate, ma piuttosto sono una “co-costituzione di entità con determinati limiti e proprietà [che derivano] da specifiche intra-azioni”. Ecco quindi un’alternativa per pensare la causalità [34].

A livello quantistico, non esistono entità indipendenti e preesistenti con proprietà intrinseche che poi interagiscono. Piuttosto, nella loro potenziale pre-materializzazione, le entità emergono dalle loro intra-azioni. Esse sono co-costituite dall’intra-azione. È l’intra-azione stessa che è fondamentale, non tanto le entità coinvolte. L’attenzione di Barad all’intra-azione non presuppone l’esistenza di entità indipendenti. Le cose emergono attraverso le loro intra-azioni. Le loro proprietà sono costitutivamente relazionali. In questo senso non esiste una separazione netta tra soggetto e oggetto o tra osservatore e osservato. Sono tutti coinvolti in un’interazione continua e reciprocamente co-costituita attraverso l’intra-azione. Le cose non hanno proprietà o limiti predeterminati ma emergono attraverso le loro intra-azioni. Anche il sapere, lo spazio, il tempo, la materia e il potere derivano dalle intra-azioni.

Le intra-azioni rappresentano quindi un’ontologia relazionale in cui le entità non precedono le interazioni ma piuttosto emergono attraverso le loro intra-azioni. Qui i confini e perfino lo spazio-tempo sono secondari rispetto alle intra-azioni stesse.

È una meta-causalità che rappresenta e indicizza una realtà quantistica in cui siamo tutti connessi in molteplici modi, dipendenze, tempi ed esseri. Essa ha hackerato il dispositivo di codifica ritornando a un’idea pre-analogica, in cui non possiamo essere ridotti al binarismo 0/1 o a un dato separabile, ma siamo il prodotto dell’infinita inter-connettibilità dei sistemi matematici. Nel calcolo quantistico, la post-indicalità indicizza la causalità come la nostra meta-connettività. Varcando la soglia, essa frattura le temporalità dell’intelligenza artificiale e della computazione classica, minando la nozione stessa di confini temporali e di esseri distinti. 

Presente dell’ IA e Futuri Quantici

Forse l’intelligenza artificiale ha già subito un processo di “materializzazione” e invece di realizzare infinite possibilità di calcolo (quantistico), è stata determinata da misurazioni predittive e affidabili utili alle aziende profit oriented. Contro questa tendenza a “umanizzare” l’intelligenza artificiale, l’informatica e i tecnici quantistici stanno lavorando per includere le possibilità quantistiche nel sistema algoritmico o, per essere più precisi, per progettare un algoritmo che consenta l’elaborazione quantistica. Ciò aprirà la strada a una dis/continuità strana e infestata da fantasmi (haunted) e hackererà la modalità dell’intelligenza artificiale basata su modelli ripetitivi. Da un punto di vista filosofico, se potessimo sfruttare lo sguardo astorico, articolato artificialmente, sterilizzato e atemporale dell’intelligenza artificiale per guardare l’elettrone, forse l’IA potrebbe “vedere” l’elettrone nel suo stato libero e sganciato di intra/azione.

Il filosofo Yuk Hui ha proposto l’idea di una cultura della protesi come un modo per entrare nelle categorie dell’elaborazione informatica (“pensiero”) e ha inventato nuovi linguaggi e categorie che insegneranno sia alle macchine che a noi un nuovo repertorio di riconoscimento. Il grande potenziale dell’intelligenza artificiale e dei sistemi quantistici è tutt’altro che oscuro. Per familiarizzare con queste modalità di comprensione inaspettate e aliene, possiamo usare la post-indicalità come un modo per accedere ad altre categorie di tempo e causalità. Veniamo introdotti a nuove modalità di riflessione che potrebbero insegnarci di più su noi stessi e sui nostri più stretti collaboratori: i sistemi e le tecnologie emergenti dell’era post-indicale. 

Oggi Intel, IBM, Microsoft e Amazon stanno costruendo computer quantistici. Lo stesso vale per i governi di qualsiasi impero esistente. Se questi progetti verranno realizzati, l’informatica come la conosciamo cambierà radicalmente. Tali cambiamenti potrebbero ridurre la nostra dipendenza da minerali come il litio, avere un enorme impatto ambientale e contribuire allo sviluppo di plastiche biodegradabili o carburante per l’aviazione carbon free [35]. La cattiva notizia è che lo sviluppo di questi computer non mira a mitigare gli effetti del cambiamento climatico. La maggior parte del calcolo quantistico, come internet all’inizio, è finalizzata all’uso militare. Ripensando alle particelle di polvere, possiamo solo sperare che gli elettroni non vengano usati come armi e che tali tecnologie vengano adoperate per investire nel benessere degli abitanti in carne e ossa di questo pianeta.


@Dr. Noam Segal
Consulente scientifico: Dr. Libby Heaney 


[1] Maggiori informazioni al riguardo possono essere trovate sul sito web del progetto RePAIR: http://pompeiisites.org/en/comunicati/the-repair-project-comes-online-robotics-and-digitalisation-at-the-service-of-archaeology/.

[2] Utilizzo qui il concetto di materia in una sovrapposizione quantistica. La materia può evolversi e muoversi in diverse direzioni fino a quando non viene osservata e solo allora assume una forma deterministica, trasformandosi in una materia specifica.

[3] Maggiori informazioni al riguardo possono essere trovate sul sito web: https://www.smithsonianmag.com/smart-news/mount-vesuvius-turned-mans-brain-cells-glass-180976073/.

[4] Ad esempio, i qubit sono molto sensibili al rumore e all’interazione delle particelle; la sensibilità include campi elettromagnetici vaganti, vibrazioni e collisioni con molecole d’aria. Queste interazioni ambientali disturbano lo stato quantico del qubit e ne causano la de-coerenza. Possiamo vedere che gli ambienti quantici, al momento, sono più simili a delle simulazioni che creano un ambiente fisico in cui può verificarsi la realtà quantistica e, quindi, la meccanica quantistica. Questi possono essere ambienti meccanici e digitali delicati che presentano sistemi come ioni intrappolati, circuiti superconduttori o spin di elettroni.

[5] Mi riferirò al processo di materializzazione quantistica col termine “mattering” (materializzazione e importanza) come suggerito da Karen Barad. Questo concetto verrà spiegato più avanti.

[6] Termine coniato da James Elkins nel suo libro Six Stories from the End of Representation Images in Painting, Photography, Astronomy, Microscopy, Particle Physics, and Quantum Mechanics, 1980-2000, 2008. Pubblicato da Stanford Press.

[7] I filosofi Quentin Meillassoux, Michel Serres, Bernard Stiegler, Timothy Morton hanno tutti offerto solide teorie di immenso valore sulla temporalità in relazione ai mezzi fisici, come il concetto di “arcifossile” proposto dal filosofo Quentin Meillassoux, in Dopo la Finitudine.  Saggio sulla necessità della contingenza (2008). La differenza principale tra le idee che hanno dato origine alla svolta speculativa e all’ontologia finalizzata agli oggetti è che l’oggetto dell’intelligenza artificiale offre un altro tipo di relazione. Può autoripararsi, è riflessivo ma, allo stesso tempo, si autoripara in modi non umani e la sua ricorsività e contingenza è calibrata e progettata sull’espansione, sull’estrazione e sul profitto (quando si ha a che fare con le comuni entità commerciali di intelligenza artificiale come Chat GPT). L’IA mostra quindi un’idea di riparazione che è intrinsecamente opposta all’idea umana e naturale di riparazione. Questo non vuol dire che l’intelligenza artificiale sia intrinsecamente negativa, ma che nelle mani delle grandi aziende lo diventa.

[8] James Bridle, New Dark Age: Technology and the End of the Future (New York: Verso, 2018), 40.

[9] Le reti neurali sono sistemi informatici ispirati alla struttura neurale del cervello degli animali e dell’uomo.

[10] In Systemic Errors of Collective Intelligence, A Conversation with Agnieszka Kurant, Flash Art, #336.

[11] Utilizzo le parole di Karen Barad per parlare delle temporalità quantistiche quando attraversano gli entanglement di tempo/spazio, ma anche delle im/possibilità ontologiche che ne scaturiscono. Barad, “Entanglement Quantistico”.

[12] Per favorire la leggibilità della visione computerizzata per elaborare le immagini in dati, si è utilizzata principalmente la fotografia e non la pittura, l’arazzo o il disegno, ad esempio. Ciò ha creato una supremazia intrinseca dell’immagine fotografica nel campo dell’intelligenza artificiale. Tuttavia, ciò porta a un problema epistemico in relazione all’idea di fotografia documentaria e di fotografia come prova. Cfr.  On the Dataset’s Ruins, by Nicolas Maleve, AI and society, Nov 2020. https://link.springer.com/article/10.1007/s00146-020-01093-w

[13] Per ulteriori informazioni sulla cancellazione dei metadati e l’eliminazione del contesto originale dei dati, cfr. On the Dataset’s Ruins, by Nicolas Maleve, AI and society, Nov 2020. https://link.springer.com/article/10.1007/s00146-020-01093-w

[14] Questa forma di idea coloniale mina anche il diritto all’opacità, il diritto degli esseri umani e non umani a rimanere invisibili o solo parzialmente esposti.

[15] Cfr. articoli sui generatori di intelligenza artificiale da testo a immagine in relazione ai diritti d’autore: Recuperati il 30.01.2023:
https://www.wired.com/story/this-copyright-lawsuit-could-shape-the-future-of-generative-ai/;
https://www.cnn.com/2022/10/21/tech/artists-ai-images/index.html;
https://www.smithsonianmag.com/smart-news/us-copyright-office-rules-ai-art-cant-be-copyrighted-180979808/

[16] Questo non vuol dire che tutta l’intelligenza artificiale debba essere strutturata. Alla fine è una questione di programmazione. Quando è orientata al capitale e controllata da grandi aziende, è logico che l’intelligenza artificiale venga utilizzata come un mezzo di sfruttamento piuttosto che di emancipazione.

[17] Si stanno compiendo notevoli sforzi per includere tracce e origini digitali nei Big Data del Machine Learning. Possiamo sperare che ciò si rifletterà in questa tecnologia nel prossimo futuro.

[18] Ricercatori internazionali hanno scoperto che i livelli di creatività sono notevolmente diminuiti negli ultimi sette anni. Per ulteriori informazioni su questo punto, cfr. Lev Manovich, “AI and Myths of Creativity,” Architectural Design 92 (maggio/giugno 2022): 60.  

[19] Anche in questo caso ciò è vero per l’arte e le discipline umanistiche, meno per le scienze che si fondano sul calcolo.

[20] Barad, 244.

[21] Karen Barad nell’introduzione a Quantum Entanglements and Hauntological Relations of Inheritance: Dis/continuities, SpaceTime Enfoldings, and Justice-to-Come, 2010.

[22] Il famoso esperimento della doppia fenditura offre alcune prove del movimento libero di un elettrone.

[23] Ibid.

[24] Ibid.

[25] Krauss, R. (1977). Notes on the Index: Seventies Art in America. Part 2. 4 ottobre, 58-67. https://doi.org/10.2307/778480

[26] Per citarne solo alcuni: Brown, Mann, Ryder, Subbiah, Kaplan, Dhariwal, Neeklakntan, Shyam, Sstray, Askell et al. Language models are Few-Shot learners, in Advances in Neural information processing systems 33:1877-1901, 2020; Ganguli, Hernandez, Lovitt, Askell, Bai, Chen, Conerly, Dassarma, Drain, Elhage, et al. Predictibility and Surprise in Large Generative Models. In 2022 ACM Conference on Fairness, Accountability and Transparency, 1747-1764, 2022; Wei, Tay, Bommasani, Raffel, Zoph, Borgeaud, Yogatama, Bosma, Zhou, Metzler, et al. Emergent Abilities of Large Language Models. arXiv preprint arXiv:2206.07682,2022. 

[27] Ryan Schaeffer, Brando Miranda, Sanmi Koyejo Are Emergent Abilities of Large Language Models a Mirage?, pubblicato da Computer Science Department, Stanford University 2023. 

[28] Ibid.

[29] Barad, 264.

[30] Barad, 264.

[31] Karen Barad prende in prestito il termine “hauntologia” da Jacques Derrida. Giocando con la parola “ontologia”, Derrida suggerisce che il presente è sempre infestato dai fantasmi del passato e che alcuni elementi del passato non scompaiono mai del tutto, ma continuano a influenzare e modellare il presente e il futuro. Nel costrutto di Barad, che combina intuizioni della fisica quantistica con teorie post-strutturaliste e femministe, ogni “scena” “diffrange varie temporalità all’interno e attraverso il campo di spazio-tempo-materializzazione. Le scene non si fermano mai, ma vengono riconfigurate all’interno, disperse e intrecciate l’una nell’altra”. “La speranza è che ciò che emerge da questo movimento dis/articolato sia un sentimento di différance, di intra-attività… che taglia insieme/separatamente – questa è la natura hauntologica degli entanglement quantistici”. (Barad nell’ Abstract di Quantum Entanglements and Hauntological Relations of Inheritance: Dis/continuities, SpaceTime Enfoldings, and Justice-to-Come in Derrida Today, novembre 2010, vol. 3, N. 2: pp. 240-268.) In questo senso, l’immagine prodotta dal computer quantistico è l’indice di un entanglement perché la realtà quantistica resiste alla rappresentazione diretta. La hauntologia qui si riferisce alle infinite possibilità di eventi simultanei o “infestazioni di fantasmi” (haunting) resi possibili dalla temporalità e dalla causalità della meccanica quantistica.

[32] Barad, 265.

[33] Barad, 254.

[34] Non rientra nello scopo di questo saggio far luce sulla connessione tra pensieri indigeni e pensieri quantistici, ma la visione di una temporalità connessa e di un profondo intreccio con ciò che ci circonda esiste in quelle ontologie native.

[35] Cfr. L’articolo online: https://www.newyorker.com/magazine/2022/12/19/the-world-changing-race-to-develop-the-quantum-computer, retrieved 01.30.23.

Agnieszka Kurant
Adjacent Possible, 2021




Agnieszka Kurant
Adjacent Possible, 2021
pigmenti derivati ​​da batteri, geneticamente modificati con il DNA di
anemoni di mare (Discosoma, Corallo Fungo Rosso, Epiactis); fungo; Pietra di Lucerna
collaborazione: Genevieve von Petzinger, Julie Legault
foto utilizzate per addestrare l’algoritmo IA: Dillon von Petzinger
ingegneria del software: Dr. Justin Lane
consultazione: Prof. Drew Endy

Nel corso del tempo, le pitture rupestri in diverse aree geografiche furono colonizzate da generazioni successive di batteri e funghi, che sostituirono completamente la pittura ocra originale, formando ciò che gli scienziati descrivono come “pigmenti viventi”. Lavorando con una biologa sintetica, Kurant ha generato con IA i segni “Adjacent Possible” su pietra di Lucerna, utilizzando pigmenti dai colori vivaci, derivati da batteri geneticamente modificati con geni di coralli e meduse.

 

 

Immagini d’archivio utilizzate
per addestrare
L’IA Neural Network


title

Las Chimeneas Cave, Spagna
segno tectiforme spagnolo; possibili rappresentazioni di un’abitazione paleolitica, una barca, un clan locale o un segno tribale
Courtesy Genevieve von Petzinger
Photo Dillon von Petzinger

 

La Pasiega Inscription, Cava de La Pasiega, Spagna, circa 14,000 a.C.
una notevole serie di segni paleolitici messi insieme, forse un primissimo tentativo di creare un messaggio più complesso utilizzando più segni
Courtesy Genevieve von Petzinger
Photo Dillon von Petzinger

 

El Castillo Cave, Spagna
segno tectiforme (“a forma di tetto”), che si ipotizza sia la rappresentazione di un’abitazione paleolitica, di una barca o di un clan locale o di un segno tribale
Courtesy Genevieve von Petzinger
Photo Dillon von Petzinger

 

El Castillo Cave, Spagna
segno penniforme nero, che prende il nome dal termine latino e significa “piuma” o “a forma di pennacchio”, che apparve per la prima volta tra 28.000 e 30.000 anni fa e potrebbe essere stato utilizzato per rappresentare armi o alberi e piante
Courtesy Genevieve von Petzinger
Photo Dillon von Petzinger

Marina Rosenfeld
Soft Machine, 2023


Rosenfeld è interessata al mondo sonoro e materiale del dubplate – un disco di acetato che assomiglia a un disco in vinile utilizzato per testare le registrazioni – e al modo in cui mantiene il suo contenuto in sospensione temporale e materiale. Nell’immagine presentata da Soft Machine, lo spettatore vede una puntina astratta su un dubplate ricoperto di polvere di rame e pigmenti sintetici. Questa puntina ha un compito insolito. 

Oltre a tracciare il solco nel disco di acetato, si trascina e spinge contro l’ostruzione rappresentata dalla polvere; a volte cade o oscilla fuori dal solco o perde la trazione e deve tornare indietro, il che influisce sui suoni a disposizione dell’ascoltatore.

Quando si arriva sulla workpage, si sente la rievocazione da parte dell’artista del suono prodotto dal contatto della puntina con la superficie del disco. Il suono spesso nostalgico dei media analogici tradizionali raggiunge l’orecchio mentre vediamo la puntina che si muove danzando e diffondendo minuscole particelle di polvere di rame sullo schermo.

Rosenfeld ha filmato il movimento della puntina utilizzando una telecamera microscopica, ma nel lavoro video l’evento sonoro e la distribuzione della polvere, che inizialmente dipendevano solo dalla puntina sull’ acetato scanalato e polverizzato, ora includono altri fattori: l’utente e il movimento del cursore. 

Il cursore funziona come una penna, una fotocamera e una puntina; attiva il suono e permette all’opera di progredire. In sostanza, la puntina controllata dal cursore anima l’immagine video, dettandone il ritmo e le pause. L’interfaccia utente consente allo spettatore di agire in questo mondo microscopico; il movimento della puntina da parte dell’utente, attraverso il sedimento altrimenti invisibile, imita l’ingresso in un mondo le cui dimensioni lo rendono inaccessibile, nonostante occupi fisicamente lo stesso spazio e lo stesso tempo di qualsiasi potenziale spettatore.

Allo stesso modo in cui il cursore viene utilizzato da un artista o da un animatore per creare un’animazione digitale, il controllo del cursore da parte dello spettatore influenza il movimento della puntina e anima il disco, nel senso che “ne causa il movimento”. Pensando al cursore come l’animatore e l’attivatore di vari sistemi online, ci si rende conto di come l’opera si trasformi con i sistemi di intelligenza artificiale. Con i generatori di immagini e con il machine learning raramente utilizziamo il cursore allo stesso modo; diamo istruzioni, ma non siamo più noi la mano che guida; non è più il “nostro” modo di muovere. Quando un animatore utilizza l’intelligenza artificiale ricorsiva o strumenti generativi, in effetti lascia che un’altra “mano” (cioè il dataset) abbozzi, disegni e crei l’immagine. Mentre nell’animazione digitale il cursore veniva utilizzato per scegliere, tracciare, disegnare e combinare immagini scelte dall’animatore da insiemi finiti, il cursore nell’intelligenza artificiale generativa viene utilizzato per accedere a un dataset che rappresenta un’enorme produzione collettiva di materiale. C’è una differenza materiale significativa in che cosa viene utilizzato per creare l’animazione. Il cursore non si anima più nel senso tradizionale di disegnare un’animazione. Con l’intelligenza artificiale, il cursore è come un lavoratore che partecipa a una produzione collettiva insieme a colleghi di pari livello e non l’unico artefice dell’immagine. 

Rosenfeld ha anche estrapolato una continuazione di Soft Machine in forme speculative utilizzando strumenti di intelligenza artificiale — producendo un composito Phantom Study.

Marina Rosenfeld
Soft Machine Phantom Study, 2023
video composito digitale a colori, muto
24 secondi
Courtesy l’Artista

Molte delle tecnologie odierne separano il suono dai media visivi basati sul tempo che quindi non possono essere riprodotti nel software come un’unità. Questa separazione crea confini che non riflettono la reale unità del suono con altre esperienze sensoriali. Mentre il suono astratto può essere riprodotto solo in una direzione alla volta, i lettori dubplate consentono il movimento inverso. In altre parole, il software crea due confini artificiali che non esistono nella vita reale: uno è la separazione del file audio dal file immagine basato sul tempo (questa funzionalità non è nuova), l’altro è l’impossibilità di riprodurre l’audio al contrario. Queste separazioni, che aumentano man mano che si usa la tecnologia ricorsiva, possono essere viste storicamente come la traduzione di un file in dati digitali; il processo di “trasformazione digitale” che richiede questa separazione degli aspetti vocali e visivi fa collassare la causalità. Ad esempio, un sasso che cade in uno stagno vivrà digitalmente come azione visiva del sasso lanciato e come file audio della sua caduta nell’ acqua. Il collegamento tra causa ed effetto viene spezzato e ricreato artificialmente semplicemente sovrapponendo il suono all’immagine. Gli oggetti digitali compensano questa causalità perduta con le molteplici temporalità cucite insieme dalle operazioni dell’intelligenza artificiale. Comprendere questa operazione compensativa ci consente di capire meglio come viene costruito in un mondo digitale qualcosa che assomiglia molto alla causalità tanto da poter essere scambiato per essa.

Con i sistemi di Machine Learning, la traduzione di file non nativi in ​​tecnologie di intelligenza artificiale necessita del collasso di tutto il contesto di partenza. Le condizioni di creazione dell’intelligenza artificiale richiedono un completo distacco dalla loro storia digitale. Man mano che le informazioni vengono inserite nell’immenso dataset di enormi sistemi come Bing, Bard e Chat GPT, le informazioni originali del file, il suo contesto reale, la causa, il luogo, il tempo e le condizioni storiche di produzione vengono tutti cancellati dal dataset.Nell’arco di pochi decenni, la tecnologia ha aggiunto un ulteriore grado di separazione dall’esperienza della vita reale, ma ha tuttavia creato un rapporto più stretto con gli individui.

Dopo aver esaminato l’opera principale — Soft Machine — il composito Soft Machine Phantom Study rivela un breve frammento della possibile continuazione dell’opera, filtrato attraverso un generatore di intelligenza artificiale. Osservando attentamente questo file, i movimenti dell’immagine appaiono diversi dal video interattivo principale. Mentre l’opera originale presenta una sorta di compatibilità, e anche una certa organicità, Soft Machine Phantom Study presenta altre caratteristiche. Le immagini sono pseudo briciole, ed è come se la materia digitale stesse lavorando la pasta. Tali caratteristiche possono anche essere lette come immagini di movimenti di scorrimento e scivolamento, il che implica la scoperta di due elementi (la superficie su cui scivolare/scorrere e l’oggetto che mette in atto e rappresenta questo movimento). Generalmente, i file generati dall’intelligenza artificiale basati sul video originale amplificano la relazione tra l’immagine e l’operazione compiuta dall’IA su di esso. È chiaro che il file video è, in questo caso, materia su cui agisce l’intelligenza artificiale, mentre l’originale forma un insieme di movimenti completo e organizzato. Questo scollamento tra gli elementi di quei video e il lavoro che l’algoritmo sta compiendo su di esso, registra la performatività dell’IA e può anche essere considerato come una “performatività dei dati”. Le azioni del codice, definite da diverse matrici di calcolo delle probabilità, sono la performance. Il materiale (in questo caso, l’opera video) è solo la materia grezza su cui l’intelligenza artificiale esegue i calcoli dei dati.

Libby Heaney
Quantum Ghosts , 2023


Il codice quantico dell’opera digitale utilizza Python e un computer quantistico IBM da 15 qubit. L’opera di Heaney parte dalle immagini storiche di Pompei manipolate con un codice quantico. Ciò ripristina la qualità “hauntologica” delle immagini (nel senso dato da Barad)[31]. Heaney lavora con software diversi per elaborare immagini basate sui quanti. A volte remixa immagini preesistenti, come in questo caso. A volte distorce le immagini in una sorta di collage quantistico e spesso cattura gli stati quantici in una “fotografia” senza fotocamera; queste immagini sono spesso incorporate in vari tipi di software di animazione mescolando programmi diversi. Essendo ella stessa una scienziata quantistica, Heaney ha sviluppato il proprio modo di lavorare con le immagini della computazione quantistica. In questo caso Heaney è entrata nell’archivio di Pompei e ha scelto la seguente immagine:

Anonimo, Casa del Criptoportico (I 6, 2), Due calchi congiunti, 1914 
Parco Archeologico di Pompei, inv. C712 
Photo Archivio Parco Archeologico di Pompei

L’immagine documenta il ritrovamento dei due scheletri e la successiva realizzazione di due nuovi calchi. Seguendo la tecnica originariamente ideata da Giuseppe Fiorelli alla fine dell’Ottocento, il calco in gesso restituisce volume ai corpi che un tempo ricoprivano le ossa, permettendo alla materia di ritrovare la sua posizione e forma originaria. 

In fisica, la casualità quantistica è l’unica vera forma di casualità. Tutto il resto – il lancio di un dado, il giro della roulette, perfino la teoria del caos – è semplicemente pseudo-casuale e deriva dalla nostra mancanza di conoscenza dell’ambiente subatomico. A differenza dell’informatica classica che richiede una discreta quantità di lavoro per creare casualità artificiale, questa caratteristica è insita nei computer quantistici per le leggi della fisica. In un universo di elettroni e di sovrapposizioni, le possibilità sono contingenti e plurime allo stesso tempo. 

L’immagine originale documenta due calchi congiunti che abitano materialmente la nostra realtà newtoniana (proprio come ognuno di noi). Allo stesso modo in cui la realtà quantistica ci è inaccessibile, anche l’amore della coppia ci è inconoscibile. Quando i loro sistemi di supporto vitale sono collassati, le loro particelle sono potute entrare in relazione con altra materia.

Nella teoria quantistica è impossibile cancellare l’informazione quantistica sconosciuta che si riferisce all’informazione codificata nella realtà microscopica; è una legge fisica che si riferisce alle informazioni codificate negli atomi e nelle molecole (Teorema di Non Cancellazione). A livello quantistico, tutte le informazioni (come l’energia) vengono conservate. Heaney si chiede come le informazioni codificate, presenti nelle nostre proteine, nel DNA, nella memoria, ecc., siano distribuite nello spazio e nel tempo dopo la morte. L’immagine dei calchi congiunti nel video che vediamo continua a collassare e viene ricreata in maniera digitale non lineare (e non binaria). Ogni fotogramma nella sua opera rivela una possibilità materializzata diversa rispetto alla plurima realtà quantistica pre-materializzata, eseguita utilizzando computer quantistici per creare l’entanglement quantistico. 

L’oggetto dell’immagine diventa sfocato mentre si decostruisce, diventa multiplo e senza confini mentre ogni oggetto nell’immagine interferisce con altre unità digitali, un po’ come l’interferenza nell’acqua.

Heaney crea fenomeni di interferenza per indicare l’esistenza passata di un entanglement. Poiché l’entanglement è in uno stato pre-materializzato, non può mai essere rappresentato completamente, quindi ciò che vediamo è una traccia. Come già spiegato, una volta che uno stato quantico diventa un’immagine accessibile, esso è necessariamente collassato.

Nell’immagine di Pompei, Heaney ha generato ripetutamente un tipo di entanglement con il computer quantistico di IBM. Poiché l’entanglement è uno stato pre-materializzato, prima di essere misurato, esso contiene contemporaneamente una moltitudine di modelli d’onda diversi. Per ogni fotogramma dell’animazione, Heaney misura l’entanglement in un modo leggermente diverso, rivelando ogni volta un nuovo insieme di ampiezze di probabilità di uno solo dei modelli d’onda sottostanti. Le “ampiezze di probabilità”, in parole povere, rappresentano l’estensione delle onde trovate nell’immagine originale. Questa estensione si basa su un calcolo complesso. Le ampiezze di probabilità definiscono la forma dei modelli di onda quantistica nello stato entangled. 

Questi calcoli modificano le posizioni delle particelle digitali in ciascun fotogramma dell’animazione. Mi riferisco qui ai pixel come particelle digitali perché espandono l’immagine 2D in 3D; ogni pixel diventa una particella nello spazio 3D, catturando l’alta dimensionalità di fenomeni come l’entanglement quantistico.

Ogni fotogramma mostra una diversa configurazione quantistica dell’immagine originale: la stessa linea, la stessa fonte di informazione, lo stesso contenuto e la stessa origine.

Vediamo le possibilità quantistiche dell’immagine originale apparire come linee, cubi e forme, piegarsi e collassare in altre forme. A differenza della materialità digitale dell’intelligenza artificiale – dove i pixel sono visibilmente allungati e spostati da un posto all’altro per un certo periodo di tempo – nelle immagini generate dai computer quantistici, vediamo il movimento quasi tremolante dei pixel mentre saltano da un posto all’altro e da un momento all’altro del tempo, senza muoversi continuamente in uno spazio. Sebbene le immagini prodotte dalla computazione quantistica non possano mai tradurre completamente la realtà quantistica in una rappresentazione, le immagini comunque trasportano le qualità hauntologiche della materia nelle realtà quantistiche. Queste immagini indicizzano le realtà quantistiche attraverso il ripristino delle loro caratteristiche hauntologiche.