Nossas discussões sobre formatos de arquivos contra-hegemônicos e distribuídos focaram alguns estudos de caso. Esses estudos são fundamentais para nos aproximar do desenho que queremos para formular o acesso a acervos que não existem, especialmente sobre a arquitetura e o design brasileiros nativamente digitais, mas também sobre arte digital. [1]
Estudos de caso
Os estudos de caso em que nos concentramos, para parametrizar o desenvolvimento de arquivos baseados em sistemas de IA são:
- (De)Composite Collections
- On Broadway
- VFRAME
(De)Composite Collections
Giselle Beiguelman, Bruno Moreschi e Bernardo Fontes, 2021
Desenvolvido no contexto da residência intelligent.museum (ZKM/ Deutsches Museum), seu ponto de partida são coleções de arte organizadas na primeira metade do século XX e suas questões são: Quais outras histórias da arte podem emergir das leituras de IA das imagens por uma Inteligência Artificial (IA) que lê essas imagens? Como elaborar metodologias baseadas em IA para mapear os elementos constitutivos das representações do colonialismo histórico? Os sistemas de IA podem contribuir para compreender o olhar como uma construção histórica?
Seguindo os estudos do pensamento pós-colonial, que têm questionado essa abordagem, o projeto incorporou metodologias desenvolvidas no projeto demonumenta e abordou as coleções do Museu Paulista da USP e do MAC-USP, compilando datasets, organizados de acordo com alguns temas recorrentes na pintura histórica e no Modernismo brasileiro: povos indígenas, pessoas pretas, pessoas brancas e natureza tropical. Processados algoritmicamente com GANs, esses datasets permitiram identificar alguns elementos comuns e diferenças entre as coleções do MP-USP e do MAC-USP, em obras produzidas entre 1920 e 1955, a despeito das categorias e tipologias da história tradicional da arte. Isso porque as tecnologias de IA leem imagens a partir de imagens, revelando padrões ocultos nos conjuntos iconográficos, incluindo pinturas, gravuras e desenhos, indo além das narrativas historiográficas e estilos formais.
Através das técnicas de aprendizado de máquina, pudemos compreender a persistência da imaginação colonialista nas obras de arte, contradizendo algumas afirmações canônicas sobre as rupturas estéticas e ideológicas do Modernismo brasileiro. Essas continuidades vão desde o corpo negro nu associado ao trabalho nas plantações, a semelhança patriarcal dos homens brancos, geralmente retratados sozinhos e com roupas formais, até os povos indígenas retratados como entidades genéricas sem características particulares. No entanto, as mudanças são evidentes na representação das mulheres brancas. Enquanto a pintura histórica se concentra exclusivamente em seus rostos, a pintura moderna enfatiza o corpo da mulher. No entanto, isso é sempre entendido a partir de um ponto de vista misógino, enfatizando seus seios e o ventre (sgnos relacionados à maternidade). No que diz respeito às mulheres negras, o estereótipo da escravizada sensual é dominante.
O que este estudo sugere ao nosso projeto:
Os experimentos feitos em (De)Composite Collections mostram que o uso de recursos de IA pode contribuir para análises críticas que metodologias tradicionais na história da arte não são capazes de avaliar. Ao mesmo tempo, as imagens sintetizadas com redes neurais revelam seus limites para lidar com a diversidade social e a diversidade inerente aos procedimentos criativos individuais. Devido à dependência das GANs de padrões existentes, os processos de treinamento apontam para visões genéricas, tendendo a reproduzir os estereótipos da imagética colonial reformulada pelas tecnologias digitais.
On Broadway, 2015
Daniel Goddemeyer, Moritz Stefaner, Dominikus Baur, Lev Manovich (Coord.)
“On Brodway” é um arquivo da avenida homônima, em Nova York, construído a partir de dados coletados no Instagram, Twitter, Google Street View, Foursquare, além dos que são provenientes do monitoramento de corridas de táxi e alguns dados econômicos.
Inspirado em na obra “Every Building on the Sunset Strip” de Edward Ruscha (1966), um livro de artista que se desdobra em 8,33 metros para mostrar vistas fotográficas contínuas de ambos os lados de uma seção de 1,5 milhas da Sunset Boulevard, avenida de Los Angeles. O pressuposto do projeto é que as ruas tornaram-se ruas de dados e que “Hoje, uma cidade ‘fala’ conosco em dados”:
O que este estudo sugere ao nosso projeto:
A pergunta formulada por Manovich é central no nosso projeto de pesquisa. A metodologia poderia ser orientada para pensarmos em um arquivo de arte, arquitetura e design com foco nas favelas, por exemplo, que tivesse o YouTube como sua fonte de dados? Um recorte temático, como “favela”, poderia ser um ponto de partida na formulação de um arquivo contra-hegemônico? Que outros recortes são possíveis e que escapam aos acervos institucionais?
(Por outro lado, isso _ a coleta de dados massivos disponível online_ poderia contornar um problema que identificamos em nossos levantamentos: a carência de arquivos públicos sobre arquitetura e design brasileiros disponíveis online.)
VFRAME, (2019 – em diante)
A ideia de usar o YouTube como referência para criar arquivos que não existem tem como ponto de partida o projeto VFRAME (Visual Forensics and Metadata Extraction) de Adam Harvey iniciado com a ONG Syrian Archive, e hoje com a Mnemonic.org, uma organização dedicada a documentar crimes de guerra, que tem como foco a identificação, em vídeos captados nas zonas de guerra, de bombas de fragmentação. Conhecidas como armas-contêineres, bombas de fragmentação são bombas que carregam outros artefatos explosivos. São uma das criações mais horrendas da Alemanha nazista e que continuam sendo usadas nas guerras do Oriente Médio, especialmente na Síria.
O VFRAME é um instrumento para denunciar a presença dessas bombas, que são proibidas em 120 países. Antes que se pergunte, o Brasil não é signatário dos tratados internacionais que as proíbem. Produz e exporta esse tipo de armamento. Um dos maiores problemas por esse tipo de armamento é que as bombas podem permanecer intactas, enterradas por muitos anos, atingindo a população civil. Nos últimos cinco anos, 77% das mortes por bombas de fragmentação ocorreram na Síria. Em 2017, das 289 mortes ocorridas, 187 foram registradas ali.
O VFRAME usa modelagem 3D e fabricação digital, combinados a um software de processamento de imagem com ferramentas de visão computacional e Inteligência Artificial para detectá-las. Seus algoritmos são capazes de organizar, classificar e extrair metadados de 10 milhões de vídeos, feitos nas zonas de guerra e disponíveis on-line, em menos de 25 milissegundos, identificando, nesses vídeos, o uso das bombas de fragmentação.
O software realiza um trabalho em escala massiva impossível de se fazer manualmente. Apropriando-se de datasets e processos de machine learning, o VFRAME enuncia, assim, um contramodelo à vigilância algorítmica. Ao apostar no uso da IA e do Big Data como poderosos recursos na defesa dos direitos humanos, define também um campo nas práticas de descolonização dos dados que, no quadro de nosso projeto tem importância crucial.
O que esse estudo sugere ao nosso projeto?
Se quisermos entender como é a cozinha da favela brasileira, não obteremos esses dados no Museu da Casa Brasileira, mas teremos os objetos da Casa Grande… Criar estratégias para não falar por e sim deixar que os sujeitos dos processos históricos falem de si é importante. Mais ainda, compreender que a prioridade não é criar canais de fala, mas sim de escuta. Dito de outra forma: “Resistir ao assentamento do “não-lugar” é uma estratégia de subsistência”. E isto passa por descompreender a favela como lugar de abjetos ou objeto de estudo para entendê-la como lugar de sujeitos.
O YouTube como espaço crítico
A quantidade de vídeos no YouTube que documentam as favelas brasileiras, de acordo com uma busca feita no Google, é de aproximadamente 17.200.000. No que tange à arquitetura moderna, esse número cai para 1.440.000 resultados. Isso não implica uma falsa hierarquia de importância entre a favela e arquitetura moderna, mas enuncia um contraponto que não se pode deixar de problematizar, pois essas assimetrias de números de conteúdos praticamente se invertem quando atentamos para os dados sobre teses e dissertações defendidas no Brasil. Uma busca feita pelos mesmos termos na Biblioteca Digital de Teses e Dissertações, mostra que presença do termo Arquitetura Moderna é 36.3% maior que o termo Favela.
Ainda que seja necessário depurar esses dados, fica claro que se quisermos fabular um arquivo de consultas sobre arte, arquitetura e design, com recorte temático nas favelas, os dados com maior consistência, estarão nas redes e não nos acervos oficiais, muito menos nos acadêmicos.
Nesse sentido, pensar formatos de arquivos que combinem as metodologias dos processos citados pode indicar aberturas para outros modelos de arquivos para nosso Projeto Temático, forjando estratégias que vêm das potencialidades do Sul Global.
“Nossa originalidade é nossa fome”
Nessa perspectiva, aderimos a uma frase de Glauber Rocha que nos serve como norte de trabalho. Ao dizer que nossa originalidade é nossa fome, Gleuber não se propunha a referendar a uma certa abordagem que privilegia a apologia do miserabilismo, ou o comodismo do vira-latismo. Pelo contrário, enuncia uma busca por novas formas de conhecimento e engajamento que partam das fragiligilidades de nossas infraestruturas como potência para a vampirização criativa da intelig6encia distribuída e disponível nas redes.
Um aspecto essencial desse processo é o foco na interconexão nos achados que fizemos ao longo do semestre. Em especial, os resultados de nosso workshop sobre metodologias ágeis que revelou claramente nossas prioridades: o rastreamento e a absorção de bancos de dados disponíveis nas redes e a criação de APIs que sejam capazes de fazer a integração de metadados e devolvê-los de forma integrada aos nossos públicos.
Nossa prioridade (e desafio maior) reside na capacidade de absorver diversas fontes e relacioná-las a discursos críticos (o que inclui também a crítica dos próprios dados). Portanto, nosso ponto de partida não é a catalogação, mas sim o machine learning apropriado para pensar a criação de nosso próprio “crawler”.
[1] Texto elaborado por Giselle Beiguelman, a partir da transcrição da reunião on-line, realizada em 26 de junho de 2023, com a presença de: Ana Magalhães, Bruno Moreschi, Eduardo Costa, Heloisa Espada, Paula Perissinotto, Priscila Arantes, Renata Perim .