《攝影之聲》線上專題推出！
《攝影之聲》關鍵字線上專題系列，每期由客座主編規劃影像與視覺領域的重要詞彙，邀請多位研究者共筆，透過不同角度詮釋書寫當代影像論題。本期由影像研究者謝佩君擔任客座主編，首期主題「家常任務：關於數位視覺政治性的關鍵詞」，每周二、四推出更新，歡迎追蹤閱讀！
專題連結｜https://bit.ly/vop-keyword
███ 家常任務：關於數位視覺政治性的關鍵詞
導言──謝佩君｜客座主編
創立於世紀之末的美國外送平台Seamless，名實相符地是一則新自由主義式社會關係的寓言。以無縫接軌（seamless）作為品牌精神，和台灣現正風行的所有外送程式一樣，主打使用者從慾望到滿足過程的一氣呵成：我們可以躺著滑動手指於各家餐廳的菜色圖片間，點選、付款，接著等待外送員（gig worker）將餐點無接觸地送至家門外後，再附上一張即拍的照片作為送抵的證明。簡單又直覺，我們沒有發現線上點餐的自由，僅是將個體活動時空壓縮地複寫至市場──我們連躺著放空都可以消費，而零工經濟（Gig Economy）成就於我們壓榨自己的休閒時間（或是因經濟狀況犧牲休閒時間），在沒有基本工時、工會或保險的狀態下製造並滿足需求。從無縫接軌的角度來看，影像是「以時間根絕空間」障礙的資本共犯，既是索引也召喚著或點或滑或長按的反射動作，當它平順運行時我們感覺不到它的存在，一如無縫接軌作為新自由主義的理性與意識形態。
「學術是關於認識世界的普遍任務」，批判與媒介理論學者沃克（McKenzie Wark）曾這麼說過。她將普遍定義為尋常、共享，甚至是粗鄙的形容詞，任務是時而帶著遊戲性質的勞動，而認識作為動詞，既是普遍之所以可能的條件，也是一種饒富趣味的任務。借鏡沃克將學術祛魅並重新賦予其社會實踐動能的論述，本專題「#家常任務：關於數位視覺政治性的關鍵詞」試圖將普遍一詞的公共意義擴延並轉化至家常，除了在疫情下居家辦公（Work from Home）成為新社會基準、公與私範疇並置且模糊的時刻，思考以家常為原點作為公眾實踐的可能外，也企圖以家常一字的意涵──日常、取材平易且頻繁使用──對上述影像無縫接軌地媒介於公於私的日常生活，提供十二個出自慣常口語的詞彙作為批判工具。因此，「家常任務」試圖認識的世界，不只是我們以第一人稱視角，以智慧型手機、筆電或平板，接受通知、點取、瀏覽並溝通交換的世界；同時也針對充斥於我們生活中之語言：以線上、視訊或梗圖等作為條件的日常經驗。例如，小說家言叔夏在〈回家的方式〉一文裡討論居家辦公，將進入Google Meet前的麥克風與鏡頭測試比擬作玄關的鏡子，視訊鏡頭下和鏡子前的我們一樣忍不住有著整理儀容的反射動作，毫不反抗地將自己投入畫面之中成為等待定義的主體。
馬克思主義文化批評家威廉斯（Raymond Williams）在1975年出版《關鍵詞：文化與社會的詞彙》（Keywords: A Vocabulary of Culture and Society）的序言裡，提及寫作緣由的個人層面：當他於二戰結束返回劍橋時，遇到也甫從前線歸來的朋友，兩人不約而同地，對眼前的新世界說出：「事實上，我們不再說著相同的語言。」世界大戰造成的斷裂，在短短四年半裡，急遽體現在對話中同一詞語的不同價值與興趣導向。援引威廉斯的體察，「家常任務」關注的是何以在新千禧後：「我們總說著相同的語言。」在這20多年裡，為什麼如數位、媒介或影像等詞彙仿若通貨，跨越地理疆界、國境文化，成為我們可交換可溝通的共享語言？如何理解這加速度過程中，語言流轉於多民族、多文化間之抵抗與連貫性、干擾或對比的歷史？從這方面來說，語言也顯露了它與生俱來的異質性；換言之，從來沒有純血的語言。
因此，本專題的七位作者邀請讀者在這無縫的語言生產鏈按下暫停鍵，以詞彙作為問題的切入點，透過家常的例子檢視數位世界的歷史與其概念流變，並剖析數位技術與影像生產、詮釋間的相互關係；或者，更重要地，以詞彙為單位，進行一場認識數位技術與影像生產政治性的練習：當數位物件同質化在我們眼前，它們是如何被渴求、辨識且描述？並進而被定義、處理以及認識？透過上述的提問，「家常任務」企圖承接威廉斯在上世紀的目標：以關鍵詞闡明文化如何是歷史的表徵，意即，在「創造屬於我們的語言與歷史時」，探尋一組詞彙──「去改變任何必須的改變」。
＿＿＿＿＿＿＿＿＿＿＿＿＿
Voices of Photography 攝影之聲
vopmagazine.com
＿＿＿＿＿＿＿＿＿＿＿＿＿
#影像 #數位 #科技與技術 #新自由主義 #數據視覺化
#要素型媒介 #感覺中樞 #介面 #解殖 #文化分析 #平台 #投影
#謝佩君 #王柏偉 #徐詩雨 #陳琬尹 #楊子樵 #鄭安齊 #關鍵詞
影像辨識例子 在 用AI 影像辨識學機器學習(FM634A) Flag's 創客旗標 - YouTube 的必吃
不同於常見機器學習皆是由Python 語言實作, 本書使用JavaScript 語言於瀏覽器實作機器學習, 搭配著名的JS 機器學習函式庫ml5.js 可以更快速且便利地 ... ... <看更多>