開放性資料庫藝術(Open Database Art)是當今使用數位科技、網路與程式編碼的創作形式。在資料重組(Data Remix)過程中，作者的自覺性與經驗性均不主導作品的形成。透過感應器蒐集到的參數因應函數而進行重複、變形、模擬。它的展現方式不僅破除觀者舊有觀賞經驗以及對藝術品的擁有感 ﹔在這類型藝術的製程中，開放性的程式語言，亦是一種集體智慧的作品(結合社群成員的知識) 。這樣的藝術型態會在展場上附上參考資料以及製作學習的檔案。有時，甚至比較像是為了搞懂函示碼而做的實驗。程式的開源性(如Less General Public Domain)，也保證其他創作者在下載程式碼後，即擁有程式碼的著作權，並有權利為它進行任何的更改，更改後所做的任何行為都不會影響既有coder的權益，以保障開源軟體的自由性。

 

　　從美學角度來看，開放性資料庫的作品不一定能與過去的知識論結合，或以過去的觀點闡述。不僅是因為圖像生成的技術層面並不對應到一個主體的意識，它也無主觀的情緒可言，當藝術家們開始在實驗新的技術，理論工作者卻開始找不到適當的語彙來對應它們。

 

　　＜論開放性資料庫藝術的動態特質＞（註1）將互文性理論視為開放性資料庫藝術的動態特質。「互文」概念不僅是由語言或敘事方式所發展出來的一套整理系統，亦是從語句意義轉換而來的，原指兩篇或以上文本共存(relation de coprénsence)產生的關係。然而，在使用開放性的資料庫進行創作上，我們通常無法發現其在語意上之轉變。就如同這篇文章由作品結構外部文本向內部文本的「匯入」與「重組」所造成動態、流動的作品結構來進行解說。筆者認為，從開放性資料庫作品結構性談論作品的互文組織結構是最直觀的想法。然而，因為背後並沒有一個有意識的主體操作，它的互文概念，必只停留於結構組合上，而非語意層面。

 

　　Hijacker_{，}為鄭先喻今年暑假在臺灣當代文化實驗場｛同化者｝展出的一件作品。《Hijacker:{，}》分為兩區，一是展示裝備和系統，另一區則由電腦資料合成的情境語句、鄭先喻的睡眠夢境紀錄、圖片等三個面向進行比較。

 

鄭先喻，《Hijacker_{，}》展場，陳奕如攝影 

 

　　「後來因為常去醫院，自己也開始想像如果把腦的狀態用不同方式呈現會是怎樣的結果？但是腦電波圖本身，光是感測器的配法、傳導波形就有很多種組合與閱讀方式。為了這個作品，我做很多研究，因為資料量龐大，當時還無法完成這件作品。現在因為AI助理與資料處理系統(分析人腦活動、看 Raw Data的工具、MNE(做腦成像讓醫生或醫學院的學生做研究)才得以完成。 (…) 。平常用EEG的頭盔，搭配一種紅外線，讓我知道自己腦中的血液分配狀態。配上EEG，了解我大腦的電波活動狀態。另外訓練出一組，我平常看到甚麼東西大概會有的資料 (事前錄製)，時間久了之後，我在睡覺時，戴上EEG去錄製。我們人在閉上眼睛之後，眼球為稍微往上吊，所以被放置在額頭位置的感測器在顯示波形的起伏時，就可以偵測到快速眼球震動期（比較淺眠或在做夢的時間），再把這段時間裡蒐集到的資料跟我平常蒐集的資料  (網路上的關鍵字圖片) 作比對，抓出很多平常蒐集資料時整理好的關鍵字，用這一些關鍵字猜出你的腦那時看到什麼，而有什麼反映，讓我可以象徵性地推論，我當時有可能夢到這一些東西，然後再使用機器學習(Machine learning)的方式，把它們全部合成為一個比較抽象的圖像。」（註2）

 

　　鄭先喻的作品讓我以兩個層面來思考開放性資料庫藝術： 其一、這件作品與一般產出抽象符碼的軟體藝術不同。作者以既有google image資料庫為中心與數據混合進行創作，並藉由對腦波偵測獲得參數，藉由一個亂數對既有的資料庫做為一個新的組織安排。其二、Hijacker_{，}藉由機械學習來閱讀腦波詮釋夢境。作者更藉由多次的轉化，建構對夢境的詮釋。除了既定的作品編定程序(program)，利用數據資料混合，加了當代社會的敘述情境，呈現出一個新的文本意義。

　

　　機器學習(Machine learning)利用電腦去學習作者的主觀意識。透過機器，讓創作者旁觀著這個類主體的創作，這倒讓我想到現象學的「回到事物自身 」(現象學如今的依持)。在沒有預設之下，腦海在一片空白之際，由被看的東西自行彰顯出來，並且終於透過機械達到了觀看的中立。雖然資料庫圖像的自我生成本來就沒有一個經驗可被敘說，它本身表達的東西就是表象，在AI機器訓練的重新組構下，讓參數依照平日的規律來排列，讓作者像是醒著作夢一般重新看著這一些圖像，並且在夢中得到一種自我發現感。

 

　　腦機介面 (Brain-computer interface, BCI) 是一個開源的人機介面平台 。EEG的Openbci 可以偵測到的是大腦的狀態，如專注度、察覺性，一切跟大腦運動皮層所控制的部分相關，也可偵測到人腦對視覺或聽覺刺激的反應。但Openbci沒辦法偵測到受試者的思考內容，亦無法偵測到感情狀態，如恐懼等情緒。雖然將EEG與EMG、ECG(心跳率)的數值結合起來，因為大腦部分與身體相連，或許即可因此推測情感波動、抑或使用EEG偵測臉部表情波動，推斷受試者的感情波動。然即便如此，也只能說是對情緒、知覺是否有所反應，而無法偵測其內容。

 

　　科學史學家丹尼爾·博斯汀（Daniel Boorstin）提出「認識論反轉」(epistemological inversion) 的概念：數據的運算法通常無法提供人的經驗、統計文字也可能給出錯誤結論，當許多不同的模型與同一數據匹配時，將造成一種籠統的畫面，一種“意思失明” (meaning blindness)。他開玩笑說，我們的世界將從“意義豐富，數據貧乏：轉變為數據豐富，但卻只能貧窮地理解它們的情境中”(meaning rich, data poor: to a data rich, meaning poor situation )（註3）。

 

　　「醒著作夢」必然只是作為詮釋者的我們，對作品的假說。在面對科學環境中的藝術實踐，觀者也更容易因為對其工具理解的不足，而落入失語的局面。雖然藝術家們總不斷地創造新穎的觀看方式，當表現形式或敘述框架都限制了我們的理解和感知到的內容時，我們是否真能理解這樣數據間產生的文化表達？在充滿數據的時代，身為觀者的我們，又該如何感知超越我們知性的工具呢？

 

 

 

 

註釋：

 

1. 許雯婷、賴雯淑，＜論開放性資料庫藝術的動態特質＞，收錄於《文化研究》，no.18, 2014, pp. 53-90。

 

2. https://www.facebook.com/TCCLAB.ORG/videos/730083694484649/，2020/8/10查。

 

3. Boorstin, D.J. (1994) Cleopatra’s Nose: Essays on the Unexpected, New York: Random House.