Генерация новых видов реди-мейда и found object искусства

Генерация новых видов реди-мейда и found object искусства: технологический и концептуальный синтез

Реди-мейд и found object (найденный объект) как художественные практики основаны на присвоении и реконтекстуализации объектов, созданных вне поля искусства. Марсель Дюшан, представивший в 1917 году писсуар как «Фонтан», положил начало критике уникальности авторства, оригинальности и музейной ценности. Found object, часто используемый в сюрреализме и ассамбляже, делает акцент на эстетическом или символическом потенциале случайно найденных предметов. Современное развитие искусственного интеллекта, компьютерного зрения, 3D-сканирования и генеративных моделей создает принципиально новые условия для эволюции этих практик. ИИ не просто инструмент для создания изображений; он становится куратором, соавтором и средой, трансформируя сам процесс выбора, модификации и концептуализации объекта.

Технологические основы для генерации реди-мейда

Ключевым отличием современного подхода является работа ИИ не с физическим объектом, а с его цифровым представлением — данными. Это смещает фокус с физического присвоения на присвоение информационное и семантическое.

• Компьютерное зрение и классификация объектов: Алгоритмы, обученные на миллионах изображений (например, ResNet, EfficientNet), способны идентифицировать и категоризировать объекты с точностью, превышающей человеческую. Художник может поручить ИИ проанализировать огромный массив изображений из цифровых архивов, социальных сетей или потокового видео с камер наблюдения для поиска «кандидатов» в реди-мейды по заданным параметрам: определенный класс объектов (стул, инструмент, игрушка), состояние (поношенный, новый, сломанный), визуальный паттерн или композиционный контекст.
• Генеративно-состязательные сети (GANs) и диффузионные модели: Эти модели могут создавать фотореалистичные изображения несуществующих объектов. В контексте реди-мейда они применяются для генерации «идеального» или «гибридного» объекта, который затем может быть материализован через 3D-печать или CNC-фрезеровку. Например, модель можно обучить на датасете сантехнических изделий начала XX века, чтобы она сгенерировала новый, исторически достоверный, но никогда не существовавший писсуар, который станет физическим реди-мейдом.
• 3D-сканирование и цифровые двойники: Любой физический объект может быть оцифрован с высокой точностью. Этот цифровой двойник становится сырым материалом для манипуляций: масштабирования, деформации, текстурирования, комбинации с другими сканами. Реди-мейд возникает на стыке физического оригинала и его искаженной цифровой копии, материализованной вновь.
• Нейросетевой анализ контекста и смысла: Модели обработки естественного языка (NLP), такие как BERT или GPT, могут анализировать текстовые описания, исторические документы, художественную критику и генерировать новые концептуальные обоснования для выбранного объекта, создавая нарратив, который традиционно является обязанностью художника-человека.

Новые виды и классификации реди-мейда и found object искусства в эпоху ИИ

Традиционная типология расширяется, порождая гибридные формы.

Вид практики	Технологическая основа	Суть метода	Пример
Алгоритмически найденный объект (Algorithmically Found Object)	Компьютерное зрение, поиск в больших данных	ИИ осуществляет поиск и предварительный отбор объектов из обширных цифровых или каталогизированных физических коллекций по заданным художником критериям (визуальным, семантическим, статистическим). Авторство смещается к акту постановки задачи и финальному утверждению выбора.	Проект, в котором ИИ анализирует тысячи фотографий с блошиных рынков, выделяя объекты с наибольшим количеством царапин, и представляет топ-10 художнику для физического приобретения и экспонирования.
Сгенерированный реди-мейд (Generated Readymade)	GANs, диффузионные модели, 3D-печать	ИИ создает цифровую модель объекта, который стилистически и функционально неотличим от массово производимого, но не имеет физического прототипа. Этот цифровой файл затем изготавливается промышленным способом и представляется как реди-мейд.	Скульптура, напечатанная на 3D-принтере, являющаяся точной копией «идеальной» пластиковой бутылки, сгенерированной нейросетью, обученной на тысячах изображений бутылок разных брендов.
Семантический гибридный объект (Semantic Hybrid Object)	Мультимодальные нейросети (например, CLIP), 3D-моделирование	ИИ комбинирует признаки различных объектов на основе текстового или визуального промпта, создавая новый физический объект, несущий в себе смещенную семантику. Это found object, который никогда не существовал, но узнается зрителем на концептуальном уровне.	Физический объект, являющийся воплощением запроса «тостер, который также является жилетом», изготовленный по модели, сгенерированной ИИ. Он провоцирует вопрос о функциональности и категоризации.
Динамический реди-мейд (Dynamic Readymade)	Интернет вещей (IoT), датчики, генеративные модели в реальном времени	Физический объект (например, вентилятор или кран) оснащается датчиками и подключением к сети. Его состояние или форма изменяются в реальном времени под управлением ИИ, который реагирует на внешние данные (биржевые котировки, погоду, новостные ленты). Объект постоянно реконтекстуализируется.	Настольная лампа, яркость и угол наклона которой в режиме реального времени меняются алгоритмом, анализирующим тональность сообщений в конкретном Twitter-аккаунте. Объект и его контекст неразделимы.
Кураторский дата-сет как found object	Data mining, кластеризация, NLP	Художественным произведением объявляется не сам объект, а тщательно отобранная и структурированная коллекция данных (изображений, 3D-моделей, текстов), представляющая определенный класс объектов. Процесс и результат алгоритмической курации становятся артефактом.	Произведение — это интерактивная база данных, содержащая 10 000 оцифрованных изображений одноразовых пластиковых вилок, собранных и классифицированных ИИ по степени деформации, с возможностью фильтрации. Акцент на массовости и вариативности индустриального объекта.

Концептуальные сдвиги и вопросы авторства

Внедрение ИИ в практику реди-мейда вызывает ряд фундаментальных вопросов, продолжающих линию, начатую Дюшаном, но в новых условиях.

• Авторство и агентность: Если Дюшан оспаривал авторство ремесленника, то сегодня вопрос смещается к авторству алгоритма. Кто является автором: художник, создавший промпт и задавший параметры; программист, разработавший модель; или сама модель как автономный агент? Практика алгоритмического нахождения объекта делает художника скорее «куратором машинного зрения».
• Уникальность и тираж: Реди-мейд изначально бросал вызов уникальности. ИИ доводит это до абсолюта, позволяя генерировать бесконечные вариации одного «типа» объекта или моментально создавать его цифровые копии. Ценность смещается к уникальности концептуального хода и данных, использованных для обучения модели.
• Дематериализация и рематериализация: Ключевым процессом становится переход физического объекта в цифровую форму (дематериализация), его трансформация на уровне данных и последующее воплощение в материале (рематериализация). Found object существует в непрерывном цикле между этими состояниями.
• Критика данных и алгоритмической предвзятости: Художники используют ИИ-реди-мейды для критики самих технологий. Объект, найденный или сгенерированный алгоритмом, может выявить предвзятость, заложенную в тренировочных данных (культурные, гендерные, расовые стереотипы), становясь материальным свидетельством системной ошибки.

Практические аспекты и инструменты для художников

Современный художник, работающий в этой парадигме, должен обладать междисциплинарными навыками или работать в коллаборации.

• Этапы работы:
  • Концептуальный: Определение цели и критериев поиска/генерации.
  • Сбор данных: Создание или нахождение датасета для обучения модели или анализа.
  • Алгоритмический: Настройка или использование готовых моделей (через API, например, OpenAI DALL-E, Midjourney, Stable Diffusion) для генерации или отбора.
  • Цифровое моделирование: Обработка результата в 3D-редакторах (Blender, ZBrush).
  • Материализация: Использование цифрового производства (3D-печать, лазерная резка, фрезеровка).
  • Контекстуализация: Разработка нарратива и экспозиционного решения.
• Ключевые инструменты: Python (библиотеки TensorFlow, PyTorch, OpenCV), среды для работы с диффузионными моделями (ComfyUI, Automatic1111), 3D-сканеры, программное обеспечение для 3D-моделирования, оборудование для цифрового производства.

Ответы на часто задаваемые вопросы (FAQ)

В чем принципиальное отличие ИИ-реди-мейда от традиционного?

Традиционный реди-мейд основан на единичном жесте художника, выбирающего конкретный физический объект. ИИ-реди-мейд вовлекает в процесс машинное зрение и генерацию, работая с большими массивами данных. Объект может быть не найден, а синтезирован алгоритмом на основе совокупных признаков целого класса предметов, что проблематизирует понятие оригинала и копии на новом уровне.

Можно ли считать сгенерированный и напечатанный объект «найденным»?

В строгом историческом смысле — нет, так как он не был произведен для утилитарной, нехудожественной цели. Однако в расширенном поле современного искусства этот объект можно рассматривать как «найденный в пространстве возможностей» датасета или «найденный в ландшафте культурных паттернов», закодированных в нейросети. Это found object в семантическом, а не физическом пространстве.

Не уничтожает ли ИИ концептуальную основу реди-мейда, замещая человеческий выбор машинным?

Напротив, он усложняет и обогащает ее. Критический жест Дюшана был направлен против культа руки художника и буржуазных представлений об искусстве. ИИ позволяет направить критику также на алгоритмизацию культуры, big data, предвзятость цифровых систем. Человеческий выбор смещается с выбора объекта к выбору системы правил, данных и параметров для алгоритма, что является новой формой интеллектуального и критического авторства.

Каковы правовые аспекты использования ИИ для создания таких работ?

Правовое поле крайне неоднозначно. Вопросы включают:

• Авторское право на данные для обучения модели.
• Правовой статус сгенерированного изображения или 3D-модели.
• Возможность патентования или защиты авторским правом физического объекта, созданного по AI-модели.
• Если ИИ использовал для генерации изображения защищенных объектов (например, дизайнерский стул), может ли материальная копия считаться нарушением? В настоящее время эти вопросы решаются в индивидуальном порядке и являются предметом судебных разбирательств и дискуссий в юридическом сообществе.

Какое будущее у физического объекта в этой парадигме?

Физический объект не теряет значения, но его роль меняется. Он становится необходимой точкой материальной фиксации, «якорем» для цифрового процесса. Его материальность (текстура, вес, масштаб) контрастирует с его цифровым происхождением, создавая дополнительное концептуальное напряжение. В случае динамических реди-мейдов физический объект становится интерфейсом для отображения данных и алгоритмических процессов, происходящих в реальном времени.