ED 267 >> Formation Doctorale

ED267 2021/2022 Séminaire Machine Vision. Images et culture visuelle à l’âge du machine learning (Antonio Somaini)

Descriptif


L’histoire des cultures visuelles est régulièrement marquée par le surgissement de nouvelles images et de nouvelles technologies de la vision. Ces images introduisent de nouvelles formes de représentation et ces technologies de la vision renouvellent les manières de voir, grâce à l’extension et à la réorganisation du champ du visible, redessinant ainsi les frontières entre ce qui peut et ne peut pas être vu. Depuis quelques années, cela a été le cas de trois phénomènes étroitement reliés entre eux : a. les nouvelles technologies dites de machine vision (vision par ordinateur ou vision artificielle), fondées sur des processus de machine learning (apprentissage automatique) ; b. la présence sur Internet de milliards d’images numériques qui sont machine-readable (lisibles par machine), au sens où elles peuvent être « vues» et analysées grâce à ces systèmes de machine vision ; c. les nouvelles images que les processus de machine learning peuvent générer. Si on les considère sous l’angle de la longue histoire des images et des médias visuels, l’impact de ces trois phénomènes étroitement reliés est si profond qu’il conduit à soulever la question de savoir ce que nous entendons désormais par « image » autant que par « vision » à l’ère du machine learning. Qu'est-ce que « voir » lorsque le processus psychophysiologique de la vision est réduit, dans le cas des technologies de vision par ordinateur, à des opérations entièrement automatisées de reconnaissance de formes (pattern recognition) et d’étiquetage et quand les différentes applications de telles opérations (reconnaissance faciale et des émotions, détection d’un mouvement ou d’un objet dans l’espace) peuvent être déployées sur un champ visuel extrêmement vaste (toutes les images fixes et animées accessibles en ligne) que l’œil humain ne parviendrait jamais à voir ? Peut-on encore utiliser le terme d’«image» pour un fichier numérique encodé dans un format image lisible par une machine mais restant invisible à l’œil humain, ou qui, même s’il devient visible pendant une très courte durée sur un écran sous la forme d’une configuration de pixels, passe le reste de son existence à la durée indéfinie à circuler sur d’invisibles réseaux numériques? Quel est le statut d’images qui ne sont pas produites par des formes d’enregistrement optique ni par des systèmes standard d’imagerie générée par ordinateur (CGI), mais par des processus de machine learning qui transforment des images pré-existantes par des voies encore inimaginables il y a encore quelques années, ou créent de nouvelles images, encore jamais vues ? Que représentent de telles images, quel type d’agentivité ont-elles et comment transforment-elles notre relation visuelle au passé, au présent et au futur ? Enfin, comment ces nouvelles technologies de machine vision et le discours qui les accompagnent se relient aux idées, aux espoirs et aux craintes que la possibilité de « voir grâce à un œil non humain et mécanique » suscite et qui ont accompagné toute l’histoire de la photographie, puis du cinéma ? 
 
Le séminaire doctoral Machine Vision. Images et culture visuelle à l’âge du machine learning trouve son point de départ dans le constat que nous sommes en train d’assister à un moment de rupture majeure dans l’histoire des images et des médias visuels. Son objectif sera d’explorer, d’analyser, et de situer historiquement les nouvelles technologies de machine vision, les images lisibles par machine auxquelles ces technologies peuvent être appliquées, et les nouvelles images issues des processus de machine learning, afin d’en comprendre pleinement les différentes implications : esthétiques, épistémologiques, ontologiques, politiques et historiques. 
 
 

 

Calendrier


mardi 5 et 12 avril 2022
de
10h à 13h

salle du conseil

Maison de la Recherche
4, rue des Irlandais 75005 Paris


 

Vous devez vous inscrire obligatoirement via le mail ci-dessous à partir de février 2022
antonio.somaini@sorbonne-nouvelle.fr 

mise à jour le 7 avril 2022