Il tradimento delle immagini

Un concetto assodato sulla natura delle immagini è la loro ineludibile polisemia, cioè la loro capacità di significare in modo molteplice e ambivalente. L'immagine non coincide con l'oggetto rappresentato; anzi, con esso intrattiene un rapporto problematico, fatto di continue negoziazioni del rimando e del senso. Le immagini sono in potenza una sorgente inesauribile di significato. Nessuna descrizione verbale è in grado di contenerne la valenza, o quanto meno di esaurirla una volta per tutte.

I nuovi computer hanno bisogno di un accesso al mondo, così come noi vi accediamo con i nostri sensi. A questo servono i sistemi di computer vision i quali, per essere addestrati a "vedere", devono elaborare milioni e milioni di immagini etichettate da un'intelligenza umana e raccolte in appositi dataset.

Ogni immagine viaggia, nel processo di machine learning supervisionato, accompagnata dalla sua label, la sua etichetta univoca e stringente, che attribuisce quella immagine alla sua categoria di appartenenza e ne fissa così il significato in modo rigido e monovalente.

Questi sistemi di implementazione algoritmica per la computer vision, pertanto, sono basati sulla negazione della polisemia delle immagini e sulla loro riduzione a un unico significato, indicato dalla label. In questo contesto si verifica ciò che da un secolo le avanguardie continuano a contestare, e cioè l'identificazione tra immagine e oggetto reale, avallata dalla perentorietà di una etichetta: mela, nuvola, bambino, albero.

Queste etichette rappresentano delle categorie, degli insiemi di classificazione che diventano strumenti di istituzione del significato in un modo che nega la complessità polisemica che normalmente attribuiamo a un'immagine.

"Il tradimento dell'immagine - scrive Teresa Numerico - avviene quindi per effetto della rigidità categorizzante e per l'incapacità di riconoscere il carattere di scarto, che sempre separa l'immagine dall'oggetto, il visibile dall'invisibile, l'interpretazione dalla realtà della situazione immortalata" (Big data e algoritmi, p.234).

Sono le immagini ad essere tradite perché private del loro orizzonte di possibilità molteplici e vincolate a un senso unico senza via di fuga, incatenate a un'immanenza empirica e pratica finalizzata alla discriminazione classificatoria e alla costruzione di una rappresentazione algoritmica del mondo. Il tradimento è la semplificazione della complessità, la riduzione delle promesse di apertura semiotica a un indice perentorio puntato sulla cosa e immesso in una black box di codice numerico inaccessibile a ogni revisione del senso.