照片修图几乎和摄影技术的历史同样悠久，但在这个例子中，针对个人记忆产物的操作是自动发生的，让人难以觉察。不过这其中或许也有值得学习之处：虽然迟到，这却揭示出照片本来就是虚假的本质，是人为截取的一个时刻，而这些时间截面都处于多维时间流的推动之中，并不是作为一个奇点存在。照片是不可信的档案，是照相机与注意力的结合。它们并非关于世界与真实经历的作品，而是关于记录过程一这种记录机制本身就充满错误，当然也无法获得真相。只有当这种捕捉与存储过程通过技术被具象化时，我们才能感知它们的谬误、它们与真实之间的差异。这或许就是我们从机器的幻梦中学到的东西：它们并非改写了历史，而是历史本来就无法被可靠记述；同样的，未来也是如此。人工智能以向量合成绘制的照片并不构成某种记录，而是一种持续进行的图像重塑，是过去与未来不断变化的各种可能性的集合。比起实质论断，这团永远带有偶然与模糊性质的“概率云”是关于现实的更好模型，也正是科技所揭示的内容。
机器阐明了我们的无意识，谷歌机器学习的另一项怪异成果——名为“深梦”(DeepDream)的程序——或许是其最佳阐释。“深梦”的设计初衷是用来更好地说明神秘的神经网络内部究竟是如何工作的。为了学习识别物体，神经网络需要消化大量经过标注的图片：树木、汽车、动物、房屋，等等。每当看到一张新图像时，系统就会通过神经网络对图片进行滤光、拉伸、撕扯、压缩，从而将它归类：这是一棵树、一辆汽车、一只动物、一栋用数学创造新的面孔。图片来自雷福德、梅茨、真塔拉合著的《用深层卷积生成式对抗网络进行无主导的表征学习》(Radford,MetzandChintala,UnsupervisedRepresentation Learning with Deep Convolutional Generative AdversarialNetworks)
第六章 认知
153
154
163