الگوریتم رقص در قرن بیست و یکم: از ابزار رقاص به همکار و منتقد

مفهوم "الگوریتم رقص" در قرن بیست و یکم از یک استعاره (ترتیب دقیق پاها در باله کلاسیک) به استفاده واقعی از الگوریتم‌های کامپیوتری برای ایجاد، تحلیل و اجرای رقص تکامل یافته است. این امر منجر به ایجاد یک حوزه بین‌رشته‌ای جدید در تقاطع اجرا، ریاضیات و هوش مصنوعی شده است، جایی که کد نه تنها ابزار، بلکه همکار و بدن رقاص به عنوان واسطه‌ای بین دیجیتال و فیزیکی است.

1. الگوریتم به عنوان ابزار تولید: ایجاد رقص جدید

رقصیان مدرن از سیستم‌های الگوریتمی برای غلبه بر سکوت خلاقانه، جستجوی الگوهای غیرمعمول و گسترش زبان خود در ترکیب استفاده می‌کنند.

رقص تولیدی: رقصیان مانند وین مک‌گرگور (شرکت Random Dance)، نرم‌افزارهایی مانند DanceForms یا الگوریتم‌های سفارشی را استفاده می‌کنند که پارامترهای بدن، حرکات پایه و قوانین ترکیب آن‌ها را وارد می‌کنند. الگوریتم هزاران گزینه را تولید می‌کند که رقصیان از آن‌ها انتخاب می‌کنند. این تغییر نقش او از "مبتکر" به "مدیر" تبدیل می‌شود که با مجموعه‌ای از داده‌های تولید شده توسط ماشین کار می‌کند.

مدل‌های استوکاستیک و فрактال: الگوریتم‌هایی که بر اساس نظریه هرج و مرج، فرآیندهای طبیعی (رشد گیاهان، حرکت جوجه‌ها) یا فрактال‌های ریاضی ساخته شده‌اند، ترکیب‌های پیچیده و خودشیفته ایجاد می‌کنند. اجرای "Agency of Lonely Hearts" توسط ترویکس رامپس از الگوریتم‌هایی استفاده می‌کند که رفتار گروه را شبیه‌سازی می‌کنند، جایی که هر رقاص بر اساس قوانین محلی ساده عمل می‌کند و نظم جهانی، غیرقابل پیش‌بینی ایجاد می‌کند.

مثال: پروژه "Living Archive" اکرم خان. در اینجا الگوریتم‌های یادگیری ماشین ضبط‌های آرشیوی اجراهای رقاصان مشهور (مانند مایکل جکسون یا سیلوی گیللم) را تحلیل می‌کنند و حرکات جدیدی "الهام‌گرفته" از سبک آن‌ها پیشنهاد می‌دهند، ایجاد دیالوگی بین میراث و آینده.

2. الگوریتم به عنوان شریک: سیستم‌های تعاملی و motion capture

در اینجا الگوریتم به صورت لحظه‌ای به حرکت رقاص واکنش نشان می‌دهد و محیط غوطه‌ور ایجاد می‌کند یا از دیگر رسانه‌ها مدیریت می‌کند.

ویژوالیزه و صوتی واکنشی: در اجراهای آدام بنجامین یا کلودیا هیوز، سنسورهایی بر روی بدن (آcelerometers، gyroscopes) یا سیستم‌هایی مانند Kinect پارامترهای حرکت (سرعت، گستره، انرژی) را می‌خوانند. الگوریتم این داده‌ها را به گرافیک تولیدی یا پارتیتور صوتی تبدیل می‌کند. رقص به طور مستقیم یک مجموعه تصویری ایجاد می‌کند و صداپردازی می‌کند. بدن به عنوان ابزار برنامه‌نویسی تبدیل می‌شود.

دوئل‌های دیجیتالی و واقعیت افزوده: فناوری‌های motion capture (مانند پروژه‌های گیدون اوبارزانهک) اجازه می‌دهند تا آواتار دقیقی از رقاص ایجاد شود. الگوریتم می‌تواند سپس این آواتار را تغییر دهد، حرکات آن را به قوانین فیزیک جهان‌های دیگر (پخش، پرواز، تجزیه) تحت تأثیر قرار می‌دهد که برای بدن واقعی غیرممکن است. در اجراهای AR، بینندگان از طریق عینک‌ها، آواتارهای تولیدی الگوریتمی خود را که در کنار اجرای زنده مشاهده می‌کنند، یا موجودات فانتزی می‌بینند.

نکته جالب: در سال 2009، رقاص فردریک وندروکنک یک اجرا به نام "Gráinne" ایجاد کرد، جایی که رقاصی در دیالوگ با آژانس مجازی، که رفتار آن توسط شبکه‌های عصبی آموزش دیده بر اساس ویدیوهای رپتیشن‌های قبلی او مدیریت می‌شود، حرکت می‌کند. این یکی از اولین مواردی بود که هوش مصنوعی به عنوان شریکی کامل روی صحنه بود.

3. الگوریتم به عنوان تحلیلگر و آرشیو‌کننده: نقدها و حفظ

الگوریتم‌ها برای تحلیل عینی رقص استفاده می‌شوند که رویکردهای آموزشی، نقدها و حفظ را تغییر می‌دهد.

تحلیل حرکت آزمایشگاهی: سیستم‌هایی مانند Laban Movement Analysis (LMA)، که با الگوریتم‌های بینایی کامپیوتری (OpenPose، DeepLabCut) بهینه‌سازی شده‌اند، می‌توانند تحلیل دقیقی از تکنیک اجرایی را انجام دهند، حرکات منحصر به فرد را شناسایی کنند و حتی خطرات آسیب‌های بدنی را تشخیص دهند. این کار هنر را به علم تجربی تبدیل می‌کند.

آرشیوهای دیجیتال و جستجوی معنایی: پروژه "WhoLoDancE" (اتحادیه اروپا) از الگوریتم‌ها برای ایجاد کتابخانه‌های 3D حرکت استفاده می‌کند. کاربر می‌تواند در آرشیو به جای نام، بر اساس توصیف ("چرخش با پرش") یا silhouette دست‌کشیده شده جستجو کند. الگوریتم تمام فایل‌های مشابه در مختلف ضبطها را پیدا می‌کند. این کار مطالعه تاریخ رقص را رنسانسی می‌کند.

نقدهای الگوریتمی: پروژه‌های آزمایشی مانند "Choreographic Language Agent" از گروه Forking Room تلاش می‌کنند تا AI‌ای ایجاد کنند که نه تنها حرکات تولید می‌کند، بلکه آن‌ها را نیز ارزیابی می‌کند، ساختار را بررسی می‌کند و کلیشه‌ها را شناسایی می‌کند. این کار سوالات جدیدی درباره طبیعت قضاوت هنری می‌پرسد.

4. چالش‌های فلسفی و اجتماعی: چه کسی نویسنده است؟

تداخل الگوریتم‌ها چالش‌های عمیقی ایجاد می‌کند:

نویسندگی: اگر رقص توسط AI بر اساس داده‌های هزاران رقاص تولید شده باشد، چه کسی مالکیت دارد؟ رقاصی که داده‌ها را ارائه داده است؟ برنامه‌نویس؟ رقاصی که مدیر است؟

تقلیل بدن: آیا بهبود حرکت توسط الگوریتم منجر به از دست دادن انسجام انسانی، خطاهای انسانی و حرکت احساسی می‌شود؟ آیا بدن جدید، پساانسانی زاده می‌شود؟

بایوپالیتیک و کنترل: الگوریتم‌های تحلیل حرکت، که برای بهبود استفاده می‌شوند، می‌توانند برای نظم‌دهی و کنترل استفاده شوند (مانند در ورزش یا تولید)، "شکل ایده‌آل" و مؤثر را دیکته می‌کنند که به معنای انعطاف‌پذیری و انعطاف‌پذیری است.

زمینه علمی: فلسفه‌دان فرانسوی کاترین مالابو مفهوم "پلاستیکیت" را به عنوان توانایی شکل به تغییر معرفی می‌کند. رقص الگوریتمی این پلاستیکیت را به اوج می‌برد، بدن را به ماده‌ای بی‌نهایت قابل برنامه‌ریزی تبدیل می‌کند. اما پارادوکسی که ایجاد می‌کند این است: آزادی بی‌نهایت از تغییرات، که توسط کد تعیین شده است، می‌تواند به آزادی جدیدی تبدیل شود — دیکتاتوری امکانات ترکیبی کامل، که امکان "حرکت ناگهانی ناامید" را از بین می‌برد، که به نظر فلسفه‌دان ژورج باتای، هسته هنر است.

نتیجه‌گیری: نرم‌افزار رقص جدید

الگوریتم در رقص قرن بیست و یکم دیگر فقط یک مترونوم یا ضبط نیست. این یک هم‌آفرین، محیط، تحلیلگر و چالش است. او مرزهای بین ارگانیک و ترکیبی، حسی و محاسباتی، هنر و علم را محو می‌کند. روش‌های پیشرفته‌ترین دیداری‌ها الگوریتم را نه به عنوان جایگزین خلاقیت انسانی، بلکه به عنوان آینه هوشمند می‌بینند که الگوهای بدن ما را منعکس می‌کند و آن‌ها را از زاویه‌ای جدید پیشنهاد می‌کند. آینده احتمالاً نه در مقابله بین رقص "زنده" و "مرده" کد، بلکه در همزیستی آن‌ها است، جایی که الگوریتم رنگ‌های رقاص را گسترش می‌دهد و رقاص به الگوریتم یاد می‌دهد که بی‌پیش‌بینی‌پذیری، نویز و همان "انسانیت" که هنوز به داده‌های خالص محدود نمی‌شود، را ارزشمند بداند. رقص به میدانی برای دیالوگ بین هوش زیستی و دیجیتال تبدیل می‌شود، جایی که بدن همچنان آخرین و پیچیده‌ترین استدلال است.

Permanent link to this publication: