الگوریتم رقص در قرن بیست و یکم: از ابزار رقاص تا 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 باعث ایجاد یک حوزه بین رشته‌ای جدید در تقاطع اجرا، ریاضیات و هوش مصنوعی شده است، جایی که کد نه تنها ابزار، بلکه همکار و بدن رقاص به عنوان واسطه بین دیجیتال و فیزیکی است.

1. الگوریتم به عنوان ابزار تولید: ایجاد رقص جدید

رقص‌پردازان مدرن از سیستم‌های الگوریتمی برای غلبه بر تاریکی خلاقیت، جستجوی الگوهای غیرمعمول و گسترش زبان خود استفاده می‌کنند.

رقص تولیدی: رقص‌پردازان 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 رقص‌پرداز از آن‌ها انتخاب می‌کند. این کار نقش او را از «آفریننده» به «مدیر انتخاب» تغییر می‌دهد 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 ریاضی‌ای بنا شده‌اند، ترکیبات پیچیده و خودسازمان‌دهنده ایجاد می‌کنند. اجرای «Agency of Lonely Hearts» توسط ترویکس رامپس از الگوریتم‌هایی استفاده می‌کند که رفتار جمعیت 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 معروف (مانند مایکل جکسون یا سیلوی گیللم) را تحلیل می‌کنند و حرکات جدیدی ارائه می‌دهند که از سبک آن‌ها «الهام‌بخش» شده‌اند و یک گفتگوی بین میراث و آینده ایجاد می‌کنند.

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

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

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

دوئل‌های دیجیتالی و واقعیت افزوده: فناوری‌های motion capture (مانند پروژه‌های گیدون اوبارزانهک) به ایجاد یک آواتار دقیق از رقاص دیجیتالی کمک می‌کنند. الگوریتم سپس این آواتار را تغییر می‌دهد و حرکات آن را تحت قوانین فیزیک جهان‌های دیگر (پخش، پرواز، تجزیه) قرار می‌دهد که برای بدن واقعی غیرممکن است. در اجراهای AR، بینندگان از طریق عینک‌ها آواتارهای دیجیتالی رقاصان زنده خود را که به صورت الگوریتمی تولید شده‌اند، یا موجودات فانتزی را می‌بینند.

نکته جالب: در سال ۲۰۰۹، رقص‌پرداز فردریک وندر وکین یک اجرا به نام «Gráinne» ایجاد کرد، جایی که رقاصی که در دیالوگ با یک عامل مجازی در حال حرکت است، رفتار آن عامل توسط شبکه‌ای که با ویدیوهای قبلی او آموزش دیده است، مدیریت می‌شود. این یکی از اولین مواردی بود که هوش مصنوعی به عنوان شریکی کامل در صحنه بود.

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

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

تحلیل حرکت آزمایشگاهی: سیستم‌هایی مانند Laban Movement Analysis (LMA)، که با الگوریتم‌های بینایی کامپیوتری (OpenPose، DeepLabCut) بهبود یافته‌اند، امکان انجام تحلیل دقیق از تکنیک‌های اجرایی را فراهم می‌کنند، حرکات منحصر به فرد را شناسایی می‌کنند و حتی خطرات آسیب‌های بدنی را تشخیص می‌دهند. این کار هنر را به علم تجربی تبدیل می‌کند.

آرشیوهای دیجیتالی و جستجوی معنایی: پروژه «WhoLoDancE» (EU) از الگوریتم‌ها برای ایجاد کتابخانه‌های ۳D حرکت استفاده می‌کند. کاربر می‌تواند در آرشیو به جای نام، بر اساس توصیف (مانند چرخش با پرش) یا silhouette دست‌کشده جستجو کند. الگوریتم تمام فایل‌های مشابه در مختلف ضبط‌ها را پیدا می‌کند. این کار یادگیری تاریخ رقص را رنسانسی می‌کند.

انتقاد الگوریتمی: پروژه‌های آزمایشی مانند «Choreographic Language Agent» از گروه Forking Room تلاش می‌کنند تا AI‌ای ایجاد کنند که نه تنها حرکت‌ها را تولید می‌کند، بلکه آن‌ها را نیز ارزیابی می‌کند، ساختار را می‌کاوه و کلیشه‌ها را شناسایی می‌کند. این کار سوالات جدیدی درباره ماهیت قضاوت هنری ایجاد می‌کند.

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

تدوین الگوریتم‌ها باعث ایجاد سوالات عمیقی می‌شود:

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

«از دست دادن استعداد بدن»: آیا بهبود حرکت توسط الگوریتم به از دست دادن حساسیت انسانی، خطاها و انگیزه‌های احساسی منجر می‌شود؟ آیا بدن پساانسانی زاده می‌شود؟

بیوپالیتیک و کنترل: الگوریتم‌های تحلیل حرکت که برای بهبود استفاده می‌شوند، ممکن است برای استانداردسازی و کنترل نیز استفاده شوند (مانند در ورزش یا تولید)، و «بدن ایده‌آل»، مؤثر و بنابراین انعطاف‌پذیر را تحمیل کنند.

متنوعی علمی: فلسفه‌دان فرانسوی کاترین مالابو مفهوم «پلاستیکیت» را به عنوان توانایی شکل به تغییر معرفی می‌کند. رقص الگوریتمی این پلاستیکیت را به حداکثر می‌رساند و بدن را به ماده‌ای بی‌نهایت قابل برنامه‌ریزی تبدیل می‌کند. اما پارادوکس این است: آزادی کامل از تغییرات، که توسط کد تعیین شده است، ممکن است به آزادی جدیدی تبدیل شود — دیکتاتوری امکانات ترکیبی کامل، که امکانات غیرقابل پیش‌بینی «جنبش ناامید» را از بین می‌برد که، به گفته فلسفه‌دان ژورج باتای، ماهیت 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 پرسپکتیو‌ترین دیدگاه‌ها او 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 مقابلپونی بین رقص زنده و کد مرده، بلکه در همزیستی آن‌ها است، جایی که الگوریتم گنجینه‌های رقص‌پرداز را گسترش می‌دهد و رقص‌پرداز به الگوریتم یاد می‌دهد که غیرقابل پیش‌بینی بودن، نویز و همان «انسانیت» که هنوز به داده‌های خالص محدود نمی‌شود، را ارزشمند بداند. رقص به میدانی برای گفتگو بین هوش زیستی و دیجیتال تبدیل می‌شود، جایی که بدن همچنان آخرین و پیچیده‌ترین استدلال است.

Permanent link to this publication: