Big Data Architecture

Εικόνα 1 | Ian Pearce|Deleuze Metaphor for the Structure of Knowledge/Rhizome

Ερευνητική Εργασία | Σεπτέμβριος 2015 Κατερίνα - Χριστίνα Αναστασοπούλου | 7299 Επιβλέπουσα Καθηγήτρια Μαρία Βογιατζάκη Τμήμα Αρχιτεκτόνων Μηχανικών | Πολυτεχνική Σχολή Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Ευχαριστίες | την επιβλέπουσα καθηγήτριά μου Μαρία Βογιατζάκη για τη βοήθεια και την καθοδήγηση την ομάδα plug-in για τις εποικοδομητικές συναντήσεις

Εικόνα 2

περιεχό μενα

1 εισαγωγή 2 πληροφορία/δεδομένα 2. 1 ετυμολογία 2. 2 η φύση της πληροφορίας 2. 3 η πληροφορία ως παράγοντας εξέλιξης 2. 4 θεωρία πληροφορίας 2. 5 σημειωτική 2. 6 κυβερνητική

1 4 4 5 6 6 7

3 η κοινωνία της πληροφορίας 3. 1 η επανάσταση και η ανάδυση της κοινωνίας της πληροφορίας 3. 2 η κοινωνία του ελέγχου

10 11

4 τεχνολογία/πληροφορία 4. 1 η τεχνολογία της πληροφορίας 4. 2 datafication: η ποσοτικοποίηση της πληροφορίας

13 18

5 το διαδίκτυο και ο πανταχού παρών προγραμματισμός 5. 1 κυβερνοχώρος/ χώρος και χρόνος 5. 2 the internet of things

26 32

5. 3 big data 5. 3. 1 ορισμός 5. 3. 2 το τέλος της θεωρίας; 5. 3. 3 επιπτώσεις 5. 3. 4 κίνδυνοι

38 50 55 71

6 αρχιτεκτονική 6. 1 η πληροφορία ως παράγοντας εξέλιξης στην αρχιτεκτονική 6. 2 η αρχιτεκτονική δημιουργία και τα νέα μέσα 6. 3 η open source αρχιτεκτονική 6. 4 η αρχιτεκτονική των big data

76 80 84 98

7 αντί επιλόγου

122

8 βιβλιογραφία/αναφορές

128

1

εισαγω γή

Εικόνα 3 | Michael Young|Complex Vertices

«Πληροφοριακή υπερφόρτωση», «κατακλυσμός δεδομένων», «υπερπληροφόρηση». Φράσεις σαν και αυτές κάνουν την εμφάνισή τους όλο και πιο συχνά στις συζητήσεις που αφορούν την τεχνολογική εξέλιξη. Πράγματι, οι ποσότητες της πληροφορίας που υπάρχουν στον κόσμο σήμερα φαίνεται να ξεπερνούν την φαντασία. Τα ψηφιακά δεδομένα πολλαπλασιάζονται καθημερινά, με τα μέσα μαζικής δικτύωσης, όπως το Facebook ή το Twitter, να έχουν ρόλο καταλύτη σε αυτή την διαδικασία. Ζούμε σε ένα ψηφιακό σύμπαν που διευρύνεται συνεχώς καθώς τα δεδομένα που παράγονται κάθε μέρα φτάνουν τα 2,5 πεντάκις εκατομμύρια, σύμφωνα με την IBM, αν και είναι προφανές πως ο υπολογισμός της ακριβούς ποσότητάς τους είναι κάτι αδύνατο, αφού ο όγκος τους αυξάνεται ιλιγγιωδώς. Το 90% των δεδομένων που υπάρχουν στον κόσμο σήμερα δημιουργήθηκαν τα τελευταία δύο χρόνια, υποστηρίζουν οι ειδικοί, και προέρχονται εκτός από τα παραδοσιακά μέσα και από άλλα, λιγότερο συνηθισμένα, όπως αισθητήρες που συγκεντρώνουν πληροφορία σχετικά με το κλίμα, αναρτήσεις στα δίκτυα δικτύωσης, ψηφιακές εικόνες και βίντεο, αρχεία συναλλαγών και σήματα GPS προερχόμενα από τα κινητά τηλέφωνα – για να αναφέρουμε μόνο κάποια από αυτά.1 Βέβαια, εκτός από την ποσότητα της πληροφορίας που αυξάνεται καθημερινά, ταυτόχρονα πολλαπλασιάζεται και η υπολογιστική και αποθηκευτική δύναμη των υπολογιστικών συστημάτων, έτσι ώστε να είναι σε θέση να επεξεργαστούν και να διαχειριστούν την πληροφορία αυτή. Όπως είναι φυσικό, οι εξελίξεις αυτές που αφορούν την πληροφορία και την διαχείρισή της έχουν επηρεάσει πολλούς τομείς της ζωής και συνεχίζουν να προκαλούν αλλαγές καθημερινά. Έχει αλλάξει, όχι μόνο ο τρόπος που οι άνθρωποι ζουν, εργάζονται, επικοινωνούν, αλλά κυρίως έχει αλλάξει ο τρόπος που αντιμετωπίζεται η πληροφορία, καθώς η αξία της όλο και μεγαλώνει, ο τρόπος που η ανθρωπότητα αντιλαμβάνεται την έρευνα και την επιστήμη και ο τρόπος που οραματίζεται το μέλλον. Η τεχνολογία της πληροφορίας έχει επηρεάσει σχεδόν όλους τους τομείς της ζωής, με αποτέλεσμα να τροποποιείται έτσι η αίσθηση του χώρου αλλά και του χρόνου. Οι αλλαγές που προκαλούνται στην κοινωνία μέσω των νέων τεχνολογιών και του διαδικτύου αντανακλώνται στην αντίληψη του ανθρώπου για την πραγματικότητα. Οι πανταχού παρούσες τεχνολογίες όπως το Internet of Things, το δίκτυο των καθημερινών αντικειμένων που συνδέονται με αισθητήρες μέσω του διαδικτύου και παράγουν δεδομένα κάθε στιγμή που περνά, είναι μόνο μία όψη της κυριαρχίας των τεχνολογιών στην καθημερινή ζωή. Μια πλευρά αυτού που καλείται Πανταχού Παρόν Προγραμματισμός είναι τα Big Data, όρος διευρυμένος 1. Bringing big data to the enterprise’, https://www-01.ibm.com/software/data/bigdata/ what-is-big-data.html

1

που αναφέρεται, είτε σε πολύ μεγάλα σύνολα δεδομένων – μεγάλα αρκετά ώστε να καθιστούν τις παραδοσιακές μεθόδους επεξεργασίας της πληροφορίας ανεπαρκείς – είτε στην ανάλυση τεράστιων ποσοτήτων δεδομένων με σκοπό την εξαγωγή αξίας από αυτά καθώς και την ενεργοποίηση βελτιωμένης λήψης αποφάσεων μέσω εργαλείων πρόβλεψης, διορατικών επινοήσεων και βελτιστοποίησης διαδικασιών. Αυτού του τύπου η ανάλυση, αποκτά κάθε μέρα μεγαλύτερη σημασία καθώς όλο και περισσότερες εταιρίες επιλέγουν να επενδύσουν στα Big Data, χρησιμοποιείται στην επιστημονική έρευνα αλλά και στην οικονομία, στη διαφήμιση και, κατά κόρον, στο διαδίκτυο. Διαδικτυακοί κολοσσοί, όπως το Google, το Facebook ή το Amazon βασίζουν μεγάλο μέρος των δραστηριοτήτων τους στην ανάλυση Big Data καθώς αποδεικνύεται καθημερινά ότι πρόκειται ένα πολύ χρήσιμο εργαλείο. Σαφώς, όπως συμβαίνει με κάθε εργαλείο, η ασύνετη χρήση του εγκυμονεί πολλούς κινδύνους και έτσι πέρα από τον εκθειασμό των Big Data, στον οποίο υποκύπτουν πολλοί ενθουσιώδεις της τεχνολογίας, υπάρχει και μια έντονη κριτική που αφορά την χρήση των δεδομένων, την εκμετάλλευσή τους και τις συνέπειες που η λανθασμένη χρήση τους θα μπορούσε να έχει. Όσον αφορά, τώρα, τον τομέα της αρχιτεκτονικής, είναι ήδη γνωστό το πώς οι νέες τεχνολογίες έχουν επηρεάσει μέχρι σήμερα τον σχεδιασμό. Αυτό που ο Mario Carpo ονομάζει το πρώτο κύμα του ψηφιακού2 στην αρχιτεκτονική της δεκαετίας του 1990, βασίστηκε και χαρακτηρίστηκε ταυτόχρονα από τις ελκυστικές καμπύλες που εύκολα παρήγαγαν τα προγράμματα σχεδιασμού. Η διαχείριση της αρχιτεκτονικής πληροφορίας επετεύχθη μέσω προγραμμάτων Building Information Modeling, κάτι που οδήγησε στον διαχωρισμό ανάμεσα στα σχεδιαστικά προγράμματα για πειραματισμό επάνω στην μορφή και στα προγράμματα προερχόμενα από την βιομηχανία του λογισμικού που χρησιμοποιούνταν κυρίως για παραγωγή. Σήμερα, διανύοντας το, λεγόμενο, δεύτερο κύμα του ψηφιακού στην αρχιτεκτονική, τα δεδομένα αποκτούν πρωταγωνιστικό ρόλο, όχι όμως πλέον με την γραφειοκρατική λογική των προηγούμενων χρόνων. Στο πνεύμα της ανάλυσης Big Data, η αρχιτεκτονική, μεταβαλλόμενη με το πέρασμα του χρόνου για να εκφράσει κάθε φορά τις αξίες της εποχής, δεν θα περάσει αλώβητη από το μετά-επιστημονικό αυτό μοντέλο που ήδη ανανεώνει και εξοπλίζει με νέα εργαλεία τον σύγχρονο ψηφιακό σχεδιασμό. Το διαδίκτυο, ο κατακλυσμός των δεδομένων και τα, όλο και περισσότερο εξελιγμένα, σχεδιαστικά προγράμματα αλλάζουν καθημερινά την αντίληψη για τον σχεδιασμό, καθώς επιτρέπουν και προωθούν την συμμετοχικότητα, την πρακτική του Open Sourcing, το «style of many hands». Η συνέχεια που παρουσιάζεται μεταξύ του σχεδιασμού μέσω ηλεκτρονικών υπολογιστών και της καθοδηγούμενης από υπολογιστές κατασκευής, αντανακλά και επαναθεσπίζει εκδοχές του παραδοσιακού, χειρονακτικού και εξατομικευμένου 2. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 169

2

craftsmanship, καθοδηγείται από την διαίσθηση και εκθειάζει την πολυπλοκότητα, την απροσδιοριστία, την ακαταστασία και την μη-γραμμικότητα. Η ερευνητική αυτή εργασία διατρέχει τη βιβλιογραφία προκειμένου να εξετάσει τη σχέση και την επίδραση που έχει η πληροφορία, και οι αλλαγές που έχει επιφέρει ο κυρίαρχος ρόλος της σήμερα, στην αρχιτεκτονική. Αρχικά, καθορίζεται η έννοια της πληροφορίας, σημασιολογικά και ετυμολογικά, και γίνεται αναφορά στον ρόλο της στην κοινωνία κατά την διάρκεια της ανθρώπινης ιστορίας. Έπειτα, ορίζονται έννοιες όπως αυτές του Πανταχού Παρόντος Προγραμματισμού και των Big Data και παρουσιάζεται η χρήση τους σήμερα. Στην συνέχεια, αναλύεται η επιρροή της τεχνολογίας της πληροφορίας και των συστημάτων πληροφόρησης στην αρχιτεκτονική και τον σχεδιασμό, στην αντίληψη της έννοιας του χώρου και του χρόνου στην σύγχρονη εποχή με στόχο, μέσω παραδειγμάτων και παρουσίασης των νέων μέσων που διαθέτει ο αρχιτέκτονας, την αποσαφήνιση της νέας αρχιτεκτονικής που αναδύεται στην εποχή των Big Data, του διαδικτύου και των νέων τεχνολογιών, καθώς και του ρόλου του αρχιτέκτονα σε αυτή.

3

2πληροφορία/ δεδομένα 2. 1 ετυμολογία

Πληροφορία: ετυμολογικά η λέξη αποτελείται από τις λέξεις «φέρω» και «πλήρης», κυριολεκτικά θα μπορούσε να οριστεί ως αυτό που μεταφέρει απόλυτα. Στην αγγλική ο όρος είναι information δάνειο του 15ου αιώνα από τη λατινική λέξη informare δηλαδή «δίνω μορφή» κάτι που σημαίνει «γνώση που επικοινωνείται» [για να ενημερώσει] με την έννοια του «να δώσει μορφή στο μυαλό, να «πειθαρχήσει», «να καθοδηγήσει», να «διδάξει». Στην αρχαία ελληνική ο όρος form αντιστοιχεί στην λέξη μορφή αλλά και εἶδος, όπως δηλαδή χρησιμοποιήθηκε από τον Πλάτωνα και αργότερα από το Αριστοτέλη για να υποδηλώσει την ιδανική ταυτότητα ή την ουσία κάποιου στοιχείου.

2. 2 η φύση της πληροφορίας

Ο Γάλλος μαθηματικός Rene Thom έξυπνα εξέφρασε την πολλαπλή σημασιολογικά φύση της πληροφορίας ονομάζοντας την «σημασιολογικό χαμαιλέοντα», μια έννοια δηλαδή που αναδιαμορφώνεται εύκολα προκειμένου να ανταποκριθεί στις ανάγκες του περιβάλλοντός της. Η έννοια της πληροφορίας ευνοεί μία πιο πλουραλιστική ερμηνεία πέρα από τα άκαμπτα όρια μιας μονιστικής προσέγγισης. Η πληροφορία είναι μια αλληλουχία συμβόλων, που είτε καταγράφονται είτε μεταδίδονται, η οποία μπορεί να ερμηνευτεί ως μήνυμα και μπορεί να επηρεάσει ένα δυναμικό σύστημα το οποίο είναι σε θέση να την επεξεργαστεί. Αντίστροφα, ερμηνεύεται ως στοιχείο γνώσης, η νοητική οργάνωση μιας συλλογής από απλά πράγματα που αποκτά σημασία. Είναι το μέγεθος που, αυξανόμενο, προσδίδει σημασία στα δεδομένα και παράγει γνώση. Η έννοια της πληροφορίας ορίζεται συχνά σε σχέση με την έννοια των δεδομένων. Οι δύο έννοιες πολλές φορές συγχέονται ακριβώς γιατί αποκτώντας τα δεδομένα σημασία μεταπίπτουν σε πληροφορία. Τα δεδομένα δεν είναι πληροφορία, όταν δεν έχουν λάβει από τη νόηση συγκεκριμένη σημασία, ενώ η πληροφορία είναι δεδομένα με σημασία, δεδομένα που έχουν «ουσιαστικό» περιεχόμενο.

1. Norbert Wiener, [1948], Cybernetics: Or Control and Communication in the Animal and the Machine, MIT Press, Cambridge, p. 155 4

Εικόνα 4| Δίσκος Φαιστού

Η πληροφορία είναι το κύριο θέμα διαφόρων νέων επιστημονικών περιοχών, που αναδύθηκαν τη δεκαετία του 1940, συμπεριλαμβανομένης της Θεωρίας της Πληροφορίας και της Κυβερνητικής. Ο Norbert Wiener αναφέρει πως «η πληροφορία είναι πληροφορία, όχι ύλη ή ενέργεια.» Αυτός ο αφορισμός υποδηλώνει πως η πληροφορία θα πρέπει να θεωρείται μαζί με την ύλη και την ενέργεια, το τρίτο συστατικό του σύμπαντος: η πληροφορία φέρεται από την ύλη ή την ενέργεια.1

2. 3 η πληροφορία ως παράγοντας εξέλιξης

Πληροφορία είναι οποιουδήποτε τύπου μοτίβο [pattern - σχέδιο, σχηματισμός, μέθοδος] που επηρεάζει με προκαθορισμένο τρόπο το σχηματισμό ή το μετασχηματισμό άλλων μοτίβων ή και του ιδίου.1 Οι σχηματισμοί fractal, όπως και άλλοι παρόμοιοι σχηματισμοί που συναντώνται στους φυσικούς οργανισμούς, ακολουθώντας μία απλή αλγεβρική πράξη παράγουν σχήματα που εξελίσσονται αναπαράγοντας τον εαυτό τους στον χώρο με ελάχιστη διαφοροποίηση σε σχήμα από το αρχικό μοτίβο, αλλά σε άλλο μέγεθος. Η πληροφορία, ανατροφοδοτούμενη , είναι αυτή που καθορίζει τα ανακυκλούμενα αυτά μοτίβα. Στην περίπτωση που η επίδραση αφορά μια συνειδητή οντότητα, η οποία επεξεργάζεται την πληροφορία αυτή, ο συνδυασμός με παρεμφερείς έννοιες που σχετίζονται με την ερμηνεία της, ενδεχομένως να οδηγήσει στο μετασχηματισμό του αθροίσματος της πληροφορίας σε γνώση. Η πληροφορία είναι το μέτρο της τάξης και της οργάνωσης ή με άλλα λόγια αντικατοπτρίζει το «βηματισμό» της εξέλιξης. Η τάξη και η οργάνωση δεν είναι

1. https://el.wikipedia.org/wiki/πληροφορία

5

αντικειμενικές ιδιότητες αλλά εξαρτώνται από το βαθμό που γίνονται αντιληπτές. Όμοια, η πληροφορία δεν μετράται αντικειμενικά [με επάρκεια], τόσο ποιοτικά όσο και ποσοτικά. Ορίζεται ως η αντίστροφη έννοια της εντροπίας, του μέτρου δηλαδή της αταξίας, και κάθε μεταβολή της μεταβάλλει την ενέργεια. Η αύξησή της συνεπάγεται αύξηση της οργάνωσης [ή ελάττωση της αταξίας]. Η πληροφορία είναι απαραίτητη για την ίδια τη ζωή. Είναι αυτή που οργανώνει την ύλη σε οργανισμούς: μετατρέπει υπό κατάλληλες συνθήκες τις ανόργανες ενώσεις σε οργανικές και κατ’ επέκταση σε οργανική ύλη [βιομάζα]. Εμπεριέχεται κωδικοποιημένη στο DNA των οργανισμών και μεταβιβάζεται από γενεά σε γενεά, καθώς οι έμβιοι οργανισμοί αναδύονται από πολύπλοκες διαδικασίες που σχετίζονται άμεσα με τη μεταβίβαση της πληροφορίας.

2. 4 η θεωρία της πληροφορίας

Οι σημαντικότερες ποσότητες της πληροφορίας είναι η εντροπία, η πληροφορία σε μία τυχαία μεταβλητή, και η κοινή πληροφορία: η ποσότητα από κοινού της πληροφορίας ανάμεσα σε δύο τυχαίες μεταβλητές. Η πρότερη ποσότητα υποδεικνύει το πόσο εύκολα συμπιέζονται τα δεδομένα μηνύματος ενώ η τελευταία χρησιμοποιείται για να διαπιστωθεί το ποσοστό της επικοινωνίας διά μέσου ενός καναλιού μετάδοσης. Η Θεωρία Πληροφορίας εξετάζει την πληροφορία με όρους στατιστικής. Ακριβέστερα, εξετάζονται στατιστικά οι φορείς πληροφορίας, όπως τα σύμβολα και τα σήματα και όχι η ίδια η πληροφορία. Μία από τις σημαντικότερες και πιο άμεσες εφαρμογές της Θεωρίας Πληροφορίας είναι η Θεωρία Κωδικοποίησης.

2. 5 σημειωτική Η Σημειωτική είναι η ποιοτική μελέτη της πληροφορίας. Το νόημα που περιέχεται στην πληροφορία και ο τρόπος που αυτή κωδικοποιείται, μεταδίδεται και αποκωδικοποιείται αποτελεί το κύριο πεδίο μελέτης της σημειωτικής.1 Η σημειωτική εξετάζει μηνύματα οποιουδήποτε είδους, όμως δεν έχει τον περιορισμό της ποσοτικής μόνο αξιολόγησης, όπως η Θεωρία Πληροφορίας. Η πληροφορία πολύ συχνά αφοράτη μετάδοση μηνυμάτων από μια πηγή προς κάποιον δέκτη.

Μια ειδικευμένη και ακριβής στατιστική περιγραφή της πληροφορίας, προερχόμενη από το εφαρμοσμένο επιστημονικό πεδίο της ηλεκτρολογίας και της μετάδοσης δεδομένων, είναι μια μαθηματική θεωρία γνωστή ως Θεωρία Πληροφορίας. Η Θεωρία Πληροφορίας είναι κλάδος της Θεωρίας Πιθανοτήτων και βασίζεται επίσης στην στατιστική με σκοπό την ακριβή ποσοτικοποίηση της πληροφορίας. 1. https://el.wikipedia.org/wiki/πληροφορία

6

Γίνεται διάκριση στο «σημαίνον» και το «σημαινόμενο». Το σημαίνον αντιπροσωπεύει την εικόνα ή την ακουστική μιας λέξης, ενώ το σημαινόμενο αντιπροσωπεύει το βαθύτερο νόημα που αντιπροσωπεύει η λέξη αυτή. Η βαθύτερη έννοια, το σημαινόμενο, λαμβάνει χώρα μέσα στο νου από την επεξεργασία του σημαίνοντος. Έτσι η χροιά της φωνής αναλύεται στο νου ως πληροφορία για τη συναισθηματική κατάσταση αυτού που μιλά. Μια λέξη ανασύρει στο νου τις μνήμες που έχουν σχετιστεί με αυτήν και γίνεται κατανοητή με τη μορφή που προκύπτει από το «νέφος» των αναμνήσεων αυτών με τις οποίες σχετίζεται. Τα αντικείμενα που στοιχειοθετούν την πληροφορία είναι συμβολικές εκφράσεις μιας δεδομένης, κάθε φορά, γλώσσας που φέρουν συνολικά το νόημα της πληροφορίας και την πραγματιστική της αξία. Ανάλογα με το είδος της πληροφορίας, οι συμβολικές αυτές εκφράσεις μπορεί να αποτελούνται από λέξεις που σχηματίζουν προτάσεις, από νότες που σχηματίζουν μελωδίες, από χρωματισμένες περιοχές που σχηματίζουν εικόνες κλπ. Από αυτά τα στοιχεία, τα πλέον στοιχειώδη, που δε μερίζονται επιπλέον, καλούνται χαρακτήρες [characters ή tokens]. Η «διαχείριση» της πληροφορίας γίνεται μεταδίδοντάς την, αποθηκεύοντάς την ή με επεξεργασία της ώστε να τη μεταβάλλουμε και να παραχθεί έτσι νέα πληροφορία.

2. 6 κυνερνητική Η κυβερνητική, που ετυμολογικά προέρχεται από τον όρο «κυβερνήτης», είναι ο κλάδος της επιστήμης που αναπτύχθηκε μεταπολεμικά και αποτελεί μία διεπιστημονική προσέγγιση για την διερεύνηση ρυθμιστικών συστημάτων [regulatory systems], τις δομές τους, τους περιορισμούς τους και τις δυνατότητές τους.1 Σχετίζεται με τη μελέτη συστημάτων μηχανολογικών, φυσικών, βιολογικών, γνωστικών και κοινωνικών και εφαρμόζεται για την ανάλυσή τους, όταν αυτά ενσωματώνουν κλειστούς βρόγχους που κωδικοποιούν μηνύματα. Στην περίπτωση που κάποια ενέργεια του συστήματος προκαλεί αλλαγές στο περιβάλλον του, και αυτές οι αλλαγές ανακλώνται πίσω στο σύστημα με κάποιον τρόπο [ανατροφοδότηση] που πυροδοτεί αλλαγές σε αυτό, η σχέση στην οποία αναφερόμαστε ονομάζεται «κυκλικά αιτιώδης» σχέση [circular causal relationship]. Ο Γάλλος φυσικός και μαθηματικός André-Marie Ampère ήταν αυτός που πρώτος επινόησε τον όρο «cybernetique» το 1834 στο έργο του Essai sur la philosophie des sciences για να περιγράψει την επιστήμη της πολιτικής διακυβέρνησης.2 Αργότερα, το 1948, ο όρος χρησιμοποιήθηκε από τον Robert Wiener στο βιβλίο του «Cybernetics» για να ορίσει την μελέτη της επικοινωνίας και της ροής πληροφορίας μεταξύ ανθρώπου, ζώου και

1. https://en.wikipedia.org/wiki/Cybernetics 2. Hsue Shen Tsien, [1954], Engineering Cybernetics, McGraw-Hill Company Inc., New York, Preface vii 7

μηχανής με στόχο την ανάπτυξη ενός μοντέλου που να περιγράφει την επικοινωνία και τον ανατροφοδοτικό βρόγχο μεταξύ των τριών αυτών ενοτήτων. Ο Gordon Pask όρισε την κυβερνητική ως «την τέχνη των δικαιολογήσιμων μεταφορών» [«The art of defensible metaphors»] και στην συνέχεια επέκτεινε τον ορισμό του έτσι ώστε να συμπεριλάβει τις ροές πληροφορίας «σε όλα τα μέσα», από τους αστέρες έως τον εγκέφαλο. Η επιστήμη της κυβερνητικής εμπεριέχει την μελέτη της ανατροφοδότησης, των black boxes και των εννοιών που προκύπτουν από αυτά, όπως η επικοινωνία και ο έλεγχος στους έμβιους οργανισμούς, στις μηχανές και στην οργάνωση, συμπεριλαμβανομένης και της αυτό-οργάνωσης. Μελετά πώς οποιοδήποτε σύστημα, ψηφιακό, μηχανικό ή βιολογικό, επεξεργάζεται την πληροφορία, αντιδρά σε αυτή και αλλάζει ή μπορεί δυνητικά να αλλάξει για να βελτιώσει την επεξεργασία και την αντίδρασή του σε αυτή.3

3. Kevin Kelly, [1994], Out of control: The new biology of machines, Social Systems and the Economic World, Addison-Wesley, Boston, p. 105

8

Εικόνα 5| Mayro De Donatis|VX Font

9

κοινωνία της 3ηπληροφορίας 3. 1 η επανάσταση και η ανάδυση της κοινωνίας της πληροφορίας Ο όρος Επανάσταση της Πληροφορίας περιγράφει τις σύγχρονες οικονομικές, κοινωνικές και τεχνολογικές τάσεις που επικράτησαν μετά τη Βιομηχανική Επανάσταση [18ος-19ος αι.]. Συχνά αναφέρεται και ως Δεύτερη Βιομηχανική Επανάσταση και πραγματοποιήθηκε μεταξύ του 19ου και 20ου αι. όταν σταδιακά αντικαταστάθηκε η ατμομηχανή από τις μηχανές εσωτερικής καύσης και τον ηλεκτρισμό. Ο ρόλος της φαίνεται να είναι σημαντικός καθώς έκανε δυνατή την ανάδυση της κοινωνίας που βασίζεται στην πληροφορία και έτσι έδωσε τις βάσεις για τη δημιουργία του ψηφιακού πολιτισμού του σήμερα.1 Παρόλα αυτά, οι δραστηριότητες που σχετίζονται με την πληροφορία υπήρχαν σε διάφορες εποχές, σε όλες τις ανθρώπινες κοινωνίες. Η Αγροτική και η Βιομηχανική Επανάσταση έλαβαν χώρα όταν νέοι τύποι πληροφορίας προέκυψαν από φορείς

καινοτομίας, ατομικά ή ομαδικά μέσω επιστημονικών και τεχνικών θεσμών. Πέρα από τις τεχνολογικές και βιομηχανικές αλλαγές που επέφερε η επανάσταση της πληροφορίας οδήγησε στην όλο και αυξανόμενη παραγωγή, ταχύτητα μεταφοράς και ποσότητας αγαθών που διατίθενται και καταναλώνονται. Έτσι, γεννήθηκαν οι πρώτες μεγάλες εταιρίες, βιομηχανικής ή εμπορικής φύσης, όπου εκφράστηκε η ανάγκη για διαχείριση της, συνεχώς αυξανόμενης, πληροφορίας και για οργάνωσή της. Η ανάγκη αυτή σύντομα εμφανίστηκε και στην κοινωνία καθώς ο πληθυσμός όλο και αυξανόταν. Η διαχείριση και η επεξεργασία της πληροφορίας σχετίστηκε με ένα γενικότερο φαινόμενο: την ανάδυση μια κοινωνίας βασισμένης στην πληροφορία που αποτέλεσε τη βάση για τη μετέπειτα ανάπτυξη των υπολογιστών.2

1. Antoine Picon [2010], Digital Culture in Architecture. An introduction for the design professions, Birkhäuser, Basel, p. 16 2. Ιbid. p. 19 10

Εικόνα 6| Pablo Revuelta|Generative Art

3. 2 η κοινωνία του ελέγχου Σύμφωνα με τον Deleuze, κάθε κοινωνία χαρακτηρίζεται από τα εργαλεία που χρησιμοποιεί, καθώς αυτά είναι που εκφράζουν εκείνες τις κοινωνίες που είναι ικανές να τα γεννήσουν και να τα χρησιμοποιήσουν. Οι κοινωνίες του παρελθόντος χειρίζονταν απλούστερες μηχανές [μοχλούς, τροχαλίες, ρολόγια, μηχανές ενέργειας] ενώ η Κοινωνία Ελέγχου χρησιμοποιεί μηχανές τρίτου τύπου, δηλαδή μηχανές πληροφορικής και υπολογιστές. Σε αυτή την περίπτωση ο παθητικός κίνδυνος είναι το θόλωμα του μυαλού και ο ενεργητικός εκείνος της πειρατείας και της εισαγωγής των ιών.2 Η κοινωνία αυτή σχετίζεται άμεσα με τον καπιταλισμό, τον καπιταλισμό όμως που δεν ενδιαφέρεται πια για τις πρώτες ύλες και την παραγωγή αλλά για τις υπηρεσίες και τις μετοχές. Έτσι τα αναλογικά περιβάλλοντα μετατρέπονται σε ψηφιακές φιγούρες.

Η Κοινωνία της Πληροφορίας φαίνεται να ταυτίζεται με την κοινωνία την οποία ο Deleuze αποκάλεσε «Κοινωνία του Ελέγχου». Η κοινωνία αυτή ακολούθησε την κοινωνία της πειθαρχίας [18ος και 19ος αι.] και την κοινωνία της κυριαρχίας, όπως αυτές ορίστηκαν από τον Foucault. Μετά τον Β’ Παγκόσμιο Πόλεμο, στην Κοινωνία δηλαδή του Ελέγχου, το ουσιώδες δεν είναι πια ούτε μία υπογραφή, ούτε ένας αριθμός, αλλά ένα ψηφίο: το ψηφίο είναι ένας mot de passe δηλαδή μια λέξη κλειδί με την έννοια του password, του κωδικού πρόσβασης.1 Η γλώσσα του Ελέγχου είναι ψηφιακή και είναι αυτή που επιτρέπει, ή όχι, την πρόσβαση στην πληροφορία. Δεν υπάρχει πια το δίπολο μάζα-άτομο, αλλά τα άτομα δημιουργούνται από τις «διαιρέσεις» και οι μάζες από τα στατιστικά δείγματα, τα δεδομένα, τις αγορές, τις τράπεζες πληροφοριών.

1. Gilles Deleuze, [2001], Κοινωνία του Ελέγχου, Ελευθεριακή Κουλτούρα, Φεβρουάριος 2001, Αθήνα, p. 12 2. Ibid. p. 13 11

Εικόνα 7

4πληροφορία και τεχνολογία 4. 1 η τεχνολογία της πληροφορίας Οι άνθρωποι αποθηκεύουν, ανακτούν, διαχειρίζονται και επικοινωνούν πληροφορία από την περίοδο των Σουμερίων στην Μεσοποταμία το 3000 π.Χ. μέχρι και σήμερα. Μια σειρά επιτευγμάτων διαφόρων επιστημόνων όπως ο Wilhelm Shickhardt, ο Blaise Pascal, ο Gottfried Wilhelm Leibniz και ο Alan Turing κατά τη διάρκεια των τελευταίων αιώνων έκανε δυνατή την εκμηχάνιση του λογισμού και την ψηφιοποίησή του. Ο Δεύτερος παγκόσμιος Πόλεμος αποτέλεσε τον καταλύτη για την εφεύρεση του πρώτου ηλεκτρονικού υπολογιστή [ENIAC], ένα καθοριστικό βήμα για τη μαζική επεξεργασία της πληροφορίας, αν και παρόμοιες μηχανές που ονομάζονταν πινακοποιητές [tabulators] χρησιμοποιούνταν ήδη για τη διαχείρισή της. Το 1945 ο μαθηματικός Von Neumann περιέγραψε την αρχιτεκτονική του ηλεκτρονικού υπολογιστή και

αμέσως μετά ακολούθησε η έλευση του UNIVAC, του πρώτου υπολογιστή νέου τύπου που κυκλοφόρησε στην αγορά.1 Μέχρι την κυκλοφορία του προσωπικού ηλεκτρονικού υπολογιστή το 1970, οι μηχανές αυτές χρησιμοποιήθηκαν με κύριο σκοπό την ανάπτυξη και τον χειρισμό οπλικών συστημάτων. Παρόλα αυτά, ο όρος Τεχνολογία της Πήροφορίας [Information Technology] εμφανίστηκε για πρώτη φορά το 1958 με την έννοια που τον χρησιμοποιούμε σήμερα, σε ένα άρθρο που δημοσιεύτηκε στο Harvard Buisiness Review από τον Harold J. Leavitt και τον Thomas L. Whisler. “Η νέα τεχνολογία δεν έχει ακόμα κάποιο συγκεκριμένο όνομα. Ας την ονομάσουμε Τεχνολογία της Πληροφορίας”.2 Η Τεχνολογία της Πληροφορίας όπως την αντιλαμβανόμαστε σήμερα, αναφέρεται στη χρήση των ηλεκτρονικών υπολογιστών και του

1. Antoine Picon, [2010] , Digital Culture in Architecture, An introduction for the design professions, , Birkhäuser, Basel, p. 27 2. https://en.wikipedia.org/wiki/Information_technology 13

εξοπλισμού των τηλεπικοινωνιών για την αποθήκευση, την ανάκτηση, τη μετάδοση και τη διαχείριση των δεδομένων. Ανάλογα με τα μέσα διαχείρισης της κάθε εποχής και τις τεχνολογίες που χρησιμοποιήθηκαν, είναι δυνατόν να διακρίνουμε τέσσερις διαφορετικές φάσεις της ανάπτυξης της τεχνολογίας της πληροφορίας: την προ-μηχανική [3000 π.Χ. – 1450 μ.Χ.], την μηχανική [1450 μ.Χ. – 1840 μ.Χ.], την ηλεκτρομηχανική [1840 μ.Χ. – 1940 μ.Χ.] και τέλος την ηλεκτρονική [από το 1940 μ.Χ. έως σήμερα]. Η ηλεκτρονική εποχή στην οποία ζούμε χαρακτηρίζεται από την πληροφορία και την διαχείρισή της. Ο Antonino Saggio αναφέρει στο βιβλίο του πως «η Κοινωνία της Πληροφορίας πλέον αλλάζει τελείως τους κανόνες του παιχνιδιού, όλων των παιχνιδιών, συμπεριλαμβανομένου και αυτού της αρχιτεκτονικής».3 Η βιομηχανοποιημένη κοινωνία των προηγούμενων χρόνων έχει φτάσει πια στο τέλος της και έχει αντικατασταθεί από μία διαφορετική, επιφέροντας έτσι μια κρίση λόγω της αλλαγής καθώς προϋποθέτει την έλευση του οικονομικού μοντέλου που είναι συνδεμένο με την τεχνολογία της πληροφορίας. Αν η κινητήριος δύναμη της βιομηχανικής κοινωνίας ήταν οι μεγάλες βιομηχανίες και οι μηχανές, σε αυτή τη νέα κοινωνία πρωταγωνιστικό ρόλο έχει ο τομέας των υπηρεσιών και της πληροφορίας, που γίνεται πλέον θεμελιώδης παράγοντας για την επίλυση προβλημάτων.

Παρατηρούμε πως κυρίαρχες οικονομικές δυνάμεις πλέον είναι οι εταιρίες πληροφορικής και λογισμικού όπως η Google. Τα μέσα που φέρουν την πληροφορία σε αυτή την περίπτωση δεν είναι απτά όπως ήταν η πέτρα, ο πάπυρος, η περγαμηνή, το χαρτί, αλλά ηλεκτρονικά, όπως το διαδίκτυο, και έτσι προσφέρουν το πλεονέκτημα να αλλάζουν και να μεταδίδονται με πολύ γρήγορη ταχύτητα. Σύμφωνα με τον Erik Davis, ο ηλεκτρισμός είναι η ψυχή της μοντέρνας εποχής και η πληροφορία το πνεύμα της. Χρειάστηκαν εκατόν εξήντα πέντε χρόνια μεταξύ της εφεύρεσης του τηλέγραφου το 1837, όπου έγινε εφαρμογή του ηλεκτρισμού με σκοπό να μεταφερθεί λόγος, και την ανάπτυξη του World Wide Web το 1992, όπου διαχειρίζεται η πληροφορία με τρόπο συγκρίσιμο αν όχι παρόμοιο με αυτόν του ανθρώπινου εγκεφάλου.4 Το μεγάλο άλμα που πραγματοποιήθηκε με την έλευση του παγκόσμιου δικτύου έκανε δυνατή τη διασύνδεση όχι μόνο των ανθρώπων μεταξύ τους, όπως άλλωστε είχε κάνει στο παρελθόν το τηλέφωνο ή ο τηλέγραφος, αλλά και των περιεχομένων μέσω του hypertext. Οι μηχανές αναζήτησης, όπως το Yahoo! [1994] ή το Google [1997], μέσω συνδέσμων κάνουν προσβάσιμη την πληροφορία με πολύ γρήγορες ταχύτητες και δημιουργούν μια πρωτόγνωρη βάση δεδομένων όπου συγκεντρώνεται η γνώση και ανακτάται οποιαδήποτε στιγμή. Η πληροφορία σήμερα βρίσκεται

3. Antonino Saggio, [2013], The IT Revolution in Architecture: Thoughts on a Paradigm Shift, Lulu.com, New York, p. 27 2. Derrick de Kerchove, [2001], The Architecture of Intelligence, Birkhäuser, Basel, p. 24 14

σε συνεχή κίνηση καθώς διαχέεται με τα νέα αυτά μέσα σε όλο τον κόσμο, ενώ το βιβλίο, που είχε αυτό τον ρόλο πριν την ένωση της γλώσσας και του ηλεκτρισμού είναι το μόνο μέσο όπου η πληροφορία μένει «σταθερή». Η πληροφορία αποτελεί ένα σημαντικό μέρος όλων των προϊόντων σήμερα μέσω της έρευνας, του μάρκετινγκ, της διανομή και των barcodes που συνδέουν τα αγαθά και τους καταναλωτές. Αφορά τόσο τα παραδοσιακά αγαθά, όπως είναι τα προϊόντα διατροφής ή ο ρουχισμός, όσο και τις συσκευές. Προσδίδει προστιθέμενη αξία σε αυτά και τα καθιστά περισσότερο ανταγωνιστικά αφού τα προϊόντα σήμερα επιλέγονται με βάση την «διήγηση», την εικόνα και τον σχεδιασμό τους, δηλαδή την πληροφορία που σχετίζεται με αυτά.

Εικόνα 8 | ΙΒΜ| Διαφήμιση Τεχνολογίας

15

Εικόνα 9 | Honeywell| Διαφήμιση Τεχνολογίας

Εικόνα 10 | Texas Instruments| Διαφήμιση Τεχνολογίας

των αποθεμάτων και των ροών της πληροφορίας έχει υπάρξει και συνεχίζει να είναι η κινητήριος δύναμη της οικονομικής παραγωγικότητας, ο άξονας για την εισαγωγή της διαφάνειας και της βελτίωσης της αποδοτικότητας στην κυβερνητική γραφειοκρατία, το κλειδί για την εξοικονόμηση κόστους στις μεταρρυθμίσεις υγείας, οδηγεί στον εκσυγχρονισμό της εκπαίδευσης. Το κινητό τηλέφωνο, αλλάζει τον τρόπο που οι οικογένειες συγχρονίζονται και το Ίντερνετ αλλάζει το πώς οι νέοι άνθρωποι βγαίνουν ραντεβού και ερωτεύονται.2 Ο Αριστοτέλης ζήτησε από τον μαθητή του Δημήτριο Φαληρέα [περ.345 π.Χ. – περ. 280 π.Χ.], ιδρυτή της βιβλιοθήκης της Αλεξάνδρειας να υπολογίσει τον αριθμό των βιβλίων που υπήρχαν εκεί.5 Αντίστοιχα, ο δημιουργός του bit, και ίσως ο πνευματικός πατέρας της ψηφιακής εποχής, Claude E. Shannon, υπολόγισε το 1949 ότι το μεγαλύτερο απόθεμα πληροφορίας που μπορούσε να φανταστεί ότι υπάρχει στον κόσμο περιείχε περίπου 12.500 megabytes και ήταν το αρχείο της U.S. Library of Congress.3 Σήμερα, παρόλη την πανταχού παρούσα πληροφορία, υπάρχει μία ασάφεια σχετικά με την ποσότητά της. Το ερώτημα που προκύπτει είναι γιατί να θεωρείται σημαντική η ποσοτικοποίηση της υπάρχουσας πληροφορίας ειδικά σήμερα; Το ενδιαφέρον παρουσιάζεται στο γεγονός ότι η συνολική ποσότητα της πληροφορίας έχει αλλάξει άρδην

4. 2 datafication: η ποσοτικοποίηση της πληροφορίας Ο Viktor Mayer-Schönberger και ο Kenneth Cukier, συγγραφείς του «Big Data: A Revolution that Will Transform how We Live, Work, and Think», υποστηρίζουν πως η πραγματική επανάσταση σήμερα δεν βρίσκεται στις μηχανές, αλλά στην πληροφορία αυτή καθαυτή.1 Και πράγματι, η μηχανή έχει έναν καθοριστικό ρόλο στη διαχείριση και την επεξεργασία της πληροφορίας, και το μέσο το οποίο χρησιμοποιείται, κάθε φορά περισσότερο εξελιγμένο από την προηγούμενη, προσφέρει συνεχώς περισσότερες δυνατότητες στους ερευνητές. Το σημαντικότερο όμως σε ότι αφορά την πληροφορία είναι η αποτελεσματική χρήση των τεράστιων ποσοτήτων των δεδομένων του, ψηφιακού μας πλέον, σύμπαντος που διευρύνεται συνεχώς. Τις τελευταίες δεκαετίες ο κόσμος έχει κατακλυστεί, χωρίς προηγούμενο, από προϊόντα τεχνολογίας τα οποία διευκολύνουν τη μετάδοση, τον υπολογισμό, την αποθήκευση της πληροφορίας. Η πληροφορία μεταφέρεται στο κέντρο της κοινωνικής, οικονομικής, πολιτικής και πολιτισμικής οργάνωσης και ανάπτυξης. Όλοι γινόμαστε μάρτυρες των αποτελεσμάτων που έχουν οι τεχνολογίες πληροφορίας και επικοινωνίας [ICTs] στην καθημερινότητα. Γνωρίζουμε ότι η ψηφιοποίηση

1. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 7 2. Martin Hilbert, [2012], How Much Information is There in the “Information Society”?, Author’s pre-publish version, http://www.martinhilbert.net, p.1 3. Ibid. p. 2 18

Εικόνα 11| Jihyun Ham|Is this tomorrow? Information Overload

τις τελευταίες δεκαετίες. Ο Martin Hilbert, του University of Southern California, τονίζει πως αντίθετα με τη βιολογική εξέλιξη, η οποία πραγματοποιείται σε πολύ αργούς ρυθμούς και όπως υπολογίζεται, η ανθρώπινη ικανότητα επεξεργασίας της βιολογικής πληροφορίας δεν έχει αλλάξει περισσότερο από την αύξηση του πληθυσμού τις τελευταίες δεκαετίες [1%-1.5% κάθε χρόνο], η τεχνολογική εξέλιξη συντελείται με πολύ γρήγορους ρυθμούς. Η τεχνολογική ικανότητα του κόσμου μας να αποθηκεύει και να [τηλε]επικοινωνεί την πληροφορία έχει αυξηθεί με ρυθμό 25-30% την περίοδο 1986-2007, δηλαδή σχεδόν πέντε φορές γρηγορότερα από την οικονομική ανάπτυξη την ίδια περίοδο, ενώ η ικανότητα υπολογισμού της πληροφορίας αυξανόταν 60%-85% κάθε χρόνο, δηλαδή περισσότερο από 10 φορές σε σχέση με την τις οικονομικές ικανότητες. Οι τεχνολογίες πληροφορίας και επικοινωνίας όχι μόνο μας επιτρέπουν τη μετάδοση της πληροφορίας μέσω του χώρου [επικοινωνία] αλλά και μέσω του χρόνου [αποθήκευση]. Η παγκόσμια αποθηκευτική μνήμη σχεδόν διπλασιαζόταν κάθε τρία χρόνια τις τελευταίες δεκαετίες, από λιγότερο από 3 exabytes το 1986 σε 300 exabytes to 2007. Κάτι τέτοιο αντιστοιχεί σε 61 CD-ROMS για κάθε άτομο. Τοποθετώντας τα, υποθετικά αυτά, 404 δισεκατομμύρια CD-ROMS το ένα πάνω στο άλλο, θα δημιουργούνταν μία στοίβα από την Γη έως τη Σελήνη και ένα τέταρτο της απόστασης

αυτής επιπλέον. Συγκρίνοντας τους αριθμούς βλέπουμε ότι, παραδοσιακά, η ανθρωπότητα πάντα μετέδιδε μεγαλύτερες ποσότητες πληροφορίας από ότι μπορούσε να αποθηκεύσει. Ωστόσο, ενώ ολόκληρη η ποσότητα της πληροφορίας που είχε ήδη μεταδοθεί θα μπορούσε να γεμίσει την παγκόσμια αποθηκευτική μνήμη σε σχεδόν δύο ημέρες το 1986 και έπειτα θα χρειαζόταν να αρχίσουμε να διαγράφουμε περιεχόμενα, θα χρειαζόταν σχεδόν 8 εβδομάδες για να πραγματοποιηθεί το ίδιο δύο δεκαετίες μετά.4 Για να συλλάβουμε τις ποσότητες των δεδομένων που κατακλύζουν πλέον τον κόσμο μας αρκεί να αναφερθούν κάποια παραδείγματα: όταν το 2000 ξεκίνησε το Sloan Digital Sky Survey, το τηλεσκόπιο που οι αστρονόμοι χρησιμοποίησαν στο Νέο Μεξικό, σύλλεξε περισσότερα δεδομένα τις πρώτες βδομάδες λειτουργίας του από την ποσότητα δεδομένων που είχε συσσωρευτεί σε ολόκληρη την ιστορία της αστρονομίας. Το 2010 το αρχείο πληροφοριών του Sloan Digital Sky Survey Survey περιελάμβανε 104 terabytes πληροφορίας ενώ ο διάδοχός του, το Large Synoptic Survey Telescope στη Χιλή, που θα ξεκινήσει τη λειτουργία του το 2016 θα συγκεντρώνει αυτή την ποσότητα δεδομένων σε μόλις 5 ημέρες. Και σε άλλους όμως τομείς, φερ’ ειπείν στην βιολογία συναντάμε παρόμοια παραδείγματα: όταν οι επιστήμονες αποκωδικοποίησαν το ανθρώπινο γονιδίωμα το 2003,

4. Martin Hilbert, [2012], How Much Information is There in the “Information Society”?, Author’s pre-publish version, http://www.martinhilbert.net, p.4 20

χρειάστηκαν μια δεκαετία για να εντοπίσουν όλα τα λειτουργικά στοιχεία μέσα σε αυτό, το οποίο κωδικοποιείται σε περίπου 3,2 δισεκατομμύρια χημικά «γράμματα» [νουκλεοτίδια ή βάσεις] του γενετικού «αλφαβήτου», ενώ σήμερα αυτή η διαδικασία μπορεί να ολοκληρωθεί σε μια περίπου ημέρα. Παρόμοια παραδείγματα συναντώνται σε πολλούς και διαφορετικούς τομείς όπως στην οικονομία και τις επιχειρήσεις. Οι εταιρίες που κινητοποιούνται στους χώρους του διαδικτύου και των νέων τεχνολογιών επεξεργάζονται και αποθηκεύουν καθημερινά ασύλληπτα ποσά δεδομένων: η Google επεξεργάζεται περισσότερα από 24 petabytes δεδομένων την μέρα, δηλαδή μια ποσότητα που είναι χιλιάδες φορές μεγαλύτερη από τον αριθμό όλου του εκτυπωμένου υλικού που βρίσκεται σήμερα στην U.S.Library of Congress. Τα μέσα δικτύωσης παίζουν ρόλο καταλύτη στον πολλαπλασιασμό των δεδομένων: στο Facebook μεταφορτώνονται καθημερινά 10 εκατομμύρια νέες φωτογραφίες χρηστών κάθε ώρα της ημέρας, ενώ οι χρήστες αφήνουν σχόλια ή δηλώνουν ότι κάτι τους «αρέσει» σχεδόν 3 δισεκατομμύρια φορές την ημέρα, δημιουργώντας έτσι μια τεράστια βάση δεδομένων στην οποία η εταιρία έχει πρόσβαση. Στο μεταξύ, η υπηρεσία YouTube της Google με 800 εκατομμύρια χρήστες, λαμβάνει μία ώρα βίντεο κάθε δευτερόλεπτο, ενώ τα μηνύματα στο Twitter αυξάνονται

κατά 200% περίπου κάθε χρόνο και το 2012 προβλεπόταν να ξεπεράσουν τα 400 εκατομμύρια tweets τη ήμερα. Όταν αναφερόμαστε στο πλήθος των δεδομένων που υπάρχουν αυτή την στιγμή σε ψηφιακή μορφή στον κόσμο, τα μεγέθη φαίνονται να ξεπερνούν την ανθρώπινη φαντασία. Πολλές προσπάθειες έγιναν κατά καιρούς για να εξακριβωθεί το ακριβές ποσό των bytes που απασχολούνται καθώς και για να υπολογισθεί το πόσο γρήγορα το ποσό αυτό πολλαπλασιάζεται. Το 2012 πραγματοποιήθηκε μία έρευνα από τον Martin Hilbert στο University of Southern California´s Annenberg School for Communication and Journalism5, κατά την διάρκεια της οποίας έγινε προσπάθεια να υπολογισθούν οι ποσότητες της πληροφορίας η οποία έχει παραχθεί, αποθηκευτεί και μεταβιβαστεί, συμπεριλαμβανομένων όχι μόνο βιβλίων, πινάκων, ηλεκτρονικών μηνυμάτων, φωτογραφιών, μουσικής και βίντεο [αναλογικών ή ψηφιακών] αλλά επίσης ηλεκτρονικών παιχνιδιών, τηλε- φωνικών κλήσεων, συστημάτων πλοήγησης αυτοκινήτων και γραμμάτων που στάλθηκαν μέσω των ταχυδρομείων. Ακόμη, περιελάμβανε μεταδόσεις εκπομπών στην τηλεόραση ή το ραδιόφωνο. Η τελική εκτίμηση ήταν ότι περισσότερα από 300 exabytes6 αποθηκευμένων δεδομένων υπήρχαν ήδη το 2007. Επιπλέον, υπολογίσθηκε ότι το 2007 μόνο το 7% των δεδομένων που

5. Suzanne Wu, [2011], Ph.D. student calculates how much information is in the world, USC Annenberg, School for Communication and Journalism, February 10, 2011, Updated Jun. 17, 2015, http://annenberg.usc.edu/news/future-media/phd-student-calculates-how-muchinformation-world 6. Ένα exabyte ισούται με ένα δισεκατομμύριο gigabytes και σε ένα gigabyte μπορεί να αποθηκευτεί παραδείγματος χάριν μία ταινίας σε ψηφιακή μορφή. 21

Εικόνα 12 | Brendan Dawes|EE - Digital City Portraits-Southampton

υπήρχαν ήταν αναλογικά [χαρτί, βιβλία, αναλογικές φωτογραφίες κλπ]. Ενδιαφέρον παρουσιάζει το γεγονός ότι μόλις 7 χρόνια νωρίτερα, το 2000 υπολογιζόταν ότι μόνο το ¼ των δεδομένων ήταν ψηφιακά ενώ τα υπόλοιπα ¾ βρισκόταν αποθηκευμένα σε αναλογική μορφή. Παρόλο αυτά, ενώ η ποσότητα της αναλογικής πληροφορίας ελάχιστα αυξάνεται τα τελευταία χρόνια, τα ψηφιακά δεδομένα διπλασιάζονται κάθε περίπου τρία χρόνια σύμφωνα με τον Hilbert7 ο οποίος χαρακτηρίζει τη χρονιά 2002 ως την αρχή της ψηφιακής εποχής, χρονιά κατά την οποία η ικανότητα αποθήκευσης της ψηφιακής πληροφορίας ξεπέρασε αυτήν της αναλογικής. Η ψηφιακή εποχή ταυτίζεται συχνά με τις τηλεπικοινωνίες μέσω του Ίντερνετ και των κινητών τηλέφωνων ή με την αποθήκευση μεγάλου όγκου πληροφοριών και την δημιουργία βάσεων δεδομένων, αν και στην πραγματικότητα η πληροφοριακή λειτουργία με τη γρηγορότερη εξέλιξη δεν είναι καμία άλλη από το computation. Ένας ηλεκτρονικός υπολογιστής έχει τη δυνατότητα να αποθηκεύσει δεδομένα στην εσωτερική του αρχιτεκτονική με πολύ γρήγορες διαδικασίες, σε πολύ μικρή κλίμακα και ακολουθώντας μια ντερτερμινιστική διαδικασία, έναν αλγόριθμο. Η ικανότητα του υλικού [hardware capacity] των ηλεκτρονικών υπολογιστών μετράται σε MIPS [millions or mega instructions per second], και διαχωρίζεται σε δύο τύπους υπολογιστών: σε [humanly guided] general purpose computers όπως οι προσωπικοί υπολογιστές, οι συσκευές handheld, οι κεντρικοί υπολογιστές, οι servers και οι κονσόλες και σε application-specific computers που βρίσκονται ενσωματωμένοι σε ηλεκτρονικές συσκευές, οικιακές συσκευές ή οθόνες. Η υπολογιστική δύναμη των general purpose computers έχει αυξηθεί με διπλάσιο ρυθμό από την παγκόσμια ικανότητα αποθήκευσης και τηλεπικοινωνίας ενώ αυτή των application-specific computers με τριπλάσιο ρυθμό. Η αισθητή διαφορά στον ρυθμό αύξησης της υπολογιστικής δύναμης μεταξύ των general purpose computers και των application-specific computers έχει οδηγήσει, με τον καιρό, στο γεγονός ότι μέχρι περίπου το 2000 οι application-specific computers είχαν πάνω από 20 φορές περισσότερη υπολογιστική δύναμη από τις τεχνολογίες στις οποίες συνήθως αναφερόμαστε ως ηλεκτρονικούς υπολογιστές δηλαδή αυτούς της γενικής χρήσης. Εν τούτοις, αυτό δεν σημαίνει ότι η τεχνολογική ικανότητα των general-purpose computers είναι μικρή. Αντίθετα, αν 2200 άνθρωποι επιχειρούσαν να εκτελέσουν υπολογισμούς χειρονακτικά από την χρονολογία του Big Bang έως το 2007, θα πραγματοποιούσαν τόσους όσους ένας απλός general-purpose υπολογιστής εκτελεί σε ένα μόνο δευτερόλεπτο.8 Είναι αδιαμφισβήτητο ότι η υπολογιστική δύναμη σήμερα αυξάνεται γρηγορότερα από την αύξηση της πληροφορίας και αυτό εξασφαλίζει ότι η ανθρωπότητα δεν θα φτάσει σύντομα τουλάχιστον σε μια υπερφόρτιση πληροφορίας. Και εφόσον η βιολογική εξέλιξη συντελείται τόσο αργά που 7. ‘The world’s technological capacity to store, communicate, and compute information’, http://www.martinhilbert.net/worldinfocapacity-html/ 8. Martin Hilbert, [2012], How Much Information is There in the “Information Society”?, Author’s pre-publish version, http://www.martinhilbert.net, p. 5 23

οι διανοητικές μας δυνατότητες στο προβλεπόμενο μέλλον δεν πρόκειται να τονιστούν σημαντικά, ο μόνος τρόπος να διαχειριστεί το ανθρώπινο είδος τις τεράστιες ποσότητες πληροφορίας που έχουν παραχθεί, και συνεχίζουν κάθε μέρα να παράγονται, είναι να χρησιμοποιήσει την, όλο και αυξανόμενη, υπολογιστική δύναμη, δηλαδή τους artificially intelligent computers. Αυτό υπόσχεται να καταφέρει ο τομέας ανάλυσης Big Data, ενός τύπου ανάλυσης μεγάλων ποσοτήτων δεδομένων που τα τελευταία χρόνια επιδιώκει να δημιουργήσει αξία από την επεξεργασία της πληροφορίας μέσω της ευφυούς υπολογιστικής ανάλυσης [intelligent computational analysis].

24

Εικόνα 13| Eric Fischer|Twitter Reply Geography

5

Το διαδίκτυο και ο Πανταχού Παρών Προγραμματισμός 5. 1 κυβερνοχώρος: χώρος και χρόνος

Εικόνα 14

Η πληροφορική επανάσταση τις δεκαετίες του 1970, 1980 και 1990 μετασχημάτισε τον τρόπο ζωής των Δυτικών κοινωνιών. Η πληροφορία αποτέλεσε το νέο οντολογικό θεμέλιο της ύπαρξης1, η συνεχής εξάπλωση των ηλεκτρονικών υπολογιστών και το διαδίκτυο είχαν σαν αναπόφευκτο αποτέλεσμα την θεωρητική διερεύνηση των νέων τεχνολογιών και κυρίως των συνεπειών αυτών στην αρχιτεκτονική και τον χώρο. Αναπόφευκτα, η έννοια του χρόνου και του χώρου επηρεάζονται στην εποχή της πληροφορίας. Παραδείγματος χάριν, η έλευση των κινητών τηλεφώνων η οποία άλλαξε τον τρόπο που αντιμετωπίζουμε τις έννοιες αυτές: η ερώτηση «Ποιος είναι;» που συνηθίζαμε να κάνουμε όταν απαντούσαμε σε μία κλήση έχει πλέον αντικατασταθεί από το «Πού βρίσκεσαι;». Το ρολόι δεν βρίσκεται πλέον στον τοίχο ή στο χέρι μας αλλά έχει

1. Νικόλαος Ιων Τερζόγλου, [2009], Ιδέες του Χώρου στον Εικοστό Αιώνα, Εκδόσεις Νήσος, Αθήνα, p. 353

26

ψηφιοποιηθεί έτσι ώστε να βρίσκεται παντού: στο κινητό τηλέφωνο, στον ηλεκτρονικό υπολογιστή, στην τηλεόραση ή στον φούρνο μικροκυμάτων. Το μέσο έχει αλλάξει από μηχανικό και τοποθετημένο σε συγκεκριμένο χώρο, σε ψηφιακό και πανταχού παρόν. Αν μη τι άλλο, η έννοια του χρόνου αντιμετωπίζεται με διαφορετικό τρόπο στην εποχή της πληροφορίας. Ακόμα και η οργάνωση της καθημερινότητας σύμφωνα με τον χρόνο φαίνεται σήμερα διαφορετική: καταργείται πλέον η ιδέα ότι υπάρχει χρόνος εργασιακός, χρόνος διασκέδασης, χρόνος ανάπαυσης. Στην εποχή της πληροφορίας, με τα δίκτυα και τις συνδέσεις που την χαρακτηρίζουν, όλα γίνονται διαθέσιμα πάντα και παντού και κάποιες δραστηριότητες αλληλεπικαλύπτονται με άλλες όπως παραδείγματος χάριν η τηλεργασία η οποία γίνεται δυνατή μέσω της τεχνολογίας της πληροφορίας. Η εικόνα του περιστρεφόμενου οδοντωτού τροχού, που παραπέμπει σε εικόνα από το Modern Times του Charlie Chaplin και χαρακτηρίζει την βιομηχανική πόλη που οργανώνεται με βάση τον χρόνο γραμμικά, έχει αντικατασταθεί από την ψηφιακή οθόνη των ταυτόχρονων, μη-γραμμικών διαδικασιών, που διαχέονται, συσχετίζονται και διασυνδέονται σε παγκόσμιο και ταυτόχρονα τοπικό επίπεδο.2 Η έννοια του χώρου, επίσης, αποκτά διαφορετική σημασία στην κοινωνία της πληροφορίας: όπως συνέβαινε με την έννοια του χρόνου, η ανθρωπότητα έως σήμερα συνήθιζε να οργανώνει και να αντιλαμβάνεται τον χώρο καθορίζοντας ζώνες χρήσεων. Χώρος εργασίας, χώρος διασκέδασης, κατοικία, χώρος πρασίνου κλπ. Η διαφορετική αντίληψη του χρόνου επομένως επηρέασε αυτομάτως τον χώρο: οι χρήσεις και οι λειτουργίες συνδυάζονται, επικαλύπτονται, διαπλέκονται και η έννοια του χώρου μεταλλάσσεται. Σύμφωνα με τον Antonino Saggio ο ίδιος ο χώρος είναι πληροφορία: ο χώρος δεν υφίσταται, αντίθετα υπάρχει μόνο η ύλη ως δεδομένο, όπως αντίστοιχα υπάρχει ηλεκτρομαγνητική ακτινοβολία και όχι χρώμα, ηχητικά κύματα και όχι ήχος.3 Μέσω μιας διανοητικής διαδικασίας τα δεδομένα αυτά αποκτούν νόημα και μεταφράζονται. Επομένως, ο χώρος, το χρώμα, ο ήχος, η γλώσσα είναι αποτελέσματα επιστημονικών, φυσικών και συμβολικών συμβάσεων που εφαρμόζονται στα δεδομένα. Ο χώρος, λοιπόν, είναι ως επί το πλείστον πληροφορία, δεν υπάρχει ως μια αντικειμενική πραγματικότητα αλλά ως μια πνευματική μορφή που επηρεάζεται άμεσα από την γενικότερη αντίληψη του ανθρώπου για τον κόσμο: η έννοια του χώρου διαφοροποιείται ανάλογα με την εποχή στην οποία αναφερόμαστε και τη λειτουργικότητά της: ο επίπεδος Ευκλείδειος χώρος, ο τριών διαστάσεων καρτεσιανός χώρος, η καμπυλόγραμμη γεωμετρία του Gauss, ο χώρος με «ν» διαστάσεις του Reinmann, η τοπολογική γεωμετρία του Poincaré κλπ. Η αρχιτεκτονική είναι αυτή που σε κάθε περίπτωση μετατρέπει τις αντιλήψεις του χώρου σε κάτι απτό και σαφές. Το ερώτημα που φυσικά αναδύεται σήμερα είναι τί χαρακτηριστικά έχει ο χώρος στην εποχή της πληροφορίας. Ο Derrick de Kerckhove διακρίνει 2. Antonino Saggio, [2013], The IT Revolution in Architecture: Thoughts on a Paradigm Shift, Lulu.com, New York, p. 34 3. Ibid., p. 68 27

Εικόνα 15

28

τρεις τύπους χώρων: τον φυσικό, τον πνευματικό και τον ψηφιακό.4 «Δεν λειτουργούμε πλέον μόνο με δύο τύπους χώρων, τον φυσικό χώρο και τον πνευματικό, αλλά έχει προστεθεί μια τρίτη ζώνη διερεύνησης: ο ψηφιακός χώρος, ο κυβερνοχώρος, ο εικονικός χώρος, αποκαλέστε τον όπως σας αρέσει.» Ο κυβερνοχώρος αποτελείται από πληροφορία, είναι δημόσιος και χωρίς περιορισμούς αφού σύμφωνα με τον W.Mitchell αρνείται κάθε μορφή γεωμετρίας5 και παρόλο που ονομάζεται «χώρος» είναι μη χωρικός – δεν πάμε εκεί, αλλά αποκτάμε πρόσβαση μέσω χωρικών μεταφορών: διεύθυνση, τοποθεσία, πλοήγηση. Ο Τερζόγλου αναφέρει [2009:353]: Σε αυτό το πλαίσιο αναδύονται νέες ιδέες και έννοιες του χώρου, όπως οι κατηγορίες του δυνητικού χώρου, του εικονικού χώρου, του κυβερνοχώρου ή του ψηφιακού χώρου, οι οποίες χρησιμοποιούνται από κοινωνιολόγους, φιλοσόφους αρχιτέκτονες και στοχαστές του πολιτισμού για να περιγράψουν συχνά διαφορετικές και πολυσύνθετες διαδικασίες, συνθήκες, δομές ή συνέπειες των νέων τεχνολογιών της πληροφορικής και της επικοινωνία. Στα πλαίσια μιας φιλοσοφίας των υπολογιστικών συστημάτων ο δυνητικός χώρος των νέων επικοινωνιών και τεχνολογικών μέσων συνεπάγεται μια βαθιά ασυνέχεια ή ρήξη ανάμεσα στο υποκείμενο και το αντικείμενο που οδηγεί σε μια αμοιβαία αναίρεσή τους, στην αναγωγή τους σε μια οθόνη και ένα δίκτυο6, υποστηρίζει ο Baudrillard στο «Η Έκταση της Επικοινωνίας»7. Ως εκ τούτου, ο δυνητικός χώρος παρουσιάζεται ως σχιζοφρενικός τόπος όπου κυριαρχεί μια επιφανειακή διάσταση δεδομένων για ανταλλαγή και διαχείριση. Παρομοιάζεται έτσι με μια έρημο που τα υποκείμενα και τα σώματα θραυσματοποιούνται σε ομοιώματα του εαυτού τους. Παρόμοια θέση πήρε ο Peter Eisenman, ο οποίος στο “Visions Unfolding: Architecture in the Age of the Electronic Media”8 τονίζει την αλλαγή στον ρόλο του υποκειμένου στην εποχή της πληροφορίας, στον έλεγχο που αυτό ασκεί, στην κρίση και στην ερμηνεία του, χρησιμοποιώντας ως παράδειγμα την φωτογραφία [μηχανικό παράδειγμα] και το φαξ [ηλεκτρονικό παράδειγμα]. Η αλλαγή που επέφερε στην αρχιτεκτονική η νέα εποχή για τον Eisenman ήταν ισχυρή αφού από έκφραση του πραγματικού και του υλικού 4. Eisenman,De Kerchove,Saggio, [1999], The Chapters of Zurich, Birkhäuser, Basel, p. 11 5. Luigi Prestinenza Puglisi, [1999], Hyperarchitecture, Spaces in the Electronic Age, Birkhäuser, Basel, p.79 6. Νικόλαος Ιων Τερζόγλου, [2009], Ιδέες του Χώρου στον Εικοστό Αιώνα, Εκδόσεις Νήσος, Αθήνα, p. 353 7. Jean Baudrillard, [1987], Η Έκταση της Επικοινωνίας, Εκδόσεις Καρδαμίτσα, Αθήνα, p.19-30 8. Peter Eisenman, [1999], Visions Unfolding: Architecture in the Age of Electronic Media, in Digital Eisenman: an office of the electronic era by Luca Galofaro, Birkhäuser, Basel, p. 85 29

κόσμου, μετατρέπεται τώρα σε μια ιδέα του τι δύναται να υπάρξει και όχι σε τι υπάρχει ήδη. Το υποκείμενο εξαρτάται παθητικά από τον χώρο και δεν ενεργεί δημιουργώντας και ερμηνεύοντάς τον, ενώ η έννοια της όρασης, ως τώρα κυρίαρχη σε ό,τι αφορά την αρχιτεκτονική δημιουργία, αμφισβητείται. Ο νέος τύπου χώρος στον οποίο αναφέρεται ο Eisenman [affected space] παρομοιάζεται με τον λείο χώρο του Deleuze όπου παύουν να ισχύουν οι καθιερωμένοι ορθολογικοί όροι, καταργείται η συνέχεια και η συνάρτησή του νου με την όραση και το ορθολογικό αντικείμενο χάνει την κυριαρχία του. Την δεκαετία του 1990 μέσα από έργα και μανιφέστα αρχιτεκτόνων φανερώνεται η επιρροή του δυνητικού αυτού χώρου των υπολογιστών ως πεδίο νέων πειραματισμών και ανάδυσης μια νέας πολυπλοκότητας στην οργάνωση της αρχιτεκτονικής μορφής. Από τον μορφολογικό δυναμισμό της πτυχής του Jeffrey Kipnis μέχρι τις ευλύγιστες μορφές του Greg Lynn επικρατεί η άρνηση του τόπου και η παγιωμένη συμβολική συνάρθρωση του υποκειμένου με τον κόσμο.9 Τέλος, ο λεγόμενος κυβερνοχώρος σύμφωνα με τον Michael Heim ίσως είναι το όνειρο μια συμβιωτικής σχέσης του ανθρώπου με την τεχνολογία που ορίζει το φαντασιακό υπόστρωμα των πλασματικών αυτών χώρων.10 Ο κυβερνοχώρος δεν είναι ένας αντικειμενικός χώρος που ο άνθρωπος μπορεί να διακρίνει μέσω της εμπειρίας του αλλά είναι ένας χώρος εικονικός, που «προσποιείται» το πραγματικό και σύμφωνα με τον Τερζόγλου μπορεί να παρομοιαστεί με το Πλατωνικό Σπήλαιο. 9. Νικόλαος Ιων Τερζόγλου, [2009], Ιδέες του Χώρου στον Εικοστό Αιώνα, Εκδόσεις Νήσος, Αθήνα, p. 353 10. Ibid., p. 357

30

Εικόνα 16 | Bojana Vojvodic|Digital Native, επεξεργασμένο

“everyware”. Κάθε ένα από τα ονόματα δίνει έμφαση σε άλλο μέρος του προγραμματισμού και όταν αναφερόμαστε στα φυσικά αντικείμενα ο όρος μετατρέπεται σε “The Internet of Things”, δηλαδή το Διαδίκτυο των Πραγμάτων γνωστό και ως «Physical Computing». Το Ίντερνετ των Πραγμάτων [Internet of Things – IoT] είναι ένα αναπτυσσόμενο δίκτυο των καθημερινών αντικειμένων - από τις βιομηχανικές μηχανές έως τα καταναλωτικά αγαθά - που μπορεί να μοιράζεται πληροφορίες και να ολοκληρώνει εργασίες. Το περιβάλλον έτσι εξοπλίζεται με μία επαυξημένη αισθητηριακή ικανότητα κάτι το οποίο ενισχύεται από τις όλο και μικρότερες ηλεκτρονικές συσκευές και την εξάπλωσή τους. Οι αισθητήρες ενσωματώνονται σε συσκευές και ανιχνεύουν διαφορετικά στοιχεία, ποιοτικά ή ποσοτικά: ταχύτητα, βάρος, θερμοκρασία, επιτάχυνση. Με αυτό τον τρόπο γίνεται δυνατός ο Πανταχού Παρών Προγραμματισμός, που όπως δηλώνει και η ονομασία του, πραγματοποιείται σε οποιοδήποτε μέρος, συσκευή και με οποιαδήποτε μορφή, σε αντίθεση με τον παραδοσιακό προγραμματισμό που συνήθως απαιτεί έναν ηλεκτρονικό υπολογιστή. Όλοι αυτοί οι αισθητήρες των αντικειμένων γύρω μας συνδέονται και επικοινωνούν μέσω του διαδικτύου και δημιουργούν έτσι το Ιντερνετ των Πραγμάτων που αποτελείται από τα «πράγματα», δηλαδή τα αντικείμενα [φυσικά ή τεχνητά], τα δίκτυα που τα συνδέουν [τοπικά ή εν γένει το διαδίκτυο] και τα υπολογιστικά συστήματα που

5. 2 the internet of things Ο προγραμματισμός που είναι πανταχού παρών, ή όπως αλλιώς ονομάζεται The Internet Of Things, αφορά στην επιστήμη των ηλεκτρονικών υπολογιστών και στην μηχανική λογισμικού, όπου κυριαρχεί ο προγραμματισμός [computing]. Ο πανταχού παρών προγραμματισμός εμφανίζεται σε κάθε συσκευή και όχι μόνο στους ηλεκτρονικούς υπολογιστές, σε κάθε τοποθεσία και σε κάθε μορφή. Ο χρήστης αλληλεπιδρά με τον υπολογιστή, που μπορεί να εμφανίζεται με πολλές διαφορετικές μορφές, συμπεριλαμβανομένων φορητών υπολογιστών, ταμπλετών και τερματικών [terminals] σε καθημερινά αντικείμενα, όπως για παράδειγμα, ένα ψυγείο ή ένα ζευγάρι γυαλιά. Οι υποκείμενες τεχνολογίες του πανταχού παρόντος προγραμματισμού περιλαμβάνουν το Διαδίκτυο, εξελιγμένο ενδιάμεσο λογισμικό [middleware], λειτουργικά συστήματα, κινητά λογισμικά [mobile code], αισθητήρες, μικροεπεξεργαστές, νέα interfaces χρήστη και εισόδου/εξόδου, δίκτυα, κινητά πρωτόκολλα, τοποθεσίες και θέσεις καθώς και νέα υλικά.1 Αυτού του τύπου ο προγραμματισμός είναι επιπλέον γνωστός με τα ονόματα Διάχυτος Προγραμματισμός [Pervasive Computing] και Νοημοσύνη Περιβάλλοντος [Ambient Intelligence], δηλαδή περιβάλλοντα ευαίσθητα και ανταποκρίσιμα στην ανθρώπινη παρουσία ή

1. https://en.wikipedia.org/wiki/Ubiquitous_computing

32

Εικόνα 17 | Jeremiah Shaw, Danny Jones|Ανώνυμο

Εικόνα 18 | Peter McFarlane, Circuit Board Sculptures-Feather

χρησιμοποιούν τα δεδομένα που ρέουν προς και από τα αντικείμενα. Ο Daniel Burrus στο WIRED δίνει τον εξής ορισμό «Το Ίντερνετ των πραγμάτων αφορά την αυξανόμενη επικοινωνία μηχανής προς μηχανή. Είναι βασισμένο στο cloud computing και στα δίκτυα αποτελούμενα από αισθητήρες συλλογής δεδομένων. Είναι κινητή, εικονική και άμεση σύνδεση. Και λένε ότι θα κάνει οτιδήποτε στη ζωή μας ‘έξυπνο’, από το φως του δρόμου μέχρι τα λιμάνια.»2 Ο ενθουσιασμός για το Ίντερνετ των Πραγμάτων είναι πλέον διάχυτος ανάμεσα στους ειδικούς της επιστήμης των υπολογιστών. Το μέλλον είναι η μετάβαση από το δίκτυο διασυνδεμένων υπολογιστών σε ένα δίκτυο διασυνδεμένων αντικειμένων και προϊόντων.3 Από ηλεκτρικές συσκευές και αυτοκίνητα, έως βιβλία και τρόφιμα, που χάρη σε ενσωματωμένους ηλεκτρονικούς αισθητήρες θα έχουν τη δική τους διεύθυνση ΙΡ [πρωτόκολλο Ίντερνετ], θα λαμβάνουν πληροφορίες από το περιβάλλον και θα αλληλεπιδρούν. Στόχος είναι η δημιουργία ευφυών περιβαλλόντων που θα είναι διαισθητικά, ανταποκρίσιμα και θα συλλέγουν δεδομένα έτσι ώστε να απαντήσουν στις ανάγκες των χρηστών αλλά και να τα αποθηκεύσουν για μελλοντική χρήση. Δημιουργείται μια «δεξαμενή», θα μπορούσε να πει κανείς, όπου παράγεται μεγάλος όγκος δεδομένων ο οποίος τροφοδοτείται από πληθώρα πηγών και με τις σημερινές τεχνολογίες του Ubiquitous Computing και του Internet of Things αυτή η παραγωγή δεδομένων

2. ‘The Internet of Things is far bigger than anyone realizes’, http://www.wired. com/2014/11/the-internet-of-things-bigger/ 3. ‘Το Internet των… πραγμάτων!’ http://www.fortunegreece.com/article/to-internet-tonpragmaton/ 34

γίνεται σε συνεχή βάση και χωρίς να είναι αντιληπτή από εμάς.4 Αν, παραδείγματος χάριν, κυκλοφορούμε έχοντας στην κατοχή μας ένα κινητό τηλέφωνο τύπου smartphone, αυτόματα μετατρεπόμαστε σε έναν πολύ-αισθητήρα δηλαδή σε ένα «πράγμα» του Ίντερνετ των Πραγμάτων και πολλές από τις καθημερινές μας δραστηριότητες μπορούν να εντοπιστούν, να αναλυθούν και να επηρεαστούν.5 Η τάση που περιγράφει καλύτερα το Ίντερνετ των Πραγμάτων και φαίνεται να είναι κυρίαρχη σήμερα είναι αυτή των Big Data, δηλαδή των «Μεγάλων Δεδομένων»: δισεκατομμύρια «πράγματα» συνδεδεμένα στο διαδίκτυο παράγουν πολύ μεγάλους όγκους δεδομένων. Τα Big Data μέσω του Internet of Things εξελίσσονται γρήγορα και οι περισσότερες προβλέψεις υποστηρίζουν πως θα μετασχηματίσουν πολλούς τομείς. τόσο των επιχειρήσεων όσο και της καθημερινής ζωής. Στο “2015 Internet of Things Predictions” του International Data Corporation [IDC], σημειώνεται «Σήμερα, πάνω από το 50% των δραστηριοτήτων του Ίντερνετ των Πραγμάτων επικεντρώνεται στην κατασκευή προϊόντων, τις μεταφορές, τις έξυπνες πόλεις και τις εφαρμογές καταναλωτών, όμως μέσα σε πέντε χρόνια όλοι οι κλάδοι θα έχουν εμφανίσει πρωτοβουλίες σχετικές με το Ίντερνετ των Πραγμάτων».6 Στην συνέχεια θα γίνει αναφορά στην ανάλυση Big Data ως αναπόσπαστο μέρος του Ίντερνετ των Πραγμάτων.

4. Στρατής Γεωργίου , [2015], Ερευνητική Εργασία: Μετα-Κυβερνητική Αρχιτεκτονική, Προς μία μετα-ανθρώπινη συνθήκη, Ιούνιος 2015, Α.Π.Θ., Θεσσαλονίκη 5. ‘The internet of things and big data: Unlocking the power’ http://www.zdnet.com/ article/the-internet-of-things-and-big-data-unlocking-the-power 6. Ibid. 35

Εικόνα 19| Raw &Rendered, Puncture Wounds

5. 3 big data 5.3.1 ορισμός Η ανάλυση Big Data περιγράφεται ως μέρος του τομέα της επιστήμης των υπολογιστών που καλείται Τεχνητή Νοημοσύνη [artificial intelligence] και πιο συγκεκριμένα της περιοχής που ονομάζεται Machine Learning. Ωστόσο, αυτού του τύπου η ανάλυση δεν αποτελεί μια προσπάθεια να «διδάξουμε» στους ηλεκτρονικούς υπολογιστές πώς να «σκέφτονται» σαν άνθρωποι. Αντ’ αυτού, αφορά την εφαρμογή μαθηματικών σε τεράστιες ποσότητες δεδομένων με σκοπό τη συναγωγή συμπερασμάτων. Ο όρος Big Data είναι όρος διευρυμένος που αναφέρεται σε σύνολα δεδομένων, τόσο μεγάλων και περίπλοκων, που οι παραδοσιακές εφαρμογές επεξεργασίας πληροφορίας είναι ανεπαρκείς.1 Εκτός αυτού, αναφέρεται συχνά στη χρήση εργαλείων πρόβλεψης [predictive analytics] ή άλλων αναπτυγμένων μεθόδων με σκοπό την εξαγωγή αξίας από τα δεδομένα και πιο σπάνια σε κάποιο συγκεκριμένο μέγεθος κάποιου data set. Εξάλλου το «μέγεθος» των Big Data δεν είναι σταθερό, αποτελεί έναν συνεχώς μεταβαλλόμενο στόχο καθώς το 2012 αφορούσε μεγέθη που κυμαίνονταν

από μερικές δωδεκάδες terabytes έως πολλά petabytes δεδομένων.2 Το 2001 ο αναλυτής της META Group3 [πλεον Gartner], Doug Laney αναφέρθηκε στις προκλήσεις και ευκαιρίες που αναδύονται από την ανάπτυξη των δεδομένων και τις χαρακτήρισε ως «τριών διαστάσεων»: αυξανόμενο όγκο [volume], ταχυτητα [velocity] και ποικιλία [variety]. Αυτό το «3Vs» μοντέλο, όπως συνηθίζεται να ονομάζεται από τους ειδικούς, χρησιμοποιείται για να περιγράψει τα Big Data. Το 2012 ο ορισμός αυτός ανανεώθηκε από την εταιρία Gartner: Τα Big Data είναι υψηλού όγκου, υψηλής ταχύτητας ή/και υψηλής ποικιλίας πληροφοριακά στοιχεία τα οποία απαιτούν νέες μορφές επεξεργασίας για να ενεργοποιήσουν βελτιωμένη λήψη αποφάσεων, διορατικές επινοήσεις και βελτιστοποίηση διαδικασιών.4 Απαιτούν, δηλαδή, συγκεκριμένη τεχνολογία και ακριβείς αναλυτικές μεθόδους για τη μετατροπή της πληροφορίας σε αξία. Μέσω επαγωγικών στατιστικών μεθόδων και αντιλήψεις μη-γραμμικών αναγνωρίσεων συστημάτων5 [System Identification] στοχεύουν στο να αναδυθούν

1. https://en.wikipedia.org/wiki/Big_data 2. Ibid. 3. Η Gartner, Inc. είναι μία Αμερικάνικη ερευνητική και συμβουλευτική εταιρία που ασχολείται με την Τεχνολογία της Πληροφορίας, βασισμένη στο Stamford, Connecticut, United States. Ήταν γνωστή ως Gartner Group, Inc. μέχρι το 2001. 4. http://www.gartner.com/it-glossary/big-data 5. Η Αναγνώριση Συστήματος [System Identification] είναι μια μέθοδος αναγνώρισης ή μέτρησης του μαθηματικό μοντέλο ενός συστήματος από τις μετρήσεις των εισροών και των εκροών του ίδιου του συστήματος. 38

νόμοι [μη-γραμμικές σχέσεις και αιτιώδη φαινόμενα] από μεγάλα σύνολα δεδομένων με μικρή πληροφοριακή πυκνότητα, για να αποκαλυφθούν σχέσεις, εξαρτήσεις και να πραγματοποιηθούν προβλέψεις που αφορούν αποτελέσματα και συμπεριφορές.6 6. Pierre Delotr, [2013], Big Data car Low-Density Data? La faible densité en information comme facteur discriminant, www.lesechos.fr

39

Εικόνα 20 | Katerina Christina Anastasopoulou| The evolution of the Big Data

Τα σημαντικότερα χαρακτηριστικά που περιγράφουν τα Big Data τα εξής: ο όγκος-volume, αφού η ποσότητα των δεδομένων καθορίζει την αξία αλλά και δυνητικά την χρήση τους, καθώς και αν μπορούν να θεωρηθούν Big Data ή όχι], η ποικιλία-variety που λειτουργεί βοηθητικά κατά την ανάλυση και είναι άμεσα συσχετισμένη με την χρήση των δεδομένων για το όφελος του αναλυτή, η ταχύτητα-verocity δηλαδή το πόσο γρήγορα τα δεδομένα παράγονται και γίνονται επεξεργάσιμα για να ικανοποιήσουν τις ανάγκες και να ανταποκριθούν στις προκλήσεις, η μεταβλητότητα-variability που αναφέρεται στην ασυνέπεια [inconsisteincy] που τα δεδομένα μπορούν να παρουσιάσουν και έτσι να παρεμποδιστεί η αποτελεσματική διαχείρισή τους, η αξιοπιστία-veracity καθώς η ποιότητα των διαθέσιμων δεδομένων μπορεί να διαφέρει σε μεγάλο βαθμό, έτσι η αξιοπιστία της πηγής των δεδομένων επηρεάζει άμεσα το αποτέλεσμα της ανάλυσης, η πολυπλοκότητα-complexity αφού η διαχείριση των δεδομένων μπορεί να αποτελέσει μία διαδικασία πολύπλοκη, ιδιαίτερα όταν μεγάλοι όγκοι δεδομένων προέρχονται από πολλαπλές πηγές, και έτσι τα δεδομένα πρέπει να είναι συνδεδεμένα και συσχετισμένα έτσι ώστε ο αναλυτής να φτάσει σε συμπεράσματα. Η περαιτέρω ανάλυση της αρχιτεκτονικής των Big Data καθώς και της τεχνολογίας που χρησιμοποιείται για αυτού του τύπου την ανάλυση ξεφεύγει από τα πλαίσια αυτής της ερευνητικής εργασίας

και έτσι δεν θα πραγματοποιηθεί. Αντ’ αυτού, θα γίνει αναφορά στις χρήσεις τους –εφαρμοσμένες και πιθανές/μελλοντικές- και στην επιρροή που αυτός ο τύπος ανάλυσης της πληροφορίας μπορεί να έχει στον τρόπο που ζούμε και αντιλαμβανόμαστε την πραγματικότητα. Την τελευταία δεκαετία, με την χρήση των Big Data, διάφοροι κλάδοι αναδιαμορφώνονται και έτσι περνούν σε μια νέα εποχή. Ένα χαρακτηριστικό παράδειγμα είναι αυτό της πώλησης αεροπορικών εισιτηρίων. Το 2003 ο Oren Etzioni7 προμηθεύτηκε μέσω μιας διαδικτυακής σελίδας που εμπορεύεται αεροπορικά εισιτήρια, το δικό του για ένα ταξίδι που χρειαζόταν να κάνει μέσα στους επόμενους μήνες. Η καθιερωμένη λογική με την οποία λειτουργούν αυτού του είδους οι εταιρίες είναι ότι οι φθηνότερες τιμές είναι διαθέσιμες όταν φροντίσουμε να κάνουμε κράτηση της θέσης μας πολύ νωρίτερα από την ημερομηνία της πτήσης. Παρόλα αυτά, όπως αφηγείται ο Etzioni, ορμώμενος από περιέργεια, κατά την διάρκεια της πτήσης φρόντισε να ενημερωθεί από τους συνεπιβάτες του για το ποσό που διέθεσαν καθώς και για την ημερομηνία που έκαναν την κράτηση του εισιτηρίου τους. Έτσι, ανακάλυψε ότι πολλοί συνεπιβάτες του είχα πληρώσει πολύ λιγότερα χρήματα από αυτόν ακόμη και αν είχαν κάνει κράτηση πολύ αργότερα από αυτόν. Ο Etzioni, ένας από τους σημαντικότερους επιστήμονες ηλεκτρονικών υπολογιστών στις Ηνωμένες Πολιτείες Αμερικής, θεώρησε ότι το πρόβλημα θα μπορούσε

7. Καθηγητής της Επιστήμης των Υπολογιστών και Διευθύνων Σύμβουλος του Allen Institute for Artificial Intelligence.

41

κάλλιστα να λυθεί με την χρήση των δεδομένων. Κατέληξε στο συμπέρασμα ότι για να αποκρυπτογραφήσει το σύστημα με το οποίο καθορίζονται οι τιμές των αεροπορικών εισιτηρίων θα χρειαζόταν να καταλήξει σε μια πρόβλεψη για το αν η τιμή που προβάλλονταν μια συγκεκριμένη χρονική στιγμή είχε πιθανότητες να αυξηθεί ή να μειωθεί στο μέλλον. Αυτό απαιτούσε την ανάλυση όλων των πωλήσεων αεροπορικών εισιτηρίων για μια συγκεκριμένη διαδρομή και την εξέταση των αντίστοιχων τιμών ανάλογα με τις αριθμό των ημερών που υπολείπονταν για την αναχώρηση της πτήσης. Ήταν δηλαδή ένα πρόβλημα Big Data. Χρησιμοποιώντας ένα δείγμα 12.000 τιμών, που απέκτησε μέσω μίας διαδικτυακής τουριστικής σελίδας, δημιούργησε ένα μοντέλο προβλέψεων το οποίο δεν είχε αντίληψη του «γιατί» αλλά μόνο του «τι». Το σύστημα δεν κατανοούσε μεταβλητές όπως ο αριθμός των θέσεων που δεν αγοράστηκαν, η εποχή, οι μετεωρολογικές συνθήκες. Οι προβλέψεις του βασίζονταν ξεκάθαρα στα στοιχεία που μπορούσε να κατανοήσει: πιθανότητες και ενδεχόμενα προερχόμενα από τα δεδομένα παλιότερων πτήσεων. Έτσι, ο Etzioni δημιούργησε το project «Hamlet» όπως χαρακτηριστικά το ονόμασε, «To buy or not to buy, that is the question» , το οποίο εξελίχθηκε στην start-up Farecast. Προβλέποντας αν μια τιμή πρόκειται να αυξηθεί ή να μειωθεί στο κοντινό μέλλον, το Farecast ενημέρωνε τους καταναλωτές για το αν ήταν προς το όφελός τους να αγοράσουν ή όχι την συγκεκριμένη χρονική στιγμή. Τους εξόπλισε, δηλαδή, με έναν τύπο πληροφορίας που δεν είχαν ποτέ πριν. Το 2008 το σύστημα χρησιμοποιούσε περίπου 200 δισεκατομμύρια καταγραφές περί τιμών πτήσεων για να κάνει τις προβλέψεις του, όταν η Microsoft προσφέρθηκε να αγοράσει τη Farecast για 110 εκατομμύρια δολάρια και έτσι ενσωματώθηκε στην μηχανή αναζήτησης Bing. Μέχρι το 2012 το σύστημα έκανε τις σωστές προβλέψεις το 75% του χρόνου και εξοικονομούσε περίπου 50 δολάρια για κάθε εισιτήριο στους καταναλωτές. Σύμφωνα με τον Kenneth Cukier και τον Viktor Mayer-Schonberger, συγγραφείς του βιβλίου «Big Data: A revolution that will transform how we live, work and think», το Farecast αποτελεί επιτομή των εταιριών Big Data και ένα παράδειγμα για το πού κατευθύνεται ο κόσμος. Η εποχή που πραγματοποιήθηκε, επίσης, είχε σημαντικότατο ρόλο καθώς μερικά χρόνια πριν ένα τέτοιο εγχείρημα θα ήταν αδύνατο. Η υπολογιστική και αποθηκευτική δύναμη που θα χρειαζόταν θα ήταν υπερβολικά ακριβή. Εν τέλει, ακόμα και αν οι τεχνολογικές αλλαγές ήταν αυτές που έκαναν δυνατή την πραγματοποίηση του Farecast, κάτι ακόμα σημαντικότερο είχε αλλάξει: υπήρξε μια μεταβολή στην αντίληψη για το πώς τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν.8 Μια αντίστοιχη εξέλιξη πραγματοποιήθηκε στον τομέα της υγείας. Το 2009 εμφανίστηκε ένας νέος ιός, ο οποίος συνδυάζοντας στοιχεία ιών που ροκαλούν την γρίπη των πτηνών και την γρίπη των χοίρων, άρχισε να εξαπλώνεται γρήγορα και ονομάστηκε ιός H1N1. Ενώ ακόμα δεν είχε ανακαλυφθεί 8. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, Houghton Mifflin Harcourt, New York, p. 5

42

κάποιο εμβόλιο για την προστασία του πληθυσμού, ο ιός μεταδιδόταν γρήγορα με τις αρχές σε όλο τον κόσμο να προειδοποιούν για μια φοβερή επιδημία. Η μόνη ελπίδα ήταν να περιοριστεί η μετάδοσή του, γι’ αυτό όμως ήταν απαραίτητη η γνώση του πού ακριβώς συγκεντρώνονται τα περισσότερα κρούσματα κάτι που τα Κέντρα Ελέγχου Ασθενειών και Πρόληψης [Centers for Disease Control and Prevention] των Ηνωμένων Πολιτειών δεν μπορούσε να καταφέρει να πραγματοποιήσει στον χρόνο που χρειαζόταν: συγκεντρώνοντας τα στοιχεία από τους γιατρούς και τα νοσοκομεία οι πληροφορίες ήταν διαθέσιμες πάντα μία ή δυο βδομάδες αργότερα από την στιγμή που χρειαζόταν. Λίγες βδομάδες πριν την εξάπλωση του ιού, μηχανικοί λογισμικού από την εταιρία κολοσσό του διαδικτύου Google, είχαν πραγματοποιήσει μια δημοσίευση στο επιστημονικό περιοδικό Nature, για το πώς θα μπορούσαν να προβλεφθούν οι ασθένειες στις Ηνωμένες Πολιτείες, όχι μόνο σε εθνικό επίπεδο αλλά και σε τοπικό. Κάτι τέτοιο θα ήταν δυνατό με την ανάλυση του τι ψάχνουν οι χρήστες στην μηχανή αναζήτησης της Google καθώς λαμβάνει κάθε μέρα 3 δισεκατομμύρια ερωτήματα και τα αποθηκεύει όλα. Όταν, λοιπόν, ξέσπασε η επιδημία του ιού Ν1Η1 η Google σύγκρινε τα 50 εκατομμύρια πιο κοινά ερωτήματα των χρηστών με προϋπάρχουσα λίστα δεδομένων για την εξάπλωση της εποχιακής γρίπης μεταξύ του 2003 και του 2008 των Κέντρων Ελέγχου Ασθενειών και Πρόληψης. Έτσι, οι μηχανικοί της εταιρίας χρησιμοποιώντας την μεγάλη ποσότητα δεδομένων, που μόνο αυτοί μπορούσαν να κατέχουν, καθώς και την επεξεργαστική δύναμη και την στατιστική τεχνογνωσία, και δημιούργησαν ένα σύστημα το οποίο έψαχνε για συσχετισμούς ανάμεσα στην συχνότητα συγκεκριμένων όρων αναζήτησης και στην εξάπλωση της γρίπης σε σχέση με τον χώρο και τον χρόνο. Μετά από 450 εκατομμύρια διαφορετικά μαθηματικά μοντέλα το λογισμικό κατέληξε σε έναν συνδυασμό από 45 όρους αναζήτησης που, όταν χρησιμοποιήθηκαν μαζί στο μαθηματικό μοντέλο, είχαν έντονη συσχέτιση μεταξύ της πρόβλεψης και των επίσημων στοιχείων σε εθνικό επίπεδο. Η Google πλέον κατείχε πληροφορία για τον τόπο όπου είχε εξαπλωθεί η ασθένεια σε πραγματικό χρόνο, κάτι που τα Κέντρα Ελέγχου Ασθενειών και Πρόληψης δεν θα μπορούσαν να γνωρίζουν με τις πρακτικές που χρησιμοποιούσαν. Οι υγειονομικές αρχές είχαν εξοπλιστεί πλέον με ένα πολύ χρήσιμο εργαλείο: μέσω της ανάλυσης Big Data, χρησιμοποιώντας, δηλαδή, την ικανότητα της κοινωνίας να «χαλιναγωγήσει» την πληροφορία με καινοτόμους τρόπους για να παράγει γνώση ή αγαθά και υπηρεσίες σημαντικής αξίας9, ήταν σε θέση να προβλέψουν και να προλαμβάνουν την εξάπλωση των ασθενειών. Όπως έχει ήδη αναφερθεί, η πληροφορία σήμερα βρίσκεται παντού, τα δεδομένα προέρχονται από την καθημερινή ζωή: από τηλέφωνα και πιστωτικές κάρτες, τηλεοράσεις, υπολογιστές, από τις υποδομές των πόλεων, από 9. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, Houghton Mifflin Harcourt, New York, p. 2

43

Εικόνα 21 | Tatiana Plakhova|RADIO SILENCE/Information Diving

κτίρια εξοπλισμένα με αισθητήρες, τρένα, λεωφορεία, αεροπλάνα, γέφυρες, εργοστάσια. Η ροή των δεδομένων είναι πλέον τόσο γρήγορη που η συσσώρευσή τους των δύο τελευταίων χρόνων [ένα zettabyte] επισκιάζει τα προηγούμενα ποσάρεκόρ που είχαν σημειωθεί κατά καιρούς. Ο Gary King10, καθηγητής του Weatherhead University υποστηρίζει πως ζούμε μία «Big Data Επανάσταση» και κατά την γνώμη του δεν είναι η ασύλληπτη ποσότητα των δεδομένων που είναι επαναστατική αλλά το ότι πλέον μπορούμε να «κάνουμε κάτι» με αυτά τα δεδομένα.11 Για τον Gary King, η επανάσταση έγκειται στις βελτιωμένες στατιστικές και υπολογιστικές μεθόδους και όχι τόσο στην ραγδαία αυξανόμενη ικανότητα αποθήκευσης ή στην υπολογιστική ικανότητα. Σύμφωνα με τον Νόμο του Moore12 η υπολογιστική δύναμη διπλασιάζεται κάθε 18 μήνες κάτι που φαντάζει ασήμαντο, κατά την γνώμη του King, σε σύγκριση με έναν «Μεγάλο Αλγόριθμο» [Big Algorithm] – ένα σύνολο κανόνων που μπορούν να χρησιμοποιηθούν για να λυθεί ένα πρόβλημα χίλιες φορές γρηγορότερα από ότι οι συμβατικές υπολογιστικές μέθοδοι θα μπορούσαν. Με την ανάλυση Big Data γίνεται δυνατός ο συνδυασμός διαφορετικών συνόλων δεδομένων, κάτι που μπορεί να αποκτήσει σημαντικό ρόλο όσον αφορά την δημιουργία νέας

επίγνωσης και νέων τύπων ιδεών. Ζωτικές για τη διαδικασία της δημιουργίας γνώσης φαίνεται να είναι, σύμφωνα με τον King, οι δημιουργικές προσεγγίσεις όσον αφορά την αντιμετώπιση των δεδομένων, καθώς οι άνθρωποι είναι πολύ καλύτεροι από τις μηχανές στο να διακρίνουν patterns που μπορούν να αναδυθούν από τα δεδομένα. Η ανάγκη για ένα νέο τρόπο ανάλυσης δεδομένων, αυτό των Big Data, γίνεται φανερή από το γεγονός ότι στο Πανεπιστήμιο του Harvard το φθινόπωρο που 2013 επέλεξαν να παρακολουθήσουν μαθήματα Επιστήμης Δεδομένων 400 φοιτητές διαφορετικών κλάδων όπως της Νομικής, της Διοίκησης Επιχειρήσεων, του Σχεδιασμού, της ιατρικής και της Σχολής Μηχανικής και Εφαρμοσμένων Επιστημών, καθώς και από το ΜΙΤ.13 Στα επόμενα χρόνια προγραμματίζεται από τα μεγαλύτερα ακαδημαϊκά ιδρύματα η εισαγωγή μεταπτυχιακών προγραμμάτων που να συνδυάζουν την ανάλυση δεδομένων με διαφορετικές επιστήμες παραδείγματος χάριν τη βιολογία, την ιατρική και τη γενετική. Στον τομέα του marketing η χρήση της ανάλυσης Big Data περιλαμβάνει τις «μηχανές προτάσεων» [recommendation engines] όπως αυτές που χρησιμοποιούν το Amazon ή το Netflix για να πραγματοποιήσουν εξατομικευμένες προτάσεις, βασισμένες σε προηγούμενα ενδιαφέροντα του

10.Ο Gary M. King είναι Αμερικάνος Πολιτικός Επιστήμων και Quantitative Methodologist. Είναι καθηγητής του Albert J. Weatherhead III University και διευθυντής του Institute for Quantitative Social Science του Harvard University. 11. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014 12. https://en.wikipedia.org/wiki/Moore%27s_law 13. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014 45

εκάστοτε καταναλωτή, όπως αυτά αντιπαραβάλλονται με τα ενδιαφέροντα εκατομμυρίων άλλων προσώπων. Όσον αφορά τη δημόσια σφαίρα, έχουν αναπτυχθεί με τη χρήση Big Data, διάφορων τύπων εφαρμογές: κατανομή των δυνάμεων των σωμάτων ασφαλείας μετά από πρόβλεψη του τόπου και του χρόνου που είναι πιθανότερο να λάβουν χώρα παράνομες πράξεις, συσχέτιση μεταξύ της ποιότητας του αέρα και της υγείας ή χρήση γονιδιακής ανάλυσης για να επιταχυνθεί η ανάπτυξη των σιτηρών. Σε τομείς πιο εξειδικευμένους, επίσης η ανάλυση Big Data μπορεί να έχει σημαντικά αποτελέσματα: η δημιουργία εργαλείων για να την ανάλυση πολύ μεγάλων συνόλων δεδομένων στις βιολογικές επιστήμες επέτρεψε στον αναπληρωτή καθηγητή Οργανικής και Εξελικτικής Βιολογίας Pardis Sabeti, να μελετήσει τα εκατομμύρια ζευγάρια βάσεων του ανθρωπίνου γονιδιώματος για να αναγνωρίσει έτσι τα γονίδια που αναδείχθηκαν γρήγορα κατά την διάρκεια της ανθρώπινης εξέλιξης, καθορίζοντας χαρακτηριστικά τέτοια όπως η ικανότητα να χωνευτεί το αγελαδινό γάλα ή η αντίσταση σε ασθένειες όπως τα μαλάρια. Ο Nathan Eagle14, βοηθός καθηγητής στο HSPH, ήταν ένας από τους πρώτους στον κόσμο που επιδίωξε να αποσπάσει μη δομημένα δεδομένα από επιχειρήσεις με σκοπό να βελτιώσει την δημόσια υγεία στις φτωχότερες περιοχές του κόσμου. Η όλο και αυξανόμενη χρήση κινητών τηλεφώνων στην Αφρική ήταν το γεγονός που αρχικά τράβηξε την προσοχή του και έτσι ξεκίνησε να ψάχνει τρόπους να εκμεταλλευτεί την χρήση αυτή για να βελτιώσει τη ζωή των ανθρώπων εκεί. Στην Κένυα δημιούργησε σε συνεργασία με το Κενυατικό Υπουργείο Υγείας ένα σύστημα παρακολούθησης και έλεγχου των τραπεζών αίματος μέσω των κινητών τηλεφώνων των νοσοκόμων των αντίστοιχων νοσοκομείων της χώρας. Η επόμενή του προσπάθεια, αυτή την φορά στην Ρουάντα ήταν περισσότερο φιλόδοξη: χρησιμοποιώντας τις καταγραφές των κινητών τηλεφώνων, όπως την ώρα και την τοποθεσία της κάθε κλήσης, κατάφερε να δημιουργήσει μοντέλα της καθημερινής και εβδομαδιαίας κίνησης των ανθρώπων στις διάφορες περιοχές. Έτσι, αναδύθηκαν κάποια patterns. Στην συνέχεια συνδύασε τα δεδομένα από το Υπουργείο Υγείας της Ρουάντα σχετικά με τα ξεσπάσματα ασθενειών και κυρίως της χολέρας και έτσι συνειδητοποίησε ότι δυο εβδομάδες πριν από ένα ξέσπασμα χολέρας η κίνηση στο αντίστοιχο χωριό μειωνόταν σημαντικά. Για να κάνει το σύστημα που είχε σχεδιάσει ακόμα πιο αξιόπιστο, αύξησε τον όγκο των διαθέσιμων δεδομένων μέσω των κινητών τηλεφώνων των κατοίκων, οι οποίοι τον προμήθευαν κάθε μέρα με πληροφορία σχετικά με τις επιδημίες. Με αυτόν τον τρόπο δημιουργήθηκε ο φορέας Jana για την πρόληψη και διαχείριση των ασθενειών στις φτωχότερες περιοχές του κόσμου της οποίας συν-ιδρυτής και διευθύνων σύμβουλος είναι ο Eagle. 14. Ο Nathan Eagle είναι βοηθός καθηγητής στο Harvard University και μέλος του εκπαιδευτικού προσωπικού του ΜΙΤ και του Northeastern University. Είναι συνιδρυτής και CEO της Jana [παλαιότερα txteagle].

46

Όταν οι βιολόγοι του Human Genome Project συνειδητοποίησαν ότι χρειάζονταν ανθρώπους συνηθισμένους να συλλέγουν, να αναλύουν, να διαχειρίζονται και να ερμηνεύουν μεγάλα σύνολα δεδομένων απευθύνθηκαν σε φυσικούς, όπως ο John Quackenbush15. «Μετακινούμαστε από ένα πρόβλημα Big Data σε ένα πρόβλημα ‘Really Big Data’» δηλώνει ο Quackenbush μιλώντας για τις εξελίξεις γύρω από το ανθρώπινο γονιδίωμα. Η εύρεση της αλληλουχίας του γονιδιώματος χρειαζόταν 15 χρόνια για να πραγματοποιηθεί και κόστιζε από 1 έως 3 δισεκατομμύρια δολάρια.16 Το 2014 αυτή η διαδικασία χρειάζεται λιγότερο από 24 ώρες και κοστίζει περίπου 1000 δολάρια – μπορεί δηλαδή να πληρωθεί με μία απλή πιστωτική κάρτα, κάτι που από μόνο του, όπως εξηγεί ο Quackenbush, υπογραμμίζει το γιατί οι βιο-ιατρικές επιστήμες καθοδηγούνται πλέον σε μεγάλο βαθμό από τα δεδομένα. Πλέον, δεν αρκεί η ανάλυση του γονιδιώματος των 6 δισεκατομμυρίων base pairs για να καταλήξουμε στη γνώση του πώς αυτά αλληλεπιδρούν για να επηρεάσουν την υγεία και τις ασθένειες. Για να ανακαλύψουν περαιτέρω πληροφορία περί αυτού οι επιστήμονες θα πρέπει να κατέχουν τα δεδομένα σχετικά με το γονιδίωμα και να τα αναλύσουν σε σχέση με το ευρύτερο πλαίσιο της υγείας του κάθε

ανθρώπου ξεχωριστά. Σημαντικό ρόλο έχουν παραδείγματος χάριν οι περιβαλλοντικοί παράγοντες, ο πληθυσμός στον οποίο κάποιος ανήκει ή με ποιους ανθρώπους ο καθένας συναναστρέφεται. Έτσι, κοιτάζοντας στον μεγάλο αυτόν όγκο δεδομένων που μπορούν να παραχθούν για τον κάθε ένα από εμάς ξεχωριστά, ο μόνος τρόπος που υπάρχει για να τα ερμηνεύσουμε είναι να τα τοποθετήσουμε στο πλαίσιο του μεγάλου όγκου δεδομένων που μπορούν να παραχθούν για σχεδόν οτιδήποτε που σχετίζεται με τον καθένα μας, το περιβάλλον μας, και την υγεία μας.17 Έπομένως, γίνεται απαραίτητη η ανάλυση τύπου Big Data, αφού οι παραδοσιακές μέθοδοι θεωρούνται πλέον παρωχημένες και ανεπαρκείς. Ο κατάλογος των εφαρμογών των Big Data για την αξιοποίηση δεδομένων, που σε άλλες περιπτώσεις θα παρέμεναν χωρίς καμία χρήση, για την επίλυση προβλημάτων και την βελτίωση πολλών τομέων την ανθρώπινης ζωής, είναι μεγάλος. Εν τέλει, τα δεδομένα είναι αποδεικτικά στοιχεία σύμφωνα με τον Jonathan Shaw, συντάκτη του Harvard Magazine. Αδιαμφισβήτητα, η επιστήμη του σήμερα, ανεξάρτητα από το αν διαχειρίζεται μία επιχείρηση ή μια απόφαση marketing, αν παρέχει μία περαιτέρω γνώση για την ζωγραφική της Αναγέννησης,

15. Ο John Quackenbush είναι Αμερικάνος Βιολόγος που χρησιμοποιεί υπολογιστικά μέσα. Είναι καθηγητής στο Dana-Farber Cancer Institute καθώς και διευθυντής του Center for Cancer Computational Biology. Είναι, επίσης, καθηγητής στο τμήμα της Βιοστατιστικής του Harvard School of Public Health. 16. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014 17. Ibid.

47

αν οδηγεί σε μια σημαντική ιατρική ανακάλυψη, καθορίζεται κάθε μέρα και περισσότερο από τον όγκο της πληροφορίας που οι άνθρωποι μπορούν να κατανοήσουν, πλέον μόνο με τη βοήθεια των μαθηματικών και των μηχανών.18 Στο πεδίο της έρευνας προκύπτουν πρωτόγνωρες εξελίξεις από αυτούς που κατέχουν τη δυνατότητα να αναλύσουν τον όλο και αυξανόμενο όγκο των πληροφοριών. «Τα δεδομένα αυτά καθ’ αυτά δεν παρουσιάζουν ενδιαφέρον και δεν είναι συναφή. Αυτό που είναι ενδιαφέρον είναι το τι μπορούμε πλέον να κάνουμε με αυτά για να κάνουμε την ζωή των ανθρώπων καλύτερη.» δηλώνει ο Eagle και ο Quackenbush συμπληρώνει «Από τον Kepler που χρησιμοποίησε τα δεδομένα του Tycho Brahe για να δημιουργήσει ένα ηλιοκεντρικό μοντέλο του ηλιακού συστήματος, την γέννηση της στατιστικής κβαντομηχανικής, έως την θεωρία του Darwin για την εξέλιξη ή τη σύγχρονη θεωρία για το γονιδίωμα, κάθε σημαντική επιστημονική επανάσταση οδηγείται από ένα πράγμα, και αυτό είναι τα δεδομένα».

18. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014

48

Εικόνα 22 | Tatiana Plakhova|Old Abstracts

αιτιοκρατικού μοντέλου- έχει φτάσει στο τέλος της καθώς θα αντικατασταθεί από τη στατιστική ανάλυση των συσχετισμών που είναι απαλλαγμένοι από θεωρίες. Ο ίδιος υπογραμμίζει πως μέχρι τώρα δεν είχαμε καμιά επιλογή: μόνο τα μοντέλα, από κοσμολογικές εξισώσεις έως τις θεωρίες της ανθρώπινης συμπεριφοράς, φαινόταν να είναι ικανά να εξηγήσουν τον κόσμο γύρω μας, με συνέπεια, αν και όχι πάντα σωστά.2 Όλα αυτά σύμφωνα με τον Anderson πρόκειται να αλλάξουν άρδην, εάν δεν έχουν ήδη αλλάξει. Πλέον οι εταιρίες δεν χρειάζεται να βασίζονται σε –πολλές φορές λανθασμέναμοντέλα, ίσως δεν θα χρειάζονται πλέον τα μοντέλα. Πριν από εξήντα χρόνια, οι ηλεκτρονικοί υπολογιστές έκαναν την πληροφορία αναγνώσιμη, είκοσι χρόνια πριν το Διαδίκτυο την έκανε προσβάσιμη, δέκα χρόνια πριν η πρώτη μηχανή αναζήτησης μετέτρεψε όλη την διαθέσιμη πληροφορία σε μία βάση δεδομένων. Ζούμε την εποχή Petabyte όπου εταιρίες όπως η Google , δρώντας στη μόνη περίοδο της ανθρωπότητας που είναι τόσο «μετρήσιμη», χρησιμοποιεί τα δεδομένα για να εξάγει συμπεράσματα για την ανθρώπινη φύση. Με τον τρόπο αυτό κατάφερε να κατακτήσει τον κόσμο της διαφήμισης, χρησιμοποιώντας τίποτα άλλο πέρα από εφαρμοσμένα μαθηματικά, υποστηρίζει ο Anderson, η Google δεν προσποιήθηκε ότι

5.3.2 το τέλος της θεωρίας; Η ανάλυση Big Data με την πάροδο του χρόνου και την, όλο και πιο γρήγορα επεκτεινόμενη, εφαρμογή της δεν μπορεί παρά να έχει επιπτώσεις στην κατανόηση και την έρευνα του κόσμου. Στην εποχή προ-Big Data, Small Data όπως συνηθίζεται να ονομάζεται, η ερευνά καθοδηγούνταν από υποθέσεις για το πώς λειτουργεί ο κόσμος γύρω μας, τις οποίες στη συνέχεια οι επιστήμονες επιδίωκαν να επιβεβαιώσουν μέσω της συλλογής και ανάλυσης των δεδομένων. Στον μέλλον, προβλέπεται η κατανόηση και η γνώση του ανθρωπίνου γένους να καθορίζεται περισσότερο από την πληθώρα των δεδομένων παρά από υποθέσεις.1 Με τη μετάβαση αυτή από έναν κόσμο υποθέσεων σε ένα κόσμο όπου κυριαρχούν τα δεδομένα είναι φυσικό να αναδύεται το ερώτημα του αν πλέον θα είναι απαραίτητες οι θεωρίες των φυσικών και κοινωνικών επιστημών από τις οποίες προέρχονται συνήθως οι διάφορες υποθέσεις. Το 2008 ο Chris Anderson, ο κύριος συντάκτης του περιοδικού WIRED, δημοσίευσε ένα άρθρο με τίτλο «The Data Deluge makes the scientific method obsolete» στο οποίο υποστήριζε ότι η παραδοσιακή διαδικασία που οδηγεί την επιστημονική ανακάλυψη – κατά την οποία μια υπόθεση εξετάζεται σε σχέση με την πραγματικότητα κάνοντας χρήση ενός υποκρυπτόμενου

1. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 70 2. Chris Anderson, [2008], The Data Deluge Makes the Scientific Method Obsolete, The Wired, Ιούνιος 2008

50

είναι γνώστης της κουλτούρας και των συμβάσεων της διαφήμισης, απλά υπέθεσε ότι καλύτερα δεδομένα, με καλύτερα αναλυτικά εργαλεία, θα κέρδιζαν το παιχνίδι και είχε δίκαιο.3 Η νέα προσέγγιση που απαιτείται στην εποχή Petabyte, είναι μια που να μην αντιμετωπίζει τα δεδομένα ως κάτι που μπορεί να γίνει ορατό και κατανοητό στην ολότητα του, που δεν απαιτεί σημασιολογική ή αιτιοκρατική ανάλυση. «Ξεχάστε την ταξινομία, την ψυχολογία και την οντολογία. Ποιος ξέρει γιατί οι άνθρωποι κάνουν αυτό που κάνουν; Σημασία έχει το ότι το κάνουν, και εμείς μπορούμε να το αντιμετωπίσουμε και να το μετρήσουμε με πρωτοφανή ακρίβεια. Με αρκετά δεδομένα, οι αριθμοί μιλούν από μόνοι τους.»4 δηλώνει ο Anderson για να συνεχίζει προτείνοντας την εφαρμογή αυτού του τρόπου σκέψης στον επιστημονικό τομέα. Ο τρόπος με τον οποίο οι επιστήμονες λειτουργούν για εκατοντάδες χρόνια θεωρείται παρωχημένος καθώς αποτελεί μια προσπάθεια να κατανοηθούν οι υποκείμενοι μηχανισμοί που συνδέουν την συσχέτιση με την αιτιότητα και έτσι να δημιουργηθεί ένα απαραίτητο μοντέλο που να συνδυάζει τα δύο σύνολα δεδομένων στην εποχή των Small Data. Στην Petabyte Εποχή των Big Data η πληθώρα των δεδομένων οδηγεί μακριά από τα παραδοσιακά μοντέλα που έχουν καθιερωθεί: σε αυτό τον τρόπο δράσης

οι συσχετισμοί αρκούν, τα μοντέλα και οι υποθέσεις για την ανάλυση των δεδομένων είναι περιττά. Μπορούμε να εντάξουμε τους αριθμούς στα μεγαλύτερα υπολογιστικά συστήματα που ο κόσμος έχει δει ποτέ και να αφήσουμε τους στατιστικούς αλγορίθμους να βρουν patterns εκεί που η επιστήμη αδυνατεί.5 Για να υποστηρίξει το επιχείρημά του περιέγραψε στη δημοσίευσή του το πώς η κβαντική φυσική έχει μετατραπεί σε ένα σχεδόν ξεκάθαρα θεωρητικό πεδίο, αφού τα πειράματα είναι πολύ ακριβά, πολύ περίπλοκα και πολύ μεγάλα για να είναι πραγματοποιήσιμα. Υπάρχει θεωρία, υποστηρίζει, που δεν έχει πλέον τίποτα να κάνει με την πραγματικότητα. Σαν παράδειγμα αναφέρει, εκτός από την μηχανή αναζήτησης της Google, τον καθορισμό της ακριβούς σειράς των νουκλεοτιδίων του DNA [gene sequencing] και πώς ο J.Craig Venter, αναλύοντας δεδομένα και χρησιμοποιώντας υπέρ-υπολογιστές κατάφερε να συνεισφέρει στην επιστήμη όσο κανείς άλλος τα τελευταία χρόνια. Κλείνοντας, υποστηρίζει ότι με τον μεγάλο όγκο διαθέσιμων δεδομένων σε συνδυασμό με τα στατιστικά εργαλεία, προσφέρεται ένας τελείως διαφορετικός τρόπος για να αντιληφθούμε τον κόσμο. Οι συσχετισμοί αντικαθιστούν την αιτιοκρατία, και η επιστήμη μπορεί να εξελιχθεί χωρίς λογικά μοντέλα, ενοποιημένες θεωρίες ή μηχανιστικές επεξηγήσεις. Είναι η ώρα να αναρωτηθούμε,

3. Chris Anderson, [2008], The Data Deluge Makes the Scientific Method Obsolete, The Wired, Ιούνιος 2008 4. Ibid. 5. Ibid.

51

τι μπορεί η επιστήμη να μάθει από το Google6; Το εν λόγω άρθρο πυροδότησε αντιδράσεις, αν και ο Anderson σύντομα ανακάλεσε. Το μόνο σίγουρο είναι ότι το θέμα που τέθηκε είναι ένα με πραγματικό ενδιαφέρον, καθώς το «τέλος της θεωρίας» υπονοεί ότι, ενώ οι θεωρίες πάντα υπήρχαν σε ουσιώδεις τομείς όπως η φυσική και η χημεία, η ανάλυση Big Data δεν έχει πλέον ανάγκη εννοιολογικά μοντέλα. Σύμφωνα με τον Viktor Mayer-Schonberger και τον Kenneth Cukier, μια τέτοια σκέψη θα ήταν παράλογη. Τα δεδομένα αυτά καθαυτά ορίζονται από τη θεωρία. Για παράδειγμα, χρησιμοποιούνται στατιστικές και μαθηματικές θεωρίες καθώς και θεωρία πληροφορικής. Και παρόλο που δεν είναι θεωρίες που αφορούν τη δυναμική αιτιότητα ενός φαινομένου, συνεχίζουν να είναι θεωρίες και τα μοντέλα που είναι βασισμένα σε αυτές έχουν μεγάλη δύναμη προβλέψεων.7 Αδιαμφισβήτητα, η συγκέντρωση μεγάλου όγκου δεδομένων και η ανάλυσή του για να εξαχθεί έτσι πληροφορία, έχει επιφέρει αλλαγές. Μία από τις σημαντικότερες, όπως αναφέρει ο Willy Shih του Harvard, είναι ότι έχει αλλάξει ουσιαστικά ο πειραματικός σχεδιασμός.8 Το χαμηλό κόστος και η ευκολία με την οποία συγκεντρώνονται και αποθηκεύονται τα δεδομένα δημιουργεί μια νέα τάση: οι ερευνητές τείνουν να συγκεντρώνουν όλα τα διαθέσιμα δεδομένα και έπειτα να ψάχνουν για τυχόν αναδυόμενα patterns. Ωστόσο, αυτή η προσέγγιση εμπεριέχει ρίσκα. Για τον Shih, ένα από το κυριότερα είναι ότι ψάχνοντας για patterns σε μεγάλα σύνολα δεδομένων θα προκύψουν αποτελέσματα με 95% αξιοπιστία, όπως θα επιβεβαίωνε μία ερευνά κοινωνικών επιστημών. Αυτό σημαίνει, επομένως, ότι μία στις είκοσι περιπτώσεις τα αποτελέσματα που προκύπτουν είναι στατιστικά αξιόλογα καθαρά λόγω τύχης. Όταν, δηλαδή, αναφερόμαστε σε πολύ μεγάλα σύνολα δεδομένων, ο πολύ σημαντικός αριθμός πιθανών συσχετισμών μεγεθύνει το ρίσκο να προκύψουν λανθασμένα συμπεράσματα. Ο Eagle συμφωνεί τονίζοντας ότι «δεν είναι δυνατόν να λάβεις σωστά επιστημονικά αποτελέσματα πετώντας τα πάντα στον τοίχο και βλέποντας τι μένει και τι όχι». Ανεξάρτητα από την ποσότητα των διαθέσιμων δεδομένων, είναι απαραίτητες οι ερωτήσεις για να δημιουργηθεί κάποια επιστημονική υπόθεση, να σχεδιαστεί μία εξέταση, και να χρησιμοποιηθούν τα δεδομένα για να κριθεί αν αυτή η υπόθεση είναι σωστή.9 Σαφώς και εμπεριέχονται προκλήσεις σε αυτού του τύπου την ανάλυση: ο Eagle θεωρεί δύο από αυτές πολύ σημαντικές, αφενός το ότι δεν υπάρχουν αρκετοί άνθρωποι αυτή την στιγμή που να μπορούν να διαχειριστούν τα petabytes των δεδομένων 6. Chris Anderson, [2008], The Data Deluge Makes the Scientific Method Obsolete, The Wired, Ιούνιος 2008 7. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 71 8. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014 9. Jonathan Shaw, [2014], ‘Why “Big Data” Is a Big Deal, Information science promises to change the world’, Harvard Magazine, March-April 2014

52

Εικόνα 23-24 | Universal Everything|Microsoft-Infinity Room A Visualisation of Big Data

και έτσι προκύπτει η ανάγκη να ενσωματωθεί η επιστήμη των δεδομένων στο πρόγραμμα σπουδών όλων των φοιτητών σχεδόν κάθε ακαδημαϊκού τομέα και αφετέρου ότι τα δεδομένα πλέον γίνονται πολύτιμα και οι κάτοχοί τους είναι κάθε φορά και λιγότερο πρόθυμοι να τα μοιραστούν καθώς τίθενται ζητήματα ιδιωτικότητας. Επείγει, δηλαδή, η εφαρμογή κανόνων σχετικά με τη χρήση και τη διάθεση των δεδομένων που θα κάνει τους μεγάλους οργανισμούς περισσότερο ανοιχτούς στο να μοιραστούν τα δεδομένα που, εν δυνάμει, θα μπορούσαν να έχουν ένα θετικό αντίκτυπο στη ζωή εκατομμυρίων ανθρώπων και στις κοινωνίες στις οποίες αυτοί ζουν. Οι προκλήσεις που προκύπτουν στην νέα αυτή εποχή των Big Data είναι πολλές και θα εξεταστούν σε βάθος αργότερα καθώς έχει σημασία να εμβαθύνουμε περισσότερο στις επιπτώσεις αυτής της λογικής στον ανθρώπινο τρόπο σκέψης.

54

5.3.3 οι επιπτώσεις Η ανάλυση Big Data αφορά την εξέταση και την κατανόηση της πληροφορίας αλλά και των σχέσεων μεταξύ διαφορετικών συνόλων δεδομένων, κάτι που μέχρι πρόσφατα παρουσίαζε δυσκολίες. Χωρίς αμφιβολία, για χιλιάδες χρόνια εξετάζουμε τα δεδομένα για να εξάγουμε από αυτά χρήσιμα συμπεράσματα. Αυτή η διαδικασία μπορεί να έχει την μορφή είτε απλών παρατηρήσεων που λαμβάνουν χώρα κάθε μέρα, είτε, όπως συμβαίνει τους δυο τελευταίους αιώνες, να παίρνει τη μορφή καθορισμένων συνόλων δεδομένων που διαχειρίζονται ισχυροί αλγόριθμοι. Για τον οικονομολόγο Kenneth Cukier και τον καθηγητή του πανεπιστημίου της Οξφόρδης, Viktor Mayer-Schonberger, η ανάλυση Big Data καθορίζει την περίοδο στην οποία η Κοινωνία της Πληροφορίας επιτέλους εκπληρώνει την υπόσχεση που υπονοεί η ονομασία της.1 Η περίοδος αυτή, δηλώνουν, καθορίζεται από τρεις κύριες αλλαγές νοοτροπίας, οι οποίες συνδέονται και επομένως ισχυροποιούν ή μία την άλλη. Η πρώτη αφορά την δυνατότητα που υπάρχει πλέον να αναλύονται τεράστια ποσά δεδομένων σχετικά με ένα θέμα αντί να χρειάζεται να συμβιβαστούμε με την ανάλυση μικρότερων μερών.2 Γίνεται λόγος για μία ασυνείδητη αυτό-λογοκρισία που προέκυπτε από τον τρόπο που μέχρι πρόσφατα η ανθρωπότητα διαχειριζόταν τα δεδομένα: περιοριζόταν το ποσό της πληροφορίας στο οποίο βασιζόταν παραδείγματος χάριν μία ερευνά λόγω της έλλειψης ικανών εργαλείων για την συλλογή, την οργάνωση, την αποθήκευση και την ανάλυση τους. Η τεχνολογία της κάθε εποχής επέβαλε περιορισμούς και η ανθρωπότητα τους δεχόταν ως μια ατυχή πραγματικότητα. Η νοοτροπία αυτή οδήγησε στην δημιουργία τεχνικών για την εξαγωγή συμπερασμάτων από την μικρότερη δυνατή ποσότητα πληροφορίας: ένας από τους στόχους της στατιστικής είναι να λάβει το μεγαλύτερο δυνατό αποτέλεσμα από το μικρότερο δυνατό ποσό δεδομένων.3 Μέχρι προσφάτως, αυτοί που είχαν πρόσβαση σε μεγάλα ποσά πληροφορίας ήταν θεσμοί όπως η εκκλησία ή το κράτος που, με απογραφές και άλλου τύπου καταμετρήσεις, μπορούσαν να έχουν μια ενδεικτική τιμή της πληροφορίας για το πεδίο ενδιαφέροντός τους, καθώς τέτοιου τύπου υπολογισμοί, που γίνονταν με περιορισμένα μέσα, δεν μπορούσαν να έχουν απόλυτα σωστά αποτελέσματα. Έτσι, όπως ήταν φυσικό, αναζητήθηκαν άλλοι τρόποι να γίνει καταμέτρηση της πληροφορίας: η γέννηση αυτού που σήμερα ονομάζουμε στατιστική πραγματοποιήθηκε περίπου το 1662 όταν ο John Graunt και ο William Petty ανέπτυξαν τις πρώτες μεθόδους απογραφής που άνοιξαν τον δρόμο για αυτό που σήμερα ονομάζουμε 1. Irving Wladawsky-Berger, [2013], How Big Data Changes Our Relationship With Information, MIT SLOAN CIO SYMPOSSIUM, 5 of july of 2013, The Wall Street Journal 2. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 19 3. Ibid. p. 20

55

δημογραφία.4 Η προσέγγισή τους για να μετρήσουν τον πληθυσμό του Λονδίνου –αντί να μετρήσουν όλους τους κατοίκους χρησιμοποίησαν δείγματα για να εξάγουν συμπεράσματα για το σύνολο- οδήγησε στη χρήση της δειγματοληψίας για πολλές γενεές. Η ιδέα που κυριάρχησε αρχικά ήταν ότι το δείγμα που επιλέγεται πρέπει να είναι αντιπροσωπευτικό του πληθυσμού για να προκύψουν έγκυρα αποτελέσματα όμως το 1934 ο Jerzy Neyman5, ένας Πολωνός στατιστικολόγος απέδειξε ότι μια τέτοια προσέγγιση οδηγεί σε μη έγκυρα αποτελέσματα και ότι το κλειδί βρισκόταν στην επιλογή ενός τυχαίου δείγματος. Η ακρίβεια της δειγματοληψίας βελτιώνεται σημαντικά με την τυχαιότητα και όχι με την αύξηση του μεγέθους του δείγματος. Έτσι, καθιερώθηκε η πρακτική αυτή για να αντιμετωπιστεί το πρόβλημα της υπερφόρτωσης της πληροφορίας σε μία εποχή που η συλλογή και η ανάλυση των δεδομένων ήταν ένα δύσκολο έργο. Ωστόσο, η επιλογή αυτή εμπεριέχει εγγενείς αδυναμίες: η ακρίβεια της εξαρτάται από την εξασφάλιση της τυχαιότητας κατά τη συλλογή του δείγματος κάτι δυσεπίλυτο που συχνά οδηγεί σε λανθασμένα αποτελέσματα, ειδικότερα όταν χρειάζεται να συμπεριληφθούν προβλέψεις για υποκατηγορίες του πληθυσμού, όπως για παράδειγμα οι λανθασμένες προβλέψεις πρόθεσης ψήφου που προέκυψαν στην προεκλογική περίοδο στις Η.Π.Α. το 2008 ανάμεσα

στον Barack Obama και τον John McCain6. Στην σημερινή εποχή, με διαθέσιμες όλες τις τεχνολογίες για τον χειρισμό μεγάλων συνόλων δεδομένων, περνά σε δεύτερη μοίρα η δειγματοληψία και η ανάλυση με τον παραδοσιακό τρόπο. Σίγουρα, υπάρχουν περιπτώσεις όπου δεν υπάρχει άλλη επιλογή παρά η λήψη δειγμάτων. Σε πολλές όμως περιοχές, έχει επέλθει μία αλλαγή: από την συλλογή κάποιων δεδομένων, στην συγκέντρωση όλων των δυνατών αποθεμάτων. Για να επιτευχθεί κάτι τέτοιο απαιτείται επαρκής δύναμη επεξεργασίας και ικανότητα αποθήκευσης, καθώς και τα κατάλληλα εργαλεία. Κάτι τέτοιο, στο παρελθόν, ήταν ακατόρθωτο λόγω του μεγάλου κόστους, σήμερα όμως, που η τιμή και η πολυπλοκότητα μια τέτοιας διαδικασίας έχει μειωθεί αξιοσημείωτα, οι περισσότερες εταιρίες καταφέρνουν να το φέρουν εις πέρας. Έτσι, είναι δυνατή μεγαλύτερη ακρίβεια και δεν χάνεται πλέον πληροφορία κατά τη διαδικασία της επιλογής του δείγματος, κάτι που συνέβαινε συχνά παλαιότερα. Σημαντικό παραδείγμα αποτελεί το Google Flu Trends, που αντί να αντλεί συμπεράσματα περί των ασθενειών από ένα δείγμα του πληθυσμού, αναλύει όλες τις αναζητήσεις των χρηστών της μηχανής αναζήτησης και έτσι γίνεται δυνατή η πρόβλεψη ξεσπασμάτων γρίπης, όχι μόνο σε εθνικό επίπεδο, αλλά και σε επίπεδο πόλεων. Παρομοίως, είναι δυνατή πλέον η

4. https://en.wikipedia.org/wiki/History_of_statistics 5. https://en.wikipedia.org/wiki/Jerzy_Neyman 6. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 23

56

Αυτή λοιπόν είναι μία θεμελιώδης αλλαγή που συνεπάγεται την χρήση της ανάλυσης Big Data: η αποδοχή ότι όλα τα διαθέσιμα δεδομένα μπορεί να μην είναι σωστά και η εγκατάλειψη της εμμονής με την ακρίβεια. Η εμμονή της ακρίβειας γεννήθηκε στην Ευρώπη στα μέσα του 13ου αιώνα, με την προσπάθεια για ακριβή ποσοτικοποίηση του χώρου και του χρόνου, «The measure of reality» σύμφωνα με τον ιστορικό Alfred Crosby9. Με την μέτρηση ενός φαινομένου, εμμέσως αυτό γινόταν κατανοητό. Η μέτρηση συνδέθηκε με την επιστημονική μέθοδο της παρατήρησης και της επεξήγησης. «To measure is to know» σύμφωνα με τον Lord Kevin ενώ ο Francis Bacon διακήρυττε ότι «Knowledge is power». Τον 19ο αιώνα στην Γαλλία εφαρμόστηκε το πρώτο σύστημα καθορισμένων μονάδων [Système International d’Unités] για την μέτρηση του χώρου, του χρόνου, της απόστασης, που σταδιακά υιοθετήθηκε και από τα υπόλοιπα έθνη. Την δεκαετία του 1920 οι ανακαλύψεις της κβαντομηχανικής έδωσαν τέλος στην ελπίδα για πλήρη κατανόηση και μέτρηση του κόσμου, παρόλα αυτά η νοοτροπία δεν άλλαξε με αυτή την συνειδητοποίηση. Στον κόσμο των Big Data η «ακαταστασία» [messiness] δεν φέρει απαραιτήτως αρνητικό πρόσημο: με την αποδοχή περισσότερων επιτρεπτών λαθών, αυτόματα γίνεται δυνατή η χρήση πολύ μεγαλύτερου όγκου δεδομένων. Τέτοιες καταστάσεις

ανάλυση και η εξέταση όλων των δεδομένων και όχι μόνο ενός συγκεκριμένου τμήματος των βάσεων του DNA, τα αποτελέσματα των οποίων καθορίζουν την επιλογή της φαρμακευτικής αγωγής των καρκινοπαθών. Σύμφωνα με τους Cukier και Shoenberger, ο τομέας που αναδιοργανώνεται πραγματικά από αυτή την αλλαγή, από την ανάλυση ενός δείγματος στην ανάλυση όλων των διαθέσιμων δεδομένων, είναι οι κοινωνικές επιστήμες οι οποίες χάνουν το μονοπώλιο της αποκωδικοποίησης των εμπειρικών κοινωνικών δεδομένων, καθώς η ανάλυση Big Data αντικαθιστά τους εξειδικευμένους αναλυτές ερευνών του παρελθόντος7. Οι κοινωνικές επιστήμες πάντα βασίζονταν σε δειγματολογικές αναλύσεις και ερωτηματολόγια, μία τάση που σήμερα αρχίζει να φθίνει καθώς είναι δυνατό αυτό που δεν ήταν άλλοτε: η ανάλυση αν όχι όλων, τότε του μεγαλύτερου μέρους των δεδομένων. Η ανάγκη για δείγματα εξαφανίζεται.8 Η δεύτερη αλλαγή σχετίζεται, όχι με την ποσότητα των δεδομένων, αλλά με την ποιότητα τους. Είναι προφανές ότι χρησιμοποιώντας όλα τα διαθέσιμα δεδομένα αυξάνεται η πιθανότητα για ανακρίβειες. Στον κόσμο των Small Data, ο εντοπισμός και η αφαίρεση από το σύνολο των δεδομένων του μέρους που μπορεί να ήταν λανθασμένο, ήταν ένα σχετικά εύκολο έργο, στην εποχή των Big Data όμως κάτι τέτοιο μοιάζει αδύνατο.

7. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 30 8. Ibid., p. 30 9. Alfred W. Crosby, [1997], Killing Time: The measure of Reality: Quantification and Western Society, 1250-1600, Cambridge University Press

57

Εικόνα 25 | Emrah Gonulkirmaz|Noise

μπορούν να αναφέρονται, παραδείγματος χάριν, στο απλό γεγονός ότι η πιθανότητα λαθών αυξάνεται όσο αυξάνονται τα δεδομένα. Επίσης, η «ακαταστασία» των δεδομένων προκύπτει και από τον συνδυασμό διαφορετικών τύπων πληροφορίας από διαφορετικές πηγές, που δεν είναι πάντα δυνατόν να εναρμονιστούν ή από την ασυνέπεια της μορφοποίησης, για την οποία τα δεδομένα χρειάζεται να είναι «καθαρά» πριν να επεξεργαστούν. Άλλωστε, το ίδιο αποτέλεσμα μπορεί να προκύψει από την εξαγωγή ή την επεξεργασία των δεδομένων μίας πηγής για να χρησιμοποιηθούν σε κάτι διαφορετικό όπως, παραδείγματος χάριν, η ανάλυση ψυχολογίας των tweets στο Twitter με σκοπό να προκύψουν προβλέψεις σχετικές με τις πωλήσεις του Box Office. Oι Cukier και Shoenberger υποστηρίζουν ότι σε κάποιες περιπτώσεις είναι πιο αποδοτικό να επιτρέπουμε τα λάθη από το να δουλέψουμε για να προσπαθήσουμε να τα αποτρέψουμε10. Ως παράδειγμα, αναφέρεται η ακαταστασία που συχνά προκύπτει με την αύξηση της κλίμακας. Η ανάλυση Big Data μεταλλάσσει τους αριθμούς σε κάτι περισσότερο πιθανολογικό παρά ακριβές. Κάτι τέτοιο γίνεται εύκολα προφανές αν αναφερθούμε στην φυσική επεξεργασία γλώσσας [natural language processing], που τα περισσότερα [και ίσως περισσότερο λανθασμένα] δεδομένα έχουν ως αποτέλεσμα βελτιωμένους αλγόριθμους. Η φυσική επεξεργασία γλώσσας σχετίζεται με τον τρόπο με τον οποίο οι ηλεκτρονικοί υπολογιστές «μαθαίνουν» πώς να αναλύουν και να χρησιμοποιούν λέξεις όπως αυτές χρησιμοποιούνται στον καθημερινό λόγο. Το 2000 οι ερευνητές της Microsoft Michele Banko και Eric Brill στην αναζήτησή τους για τον πιο αποδοτικό τρόπο βελτίωσης του ελεγκτή γραμματικής του προγράμματος Microsoft Word, βρίσκονταν μεταξύ των εξής επιλογών: της βελτίωσης των ήδη υπαρχόντων αλγορίθμων, της εύρεσης νέων τεχνικών ή της δημιουργίας νέων περισσότερο εξεζητημένων χαρακτηριστικών. Παρόλα αυτά, θεώρησαν χρήσιμο, πρωτίστως να δοκιμάσουν να χρησιμοποιήσουν τις ήδη υπάρχουσες τεχνικές τροφοδοτώντας τις όμως με πολύ περισσότερα δεδομένα, αρχικά 10 εκατομμύρια, έπειτα 100 εκατομμύρια και τέλος ένα δισεκατομμύριο λέξεις. Αυτό που παρατήρησαν ήταν ότι και οι τέσσερις αλγόριθμοι που χρησιμοποιήθηκαν βελτίωσαν σημαντικά τις επιδόσεις τους. «Αυτά τα αποτελέσματα συστήνουν ότι, ίσως, πρέπει να επανεξετάσουμε το ενδεχόμενο της αλλαγής από το να ξοδεύουμε χρόνο και χρήματα για να βελτιώσουμε έναν αλγόριθμο και στο να ξοδεύουμε για corpus development.» δημοσίευσαν ο Banko και Brill σε σχετική τους εργασία11. Μερικά χρόνια αργότερα ερευνητές της Google επιχείρησαν κάτι παρόμοιο με το έργο των Banko και Brill αλλά σε πολύ μεγαλύτερη κλίμακα: τροφοδότησαν τους αλγορίθμους με ένα τρισεκατομμύριο λέξεις με σκοπό να 10. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 34 11. Michele Banko, Eric Brill, [2001], Scaling to Very Very Large Corpora for Natural Language Disambiguation, Microsoft Research

59

βελτιώσουν, όχι αυτή την φορά τον ελεγκτή γραμματικής, αλλά για κάτι πιο περίπλοκο, την μετάφραση γλωσσών του Google. Η μετάφραση μέσω μηχανής [machine translation] αποτελούσε ένα από τα οράματα των πρωτοπόρων της πληροφορικής ήδη από την δεκαετία του 1940. Ιδιαίτερα, κατά την διάρκεια του Ψυχρού Πολέμου η πραγματοποίηση της ιδέας φαίνεται να έγινε επείγουσα καθώς το ανθρώπινο δυναμικό που μετέφραζε υλικό από τα Ρωσικά στα Αγγλικά ήταν περιορισμένο. Ένας ηλεκτρονικός υπολογιστής της IBM μετέφρασε εξήντα ρωσικές φράσεις στα αγγλικά το 1954, χρησιμοποιώντας 250 ζευγάρια λέξεων και έξι κανόνες γραμματικής, κάτι πολλά υποσχόμενο για το μέλλον της ηλεκτρονικής μετάφρασης. Ωστόσο παρά τις μεγάλες προσδοκίες το μέλλον αποδείχθηκε δυσοίωνο. Όπως αναφέρουν οι Cukier και Shoenberger [2013:37]: Η αρχική επιτυχία ήταν βαθιά παραπλανητική. Το 1966 η επιτροπή των «μεγάλων» της μετάφρασης μέσω υπολογιστών αποδέχθηκαν ότι απέτυχαν. Το πρόβλημα ήταν πιο δύσκολο από ότι νόμιζαν ότι θα είναι. Το να μαθαίνεις στους υπολογιστές να μεταφράζουν έχει να κάνει με τον να τους μαθαίνεις, όχι μόνο τους κανόνες, αλλά και τις εξαιρέσεις. Η μετάφραση δεν aφορά μόνο την απομνημόνευση και την ανάκληση στην μνήμη, αλλά την επιλογή των σωστών λέξεων ανάμεσα σε εναλλακτικές επιλογές. Είναι το “bonjour” πραγματικά “καλημέρα”; Ή είναι “καλή μέρα”, ή “γεια”; Η απάντηση είναι, εξαρτάται… Λίγο πριν το 1980 οι ερευνητές της IBM είχαν μια καινοτόμα ιδέα: αντί για την τροφοδοσία του υπολογιστή με ρητούς γλωσσολογικούς κανόνες και ένα λεξικό, αποφάσισαν να αφήσουν τον υπολογιστή να χρησιμοποιήσει στατιστικές πιθανότητες για να υπολογίσει ποιά λέξη ή φράση είναι η κατάλληλη κάθε φορά. Μέχρι το 1990 η IBM είχε κάνει σημαντικά βήματα στον τομέα της μετάφρασης. Η στατιστική μετάφραση μέσω μηχανών [stastistical machine translation] όπως έγινε γνωστή, έξυπνα μετέτρεψε την μετάφραση σε ένα μαθηματικό πρόβλημα12. Η μετάφραση έγινε πιο σωστή τεχνικά αλλά δεν αρκούσαν οι μικρές βελτιώσεις, ειδικά αν συγκρίνουμε να ποσά χρημάτων που διέθετε η IBM για αυτό. Έτσι, τελικά, η εταιρία σταμάτησε το εγχείρημα της ηλεκτρονικής μετάφρασης και όπως είναι αναμενόμενο, λιγότερο από μια δεκαετία μετά, το 2006, στον χώρο της μετάφρασης έκανε την εμφάνιση της η Google, με αποστολή να «οργανώσει την πληροφορία του κόσμου και να την κάνει παγκόσμια προσβάσιμη και χρήσιμη»13. Αντί να επιχειρήσει να μεταφράσει το κείμενο από την μια γλωσσά στην άλλη, η Google επέλεξε ένα αρκετά πιο «ακατάστατο» σύνολο δεδομένων για να αντλήσει την πληροφορία που ήταν απαραίτητη: ολόκληρο 12. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 37 13. Όπως εμφανίζεται στην ιστοσελίδα της εταιρίας.

60

Εικόνα 26

το Διαδίκτυο. Ο υπολογιστής προπονείται στο να μεταφράζει αποθηκεύοντας μεταφράσεις από κάθε πιθανή πηγή στο δίκτυο: ιστοσελίδες εταιριών που διατίθενται σε διαφορετικές γλώσσες, μεταφράσεις επίσημων εγγράφων, αναφορές διακυβερνητικών οργανισμών όπως ο Ο.Η.Ε. ή η Ευρωπαϊκή Ένωση. Παρόλη την «ακαταστασία» και την έλλειψη τάξης των δεδομένων που χρησιμοποιεί η Google ως τροφοδοσία, η υπηρεσία μετάφρασής της είναι αυτή που λειτούργησε καλύτερα, παρά τα αναπόφευκτα λάθη. Το 2015 το Google Translate περιλαμβάνει 90 γλώσσες14. Για την επιτυχία της, δεν ευθύνεται το γεγονός ότι χρησιμοποιεί πιο ικανούς αλγορίθμους αλλά το ότι χρησιμοποιεί πολλά περισσότερα δεδομένα και όχι μόνο υψηλής ποιότητας. «Τα απλά μοντέλα και τα πολλά δεδομένα υπερισχύουν των πιο περίπλοκων μοντέλων που βασίζονται σε λιγότερα δεδομένα.» υποστηρίζει ο Peter Norvig μαζί με τους συνεργάτες του στην δημοσίευση «Τhe Unreasonable Effectiveness of Data» . Σύμφωνα με τον Norvig η «ακαταστασία» είναι το κλειδί.15 Η αποδοχή της έλλειψης τάξης είναι κάτι δύσκολο να πραγματοποιηθεί, ειδικότερα από τους ανθρώπους που πραγματοποιούν αναλύσεις με δείγματα, που σε όλη τους την ζωή επιδίωκαν να αποτρέψουν και να εξαλείψουν την ακαταστασία. Η μεταφορά μας όμως σε έναν κόσμο Big Data απαιτεί την αλλαγή νοοτροπίας σε ό,τι αφορά τα πλεονεκτήματα της ακρίβειας, άλλωστε ένα χαρακτηριστικό όπως αναφέρθηκε νωρίτερα της προ-ψηφιακής και περιορισμένης πληροφοριακά εποχής. Στην πραγματικότητα του σημερινού διασυνδεδεμένου και ψηφιακού κόσμου, ο όποιος κατακλύζεται από πληροφορία, η απομάκρυνση από την ακρίβεια φαίνεται να καθιερώνεται. Με τα λόγια των Cukier και Shoenberger: «Εάν η τεχνολογία μπορούσε με κάποιο τρόπο να τελειοποιηθεί, το πρόβλημα της ανακρίβειας θα εξαφανιζόταν. Αλλά για όσο είναι μη-τέλεια, η ακαταστασία είναι μία πραγματικότητα την οποία πρέπει να αντιμετωπίσουμε»16. Σε διάφορους τομείς της ζωής βλέπουμε μια στροφή προς το λιγότερο ακριβές. Στην κατηγοριοποίηση περιεχομένων, φερ’ ειπείν, όπου από την ταξινομία και τους καταλόγους για την αποθήκευση και την ανάκτηση υλικού στην Small Data λογική της δανειστικής βιβλιοθήκης, περνάμε στη χρήση ετικετών [tags] του διαδικτύου στις περισσότερες πλέον τοποθεσίες, όπως είναι η πλατφόρμα φωτογραφιών του Flickr. Η ιστοσελίδα με περισσότερα από 87 εκατομμύρια εγγεγραμμένα μέλη, δεχόταν το 2013, 87 εκατομμύρια φωτογραφίες κάθε μέρα17 ενώ αντίστοιχα η εφαρμογή Instagram, που λειτουργεί μέσω Android κινητών τηλεφώνων και iPhone, το 2013 δεχόταν 1,4 εκατομμύρια φωτογραφίες την ημέρα.18 14. https://translate.google.com/about/intl/en_ALL/languages.html 15. Alon Harvey, Peter Norvig, Fernado Pereira, [2009], The Unreasonable Effectiveness of Data, Google, Published by the IEEE Computer Society 16. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p.65 17. https://en.wikipedia.org/wiki/Flickr 18. http://mattmaldre.com/2013/05/27/flickrs-1-4-million-photos-per-day-instagrams-40million-photos-per-day/ 62

Όπως είναι φυσικό, παρουσιάζονται ανάγκες για διαφορετικού τύπου αντιμετώπισης της πληθώρας των δεδομένων. Οι ταξινομίες αντικαθιστώνται από περισσότερο ευέλικτους και προσαρμόσιμους μηχανισμούς, όπως οι ετικέτες [tags] που δημιουργούνται και καθορίζονται από τους χρήστες με έναν ad hoc τρόπο και πλέον αποτελούν τον κύριο τρόπο κατηγοριοποίησης περιεχομένου στο διαδίκτυο. Σαφέστατα, η πρακτική αυτή εμπεριέχει λάθη και ανακρίβειες στο πώς το περιεχόμενο οργανώνεται, για παράδειγμα πολύ συχνά οι χρήστες κάνουν ορθογραφικά λάθη τοποθετώντας ετικέτες στο περιεχόμενο τους, όμως με αυτό τον τρόπο κερδίζεται μία ευκολότερη και πιο ευρεία πρόσβαση στο υλικό. Το διαδίκτυο πλέον κατακλύζεται από τέτοιου τύπου «ανακρίβειες», ή όπως χρησιμοποιείται ήδη στον κόσμο του Buissness Intelligence and Analytics από το 2000, “a single version of the truth”19, που όμως, όπως φαίνεται, αποδεικνύονται αρκετά χρήσιμες. O Pat Helland στην δημοσίευση του “If you have too much Data, then ‘Good Enough’ is Good Enough”, παρατηρεί αυτή ακριβώς την αλλαγή, από την ακρίβεια στην ακαταστασία, να συμβαίνει και στον σχεδιασμό βάσεων δεδομένων, προειδοποιεί «Δεν μπορούμε πλέον να υποκρινόμαστε ότι ζούμε σε έναν ‘καθαρό’

κόσμο»20. Άλλωστε, το μεγαλύτερο ποσοστό των ψηφιακών δεδομένων θεωρείται μη δομημένο [unstructured data], δηλαδή δεν είναι κατάλληλο για τις παραδοσιακές βάσεις δεδομένων. Αν δεν δεχτούμε την «ακαταστασία» της στερούμαστε τη γνώση που μπορεί να προκύψει από το μεγάλο αυτό ποσοστό της διαθέσιμης πληροφορίας. Οι δύο αυτές επιπτώσεις της ανάλυσης Big Data, οδηγούν, σύμφωνα με τους Cukier και Shoenberger, σε μία τρίτη που δυνητικά μπορεί να ανατρέψει μία πολύ σημαντικότερη σύμβαση στην οποία βασίζεται η κοινωνία: την ιδέα της κατανόησης των λόγων πίσω από ό,τιδηποτε συμβαίνει.21 Η αλλαγή αυτή σχετίζεται με τους συσχετισμούς, οι οποίοι σε έναν κόσμο Small Data μπορούν να φανούν χρήσιμοι, αλλά είναι στην εποχή Big Data που πραγματικά γίνεται φανερή η αξία τους. Ουσιαστικά, ένας συσχετισμός ποσοτικοποιεί την στατιστική σχέση μεταξύ δύο τιμών δεδομένων. Ένας ισχυρός συσχετισμός σημαίνει ότι όταν η πρώτη τιμή αλλάξει, είναι πολύ πιθανό να αλλάξει και η δεύτερη. Παρόλα αυτά, ένας ισχυρός συσχετισμός δεν είναι πάντα έγκυρος: υπάρχουν πιθανότητες οι δυο τιμές να μην συνδέονται πραγματικά αλλά να συμπεριφέρονται ομοίως λόγω σύμπτωσης. Οι συσχετισμοί επιτρέπουν την

19. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 43 20. Pat Helland, [2011], If you have too much Data, then ‘Good Enough’ is Good Enough, Microsoft, Databases, May 23, 2011, Volume 9, Issue 5 21. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 48 63

ανάλυση ενός φαινομένου, όχι ερευνώντας τις εσωτερικές διεργασίες του, αλλά εντοπίζοντας ένα χρήσιμο proxy για αυτό, δηλαδή μία μεταβλητή που δεν είναι άμεσα σχετική, αλλά που χρησιμοποιείται στην θέση μίας μεταβλητής που δεν παρατηρείται ή δεν μετράται.22 Οι συσχετισμοί δεν παράγουν βεβαιότητα, μόνο πιθανότητα. Εντοπίζοντας ένα έγκυρο proxy για ένα φαινόμενο, οι συσχετισμοί βοηθούν να συλληφθεί το παρόν και να προβλεφθεί το μέλλον. Αν ένα φαινόμενο Α λαμβάνει χώρα συχνά ταυτόχρονα με ένα φαινόμενο Β, χρειάζεται να εστιαστεί η προσοχή στο Β για να προβλεφθεί αν θα πραγματοποιηθεί το Α. Η χρήση του Β ως proxy βοηθά να γίνει κατανοητό βοηθά να γίνει βοηθά να γίνει κατανοητό αυτό που πιθανά συμβαίνει στο Α, ακόμη και αν δεν είναι δυνατή η μέτρηση ή η παρατήρηση του φαινομένου άμεσα. Επιπλέον, είναι με αυτό τον τρόπο δυνατή η πρόβλεψη σχετικά με το μέλλον του φαινομένου Α, όχι βέβαια με σιγουριά αλλά με μία συγκεκριμένη πιθανότητα. Αρκετά πριν την εμφάνιση της ανάλυσης Big Data, οι αναλύσεις μέσω συσχετισμών ήταν χρήσιμες. Η ιδέα ήταν του Sir Francis Gallton23, συγγενή του Charles Darwin, που το 1888 παρατήρησε μία σχέση μεταξύ του ανθρώπινου ύψους και του μήκους του πήχη. Τα μαθηματικά που βρίσκονται πίσω από τους συσχετισμούς είναι σχετικά ξεκάθαρα και στιβαρά – κάτι που καταλήγει να αποτελεί

ένα από τα σημαντικότερα χαρακτηριστικά τους, και που βοήθησε να γίνουν ένα από τα πιο ευρέως διαδεδομένα στατιστικά μέτρα.24 Ωστόσο, σε παλαιότερες εποχές, η χρήση των συσχετισμών ήταν περιορισμένη καθώς υπήρχαν παράγοντες που δεν επέτρεπαν την πλήρη εκμετάλλευση των δυνατοτήτων τους. Τα δεδομένα συχνά ήταν δυσεύρετα και η συλλογή τους πολυέξοδη κάτι που οδηγούσε τους στατιστικολόγους να επιλέγουν ένα proxy και έπειτα να κάνουν επιλογή των σχετικών δεδομένων για να καταλήξουν στην ανάλυση συσχετισμών και να φανερωθεί το κατά πόσο το proxy που επιλέχθηκε ήταν έγκυρο. Για την σωστή επιλογή ενός proxy, χρησιμοποιήθηκαν υποθέσεις που προέκυπταν από θεωρίες – αφηρημένες ιδέες για το πώς κάτι λειτουργεί- πάνω στις οποίες βασίστηκαν οι στατιστικολόγοι του παρελθόντος για να συλλέξουν δεδομένα και να χρησιμοποιήσουν την ανάλυση μέσω συσχετισμών για να επιβεβαιώσουν ότι τα proxies ήταν σωστά επιλεγμένα. Στην περίπτωση που ήταν λανθασμένα, οι ερευνητές συνέχιζαν τις προσπάθειες, καθώς πάντα υπήρχε η πιθανότητα να είχε υπάρξει κάποιο πρόβλημα στην συλλογή των δεδομένων, ώσπου να καταλήξουν στο συμπέρασμα ότι η υπόθεση ή η θεωρία στην οποία βασίστηκαν ήταν λανθασμένη και χρειάζεται βελτίωση. Έτσι, η γνώση προόδευε μέσω αυτή της, οδηγούμενης από υποθέσεις, διαδικασίας trial and error,

22. https://en.wikipedia.org/wiki/Proxy_[statistics] 23. https://en.wikipedia.org/wiki/Francis_Galton 24. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 54

64

η οποία αν και αρκετά δυσκίνητη, ήταν εφικτή σε έναν κόσμο με περιορισμένα δεδομένα. Στην εποχή Big Data, όπως μας πληροφορούν ο Cukier και Shoenberger, οι περιορισμοί του παρελθόντος έχουν αρθεί και δεν είναι πλέον αποδοτική η λήψη αποφάσεων σχετικά με τις μεταβλητές που θα χρησιμοποιηθούν, που βασίζεται σε απλές υποθέσεις. Με τον μεγάλο όγκο των δεδομένων και την υπολογιστική δύναμη που είναι διαθέσιμη δεν χρειάζεται να επιλέγεται ένα ή ένας μικρός αριθμός από proxy και να γίνεται στην συνέχεια η εξέτασή τους. Μέσω της υπολογιστικής ανάλυσης αναγνωρίζονται τα βέλτιστα proxy αφού σαρωθούν τεράστια ποσά πληροφορίας και εκατομμύρια μαθηματικά μοντέλα. Αντί για μια προσέγγιση μέσω υποθέσεων, μπορούμε να χρησιμοποιήσουμε μία μέσω δεδομένων. Έτσι, απομακρυνόμαστε από αποτελέσματα επηρεασμένα από προσωπικές προτιμήσεις, τάσεις ή μεροληψίες, καταλήγουμε σε συμπεράσματα περισσότερο ακριβή και σε πολύ λιγότερο χρόνο. Το βασικότερο παράδειγμα, όσον αφορά τους συσχετισμούς μεταξύ δυο τιμών στην εποχή Big Data, αποτελεί η εταιρία Amazon, ένα διαδικτυακό βιβλιοπωλείο που ξεκίνησε την δράση του το 1994. Κάποιες δεκάδες κριτικών βιβλίων δημοσίευαν κριτικές και έκαναν προτάσεις στους καταναλωτές ώσπου το Amazon έφτασε να ασκεί μεγάλη επιρροή στην αγορά των Η.Π.Α. Τότε ο Jeff Bezos25, ιδρυτής και CEO του Amazon, είχε την ιδέα να χρησιμοποιηθούν όλα τα δεδομένα που είχαν αποθηκευτεί από την έναρξη λειτουργίας της σελίδας για να κάνει εξειδικευμένες προτάσεις βιβλίων στους καταναλωτές βασισμένες στις ξεχωριστές αγοραστικές τους προτιμήσεις. Αρχικά, η επεξεργασία των δεδομένων γινόταν με τον παραδοσιακό τρόπο: επιλεγόταν ένα δείγμα και γινόταν ανάλυση για να αναδυθούν ομοιότητες μεταξύ των διάφορων καταναλωτικών επιλογών. Η πρακτική αυτή όμως δεν είχε τα θεμιτά αποτελέσματα. Σύμφωνα με τον James Marcus26, “Επιδίωκαν να προσφέρουν, κάθε φορά, ελάχιστες παραλλαγές της προηγούμενης αγοράς, ad infinitum”27. Έτσι οι μηχανικοί λογισμικού της εταιρίας προχώρησαν σε μια αλλαγή προσέγγισης του ζητήματος. Αντί να αναζητούν σχέσεις μεταξύ των καταναλωτών, κάτι αρκετά δύσκολο και χρονοβόρο, αναζητούσαν πλέον συσχετίσεις μεταξύ των προϊόντων. Η τεχνική έγινε γνωστή ως «Ιtem to item Collaborative Filtering» και βελτίωσε κατά πολύ τις προτάσεις της ιστοσελίδας, όχι μόνο στον τομέα των βιβλίων αλλά και στα υπόλοιπα προϊόντα. Σε σύγκριση με τις πωλήσεις που οφείλονταν στις προτάσεις των βιβλιοκριτικών, οι πωλήσεις που οφείλονταν στους αλγορίθμους των ηλεκτρονικών υπολογιστών ήταν κατά πολύ υψηλότερες, με αποτέλεσμα την κατάργηση των πρώτων. 25. Ο Jeffrey Preston “Jeff” Bezos είναι Αμερικάνος μεγαλοεπιχειρηματίας της τεχνολογίας και επενδυτής. 26. Ο James Marcus είναι ο συγγραφέας του “Amazonia: Five Years at the Epicenter of the Dot-Com Juggernaut”. 27. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 41

65

Σήμερα, το ένα τρίτο των πωλήσεων του Amazon οφείλονται στα συστήματα προτάσεων και εξατομίκευσης.28 Η καινοτομία που εισήχθη από τους μηχανικούς λογισμικού της εταιρίας άλλαξε άρδην το ηλεκτρονικό εμπόριο και η μέθοδός τους έχει υιοθετηθεί από πληθώρα άλλων ηλεκτρονικών καταστημάτων όπως η Netflix, μία διαδικτυακή εταιρία ενοικίασης ταινιών. Οι ηλεκτρονικές σελίδες με την βοήθεια της ανάλυσης Big Data προχωράν σε προτάσεις προϊόντων, περιεχομένου, φίλων και ομάδων χωρίς να ξέρουν γιατί ακριβώς οι καταναλωτές θα μπορούσαν να ενδιαφέρονται για κάτι τέτοιο και όπως φαίνεται το «γιατί» σε αυτή την περίπτωση δεν χρησιμεύει ιδιαίτερα. Αυτό που αυξάνει τις πωλήσεις είναι το «τι». Αυτό που απέδειξε το Amazon, και κατ’ επέκταση η ανάλυση Big Data, είναι ότι υπάρχει μία άλλη προσέγγιση πιο πραγματιστική, πέρα από την καθιερωμένη όσον αφορά τις πωλήσεις. Τα καινοτόμα συστήματα της ιστοσελίδας δίνουν έμφαση στους πολύτιμους συσχετισμούς χωρίς να γνωρίζουν τις υποκείμενες αιτίες και όπως υποστηρίζουν ο Cukier και Shoenberger, στην εποχή Big Data «το να ξέρεις το τι, αλλά όχι το γιατί, είναι αρκετό»29. Στην εποχή των περιορισμένων δεδομένων, τόσο οι αιτιοκρατικές έρευνες, όσο και οι αναλύσεις συσχετισμών απαιτούσαν μία υπόθεση για να βασιστούν, η όποια στην συνέχεια εξεταζόταν έτσι ώστε να απορριφθεί ως λανθασμένη ή να επιβεβαιωθεί. Αυτές οι υποθέσεις και οι θεωρίες ήταν ευάλωτες σε προκαταλήψεις και μεροληψίες, καθώς και λανθασμένες πράξεις που προέκυπταν ενστικτωδώς. Σήμερα, με τον όγκο των δεδομένων που είναι διαθέσιμος, οι υποθέσεις δεν είναι πλέον απαραίτητες για την ανάλυση συσχετισμών. Επιπλέον, μία ακόμη επίπτωση της ανάλυσης Big Data αρχίζει να αποκτά σημασία: η ανάγκη για εντοπισμό μη-γραμμικών σχέσεων μεταξύ των δεδομένων στις αναλύσεις συσχετισμών, και όχι μόνο γραμμικών, όπως συνέβαινε στο παρελθόν λόγω περιορισμένης υπολογιστικής ικανότητας. Σύμφωνα με τους Cukier και Shoenberger, εξαιτίας αυτής της λογικής έχουν προκύψει κατά καιρούς λανθασμένα και υπεραπλουστευμένα αποτελέσματα καθώς οι περισσότερες σχέσεις είναι πολύ περισσότερο πολύπλοκες από αυτό που φαίνεται. Σαν παράδειγμα, αναφέρουν ότι για πολλά χρόνια οικονομολόγοι και πολιτικοί επιστήμονες πίστευαν ότι η ευτυχία και το εισόδημα ήταν δύο τιμές που σχετίζονταν άμεσα, δηλαδή ότι όσο αυξάνεται το εισόδημα θα αυξάνεται και η ευημερία των ανθρώπων ή ότι το ποσό των χρημάτων που οι πολίτες ξοδεύουν για υγειονομική περίθαλψη σχετίζεται άμεσα με το αν εμβολιάζονται για ιλαρά ή όχι, κάτι επίσης λανθασμένο.30 Καθώς αναπτύσσονται σήμερα τα απαραίτητα εργαλεία για τον εντοπισμό και την σύγκριση μη-γραμμικών συσχετισμών, οι τεχνικές βελτιώνονται και 28. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 52 29. Ibid., p. 52 30. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p.61

66

Εικόνα 67 27 | Vyacheslav Novikov|Search

ενισχύονται από ένα σύνολο καινοτόμων προσεγγίσεων και το απαραίτητο λογισμικό για να δοθεί έμφαση στις μη-γραμμικές σχέσεις των δεδομένων, από διαφορετικές οπτικές. Σύμφωνα με τους Cukier και Shoenberger [2013:62]: Μία από τις περισσότερο ενεργές, νέες μεθόδους μπορεί να βρεθεί στο συνεχώς αναπτυσσόμενο τομέα της Ανάλυσης της Δικτύωσης [Networking Analysis]. Έτσι γίνεται δυνατή η χαρτογράφηση, η μέτρηση και ο υπολογισμός των κόμβων και των συνδέσμων για οτιδήποτε, από την λίστα των φίλων κάποιου στο Facebook, μέχρι σε ποιες δικαστικές αποφάσεις έχει εμπλακεί και ποιον καλεί από το κινητό του τηλέφωνο. Μαζί όλα αυτά τα εργαλεία βοηθούν να βρεθούν απαντήσεις σε μη-αιτιοκρατικές, εμπειρικές ερωτήσεις. Τέλος, δηλώνουν οι Cukier και Shoenberger, στην εποχή Big Data, οι νέοι αυτοί τύποι αναλύσεων θα οδηγήσουν σε καινοτόμα γνώση και χρήσιμες προβλέψεις. Θα γίνει ευκολότερη η κατανόηση πολύπλοκων τεχνικών και κοινωνικών δυναμικών, που μέχρι σήμερα φάνταζε δύσκολο να πραγματοποιηθεί, παρά τις έντονες προσπάθειες. Σημαντικότερη από όλα όμως φαίνεται να είναι η αλλαγή από έναν κόσμο που ψάχνει το «γιατί» σε έναν καινούργιο που αρκείται στο «τι». Αρχικά, αυτό μπορεί να φαίνεται ότι στερείται λογικής καθώς το ανθρώπινο γένος, από την γένεσή του, διακατέχεται από την ανάγκη να κατανοήσει τον κόσμο μέσω αιτιοκρατικών συνδέσμων: θέλουμε να πιστεύουμε ότι κάθε αποτέλεσμα έχει κάποια αιτία που μπορεί να εντοπιστεί με προσεκτική παρατήρηση. Το κατά πόσο η αιτιοκρατία, η καθολική αιτιώδης και νομοτελειακή συνάφεια όλων των φαινομένων31, περιγράφει όντως την πραγματικότητα έχει προκαλέσει κατά καιρούς αντιπαραθέσεις στην επιστημονική και φιλοσοφική κοινότητα. Ο Daniel Kahneman, καθηγητής ψυχολογίας στο Princeton University και αποδέκτης του βραβείου Nobel Οικονομικών το 2002, υποστηρίζει πως οι άνθρωποι σκέφτονται με δύο τρόπους: ο πρώτος είναι γρήγορος και χρειάζεται λίγη προσπάθεια, επιτρέποντας να καταλήγουμε σε συμπεράσματα σε δευτερόλεπτα και ο δεύτερος είναι αργός, δύσκολος και απαιτεί βαθιά σκέψη γύρω από κάποιο θέμα.32 Ο γρήγορος τρόπος σκέψης είναι αυτός που τείνει να εντοπίζει αιτιοκρατικούς συνδέσμους στις καταστάσεις ακόμα κι αν δεν υπάρχουν. Αυτός ο τρόπος δεν επηρεάζεται από την κουλτούρα, τον τρόπο που κάποιος μεγάλωσε ή το επίπεδο της εκπαίδευσης του, αλλά σχετίζεται με το πώς λειτουργεί η ανθρώπινη γνωστική διαδικασία.33 31. https://en.wikipedia.org/wiki/Determinism 32. Daniel Kahneman, [2012], Of 2 Minds: How Fast and Slow Thinking Shape Perception and Choice, Scientific American, June 15, 2012 33. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 63

68

Ο γρήγορος αυτός τρόπος σκέψης ήταν αυτός που βοήθησε την ανθρωπότητα να επιβιώσει σε επικίνδυνα και απειλητικά περιβάλλοντα, όπου συνήθως απαιτείται γρήγορη σκέψη και επιλογή με περιορισμένη πληροφορία. Ο Kahneman υποστηρίζει ότι συχνά ο ανθρώπινος εγκέφαλος επιλέγει, λόγω ευκολίας, να σκεφτεί με τον δεύτερο τρόπο και όχι αργά και μεθοδικά, για να καταλήξει σε συμπεράσματα. Έτσι, συχνά εντοπίζουμε «φανταστικές» αιτιότητες παρερμηνεύοντας τον κόσμο γύρω μας και οδηγώντας σε λάθος επιλογές. Σύμφωνα με τους Cukier και Shoenberger, αυτός ο διαισθητικός τρόπος σκέψης της αιτιοκρατίας, δεν ενισχύει την γνώση αλλά λειτουργεί ως ένας «παράδρομος», όπως αντίστοιχα χαρακτηρίζουν και την δειγματοληψία, που ο ανθρώπινος εγκέφαλος χρησιμοποιεί ως τέχνασμα για να αποφύγει τις δύσκολες σκέψεις. Προβλέπουν ότι στην εποχή της ανάλυσης Big Data οι συσχετισμοί θα χρησιμοποιούνται για να διαψεύσουν τις διαισθητικές αιτιότητες και έτσι θα αλλάξει σημαντικά ο τρόπος που το ανθρώπινο είδος σκέφτεται, όχι μόνο ο πρώτος «γρήγορος» τρόπος σκέψης, αλλά και ο δεύτερος «αργός» τρόπος. Εξυψώνουν τους συσχετισμούς σε αντίθεση με την αιτιοκρατία, υποστηρίζοντας ότι ενώ στην καθημερινή ζωή πιστεύουμε ότι οι αιτιότητες είναι εύκολο να αποδεδειχθούν, κάτι τέτοιο δεν ισχύει καθώς δεν είναι εύκολο να εκφραστεί κάποια αιτιοκρατική σχέση μέσω εξισώσεων. Οι μη-αιτιοκρατικές αναλύσεις, όπως παραδείγματος χάριν η ανάλυση συσχετισμών, είναι συχνά γρήγορες και φθηνές και αντίθετα με τους αιτιοκρατικούς συνδέσμους, για τους συσχετισμούς υπάρχουν διαθέσιμες μαθηματικές και στατιστικές μέθοδοι για την ανάλυση των σχέσεων, καθώς και τα απαραίτητα ψηφιακά εργαλεία για να επιδειχθούν οι δυνατότητες και η δύναμη τους.34 Οι συσχετισμοί θεωρούνται ισχυροί, όχι μόνο γιατί προσφέρουν γνώση, αλλά γιατί επιπλέον, η γνώση που προσφέρουν είναι σχετικά «ξεκάθαρη». Παρ’ όλα αυτά, μπορεί το τοπίο να γίνει πολύ πιο θολό αν εντάξουμε την αιτιοκρατία στην διαδικασία προσπαθώντας να εξηγήσουμε το «γιατί» πίσω από τους συσχετισμούς. Έτσι, η ανάλυση συσχετισμών και άλλες παρόμοιες μη-αιτιοκρατικές μέθοδοι που βασίζονται σε δεδομένα μπορούν να αποδειχθούν πολύ περισσότερο αποτελεσματικοί. Επιπλέον, αναλύσεις όπως η Big Data, μπορεί να οδηγήσει τους ερευνητές προς την σωστή κατεύθυνση όταν τίθενται ερωτήματα αιτιότητας ενός φαινομένου, αφού ολοκληρωθεί η ανάλυση συσχετισμών και θεωρηθεί απαραίτητη η περαιτέρω έρευνα σχετικά με το «γιατί», όταν δεν αρκεί απλά η εκτίμηση του «τι». Η αιτιοκρατία δεν θα καταργηθεί, υποστηρίζουν, αλλά θα αντικατασταθεί ως η κυριότερη πηγή νοήματος από άλλου τύπου αναλύσεις, όπως αυτή των Big Data.

34. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 65

69

5.3. 4 οι κίνδυνοι Τον Orwell τον φόβιζαν οι άνθρωποι που θα απαγόρευαν τα βιβλία. Τον Huxley τον φόβιζε το γεγονός ότι δεν θα υπήρχε λόγος να απαγορευτεί ένα βιβλίο γιατί δεν θα βρισκόταν άνθρωπος πρόθυμος να διαβάσει. Ο Orwell φοβόταν εκείνους που θα μας στερούσαν την πληροφόρηση. Ο Huxley φοβόταν εκείνους που θα μας υπερπληροφορούσαν τόσο ώστε να καταντήσουμε πλάσματα παθητικά και εγωιστικά. Ο Orwell φοβόταν ότι η αλήθεια θα φυλασσόταν μυστική. Ο Huxley φοβόταν ότι η αλήθεια θα πνιγόταν σε ένα ωκεανό σύγχυσης. Ο Orwell φοβόταν ότι θα αναπτύσσαμε πολιτισμό υποτέλειας. Ο Huxley φοβόταν ότι θα αναπτύσσαμε πολιτισμό κοινοτυπίας [a trivial culture].1 Neil Postman Όπως το έθεσε ο Neil Postman, καθηγητής στην Οικολογία των Μέσων και Πρόεδρος του Τμήματος Πολιτισμού και Επικοινωνίας του Πανεπιστημίου της Νέας Υόρκης, στο βιβλίο του “Amusing Ourselves to Death” το 1985, υπάρχουν δύο προβληματικές σχετικά με τα δεδομένα και την τεχνολογία. Η πρώτη ανταποκρίνεται στους φόβους του George Orwell που κατέγραψε στο βιβλίο του «1984» και η δεύτερη σε αυτό που φοβόταν ο Aldus Huxley και περιέγραψε στο «Brave New World». Αυτές οι δύο ιδέες – ασυνάφεια και ναρκισσισμός από την μία [Huxley] και επιτήρηση και δύναμη από την άλλη [Orwell] – αντιπροσωπεύουν σύγχρονους φόβους σχετικά με την έξαρση των δεδομένων στην προσωπική και επαγγελματική μας ζωή.2 Σήμερα, περισσότερο από ποτέ, η καθημερινότητα κατακλύζεται από δεδομένα καθώς πληροφορία για τον καθένα από εμάς συλλέγεται και αποθηκεύεται. Εταιρίες, όπως το Amazon, παρακολουθεί τις αγοραστικές προτιμήσεις του καθένα, το Google το περιεχόμενο των αναζητήσεών στο διαδίκτυο, το Twitter αποθηκεύει τις σκέψεις που επιλέγουν οι χρήστες να μοιραστούν. Αντίστοιχα, το Facebook συλλέγει στοιχεία για την καθημερινή ζωή των χρηστών και τις κοινωνικές τους σχέσεις και οι εταιρίες κινητής τηλεφωνίας γνωρίζουν ανά πάσα στιγμή τις κλήσεις και την τοποθεσία τους. Όσο τα δεδομένα αποκτούν μεγαλύτερη σημασία, καθώς με την χρήση τους και την ανάλυσή τους μπορούν να προκύψουν χρήσιμα αποτελέσματα, στην εποχή δηλαδή των Big Data, είναι φυσικό να προκύπτουν ερωτήματα για το μέλλον. Αδιαμφισβήτητα, η συλλογή και 1. Από τον πρόλογο του βιβλίου του Neil Postman, [2007], Διασκέδαση μέχρι Θανάτου, Ο δημόσιος λόγος στην εποχή του θεάματος, Εκδόσεις Κατάρτι, Αθήνα 2. Susan Etlinger, [2015], What Do We Do with All This Big Data, Altimeter Group, Susan Etlinger, January 21, 2015

70

Εικόνα 29 | George Orwell’s 1984 Book Cover

Εικόνα 28 | Dan Green, Aldus Huxley’s Brave New Word Book Illustrations

αποθήκευση των πληροφοριών θα συνεχίσει να κλιμακώνεται στα επόμενα χρόνια, όπως και οι ικανότητες των ηλεκτρονικών υπολογιστών να τις επεξεργαστούν. Ήδη, στην προ-Big Data εποχή έχουν τεθεί θέματα σχετικά με την παραβίαση της ιδιωτικότητας στο διαδίκτυο, και είναι αναμενόμενο να προκαλείται ακόμα εντονότερη ανησυχία όταν τα δεδομένα αποκτούν μεγαλύτερη αξία και ερχόμαστε αντιμέτωποι με μία αλλαγή κλίμακας. Οι Cukier και Shoenberger, στο βιβλίο τους «Big Data: A Revolution that Will Transform how We Live, Work, and Think» αναγνωρίζουν τρεις κινδύνους που εμφανίζονται με την ανάλυση Big Data. Αρχικά, την παραβίαση των προσωπικών δεδομένων και της ιδιωτικότητας, καθώς είναι πιθανό μέσω της επεξεργασίας των μεγάλων όγκων των δεδομένων να εντοπίζεται κάθε φορά η ταυτότητα του ατόμου στο οποίο αυτά αναφέρονται χωρίς την συγκατάθεσή του. Πλέον, οι τρεις κύριες στρατηγικές για την προστασία των χρηστών – individual notice and consent, opting out and anonymization- έχουν χάσει μεγάλο μέρος από την αποτελεσματικότητά τους. Οι εταιρίες συχνά χρησιμοποιούν τα δεδομένα για δευτερεύουσες χρήσεις, διαφορετικές από αυτές για τις οποίες συλλέχθηκαν αρχικά,

71

στο πνεύμα της ανάλυσης Big Data, και όπως είναι φυσικό οι χρήστες που παραχωρούν τα δεδομένα τους, μέσω των ιστοσελίδων του διαδικτύου και των εφαρμογών, δεν γνωρίζουν από πριν για ποιους σκοπούς αυτά μπορούν να χρησιμοποιηθούν όταν δέχονται τους όρους χρήσης [individual notice and consent]. Όταν μαζικά πια τα δεδομένα των χρηστών είναι διαθέσιμα σε βάσεις δεδομένων, αυτοί που επιλέγουν να μη συμπεριληφθούν [opting out] είναι πιθανό να στοχοποιηθούν και έτσι να εντοπίζονται ευκολότερα από τους υπόλοιπους. Τέλος, η τεχνική της ανωνυμοποιησης [anonymization] σε πολλές περιπτώσεις είναι πλέον μη αποτελεσματική καθώς τα δεδομένα που προκύπτουν μετά από αφαίρεση στοιχείων όπως το όνομα, η διεύθυνση, ή ημερομηνίας γέννησης του χρήστη, μπορούν εύκολα να επανασυνδεθούν με την ταυτότητα του ατόμου που χαρακτηρίζουν μέσω ανάλυσης. Ο δεύτερος κίνδυνος, σύμφωνα με τους συγγραφείς, είναι η τάση να γίνεται χρήση της ανάλυσης Big Data για να κριθεί και να ενοχοποιηθεί ένα άτομο πριν καν προχωρήσει σε κάποια ενέργεια, μόνο γιατί από τα δεδομένα προκύπτει μεγάλη πιθανότητα να διαπράξει, φέρ’ ειπείν, κάποια παράνομη πράξη. Ήδη σε κάποιες πολιτείες των Ηνωμένων Πολιτειών εφαρμόζεται το λεγόμενο «predictive policing», δηλαδή ανάλυση Big Data για να επιλεγούν ποιοι δρόμοι, ομάδες και άτομα θα ελέγχονται περισσότερο,

απλά γιατί σύμφωνα με κάποιον αλγόριθμο έχουν περισσότερες πιθανότητες να προβούν σε κάποιο αδίκημα. Τέτοιου είδους προληπτικά μέτρα περιορίζουν την ελευθερία μας, αν και κάποιοι θεωρούν ότι είναι το απαραίτητο αντίτιμο για να αποφευχθούν μεγαλύτερα κακά. Τέλος, τονίζουν ότι εγκυμονεί ο κίνδυνος του να πέσουμε θύματα μίας δικτατορίας των δεδομένων, δια μέσου της οποίας θα φετιχοποιείται η πληροφορία, το αποτέλεσμα των αναλύσεων και θα καταλήγουμε να το χρησιμοποιούμε με τον λάθος τρόπο.3 Η ανάλυση Big Data αποτελεί ένα εργαλείο που εφόσον χρησιμοποιείται με σύνεση και υπευθυνότητα οδηγεί στην ορθολογική λήψη αποφάσεων. Στην περίπτωση που γίνεται ασύνετη χρήση του μπορεί να μετατραπεί σε εργαλείο των ισχυρών, που πιθανόν να το χρησιμοποιήσουν ως μέσο καταπίεσης, είτε απλά αποθαρρύνοντας τους καταναλωτές και τους υπαλλήλους, είτε, ακόμα χειρότερα, βλάπτοντας τους πολίτες.4 Αυτού του τύπου τα προβλήματα που προκύπτουν καθώς η ανάλυση Big Data εξαπλώνεται, κάνει τους εγγενείς κινδύνους της τόσο μεγάλους όσο και τα ίδια τα σύνολα δεδομένων. Κρίνεται λοιπόν απαραίτητη η αναθεώρηση των νόμων και κανόνων που διέπουν την πληροφορία, την χρήση και την κατοχή της έτσι ώστε να αποφευχθούν μη θεμιτά αποτελέσματα από την ανάλυση Big Data. Οι αλλαγές στον τρόπο που παράγεται η πληροφορία και στην αλληλεπίδραση

3. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p. 151 4. Ibid., p. 151

72

μας με αυτή οδηγεί σε αλλαγές των κανόνων που χρησιμοποιούμε για τον έλεγχο του εαυτού μας, και των αξιών που η κοινωνία χρειάζεται να προστατέψει.5 Το τελευταίο παράδειγμα κατακλυσμού της ανθρωπότητας από δεδομένα ήταν αυτό της εμφάνισης του έντυπου τύπου. Πριν o Johannes Gutenberg εφεύρει την τυπογραφία περίπου το 1450, η διάδοση των ιδεών στον δυτικό κόσμο περιοριζόταν στις διαπροσωπικές σχέσεις. Τα βιβλία ήταν περιορισμένα και τα κατείχαν κυρίως οι μοναστηριακές βιβλιοθήκες, όπου προστατεύονταν από τους μοναχούς που φρόντιζαν να διατηρούν την κυριαρχία τους σε αυτά. Το πανεπιστήμιο του Cambridge διέθετε τον 15ο αιώνα μόλις 122 τόμους.6 Μερικές δεκαετίες μετά την εφεύρεση του Gutenberg έγινε δυνατή η μαζική παραγωγή βιβλίων, οι απλοί άνθρωποι ωθήθηκαν στο να διαβάσουν και, κάποιοι ίσως, και να γράψουν. Ξαφνικά το ποσό της πληροφορίας που δεχόταν ο μέσος άνθρωπος πολλαπλασιάστηκε και έτσι προετοιμάστηκε το έδαφος για νέους κανόνες που να διέπουν την έκρηξη της πληροφορίας: καθιερώθηκε η λογοκρισία και η αδειοδότηση για να περιοριστεί και να ελεγχθεί ο τύπος. Η έννοια των πνευματικών δικαιωμάτων έδινε στους συγγραφείς νομικά και οικονομικά κίνητρα και λίγο αργότερα η ελευθερία του λόγου προστάτευσε τον γραπτό λόγο από την κυβερνητική καταστολή. Οι τροποποιήσεις αυτές στον τρόπο διακυβέρνησης ανακλούν μία βαθύτερη αλλαγή των υποκείμενων αξιών. Έγινε κατανοητή η δύναμη του γραπτού λόγου και συμπερασματικά η σημασία της πληροφορίας. Με το πέρασμα των αιώνων, ο δυτικός κόσμος υποστήριξε και ενθάρρυνε την ροή της πληροφορίας, κάθε φορά μεγαλύτερη από την προηγούμενη, και φρόντισε να ελέγξει τις ακρότητες, αυτή την φορά όχι μέσω λογοκρισίας αλλά μέσω νόμων και κανόνων που περιορίζουν την ανάρμοστη χρήση της πληροφορίας. Αντίστοιχα, στον κόσμο των Big Data τέτοιου τύπου αλλαγές θα είναι απαραίτητες και, βέβαια, δεν θα περιοριστούν απλά στον κόσμο των δεδομένων, αλλά θα έχουν αντίκτυπο στην κοινωνία. Σύμφωνα με τους Cukier και Shoenberger, απλές τροποποιήσεις στους ήδη υπάρχοντες νόμους δεν θα είναι αρκετοί για την διακυβέρνηση στην εποχή των Big Data. Η προστασία της ιδιωτικότητας προϋποθέτει πως οι χρήστες Big Data θα κρίνονται υπεύθυνοι για τις πράξεις τους. Ταυτόχρονα, η κοινωνία θα πρέπει να επαναπροσδιορίσει την έννοια της δικαιοσύνης για να εξασφαλίσει την ανθρώπινη ελευθερία δράσης. Τέλος, πιστεύουν πως νέοι θεσμοί και επαγγελματίες [Algorithmists] θα χρειαστεί να αναδυθούν για να ερμηνεύσουν τους πολύπλοκους αλγορίθμους που βρίσκονται πίσω από τα αποτελέσματα Big Data και να γίνουν ουσιαστικά οι συνήγοροι αυτών που πιθανά τα αποτελέσματα μπορούν να βλάψουν. Η ανάλυση Big Data καθορίζει την χρονική στιγμή που η «κοινωνία της πληροφορίας» επιτέλους εκπληρώνει την υπόσχεση που υπονοείται 5. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p.171 6. Ibid., p. 171

73

από το όνομά της.7 Τα δεδομένα αποκτούν πρωταγωνιστικό ρόλο στην κοινωνία και όλα αυτά τα ψηφιακά μέρη πληροφορίας που συγκεντρώνονται κάθε μέρα μπορούν να χαλιναγωγηθούν με καινοτόμους τρόπους για να εξυπηρετήσουν νέους σκοπούς και να δημιουργήσουν νέες μορφές αξίας. Ήδη παρατηρούμε πως γίνεται αναπόσπαστο κομμάτι της κατανόησης και της διευθέτησης πολλών από των κύριων παγκόσμιων προβλημάτων: αυτό της κλιματικής αλλαγής, της παγκόσμιας υγειονομικής περίθαλψης, εν γένει της οικονομικής ανάπτυξης και πολλών άλλων. Η εφαρμογή και η χρήση των Big Data θα εξαπλώνεται όλο και περισσότερο καθώς η τεχνολογία γίνεται μέρος πλέον κάθε όψης της ζωής. Χωρίς αμφιβολία, αυτό απαιτεί έναν νέο τρόπο σκέψης και θα αποτελέσει μεγάλη πρόκληση, αν δεν αποτελεί ήδη, για τους θεσμούς αλλά και για τον καθένα από εμάς. Τέλος, στον κόσμο των Big Data φαίνεται να είναι απαραίτητη η ενθάρρυνση των ανθρώπινων χαρακτηριστικών μας – της δημιουργικότητας, της διαίσθησης και της διανοητικής/πνευματικής φιλοδοξίας- αφού η ευρηματικότητα και ευφυΐα είναι τελικά η πηγή κάθε προόδου.8

7. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York, p.189 8. Ibid., p. 196

74

75

6

αρχιτεκτονική

6. 1 η πληροφορία ως παράγοντας εξέλιξης στην αρχιτεκτονική Το 1964, ο Marshall McLuhan υποστήριζε ότι ο ηλεκτρονικός υπολογιστής θα επέφερε αλλαγές στις αναλογίες, στον ρυθμό ή στον σχηματισμό των ανθρωπίνων σχέσεων.1 Με άλλα λόγια, πίστευε ότι θα άλλαζε τον τρόπο που σκεφτόμαστε, που διατυπώνουμε τις σκέψεις μας, που ζούμε. Παρόμοιες επιπτώσεις είχαν και άλλα συστήματα μετάδοσης της πληροφορίας στο παρελθόν, όπως η επινόηση της αλφαβητικής γραφής ή η προοπτική. Το αλφάβητο όχι μόνο οδήγησε στην συγγραφή βιβλίων αλλά άλλαξε την δομή της ανθρώπινης σκέψης οργανώνοντας την με λέξεις, φράσεις, κεφάλαια. Προώθησε την ανταλλαγή πληροφορίας, διευκόλυνε την έλευση του ατομικισμού και της ελεύθερης βούλησης, καθιέρωσε την κυριαρχία της όρασης σε σχέση με τις υπόλοιπες αισθήσεις και τέλος ευνόησε την ανάπτυξη του επιστημονικού πνεύματος και της

πειραματικής παρατήρησης. Συγκεκριμένα, όσον αφορά τον χώρο, ο Derrick de Kerckhove αναφερόμενος στο Ιπποδάμειο σύστημα σημειώνει πως η σύνδεση μεταξύ του ελληνικού αλφαβήτου και του δικτύου των πόλεων ήταν άμεση. Όπως αντίστοιχα το Ίντερνετ σήμερα, το αλφάβητο αποτέλεσε ένα ουσιώδες τεχνολογικό επίτευγμα της διαχείρισης της πληροφορίας από τον άνθρωπο: η χρήση του επηρεάζει το περιεχόμενο της πληροφορίας αλλά και τη μορφή της επεξεργασίας της. Με άλλα λόγια, τον τρόπο που ο άνθρωπος αντιμετωπίζει και σχεδιάζει τον χώρο. Το ελληνικό αλφάβητο, δανεισμένο από τους Φοίνικες και προσαρμοσμένο προσθέτοντας φωνήεντα σε μια σειρά συμφώνων, ευνόησε μια αποφασιστική αλλαγή στην διαδικασία κατά την οποία ο εγκέφαλος διαχειρίζεται την πληροφορία: κυριάρχησε η αναλυτική σκέψη και ο χώρος έγινε πλέον μια αντικειμενική

1. Luigi Prestinenza Puglisi, [1999], Hyperarchitecture, Spaces in the Electronic Age, Birkhäuser, Basel, p. 58

76

Εικόνα 30 | Tom Beddard| Simple Attractors Series

πραγματικότητα, υποβλήθηκε σε οπτική αξιολόγηση, ανάλυση και θεωρία, ταξινόμηση και διαχείριση. Αντίστοιχα, η εμφάνιση της προοπτικής που συνέπεσε χρονικά, και ίσως όχι τυχαία, με την εφεύρεση της τυπογραφίας, αν και παλαιότερα είχε ήδη εμφανιστεί στον αρχαίο ελληνικό και ρωμαϊκό πολιτισμό, αποτέλεσε τη βάση της Ουμανιστικής Αρχιτεκτονικής της Αναγέννησης: η νέα αντίληψη έκανε τον χώρο «μετρήσιμο» για τον άνθρωπο, αντικείμενο επεξεργασίας και παρατήρησης , πυροδότησε μια σειρά από αλλαγές στην αρχιτεκτονική που πραγματοποιήθηκε από τον Brunelleschi και άλλους, όπως η δημιουργία ενός modular system που ενίσχυσε την προοπτική και μετασχημάτισε τον σχεδιασμό.2 Η μετάβαση από έναν θεοκεντρικό κόσμο σε έναν νέο, ανθρωποκεντρικό και ανθρωπομορφικό, συνέπεσε με την ανακάλυψη της προοπτικής ενός σημείου φυγής από τον Brunelleschi. Καθιέρωσε την όραση ως την κυρίαρχη αίσθηση της αρχιτεκτονικής και συνέδεσε το μάτι με τον εγκέφαλο, το να βλέπεις με το να σκέφτεσαι. Η τάση αυτή επικράτησε ως σήμερα περνώντας αλώβητη από την «μηχανική», αφηρημένη, αναλυτική και αντικειμενική αντίληψη που κυριάρχησε στην βιομηχανική κοινωνία των περασμένων αιώνων, απέκτησε υπόσταση και διευκρινίστηκε μέσω της Μοντέρνας αρχιτεκτονικής, της μαζικής παραγωγής και του φονξιοναλιστικού παραδείγματος της αρχής του προηγούμενου αιώνα. Παρόλο τις απόπειρες να αποτινάξει από πάνω της, η αρχιτεκτονική, την εκλογικευμένη όρασή της, όπως οι αρχιτεκτονικές προβολές του Piranesi, ο κυβισμός, ο κονστρουκτιβισμός ή το διεθνές κίνημα, ποτέ δεν κατάφερε να αλλάξει την σχέση μεταξύ αντικειμένου και υποκειμένου. Αξίζει να σημειωθεί ότι με τον όρο «όραση» εννοείται η δυνατότητα κάποιου να βλέπει και να προσδίδει νόημα μέσω του 2. Antonino Saggio, [2013], The IT Revolution in Architecture: Thoughts on a Paradigm Shift, Lulu.com, New York, p. 90

77

εγκεφάλου [vision] και σχετίζεται με την ικανότητα των ματιών να εστιάσουν σε μία εικόνα, την θέαση [sight]. Στην αρχιτεκτονική, συνήθως η «όραση» ταυτίζεται με την αντίληψη μέσω της μονόφθαλμης προοπτικής όρασης που είναι τέτοια ώστε να επιτρέπει την προβολή του χώρου σε μία επιπεδομετρική επιφάνεια. Αντίθετα, στην συγκεκριμένη περίπτωση αναφερόμαστε διαδικασία σύνδεσης της εστίασης σε μία εικόνα με την σκέψη, του ματιού με το μυαλό, του ορισμού μιας σχέσης μεταξύ υποκειμένου και αντικειμένου. Σύμφωνα με τον Eisenman η αρχιτεκτονική δεν έθεσε ποτέ σε προβληματισμό το θέμα της όρασης αφού πάντα βρισκόταν εγκλωβισμένη στην έννοια του υποκειμένου και «μεταξύ τεσσάρων τοίχων».3 Μόνο τις τελευταίες δεκαετίες με το έργο αρχιτεκτόνων και φιλοσόφων αντιμετωπίζουμε έναν διαφορετικό τύπου χώρο όπου οι καθιερωμένοι όροι μεταμορφώνονται. Με την έλευση των ηλεκτρονικών συστημάτων υποστηρίζει ο McLuhan, όλες οι «προεκτάσεις» του ανθρώπου, συμπεριλαμβανομένης της πόλης και της αρχιτεκτονικής, θα μεταφραστούν σε συστήματα πληροφορίας.1 Κατά αυτό τον τρόπο, όπως η βιομηχανική κοινωνία μετέτρεψε τις πόλεις σε μεγάλες μηχανές, η κοινωνία της πληροφορίας θα τις μετατρέψει σε ένα περίπλοκο νευρικό σύστημα που θα βρίσκεται κάθε στιγμή σε ετοιμότητα να λάβει την πληροφορία, να την επεξεργαστεί και να την μεταδώσει. 3. Peter Eisenman, [1999], Visions Unfolding: Architecture in the Age of Electronic Media, in Digital Eisenman: an office of the electronic era by Luca Galofaro, Birkhäuser ,Basel, p.85

78

Εικόνα 31 | Katie Lewis|201 Days

6. 2 η αρχιτεκτονική δημιουργία και τα νέα μέσα Τα νέα μέσα, που εισήγαγαν οι ηλεκτρονικοί υπολογιστές στην καθημερινότητα, δημιούργησαν έναν νέο τρόπο έκφρασης στην αρχιτεκτονική αφού η έλευση των νέων τεχνολογιών και των σχεδιαστικών προγραμμάτων αποτελεί ίσως ένα από τα σημαντικότερα καινοτομικά στοιχεία στην οργάνωση και την δομή των αρχιτεκτονικών σπουδών.1 Με την εμφάνιση των ηλεκτρονικών υπολογιστών για προσωπική χρήση τη δεκαετία του 1960 και μέχρι τη δεκαετία του 1980 [ComputerAided Design Era] τα συστήματα CAD είχαν υποστηρικτικό ρόλο στη σχεδιαστική διαδικασία. Από το 1980 και έπειτα οι υπολογιστές έγιναν πιο προσιτοί και επέφεραν μια επανάσταση στον σχεδιασμό: από το computerized στο computational. Σήμερα, ο υπολογιστής στην αρχιτεκτονική χρησιμοποιείται είτε για drafting-modeling είτε για την επεξεργασία της αρχιτεκτονικής πληροφορίας που βασίζεται στην μορφή.2 Η επιρροή του υπολογιστή δεν έχει να κάνει μόνο με τη δημιουργική διαδικασία, ανακλάται και στο τελικό αποτέλεσμα μεταμορφώνοντας το μέλλον των κτιρίων και της πόλης. Ο Sergio Lepri, αναλύοντας την επίπτωση της επεξεργασίας κειμένου μέσω ηλεκτρονικών

υπολογιστών, καταλήγει πως η ένταξη αυτού του τρόπου γραφής στην καθημερινή ζωή επηρέασε την γλώσσα και τον τρόπο που αυτή εκφράζεται. «Έχουμε απορρίψει τις καθιερωμένες και εξεζητημένες μορφές λόγου για να υιοθετήσουμε μία απλούστερη γλώσσα η οποία γίνεται πιο εύκολα κατανοητή, βρίσκεται πιο κοντά στους ανθρώπους: σε πολλές περιπτώσεις, παρόλα αυτά, ειδικά εκεί που η σύνθεση κειμένου πραγματοποιείται βιαστικά, γίνεται χρήση στερεοτύπων και ιδιωματισμών, που αν και μειώνουν την ποιότητά του, δεν επηρεάζουν αρνητικά την ευληπτότητα και την ευκρίνειά του.»3 Η επεξεργασία κειμένου αποτελεί ένα απλό παράδειγμα του τρόπου με τον οποίο προβάλλεται και γίνεται επεξεργάσιμο το περιεχόμενο της σκέψης σε μία οθόνη. Στην πραγματικότητα, η επεξεργασία της πληροφορίας πριν την έλευση των νέων τεχνολογιών ήταν αναγκαστικά περιορισμένη στον πνευματικό κόσμο. Τα νέα στοιχεία που εισήγαγε η ηλεκτρονική επεξεργασία κειμένου εμφανίζονται, επίσης, σύμφωνα με τον Luigi Prestinenza Puglisi και στα σχέδια CAD. Η απλοποίηση της αρχιτεκτονικής γλώσσας και η ένταξη προφορικών στοιχείων, η επικράτηση της

1. Luigi Prestinenza Puglisi, [1999], Hyperarchitecture, Spaces in the Electronic Age , Birkhäuser, Basel, p. 66 2. Kostas Terzidis, [2006], Algorithmic Architecture, Elsevier Ltd, Burlington, p.60 3. Luigi Prestinenza Puglisi, [1999], Hyperarchitecture, Spaces in the Electronic Age , Birkhäuser, Basel, p. 66

80

παράταξης4 σε βάρος της υπόταξης5, η τάση προς ρητορικές μορφές είναι κάποια από αυτά τα στοιχεία και, βέβαια, αφορούν και στους περιορισμούς που αναδύονται. Στην ηλεκτρονική εποχή, ο υπολογιστής άλλαξε όχι μόνο τον χαρακτήρα της αρχιτεκτονικής αλλά και τον στόχο της. Η ελαστικότητα και η έλλειψη κλίμακας που χαρακτηρίζει τον σχεδιασμό μέσω υπολογιστών, την απομακρύνουν από την μέχρι τώρα ρασιοναλιστική λογική του σχεδιασμού και οδηγούν σε νέες χωρικές αναζητήσεις. Σύμφωνα με τον Luca Galofaro ο υπολογιστής είναι μια μηχανή που εκτελεί μετασχηματισμούς μέσω των οποίων τα αντικείμενα χάνουν την υλικότητά τους και μετατρέπονται σε πληροφορία: τέτοιες είναι η μετάφραση [translation], εξατομικευση [atomisation], ¨λογικοποίηση¨ [logicisation] και δημιουργία μεταφορών [metaphorisation].6 Η τελευταία, είναι αυτή που αφορά την δημιουργική διαδικασία: η μεταφορά και η αφήγηση στη σημερινή αρχιτεκτονική δημιουργία αποτελούν την αιχμή του δόρατος. Ο Saggio υποστηρίζει πως ένα κτίριο δεν είναι πλέον ικανοποιητικό μόνο αν ¨λειτουργεί¨, αν είναι σταθερό, χωρικά πλούσιο και μπορείς να ζεις σε αυτό, αλλά, επίσης, γιατί θυμίζει κάτι άλλο, πέρα από τον ίδιο του τον εαυτό. Προτείνει να εργαστούμε στην αρχιτεκτονική πέρα από το απλό στάδιο της μεταφοράς: να δημιουργήσουμε αρχιτεκτονική που είναι «δημιουργός μεταφορών», που αφήνει την αποκωδικοποίηση της ανοιχτή , ελεύθερη, δομημένη/μη δομημένη και επιτρέπει στον χρήση να «δημιουργήσει τη δική του ιστορία». Η πρόκληση είναι να φτάσουμε στην λεγόμενη Informatizable Architecture, η οποία θα δώσει μορφή στον πνεύμα της νέας ηλεκτρονικής εποχής και θα είναι ικανή να απορροφήσει την διάσταση της πληροφορίας. Ο Antonino Saggio παρατηρεί [2010:108]: Εάν, για την αρχιτεκτονική του 1920, αξία σήμαινε η προσπάθεια αντιγραφής της μηχανής στον τρόπο λειτουργία της, στις διαδικασίες της, στην αισθητική της και την ίδια έκθεση στους συντακτικούς της μηχανισμούς, η αρχιτεκτονική της εποχής μας ξεκάθαρα μετατοπίζει το σημείο ενδιαφέροντός της στο να έχει μία μορφή που πραγματικά πληροφορεί. Αλλά αν η πληροφορία αντιπροσωπεύει μία αναπόφευκτη ουσία σύμφωνα με την οποία καθορίζεται η αξία πλέον της αρχιτεκτονικής έρευνας, τότε το πραγματικό κλειδί στο πρόβλημα αφορά, όπως πάντα, το «πώς». 4. Τρόπος σύνταξης κατά τον οποίο ισοδύναμες προτάσεις τοποθετούνται η μια δίπλα στην άλλη, κύριες με κύριες και δευτερεύουσες με δευτερεύουσες. 5. Τρόπος σύνταξης κατά τον οποίο μια δευτερεύουσα πρόταση συνδέεται με μια κύρια, ώστε η μία να αποτελεί συστατικό της άλλης προκειμένου να συμπληρωθεί, να ερμηνευθεί, να προσδιοριστεί ακριβέστερα το περιεχόμενο της κύριας πρότασης ή όρου της. 6. Luca Galofaro, [1999], Digital Eisenman: an office of the electronic era, Birkhäuser, Basel, p. 55

81

Εικόνα 32 | Philip Beesley|Hylozoic Ground|Venice Biennale 2010| προσωπικό αρχείο|2010

Η νέα αρχιτεκτονική, όχι μόνο πληροφορεί [informs] και επικοινωνεί, αλλά επίσης βρίσκεται σε μία συνεχή διαδικασία μετάλλαξης [in-form, in-formation] αφού η πληροφορία, εξ ορισμού, δεν είναι κάτι σταθερό και απτό αλλά αλλάζει συνεχώς μορφή, προσαρμόζεται και βρίσκεται σε όλες τις πτυχές της καθημερινότητας. Η Τεχνολογία της Πληροφορίας δημιούργησε ένα νέο παράδειγμα στην αρχιτεκτονική αναπαράσταση μέσα από την δυνατότητα του σχεδιασμού όχι μόνο του ορατού αλλά των βαθύτερων δομικών σχέσεων όπως φερ’ ειπείν στον σχεδιασμό μέσω αλγοριθμικών κωδίκων. Η αρχιτεκτονική μορφή, και ως συνέπεια ο αρχιτεκτονικός χώρος, τυποποιείται, ομογενοποιείται και παραμετροποιείται μέσω της επεξεργασίας της πληροφορίας. Σαν αποτέλεσμα των δυνατοτήτων που προσφέρουν οι τεχνολογίες πληροφορίας, η αρχιτεκτονική είναι τώρα ένα ενσωματωμένο οργανικό σύστημα: ένα ανταποκρίσιμο interface το οποίο οργανώνει την πληροφορία δίνοντας μορφή στον χώρο-περιβάλλον.7 Είναι φανερό, πως τα ψηφιακά μέσα έχουν επιφέρει μία επανάσταση στην αρχιτεκτονική που θα μπορούσε να παραλληλιστεί με αυτήν της προοπτικής κατά την περίοδο της Αναγέννησης. Βέβαια, η χρήση των υπολογιστικών συστημάτων για τη δημιουργία εντυπωσιακών μορφών είναι μόνο μία πλευρά από κάτι πολύ μεγαλύτερο, όπως αντίστοιχα η προοπτική δεν είχε ως αποτέλεσμα μόνο μια αναζήτηση γεωμετρικής κανονικότητας, αλλά προκάλεσε γενικότερα βαθύτερες αλλαγές στην αντίληψη και στον σχεδιασμό. Ποιο θα είναι επομένως το μέλλον ενός κλάδου ο οποίος υπήρξε πάντοτε άρρηκτα συνδεδεμένος με τον φυσικό κόσμο σε μία εποχή όπου κυριαρχεί η πληροφορία; Στις στιγμές διαύγειάς της, όταν δεν σκοπεύει απλά να εκπλήξει και να εντυπωσιάσει, η σημερινή ψηφιακή αρχιτεκτονική συνειδητοποιεί ότι ένα από τα σημαντικότερα καθήκοντά της θα είναι να διερευνήσει το ασταθές όριο μεταξύ του φυσικού και του ηλεκτρονικού κόσμου.8 Επιπλέον, στην νέα αυτή αρχιτεκτονική, που οραματίζονται αρχιτέκτονες και θεωρητικοί της αρχιτεκτονικής, προκύπτει φυσικά το ερώτημα του ποιός θα είναι ο ρόλος του δημιουργού: από τον master mason και master builder στον information architect ή τον information master builder;

7. Pablo Lorenzo-Eiroa, Aaron Sprecher, Routledge, [2013], Form:In:Form. On the relationship Between Digital Signifiers and Formal Autonomy, in Architecture in Formation, Taylor and Francis, New York, 2013, p. 13 8. Antoine Picon, [2010], Digital Culture in Architecture: An introduction for the Design Professions, Birkhäuser, Basel, p. 56

83

6. 3 η open source αρχιτεκτονική Ως μέρος της ψηφιακής επανάστασης, που ο κόσμος βιώνει τις τελευταίες δεκαετίες και στην λογική του Wikipedia και άλλων πλατφορμών του διαδικτύου όπου ο χρήστης έχει ενεργό ρόλο, ένα αναδυόμενο παράδειγμα είναι αυτό του open source σχεδιασμού. Οι τεχνολογίες της πληροφορίας, και κατ’ επέκταση το ψηφιακό, έχουν μεταλλάξει τις έννοιες της ιδιοκτησίας, της «μητρότητας» [authorship], των πνευματικών δικαιωμάτων, του εμπορίου και εν γένει της αυθεντικότητας. Το αντίγραφο στην εποχής της πληροφορίας δεν φέρει αρνητικό πρόσημο καθώς η σχέση μας με τα αντικείμενα φαίνεται να αλλάζει καθοριστικά: υπάρχουν εικασίες ότι δεν θα αργήσει πολύ το 3D digital printing να μεταμορφώσει την παραγωγή και τη διάθεση των αντικειμένων με τον ίδιο τρόπο που το iTunes και οι συσκευές MP3 players άλλαξαν τη σχέση μας με την μουσική.1 Σήμερα, το Ίντερνετ κατακλύζεται από αντίγραφα, είτε αυτά είναι μουσική, βιβλία, ταινίες ή φωτογραφίες, ως μέρος της λογικής peer to peer, δηλαδή των δικτύων των υπολογιστών στα οποία δύο ή περισσότερες συσκευές μοιράζονται τους πόρους τους ισοδύναμα και οι πληροφορίες που βρίσκονται στον ένα κόμβο, ανάλογα με τα δικαιώματα που καθορίζονται, μπορούν να χρησιμοποιηθούν από όλους τους άλλους και αντίστροφα.

Στον σχεδιασμό, όπως και στην μουσική, στα βιβλία, στις ταινίες, η επίδραση της ψηφιακής επανάστασης είναι εμφανής. Η λογική open sourcing στον σχεδιασμό, προέκυψε από κάποιους θεωρητικούς, σχεδιαστές, αρχιτέκτονες και εφευρέτες οι οποίοι προτείνουν μια τελείως διαφορετική, «συνεργατική» οπτική σχετικά με το authorship.2 Οι ιδέες δεν είναι αποκλειστικές, η ψηφιακή σφαίρα είναι περισσότερο μία νέα ευκαιρία παρά μία απειλή και η λογική του «πλαστού» είναι πλέον παρωχημένη, είναι κάποιες από τις αρχές τους, αρχές που άλλωστε πρεσβεύει εν γένει ο κόσμος του Διαδικτύου. Αναζητώντας τον ορισμό, λοιπόν, της Open Source Αρχιτεκτονικής, ανακαλύπτουμε στη μηχανή αναζήτησης του Google ότι ακριβώς με τον ίδιο τρόπο με τον οποίο διαμοιράζεται ο σχεδιασμός, διαμοιράζεται και το αρχείο το οποίο αποτελεί το μανιφέστο της τάσης αυτής. Όταν ζητήθηκε από τον Carlo Ratti να δημοσιεύσει στο περιοδικό Domus ένα κείμενο σχετικό με την open source λογική, αυτός πρότεινε αντ’ αυτού να δημιουργηθεί ένα open source αρχείο στο διαδίκτυο, συγκεκριμένα στο Wikipedia, όπου κάθε «συνεργάτης» θα μπορούσε να προσθέσει νέα πληροφορία σε αυτό και να το τροποποιήσει. Από το 2011, που πραγματοποιήθηκε η πρώτη καταχώρηση στο Wikipedia,

1. Chris Anderson, [2010], In the Next Industrial Revolution, Atoms are the New Bits, WIRED, February 2010 2. Various authors, [2011], Open Source Architecture, Domus 948, June, 2011

84

Εικόνα 33-34 | Carlo Ratti Associati, [2012], Open Source Architecture Manifesto. Istanbul Design Biennial 2012

μέχρι σήμερα η σελίδα αυτή παραμένει ένας «ανοιχτός καμβάς» για οποιονδήποτε επιθυμεί να το εμπλουτίσει – ένα μανιφέστο του 21ου αιώνα, το οποίο εξ ορισμού βρίσκεται σε συνεχή εξέλιξη.3 Στην σημερινή του κατάσταση «μετάλλαξης», το αρχείο αναφέρει πως η open source αρχιτεκτονική (OSArc) – αρχιτεκτονική ανοιχτού κώδικα - είναι ένα αναδυόμενο παράδειγμα το οποίο υποστηρίζει νέες διαδικασίες στη φαντασία και στη διαμόρφωση εικονικών και πραγματικών χώρων, εντός των παγκόσμιων υποδομών.4 Με ποίκιλες αναφορές στην open source κουλτούρα, στο modular design, στην avant-garde αρχιτεκτονική θεωρία, την επιστημονική φαντασία, την γλωσσικη θεωρία [language theory] και την νευροχειρουργική, ενστερνίζεται μία λογική που κινείται προς την συνεργατική χρήση του ελευθέρου λογισμικού για διαφανή εγχειρήματα δια μέσου συνολικά της δημόσιας ζωής. Η λογική open sourcing στην αρχιτεκτονική έρχεται να παραγκωνίσει την στατικά γεωμετρική αρχιτεκτονική μορφή με την εισαγωγή των δυναμικών και συμμετοχικών διαδικασιών, δικτύων και συστημάτων. Οι υπέρμαχοί της, υποστηρίζουν πως πρεσβεύει την ανωτερότητα του κώδικα σε αντίθεση με τη μάζα, των σχέσεων σε αντίθεση με τις συνθέσεις, των δικτύων σε αντίθεση με τις κατασκευές, της προσαρμογής σε αντίθεση με την στατικότητα, της ζωής σε αντίθεση με τα σχέδια. Με αυτό τον τρόπο, στοχεύει στο να μεταλλάξει την αρχιτεκτονική από μία top-down αμετάβλητη διαδικασία σε ένα διαφανές συνολικό και bottom up οικολογικό σύστημα – ακόμα κι αν αυτό χρειάζεται να συμπεριλαμβάνει top-down μηχανισμούς. Η Open Source πρακτική συχνά παρομοιάζεται με την μαγειρική, όπως επίσης και η λαϊκή αρχιτεκτονική, δηλαδή ένα είδος «συνταγών» για καθημερινά κτίρια που διαμοιράζονται ανοιχτά με σκοπό την βελτιστοποίηση της τεχνολογίας της κατασκευής. Αυτό πρεσβεύει το Open Architecture Network του οργανισμού Architecture for Humanity, το οποίο αποτελεί μια open source κοινότητα αφιερωμένη στο να βελτιώνει τις συνθήκες διαβίωσης μέσω καινοτόμου και βιώσιμου σχεδιασμού. 5 Όχι μόνο αντικαθιστά τους παραδοσιακούς περιορισμούς που επιβάλλονται από τα πνευματικά δικαιώματα με άδειες Creative Commons, αλλά επίσης επιτρέπει την ελεύθερη πρόσβαση σε αρχιτεκτονικά σχέδια. Επιπλέον, λογικές open sourcing βασίζονται στα digital commons και τους διαθέσιμους και διαμοιρασμένους χώρους του World Wide Web με σκοπό να ενεργοποιήσουν συνεργασίες πέρα από τα καθιερωμένα καθεστώτα ανταγωνισμού και κέρδους. Τα παραδοσιακά αρχιτεκτονικά εργαλεία, όπως τα σχέδια και τα σκίτσα συμπληρώνονται και αντικαθίστανται από διαδραστικές εφαρμογές λογισμικού χρησιμοποιώντας σχετικά δεδομένα και παραμετρική συνδεσιμότητα.6 Όσον αφορά το πρακτικό ζήτημα, η open source αρχιτεκτονική χρηματοδο3. http://senseable.mit.edu/osarc/ 4. https://en.wikipedia.org/wiki/Open-source_architecture 5. http://openarchitecturenetwork.org/about 6. https://en.wikipedia.org/wiki/Open-source_architecture

86

τείται μέσω νέων οικονομικών μοντέλων, όπως παραδείγματος χάριν, με σταδιακά αυξανόμενες μικρό-δωρεές και στρατηγικές crowd-funding μέσω πλατφορμών όπως το Sponsume ή το Kickstarter . Με αυτόν τον τρόπο αποσταθεροποιούνται οι παραδοσιακές ιεραρχικές δομές φεουδαρχικού τύπου με την μορφή πελάτη/αρχιτέκτονα/κάτοικου. Η χρηματοδότηση έτσι ενός ιδιωτικού εγχειρήματος μέσω του δημοσίου τομέα επιτρέπει την μαζική και όχι την ατομική ιδιοκτησία, ενώ η χρηματοδότηση δημοσίων έργων μπορεί να προέρθει από περισσότερο ευέλικτα, ανταποκρίσιμα πλαίσια και όχι μόνο από τη φορολογία.7 Η open source αρχιτεκτονική ελκύει με αυτό τον τρόπο άτομα και θεσμούς εκτός της κυρίαρχης οικονομίας όπως καταληψίες, πρόσφυγες καθώς και τον στρατό. Η σημασία που δίνεται από την open source αρχιτεκτονική, τόσο στην «ευφυΐα της μάζας», όσο και στην ατομικότητα , καθώς δεν υπάρχει διάκριση μεταξύ των επαγγελματιών αρχιτεκτόνων και των ερασιτεχνών σχεδιαστών, θολώνει το διαχωρισμό μεταξύ του δημιουργού [author] και του κοινού [audience]. Αποτελεί μία ξεκάθαρα δημοκρατική λογική, όπου αναγνωρίζεται ο ουσιαστικός ρόλος των πολλαπλών χρηστών, είτε αυτοί είναι οι πελάτες, κοινότητες, σχεδιαστές, κάτοικοι, σε κάθε στάδιο του εγχειρήματος και διαφυλάσσεται η αρχή της ελεύθερης πρόσβασης και της συμμετοχικότητας μέσω πολλαπλών πολιτικών παραλλαγών. Τα χρηματοδοτούμενα ,μέσω crowd-funding, αυτά μοντέλα αναπτύσσουν τις διάφορες μορφές «δεσμεύσεων» επί της διαδικασίας, ενεργοποιώντας έτσι μία αναδυόμενη πολεοδομία στην οποία η χρήση του χώρου βελτιστοποιείται σύμφωνα με τις ανάγκες και τις επιλογές των χρηστών του. Η αποκατάσταση της δύναμης των πολιτών θα μπορούσε να ερμηνευτεί ως μία ήπια μορφή χωρικού Hactivism8, δηλαδή μία ανατρεπτική χρήση των ηλεκτρονικών υπολογιστών και των ηλεκτρονικών δικτύων για την προώθηση κάποιας πολιτικής ατζέντας. Ριζωμένος στην κουλτούρα και την ηθική των χάκερς, ο στόχος του Hactivism βρίσκεται στην διαφύλαξη και προώθηση της ελευθερίας του λόγου, των ανθρωπίνων δικαιωμάτων και της ελευθερίας της πληροφορίας. Γι αυτό τον λόγο, η open source αρχιτεκτονική, δεν αποκλείεται να έρθει αντιμέτωπη με τα μειονεκτήματα που αντιμετωπίζει εν γένει το open source λογισμικό: οργανωμένες καμπάνιες με στόχο τον εκφοβισμό, αβεβαιότητα και αμφιβολία. Ως αποτέλεσμα της παγκόσμιας αυτής συνεργασίας, καθιερώνονται κοινά, ανοιχτά πρότυπα τα οποία θέτουν επί τάπητος το πρόβλημα της συμβατότητας του εξοπλισμού και των interfaces μεταξύ 7. https://en.wikipedia.org/wiki/Open-source_architecture 8. Ο όρος επινοήθηκε το 1994 από το μέλος των Cult of the Dead Cow, γνωστό ως “Omega”. Λόγω των ποικίλων νοημάτων των λέξεων που τον αποτελούν, ο όρος hacktivism θεωρείται συχνά αμφίσημος και προκαλεί ουσιαστικές διαφωνίες σχετικά με το τί τύπου δραστηριότητες και σκοπούς η πρακτική αυτή εξυπηρετεί. Κάποιοι ορισμοί περιλαμβάνουν πράξεις διαδικτυακής τρομοκρατίας [cyberterrorism] ενώ άλλοι απλά επαναδιαβεβαιώνουν την χρήση του τεχνολογικού hacking με σκοπό να προκληθεί κοινωνική αλλαγή.

87

Εικόνα 35

των μερών.9 Οι προσπάθειες αυτές επιτρέπουν ενέργειες συνεργασίας κατά τις οποίες ενθαρρύνονται η ανάπτυξη δικτύων μη-χρηματικών ανταλλαγών και συνεργασιών από απόσταση. Ο σχεδιασμός που χαρακτηρίζει την open source αρχιτεκτονική χαρακτηρίζεται από τη μαζική εξατομίκευση [mass customization] στη θέση της μαζικής παραγωγής [mass production], που αποτέλεσε ένα από τα χαρακτηριστικά του Μοντέρνου κινήματος. Αυτό επιτυγχάνεται μέσω των αλγορίθμων, οι οποίοι επιτρέπουν την παραγωγή παραλλαγών των αντικειμένων που σχεδιάζονται, τα οποία ενώ συνεχίζουν να σχετίζονται μεταξύ τους, δεν είναι ποτέ απαράλλαχτα. Τα λογισμικά που κυριαρχούν σε αυτή την τάση, όπως το Grasshoper, το GenerativeComponents, το Revit και το Digital Project, δίνουν τη δυνατότητα στους χρήστες να αλληλεπιδρούν, να πλοηγούνται και να τροποποιούν ψηφιακά σχέδια, καθώς και να εξετάζουν και να βιώνουν μια λίστα επιλογών με άνευ προηγουμένων χαμηλό κόστος – αναγνωρίζοντας τους «απλούς» ανθρώπους ως παράγοντες στην διαδικασία λήψης αποφάσεων και όχι απλά ως καταναλωτές.10 Επιπλέον, οι BIM εφαρμογές και άλλες παρόμοιες πρακτικές παρέχουν τη δυνατότητα της διεπιστημονικής αντιπαράθεσης σχετικά με τη σχεδιαστική πληροφορία, ενώ οι τεχνικές του Rapid Prototyping και οι τεχνολογίες 3D printing κάνουν την άμεση παραγωγή τεχνουργημάτων

σε ποικίλες κλίμακες διαθέσιμη στο ευρύτερο κοινό. Όπως είναι φανερό η λογική που περιγράφηκε προωθεί τον διαμερισμό και την σύγκριση της πληροφορίας μέσω των διαθέσιμων κωδίκων και των scripts και έτσι κάνει ένα βήμα παραπάνω προς την βελτιστοποίηση της παραγωγής και επιταχύνει την διαδικασία συσσώρευσης και διαμοιρασμού της κοινής γνώσης. Ωστόσο, υπάρχουν κριτικές όσον αφορά τη χρήση του δημοφιλούς λογισμικού του σήμερα κυρίως λόγω της δυσκολίας στη χρήση που παρουσιάζει για τους απλούς χρήστες. Έτσι, το 2010 με την ηλεκτρονική δημοσίευση του βιβλίου «P2P Urbanism» ο Νίκος Σαλίγκαρος και οι συνεργάτες τους έκαναν λόγο για έναν peer to peer σχεδιασμό που να περιλαμβάνει low-tech σχεδιαστικές λύσεις και να συλλέγει γνώση περί του σχεδιασμού η οποία να είναι διαθέσιμη σε open source πλατφόρμες του διαδικτύου. Σύμφωνα με τον Ν. Σαλίγκαρο το P2P Urbanism είναι ένας καινοτόμος τρόπος σύλληψης, κατασκευής και επιδιόρθωσης της πόλης που βασίζεται σε πέντε βασικές αρχές.11 Πρώτον, το P2P Urbanism υπερασπίζεται το θεμελιώδες ανθρώπινο δικαίωμα της επιλογής του χτισμένου περιβάλλοντος για κατοίκηση. Οι ατομικές επιλογές ανάμεσα από ποικίλες δυνατότητες παράγουν μία βιώσιμη συμπαγή πόλη που ικανοποιεί τις ανάγκες μας με τον καλύτερο δυνατό τρόπο. Δεύτερον, όλοι οι πολίτες πρέπει να έχουν

9. https://en.wikipedia.org/wiki/Open-source_architecture 10. https://en.wikipedia.org/wiki/Open-source_architecture 11. Nikos A. Salingaros [2010, P2P Urbanism, with the collaboration of various authors, Draft Version 3.0, p. 5

89

πρόσβαση στην πληροφορία που αφορά το περιβάλλον τους έτσι ώστε να μπορούν να συμμετέχουν στη διαδικασία λήψης αποφάσεων. Αυτό μπορεί να πραγματοποιηθεί και να υποστηριχτεί ενεργά από τις τεχνολογίες πληροφοριών και επικοινωνίας.[ICTs] Τρίτον, οι ίδιοι οι χρήστες πρέπει να συμμετέχουν σε όλα τα επίπεδα του συμμετοχικού σχεδιασμού και σε κάποιες περιπτώσεις να χτίζουν την πόλη τους. Πρέπει να ενδιαφέρονται για κάθε αλλαγή που σχεδιάζεται σχετικά με το περιβάλλον τους από τις κυβερνήσεις ή άλλους παράγοντες ανάπτυξης. Τέταρτον, αυτοί που κάνουν χρήση του P2P Urbanism δεσμεύονται να παράγουν και να διαδίδουν την open source γνώση, τις θεωρίες, τις τεχνολογίες και τις εφαρμοσμένες πρακτικές για τον αστικό ιστό της ανθρώπινης κλίμακας έτσι ώστε ο καθένας να είναι ελεύθερος να τα χρησιμοποιήσει και να τα αξιολογήσει. Πέμπτον, οι χρήστες του χτισμένου περιβάλλοντος έχουν το δικαίωμα να θέτουν σε λειτουργία εξελικτικές αποθήκες γνώσεων, ικανοτήτων και πρακτικών, οι οποίες θα τους παρέχουν συνεχώς εξελισσόμενα εκλεπτυσμένα και προσαρμοσμένα αστικά εργαλεία. Πρόκειται, δηλαδή, για ένα θεωρητικό κίνημα, αναδυόμενο από ανεπίσημες συμφωνίες και ιδιοκαταστακευαζόμενη αρχιτεκτονική, με διαδικασίες που θεωρούνται δόκιμες για την εξέλιξη του αστικού περιβάλλοντος και που επιστρέφει στον χρήστη την δύναμη συμμετοχής και λήψης αποφάσεων την οποία είχε χάσει.12 Το P2P Urbanism προωθεί τα παραδοσιακά τοπικά υλικά και τις τεχνικές κατασκευής της λαϊκής αρχιτεκτονικής και διαχωρίζεται εξ ολοκλήρου από τα virtual groups σχεδιασμού που επικεντρώνονται στον εξαιρετικά ακριβό παραμετρικό σχεδιασμό. Οι υπέρμαχοι αυτής της πρακτικής επίσης αντιτίθενται φιλοσοφικά με τις προσεγγίσεις σχεδιασμού που θεωρούνται ότι είναι «στην μόδα», καθώς τις συσχετίζουν με τα μη-βιώσιμα προϊόντα, τα διαφημιστικά συμφέροντα και στον απόλυτο έλεγχο των λίγων συμμετεχόντων, κάτι που προφανώς έρχεται σε αντίθεση με την πρόθεση για ελεύθερη πρόσβαση του κοινού στον σχεδιασμό. Σύμφωνα με τους συγγραφείς, ο open source σχεδιασμός θα πρέπει να έχει ως σκοπό να διευκολύνει τους χρήστες να σχεδιάσουν και να χτίσουν οι ίδιοι τις κατοικίες τους και όχι να συνεχίσει να ενθαρρύνει έναν ελιτιστικό σχεδιασμό που περιλαμβάνει τους σύγχρονους γνωστούς αρχιτέκτονες. Μέσω του κινήματος open source, η αρχιτεκτονική ξεφεύγει από τα καθιερωμένα πλαίσια του παραδοσιακού σχεδιασμού και μετατρέπεται σε μία συνεχή και εξελικτική διαδικασία. Σχεδιάζονται έτσι κινητικά [kinetic] και έξυπνα περιβάλλοντα που ενσωματώνουν λογισμικό, τεχνικό εξοπλισμό και μηχανισμούς που ενημερώνονται από δεδομένα προερχόμενα από αισθητήρες. Επιβεβαιώνεται με αυτό τον τρόπο, ότι ο σχεδιασμός πάντα ήταν μία διαδικασία δίχως τέλος, όπως άλλωστε και η διαδικασία συνεργασίας και επικοινωνίας μεταξύ χρηστών και σχεδιαστών. Λειτουργικά συστήματα για τον σχεδιασμό, την κατασκευή και τη χρήση αρχίζουν πλέον να είναι 12. https://opensourceurbanism.wordpress.com/2012/08/08/peer-to-peer-urbanism/

90

διαθέσιμα ως ανοιχτές πλατφόρμες που με τη σειρά τους πυροδοτούν νέες εφαρμογές. Ενσωματωμένοι αισθητήρες και εν γένει το computing συνεχώς μετατρέπουν τα καθημερινά αντικείμενα σε μέρος του Internet of Things. Διάφορα υλικά επικοινωνούν και ενημερώνουν για τη θέση και την κατάστασή τους κατά τη διάρκεια της κατασκευής και όχι μόνο, καθώς είναι δυνατόν πλέον να εκπέμπουν δεδομένα καθ’ όλη τη διάρκεια της ζωής τους. Το να κατοικείς σημαίνει να σχεδιάζεις, σύμφωνα με τον John Habraken13 και αυτή ακριβώς είναι η αρχή της Open Source Αρχιτεκτονικής του σήμερα. Η κρίσιμη ανατροφοδότηση του συστήματος παρέχεται από τους χρήστες και τους κατοίκους, μέσω ηλεκτρονικών συσκευών όπως τα κινητά τηλέφωνα, και ενισχύεται ακόμα περισσότερο από τα σημερινά δίκτυα περιβάλλοντος «με συνείδηση» [sentient network spaces] που συνεχώς μεταδίδουν στοιχεία που σχετίζονται με τις ιδιότητες τους, την κατάστασή τους και τα χαρακτηριστικά τους. Επιπλέον, το crowdsourcing (στη λογική του crowd-funding) παρέχει μεγάλους όγκους αποτελούμενους από small data που επιτρέπει την ακριβή και αναλυτική πληροφόρηση σε πραγματικό χρόνο. Η εξατομίκευση αντικαθιστά την τυποποίηση αφού

οι χώροι «έξυπνα» αναγνωρίζουν και απαντούν σε κάθε χρήστη ξεχωριστά. Ταυτόχρονα, η αναπαράσταση των χώρων παίζει κρίσιμο ρόλο πλέον και μετά την κατασκευή: παρακολούθηση σε πραγματικό χρόνο, ανατροφοδότηση και ambient display γίνονται βασικά στοιχεία της κατασκευαστικής διαδικασίας αφού ένα κτίριο ποτέ δεν είναι «ολοκληρωμένο» στον αρχιτεκτονικό, open source, κόσμο της ανάπτυξης και της αλλαγής.14 Όπως σημειώνεται στο τέλος του μανιφέστου για την open source αρχιτεκτονική στην αντίστοιχη σελίδα στη Wikipedia: αν τα κτίρια και οι πόλεις του αύριο είναι «υπολογιστές κατοίκησης», η open source αρχιτεκτονική παρέχει ένα ανοιχτό και συνεργατικό πλαίσιο για την ανάπτυξη των λειτουργικών τους συστημάτων.15 Πειραματισμούς στην λογική που περιγράφηκε προηγουμένως πραγματοποιούν εδώ και κάποια χρόνια διάφοροι σχεδιαστές, εκμεταλευόμενοι τις δυνατότητες που προσφέρει διαμοιρασμός της γνώσης μέσω του διαδυτκίου. Τα biothing/ CONTINUUM είναι ένα χαρακτηριστικό παράδειγμα. Το biothing ιδρύθηκε το 2001 από την Alisa Andrasek16 και αποτελεί να διεπιστημονικό εργαστήριο το οποίο επικεντρώνεται στην γενετική δυνατότητα των υπολογιστικών

13. O N. John Habraken είναι Ολλανδός αρχιτέκτονας, εκπαιδευτικός και θεωρητικός. Η θεωρητική του προσφορά αφορά την μαζική κατοικία και την ενσωμάτωση των χρηστών και των κατοίκων στην σχεδιαστική διαδικασία. 14. https://en.wikipedia.org/wiki/Open-source_architecture 15. Ibid. 16. Η Alisa Andrasek αποφοίτησε από το Πανεπιστήμιο του Zagreb και έχει πραγματοποιήσει μεταπτυχιακές σπουδές [Masters in Advanced Architectural Design] στο Πανεπιστήμιο Columbia.

91

συστημάτων για τον σχεδιασμό. Το 2005 η ίδια ίδρυσε το CONTINUUM, μία ερευνητική διεπιστημονική κολεκτίβα που εστιάζει στην προηγμένη υπολογιστική γεωμετρία και στην ανάπτυξη λογισμικού. Οι biothing/CONTINUUM εξερευνούν την μεταβολή από την προσέγγιση που βασιζόταν στην τεχνική, και κυριάρχησε στις γενετικές πρακτικές στον χώρο της αρχιτεκτονικής το πρόσφατο παρελθόν, στην περισσότερο ρητή/ κατηγορηματική υπολογιστική προσέγγιση όπου άμεσα εμπλέκεται το scripting με μια open source λογική – έχοντας ως αποτέλεσμα μία αναπτυσσόμενη κουλτούρα συλλογικής υπολογιστικής γνώσης που αναδύεται μέσα στον κλάδο.17 Η δουλειά τους έχει ως πυρήνα μία βιβλιοθήκη scripts και μεθόδων για την διακωδικοποίησή τους, που είναι εφαρμόσιμοι στους περιορισμούς του υλικού, της δομής, της παραγωγής και της συναρμολόγησης. Οι τεχνικές τους επιτρέπουν στον σχεδιαστή να εργαστεί στην κλίμακα της πληροφορίας που σχετίζεται με ποικίλες μορφές υλοποίησης ενώ κατανοούν τις δυνατότητες των υπολογιστικών patterns για να παράγουν εκφράσεις σε διάφορες κλίμακες. Αντίστοιχα με έναν γενετικό μηχανικό, οι σχεδιαστές των biothing/CONTINUUM συγγράφουν αλληλουχίες κωδίκων για την παραγωγή άυλων μορφών ευφυΐας και ασχολούνται με λιγότερο ντετερμινιστικές διαδικασίες όσον αφορά την έρευνα στον σχεδιασμό. Όπως οι ίδιοι υποστηρίζουν, η χρήση των αλγοριθμικού scripting ως κύρια γενετική διαδικασία συνεπάγεται affective αποτελέσματα.18 Επιπλέον, η πρακτική τους λειτουργεί ως συνδετικός κρίκος για παραδοσιακά ξεχωριστούς τομείς όπως τα μαθηματικά, ο προγραμματισμός, η ρομποτική, η μηχανική και η ανάπτυξη λογισμικού, κάτι που οδηγεί σε μία νέα «ενοποίηση» της γνώσης.

17. http://www.biothing.org/ 18. Ibid.

92

Εικόνα 36-37 | Biothing|Fissureport, Port Terminal, Kaohsiung Taiwan

Εικόνα 38-39| Biothing|A/MAZE

96

Εικόνα 40-41| Biothing, Ezio Blasetti|MESONIC FABRICS/2007/09//

97

6. 4 η αρχιτεκτονική των big data

Ορμώμενη από τη δημοσίευση του Chris Anderson στο Wired με τίτλο “The End Of Theory: The Data Deluge Makes the Scientific Method Obsolete”, που αναφέρθηκε σε προηγούμενο κεφάλαιο, η computational design strategist Cynthia Ottchen, ερευνά ποιός θα είναι ο ρόλος του αρχιτέκτονα στην Petabyte Age, αναφερόμενη κυρίως στο Building Information Modeling. Οι πρώτες διερευνήσεις των ψηφιακά παραγόμενων μορφών έλαβαν χώρα σε κάποιες αρχιτεκτονικές σχολές την δεκαετία του 1980. Τότε, προσαρμόστηκαν τα λογισμικά που αρχικά ήταν σχεδιασμένα για δημιουργία animation από τον χώρο του θεάματος, για πειραματισμό στην αρχιτεκτονική γύρω από τις ιδέες της ρευστότητας και της δυναμικής. Όπως η Cynthia Ottchen υπογραμμίζει, το αποτέλεσμα τέτοιων πειραματισμών αν και ριζοσπαστικό, συχνά αψηφούσε προγραμματικές διαστάσεις, πολιτικούς και κοινωνικούς προβληματισμούς, συστήματα αναπαράστασης, ιδιότητες των υλικών και τεχνικές κατασκευής: τώρα μεγάλο μέρος αυτής της δουλειάς φαντάζει αισθητικά επιεικές και πολύ στενά εστιασμένο. Κάπου ανάμεσα σε αυτές τις προσπάθειες αναπτύχθηκαν από διάφορους τομείς – αρχιτεκτονική, μηχανική και κατασκευαστική

βιομηχανία–λογισμικά για τη βελτιστοποίηση της κατασκευαστικής διαδικασίας. Τέτοια προγράμματα ενσωμάτωναν εργαλεία τεκμηρίωσης και project management με μία βάση δεδομένων τριών διαστάσεων που ανανεωνόταν αυτόματα, αυτό που ουσιαστικά αποτέλεσε το Building Information Modeling. Ήταν τότε που δημιουργήθηκε ένα χάσμα στον κόσμο του ψηφιακού σχεδιασμού: από την μία τα σχεδιαστικά προγράμματα για πειραματισμό επάνω στην μορφή και από την άλλη τα προγράμματα προερχόμενα από την βιομηχανία του λογισμικού που χρησιμοποιούνταν κυρίως για παραγωγή. Από την μία η ακαδημαϊκή τάση προς τις μεθοδολογίες του scripted design, κυρίως γενετικοί αλγόριθμοι βασισμένοι σε κάποιο βιολογικό μοντέλο, δηλαδή μορφογένεση, και από την άλλη η περαιτέρω εξέλιξη των εξειδικευμένων λογισμικών για δομική και περιβαντολλογική ανάλυση και προσομοίωση, η παραμετροποίηση των υλικών ιδιοτήτων καθώς και οι κατασκευαστικοί περιορισμοί των Building Information Modeling εφαρμογών. Η πρώτη τάση πρότεινε μία αντίληψη που πηγάζει από τον Darwin για μια επιτελεστική καταλληλότητα [performative fitness] ως κριτήριο για την επιλογή της

98

μορφής ενώ η ανάπτυξη των λογισμικών και του BIM άλλαξε την σημασία των πρακτικών, τεχνολογικών δεδομένων: μετατράπηκαν ξαφνικά σε ένα σημαντικό και αναπόσπαστο κομμάτι του σχεδιαστικού concept αφού πλέον προέκυπταν, και ήταν δυνατόν να ληφθούν υπ’ όψιν, νωρίτερα στην σχεδιαστική διαδικασία. Σύμφωνα με τη Cynthia Ottchen, και οι δύο αυτές εξελίξεις είχαν ως αποτέλεσμα μια συστημικά προσανατολισμένη, performative αρχιτεκτονική, η οποία εντείνει την προώθηση των επιστημονικών μοντέλων και των πρακτικών κριτηρίων και ευνοεί την ανάπτυξη ανατροφοδοτούμενων βρόγχων δεδομένων μέσω ενσωματωμένων εργαλείων. Κάτι τέτοιο, δίνει στον αρχιτεκτονικό σχεδιασμό αξία περισσότερο ποσοτική και προωθεί μία αρχιτεκτονική που χαρακτηρίζει η ελκυστική συνέχεια και ο αποδοτικός σχεδιασμός του περιβάλλοντος. Φαίνεται ότι κρίσιμες κοινωνικοπολιτισμικές πλευρές του σχεδιασμού δηλαδή, μορφές “soft” δεδομένων όπως οι αισθητικές στρατηγικές, οι εκδοχές αναπαράστασης, οι πολιτικές ατζέντες, οι κοινωνικοπολιτισμικές διαστάσεις και το ιστορικό υλικό, περιθωριοποιούνται ή παραλείπονται αυτών των νέων διαδικασιών, όχι μόνο γιατί έχουν υφή ποιοτική αλλά ακόμη γιατί είναι κατακλυσμένες από αξία και πιθανά πολιτικά επίμαχες.1 Επιπλέον, οι σχεδιαστές επιλέγουν BIM εφαρμογές με κριτήριο τη δυνητική ακαμψία και την ελεγχόμενη δημιουργικότητα της σχεδιαστικής διαδικασίας. Έτσι, βλέπουμε ότι η πλειοψηφία των σχεδιαστών σήμερα σχεδιάζουν διαισθητικά και στρέφονται στις BIM εφαρμογές κατά την τελική φάση, αυτή της παραγωγής. Εναλλακτικά, όπως περιγράφει η Cynthia Ottchen, οι σχεδιαστές συλλέγουν δεδομένα βελτιστοποίησης για διάφορους παράγοντες στο τέλος της αρχικής conceptual φάσης, πριν αποφασίσουν αν θα προχωρήσουν ή όχι στη σχεδιαστική διαδικασία, και έπειτα επιδιώκουν να εκλογικευόσουν τα, συχνά παρεκκλίνοντα, αποτελέσματα νοητικά. Έτσι, σπάνια οδηγούνται σε μία ενιαία σχεδιαστική ιδέα και συχνά υποχρεώνονται είτε να συμβιβαστούν είτε να παραλείψουν κάποιους από τους αρχικούς παράγοντες. Τέτοιου τύπου πρακτικές ωστόσο διαιωνίζουν, τονίζει, τον διαχωρισμό του «ρομαντικού» από το «εκλογικευμένο» που μαστίζει τον αρχιτεκτονικό σχεδιασμό από την Αναγέννηση, καθώς και την παραδοσιακή πλατωνική ιδέα της επιβολής μορφής πνευματικά στην παθητική ύλη.2 Σήμερα όμως, φαίνεται κάτι να αλλάζει καθώς ένας νέος τρόπος σκέψης αναδύεται που θα μπορούσε να καταργήσει αυτή την πόλωση. Αυτό που ο Anderson προβλέπει ότι σύντομα θα επικρατήσει όχι μόνο σε τομείς όπως οι φυσικές επιστήμες ή η οικονομία, όπου ήδη εφαρμόζεται κατά κόρον, αλλά σε κάθε όψη της ανθρώπινης δραστηριότητας: η προσέγγιση Big Data ή όπως την αποκαλεί ο ίδιος ο Anderson, και κατ’ επέκταση και η Cynthia 1. Cynthia Ottchen, [2009], The Future of Information Modelling and the End of Theory Less is Limited, More is Different in Closing the Gap, Information Models in Contemporary practice, March/April 2009, edited by Richard Garber, p. 23 2. Manuel DeLanda, [2002], Philosophies of design: The case for modeling software, in Verb Processing: Architecture Boogazine, Actar, Barcelona, 2002, p. 131–43.

99

Ottchen, «Ο κατακλυσμός των δεδομένων» [The Data Deluge]. Αναλύοντας το φαινόμενο Google, o Anderson υποστηρίζει ότι η ανάγκη για αιτιοκρατικά ή σημασιολογικά μοντέλα έχει φτάσει στο τέλος της, κάτι που εν μέρει και ίσως με τρόπο περισσότερο μετριοπαθή προβλέπουν και οι Cukier και Schönberger, όπως έχει ήδη αναφερθεί. Η διάθεση πολύ μεγάλων όγκων δεδομένων σε συνδυασμό με τα εφαρμοσμένα μαθηματικά, διαδέχονται κάθε άλλο εργαλείο. Η επιστήμη βρίσκει μοντέλα μέσω σχολαστικών μεθόδων υπόθεσης/δοκιμής/επιβεβαίωσης [trial and error] με σκοπό να ξεπεράσει τους απλούς συσχετισμούς. Με την κλίμακα, όμως, να ξεφεύγει από τα καθιερωμένα, τα γνωστά μοντέλα συνήθως δεν είναι επαρκή. Τότε είναι που οι συσχετισμοί αποδεικνύονται χρήσιμοι και αποτελεσματικοί ακόμα και αν δεν απαντούν στο «γιατί» αλλά στο «τι». Στην αρχιτεκτονική, ο νέος αυτός τρόπος σκέψης φανερώνει έναν νέο κόσμο σχεδιαστικών δυνατοτήτων, υποστηρίζει η Ottchen, ιδιαίτερα όσον αφορά τις εφαρμογές BIM. Αρχικά, τονίζει, απελευθερώνει τον σχεδιαστή από τα διλήμματα του παρελθόντος και αν, όπως έχει ειπωθεί, οι παραδοσιακοί φορείς νοήματος είναι πλέον ανεπαρκείς, τότε οι τεράστιοι όγκοι δεδομένων, ως το νέο αγνωστικιστικό εργαλείο, προσφέρουν τη δυνατότητα να ξεπεραστούν οι θεωρίες και η νοσταλγική σημασιολογία: να είναι διαθέσιμες περισσότερες επιλογές, να λαμβάνονται υπόψη περισσότεροι τύποι πληροφορίας και εν γένει να γίνουν οι σχεδιαστές περισσότερο δημιουργικοί κατά την χρήση τους. Προτείνει, λοιπόν, την ενσωμάτωση δεδομένων από διαφορετικές πηγές, συμπεριλαμβανομένης της αισθητικής και των κοινωνικοπολιτισμικών, πολιτικών και ιστορικών διαστάσεων, καθώς τα Big Data, ή όπως τα αποκαλεί η ίδια massive data, είναι το νέο νόημα. Η προσέγγιση αυτή είναι που δημιουργεί τις κατάλληλες συνθήκες για μια περισσότερο αισιόδοξη προοπτική όσον αφορά την ανάδυση, δηλαδή την παραγωγή νέων ποιοτήτων, ως αποτέλεσμα των επιδράσεων της πολυπλοκότητας και της πολλαπλότητας, οι οποίες με την σειρά τους θα επιτρέψουν να αναδυθούν νέες σχέσεις μεταξύ την αρχιτεκτονικής και του πολιτισμού.3 Ποιος θα είναι όμως ο ρόλος του αρχιτέκτονα στην νέα αυτή εποχή της πληθώρας των δεδομένων; Μια τέτοια προσέγγιση, σύμφωνα με την Ottchen, σημαίνει πως ο ρόλος αυτός θα πρέπει να επαναπροσδιοριστεί και από αυτόν της ρομαντικής ιδιοφυΐας ή του τεχνολογικού ειδήμονα, να μεταλλαχθεί σε αυτόν του διεπιστημονικού σχεδιαστή στρατηγικών [multidisciplinary strategist]. Ο αρχιτέκτονας, στην εποχή που κυριαρχούν τα δεδομένα, συνεχίζει να είναι ο βασικός υπεύθυνος για την πρόθεση του σχεδιασμού. Στα περιβάλλοντα ΒΙM λαμβάνει αποφάσεις σχετικά με τους παράγοντες που θα παραμετροποιηθούν, ορίζει αυτές τις παραμέτρους και εν γένει σχεδιάζει τις στρατηγικές που καθορίζουν πώς θα εφαρμοστούν ή θα δημιουργηθούν οι μέθοδοι που θα χρησιμοποιηθούν, ενώ ταυτόχρονα 3. Gilles Deleuze, Felix Guattari, [1987], A Thousand Plateaus:Capitalism and Schizophrenia, University of Minnesota Press, Minneapolis, p. 21

100

κρίνει σε τι αυτές συνεισφέρουν. Στην εποχή που οι αλγόριθμοι αναλαμβάνουν το βάρος της σχολαστικής ποσοτικής μεθοδολογίας, η νόηση αφήνεται ελεύθερη να περιπλανηθεί ανάμεσα στα δεδομένα με τον πιο δημιουργικό τρόπο.4 Κάτι τέτοιο επιτυγχάνεται με μία ευρύτερη χρήση του δημιουργικού scripting στα αρχικά στάδια του σχεδιασμού, που θα πρέπει να είναι ικανό να αναδιπλώνεται σε ποικίλες επίσημες στρατηγικές και κοινωνικοπολιτισμικά δεδομένα, πέρα από την περιορισμένη έκταση, παραδείγματος χάριν, των shape grammars.5 Ταυτόχρονα, στον τομέα του λογισμικού, σημειώνει η Ottchen, αντί να γίνεται προσπάθεια να αναπτυχθεί ένα και ιδανικό σχεδιαστικό περιβάλλον ενσωματωμένων εργαλείων σε έναν κλειστό βρόγχο ανατροφοδότησης, θα έπρεπε να προσανατολιστούμε προς την αδιάλειπτη διαλειτουργικότητα μεταξύ των πρωτοκόλλων του scripting , δηλαδή τη δυνατότητα ενός προϊόντος ή συστήματος του οποίου οι διεπαφές είναι πλήρως δημόσια τεκμηριωμένες να συνδέεται και να λειτουργεί με άλλα προϊόντα ή συστήματα, χωρίς περιορισμούς στην πρόσβασή τους ή φραγμούς στην υλοποίηση6, κι αυτό να επιτυγχάνεται χωρίς απώλεια metadata7. Η εκτεταμένη εξάπλωση των δεδομένων σαφώς και θα έχει αντίκτυπο στον σχεδιασμό. Η Ottchen προτείνει την μετάβαση από ένα επιτελεστικό αναλυτικό μοντέλο σε μία ευκολότερα κατανοητή εννοιολογική σύλληψη του ΒΙM, που να προσφέρει δημιουργικές επιλογές προς νέες ποιότητες και σχέσεις, και να μη στοχεύει απλά και μόνο στην βελτιστοποίηση της διαδικασίας. Οι χρήσεις των δεδομένων πρέπει να διευρυνθούν αντί να χρησιμεύουν απλά για την δημιουργία ταξινομήσεων ή λιστών με περιορισμούς. Το BIM πλέον ανοίγεται σε έναν νέο τρόπο σκέψης όπου καταργούνται οι κανόνες για να ξεφύγουν οι σχεδιαστές από τις τεχνικές βελτιστοποιήσης και τους προκαθορισμένους φραγμούς. Σύμφωνα με τον Mario Carpo, η έλευση του Web 2.0, δηλαδή της νέας γενιάς του Παγκόσμιου Ιστού, η οποία βασίζεται στην όλο και μεγαλύτερη δυνατότητα των χρηστών του Διαδικτύου να μοιράζονται πληροφορίες και να συνεργάζονται online8, σχετίστηκε με ριζοσπαστικές εφαρμογές αρχιτεκτονικού σχεδιασμού που αναπτύχθηκαν, όχι από σχεδιαστές, αλλά από ειδικούς της κατασκευαστικής βιομηχανίας. Η οικογένεια των λογισμικών BIM ήταν μία από αυτές που αν και σχεδιάστηκαν αρχικά ως εργαλείο 4. Gloria Origgi, [2008], Miscellanea: A Softer Science, 3 July 2008 http://gloriaoriggi. blogspot.gr/2008/07/softer-science-reply-to-chris-andersons.html 5. Cynthia Ottchen, [2009], The Future of Information Modelling and the End of Theory Less is Limited, More is Different in Closing the Gap, Information Models in Contemporary practice, March/April 2009, edited by Richard Garber, p. 27 6. https://en.wikipedia.org/wiki/Interoperability 7. Με τον όρο Metadata αναφερόμαστε σε δεδομένα που περιγράφουν άλλα δεδομένα. Το “meta” είναι το πρόθημα που, όταν αφορά χρήσεις της τεχνολογίας της πληροφορίας, σημαίνει «ένας υποκείμενος ορισμός ή μια περιγραφή». Τα Metadata συνοψίζουν βασική πληροφορία για τα δεδομένα, κάτι που μπορεί να κάνει την εύρεση και την επεξεργασία συγκεκριμένων δεδομένων ευκολότερη. 8. https://en.wikipedia.org/wiki/Web_2.0

101

διαχείρισης με σκοπό να διευκολύνει την επικοινωνία της κατασκευαστικής πληροφορίας μεταξύ των σχεδιαστών και των κατασκευαστών, σήμερα έχει αρχίσει να μετατρέπεται σε μία ολοκληρωμένη πλατφόρμα σχεδιασμού. Εκτός αυτού, οι εφαρμογές BIM ενθαρρύνουν την συμμετοχική λογική στον σχεδιασμό καθώς απομακρύνεται από την καθιερωμένη και παραδοσιακή Αλμπερτιανή λογική που συνδέει την αρχιτεκτονική δημιουργία με την παραγωγή σχεδίων και μόνο. Αντίθετα, υποστηρίζει ο Carpo, οι εφαρμογές BIM προωθούν και επανενεργοποιούν λογικές κατασκευής που κυριαρχούσαν την Ευρώπη πριντην Ουμανιστική επινόηση της μοντέρνας «μητρότητας» [au thorship], όπως η κατασκευή κατά την οποία δεν υπάρχει ένας και μοναδικός επικεφαλής αλλά η «ηγεσία» μοιράζεται στους συμμετέχοντες. Φυσικά, μια τέτοια εξέλιξη είναι λογικό να προκαλέσει αντιδράσεις στους κύκλους των σχεδιαστών αφού αφαιρεί από τον αρχιτέκτονα, με την σημερινή, μετά-Αλμπερτιανή έννοια του όρου, την αποκλειστικότητα της δημιουργικής διαδικασίας. Πράγματι, οι σχεδιαστές συχνά κατηγορούν τα λογισμικά BIM για την άμουση και γραφειοκρατική προσέγγιση του αρχιτεκτονικού σχεδιασμού.9

Παρόλα αυτά, η τάση που επικρατεί στο σημερινό μετά-βιομηχανικό, ψηφιακό, μεταμοντέρνο είναι αυτή του «style of many hands». Η συγκέντρωση πληροφορίας μέσω διαδραστικών διαδικασιών και οι εκδοχές που προκύπτουν συμμετοχικά, μετατρέπονται όλο και περισσότερο σε ένα διαπεραστικό, και πιθανά κυρίαρχο, τεχνικό και πολιτισμικό παράδειγμα της εποχής μας.10 Καθημερινά, και όπου χρησιμοποιούνται ψηφιακά εργαλεία, παρατηρούμε εκδοχές της λογικής αυτής, είτε πρόκειται για την γνωστή διαδικτυακή εγκυκλοπαίδεια Wikipedia είτε για την πρακτική του Open Sourcing, που θα αναλυθεί στην συνέχεια. Έτσι, βλέπουμε όλο και περισσότερο να κάνουν την εμφάνιση τους αντικείμενα –και όχι μόνοπου δεν έχουν ουσιαστικά ολοκληρωθεί αλλά έχουν σχεδιαστεί έτσι ώστε να βρίσκονται συνεχώς σε κατάσταση μόνιμης εξέλιξης και παραλλαγών. Η ακρίβεια, λοιπόν, χαρακτηριστικό της βιομηχανικής εποχής δίνει την θέση της στις «στο περίπου εκτιμήσεις», στην εναλλαξιμότητα και στις απεριόριστες επανεκδόσεις, επαναφέρεται μέσω του ηλεκτρονικού computation δηλαδή, ένα αρχαίο τεχνο-πολιτισμικό παράδειγμα. Ωστόσο, ενώ η πλειοψηφία των κλάδων έχουν προσαρμοστεί σε αυτά τα νέα δεδομένα,

9. Mario Carpo, [2013], Digital Indeterminism: The new Digital Commons and the Dissolution of Architectural Authorship, Architecture of Information: On the Nature of Information in Digital Architecture, edited by Pablo Lorenzo – Eiroa, Aaron Sprecher, Routledge, New York, p. 49 10. Mario Carpo, [2013], Digital Indeterminism: The new Digital Commons and the Dissolution of Architectural Authorship, Architecture of Information: On the Nature of Information in Digital Architecture, edited by Pablo Lorenzo – Eiroa, Aaron Sprecher, Routledge, New York, p. 48

102

Εικόνα 42| Bernard Cache|Objectile

ο αρχιτεκτονικός σχεδιασμός δεν έχει ακόμα αποδεχτεί την νέα ψηφιακή λογική στην δημιουργία που επέφερε, την δεκαετία του 2000, το Web 2.0, είτε για τεχνικούς λόγους, είτε λόγω της «κληρονομιάς» του αρχιτέκτονα που ταυτίζεται με τον δημιουργό σχεδίων κατά Alberti και όχι με τον τεχνίτη [craftsman] και κατασκευαστή κτιρίων. Για τον Mario Carpo η έννοια του ψηφιακού ταυτίζεται με το variation καθώς, όπως μπορούμε εύκολα να παρατηρήσουμε κάθε τι ψηφιακό, είτε αυτό είναι κείμενο, εικόνα, μουσική, βρίσκεται σε συνεχή ροή. Στον κόσμο του διαδικτύου παράγονται συνεχώς παραλλαγές της υπάρχουσας πληροφορίας που σχεδιάζονται, είτε από τους χρήστες, μέσω της δύναμης επιρροής του περιεχομένου που κατέχουν, όπως παραδείγματος χάριν, μία καταχώρηση της ηλεκτρονικής εγκυκλοπαίδειας Wikipedia, είτε από machinic algorithms όπως ένα ερώτημα που μπορεί να τεθεί μέσω της μηχανής αναζήτησης της Google. Οι αλλαγές αυτές συνήθως φαίνονται να μην διέπονται από κάποια λογική και να είναι απρόβλεπτες. Αντίστοιχα, η ίδια λογική αρχίζει να εφαρμόζεται στον σχεδιασμό των φυσικών αντικειμένων είτε αυτά είναι αντικείμενα καθημερινής χρήσης είτε ολόκληρα κτίρια. Η ψηφιακή έκρηξη της αρχιτεκτονικής, ήδη από το 1990, υποσχόταν μέσω του έξυπνου ψηφιακού σχεδιασμού και των υπολογιστικών εργαλείων σχεδιασμού και κατασκευής, μαζική παραγωγή παραλλαγών χωρίς επιπλέον κόστος. Οι οικονομίες κλίμακας δεν εφαρμόζονται σε ψηφιακά περιβάλλοντα και τα αντικείμενα που παράγονται ψηφιακά, για να είναι όλα ξεχωριστά μεταξύ τους και μαζικά προσαρμοσμένα [mass-customized], δεν θα έπρεπε να κοστίζουν παραπάνω από τα προϊόντα της μαζικής παραγωγής, που είναι απαράλλαχτα. Για τον Mario Carpo, ο ψηφιακός πολιτισμός και η τεχνολογία θα πρέπει να ερμηνευτούν ως η απόλυτη ενσάρκωση του μεταμοντερνισμού - ένα μεταμοντέρνο όνειρο που πραγματοποιείται.11 Ωστόσο, τονίζει, στον τομέα του σχεδιασμού και της αρχιτεκτονικής τα πράγματα ήταν διαφορετικά. Η εισαγωγή των ψηφιακών μέσων στην αρχιτεκτονική είναι συνώνυμη με την χρήση ενός εργαλείου που σύντομα επισκίασε όλα τα υπόλοιπα και μονοπώλησε το ενδιαφέρον στην ψηφιακή σκηνή: τα spline modelers. Το εργαλείο αυτό, πλέον ενσωματωμένο στα περισσότερα λογισμικά σχεδιασμού και computer-aided design, λειτουργεί μετατρέποντας κάθε σύνολο σημείων , κάθε σκαρίφημα ή ακατανόητη μολυβιά, σε τέλειες, ομαλές, καμπύλες γραμμές. Τα μαθηματικά που κρύβονται πίσω από τα spline modelers, σύμφωνα με τον Carpo, προηγήθηκαν χρονικά από την ανάδυση των σημερινών ψηφιακών τεχνολογιών. Επινοήθηκε, στο τέλος της δεκαετίας του 1950 και στην αρχή του 1960, με την σημερινή του μορφή από δύο γάλλους μηχανικούς, τον Pierre Bézier και τον Paul de Casteljau, οι οποίοι τότε εργάζονταν για τις αυτοκινητοβιομηχανίες της Renault και της Citroën, αντίστοιχα. Η διαδικασία της ένωσης δύο μη ευθυγραμμισμένων 11. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 169

104

Εικόνα 43| B-Spline Tool γεωμετρικών σημείων με μία συνεχή καμπύλη μέχρι τότε πραγματοποιούταν με ελεύθερο χέρι και μόνο. Οι Bézier και de Casteljau επινόησαν δυο ελάχιστα διαφορετικούς μεταξύ τους τρόπους να καταφέρουν κάτι που στο παρελθόν ήταν δυνατόν μόνο ενώνοντας και λυγίζοντας εύκαμπτες σανίδες ξύλου ή λάστιχου. Έτσι, έγινε πλέον εφικτός ο υπολογισμός μίας τέτοιας καμπύλης μαθηματικά, χωρίς να είναι απαραίτητη καμία χειρονακτική εργασία. Αυτές οι ομαλοποιημένες καμπύλες, τα splines, μεταφράστηκαν σε μαθηματικές εξισώσεις και, επομένως, ήταν δυνατή η καταγραφή και η μετάδοσή τους ως απλές αλληλουχίες γραμμάτων και αριθμών. Αυτό σήμαινε μία μεγαλύτερη ευελιξία αφού οποιαδήποτε στιγμή η καμπύλη μπορούσε να επαναϋπολογιστεί, να τροποποιηθεί ή να στραφεί εκχωρώντας διαφορετικές τιμές σε κάποιες παραμέτρους. Στην αρχή της δεκαετίας του 1990 και των ψηφιακών καινοτομιών στον σχεδιασμό, τα spline modelers ενσωματώθηκαν στα πρώτα λογισμικά για computer-aided σχεδιασμό, κάτι που έκανε τις μαθηματικές εξισώσεις πίσω από αυτές καμπύλες γραμμές εύκολα προσβάσιμες μέσω των γραφικών interfaces των προγραμμάτων. Τα λογισμικά αυτά δίνουν την δυνατότητα στον χρήστη να χρησιμοποιήσει control points και vectors και να τα επεξεργαστεί μετακινώντας και σύροντάς τα με μεγάλη ευκολία. Η ενσωμάτωση αυτή των spline modelers είχε σαν αποτέλεσμα να γίνουν γρήγορα πολύ δημοφιλείς στους κύκλους των ψηφιακών σχεδιαστών. Τα εργαλεία που σχετίζονταν με αυτού του τύπου τις καμπύλες γινόταν κάθε μέρα πιο γρήγορα και η χρήση τους πιο διαισθητική με επακόλουθο να επικρατήσει

105

μία συγκεκριμένη τάση στον πρώιμο ψηφιακό σχεδιασμό με χαρακτηριστικό γνώρισμα τις καμπύλες splines. Όπως τονίζει ο Carpo, ζούμε σε έναν φαινομενολογικό κόσμο στον οποίο δεν ταιριάζουν οι καμπύλες τύπου splines καθώς αποτελούν ξεκάθαρα μαθηματικά αντικείμενα. Οι σχεδιαστές, χρησιμοποιώντας τα spline modelers μετατρέπουν την πραγματικότητα σε ένα μοντέλο, μετασχηματίζοντας την σε ένα απογυμνωμένο μαθηματικό script και οι συνεχείς γραμμές και οι ενιαίες επιφάνειες που σχεδιάζουν ή δημιουργούν είναι μόνο μία υλιστική προσέγγιση των μαθηματικών εξισώσεων που οι υπολογιστές έχουν υπολογίσει για αυτούς.12 Παρόλα αυτά, δεν παραδόθηκαν όλοι οι ψηφιακοί σχεδιαστές της δεκαετίας του 1990 στα spline modelers. Αρχιτέκτονες όπως ο Greg Lynn και ο Bernard Cache κατηγορηματικά υποστήριξαν ότι χρησιμοποίησαν τον λογισμό ως πρωταρχικό εργαλείο σχεδιασμού ενώ ο Frank Gehry από την άλλη χρησιμοποίησε ηλεκτρονικούς υπολογιστές για να σαρώσει, να καταγράψει και εν τέλει να χτίσει μη κανονικές, μη γεωμετρικές μορφές τριών διαστάσεων. Το Guggenheim Bilbao του ιδίου που ολοκληρώθηκε το 1997 αποτέλεσε και αποτελεί ακόμα και σήμερα παγκόσμιο σύμβολο της νέας αρχιτεκτονικής που χρησιμοποιεί τα ψηφιακά μέσα. Βέβαια, οι περισσότεροι ψηφιακοί σχεδιαστές της εποχής χρησιμοποιούσαν spline modelers για να

εξισορροπήσουν όλες τις γραμμές και τις επιφάνειες και η διαφορά μεταξύ των free-form shapes και των μαθηματικών splines ήταν συχνά πολύ δυσδιάκριτη και δύσκολα αντιληπτή. Σε κάθε περίπτωση, τονίζει ο Carpo, αν αφεθούμε να «κοιτάξουμε», αυτό που θα δούμε είναι οι κυρίαρχες καμπύλες που διακρίθηκαν τόσο έντονα την περίοδο εκείνη. Στην πρώτη δεκαετία της νέας χιλιετίας και μέχρι σήμερα, η καμπυλόγραμμη αυτή τάση που σχετίσθηκε με τον ψηφιακό σχεδιασμό της δεκαετίας του 1990 και βασίστηκε στις spline γραμμές, δεν είναι πλέον κυρίαρχη. Παρόλα αυτά, συνεχίζει να έχει πιστούς ακολούθους και οι αξίες της να μεταβιβάζονται στην νέα γενιά σχεδιαστών. Η δημιουργία των καμπυλών αυτών θεωρήθηκε η επιτομή της ψηφιακής εποχής στον σχεδιασμό και σήμερα σχεδιαστές συνεχίζουν προς αυτή την κατεύθυνση, κάποιοι μάλιστα, υπό τον όρο «παραμετρισμός». Πλέον, οραματισμοί των προηγούμενων δεκαετιών μπορούν να γίνουν πραγματικότητα μέσω της εξέλιξης των τεχνολογικών μέσων αλλά και του μειωμένου κόστους, π.χ. τα έργα των Zaha Hadid Architects, οι οποίοι προτείνουν την εφαρμογή αυτού του καμπυλόγραμμου στυλ σε ακόμα μεγαλύτερες κλίμακες. Ωστόσο, αναφερόμενοι στη δεκαετία του 2000, δεν μπορούμε να αγνοήσουμε τις εξελίξεις που έλαβαν χώρα στον ψηφιακό κόσμο όσον αφορά το διαδίκτυο. Η έκρηξη του Ίντερνετ το 2001, και η έμφαση

12. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 170

106

Εικόνα 44-45 | Frank Gehry|Guggenheim Museum Bilbao|προσωπικό αρχείο|2014 107

που δόθηκε μέσω αυτού στις έννοιες της συμμετοχικότητας και της διαδραστικότητας και σημάδεψε τον ψηφιακό τομέα στα πρώτα χρόνια της χιλιετίας [το Web 2.0], δεν γοήτευσε ιδιαίτερα του σχεδιαστές, οι οποίοι συνέχιζαν να εφαρμόζουν τεχνικές όπως αυτή των spline modelers. Σήμερα, στην δεκαετία του 2010, έρχεται να καθιερωθεί μία νέα τάση μεταξύ των επιστημόνων και των ειδικών της τεχνολογίας, στην οποία προηγουμένως αναφερθήκαμε και αναλύσαμε, αυτή των Big Data. Όπως είδαμε, η χρήση των Big Data μέρα με την μέρα επηρεάζει όλο και περισσότερους τομείς και είναι αναμενόμενο πως εν τέλει θα επηρεάσει και τον ψηφιακό σχεδιασμό. Ο Mario Carpo χαρακτηρίζει την ανάλυση Big Data τόσο ξεκάθαρη όσο και συγκεκαλυμμένη [both overt and covert] και υποστηρίζει πως παρόλο που η ιδέα ότι οι ηλεκτρονικοί υπολογιστές έχουν την δυνατότητα να χειριστούν και να επεξεργαστούν τεράστια ποσά πολύτιμων δεδομένων δεν είναι κάτι καινούργιο, ο τρόπος που προσεγγίζεται το computation από τα Big Data, και που οι επιστήμονες συνηθίζουν να αποκαλούν «ανάλυση δεδομένων», μπορεί να είναι κάτι πολύ περισσότερο αποδιοργανωτικό από όσο αρχικά φαίνεται. Βέβαια, αυτή η «αποδιοργάνωση» είναι κάτι φυσικό και αναμενόμενο εφόσον στην ιστορία, η δυτική επιστήμη και τεχνολογία, αλλά και ο άνθρωπος εν γένει, διαχειριζόταν πολύ περιορισμένες ποσότητες δεδομένων.

Πριν την εφεύρεση της τυπογραφίας η ποσότητα της πληροφορίας που αναμεταδιδόταν δια μέσω του χώρου και του χρόνου ήταν τόσο περιορισμένη που προκαλεί θαυμασμό το γεγονός ότι προέκυψε μέσω αυτής έστω κάποια επιστημονική παράδοση.13 Αλλά ακόμα και τους τελευταίους αιώνες, που θεωρούνται σχετικά σύγχρονοι για την ανθρώπινη ιστορία, η πληροφορία ήταν πάντα πεπερασμένη, εφόσον περιοριζόταν από τον γραπτό λόγο που έχει συγκεκριμένα όρια και περιορισμούς. Έτσι, λόγω του κόστους αλλά και της δυσκίνητης διαδικασίας που ήταν απαραίτητη, η μετάδοση των πληροφοριών έπρεπε να γίνεται προσεκτικά επιλέγοντας συγκεκριμένα δεδομένα με υψηλή αξία που άξιζαν να διαδοθούν. Ars long, vita brevis, κι όπως παρατηρεί ο Mario Carpo στην δημοσίευσή του, στην διάρκεια της ζωής μας, μπορούμε να εκτελέσουμε ένα συγκεκριμένο αριθμό πειραμάτων και να καταγράψουμε και μεταδώσουμε ένα ακόμα μικρότερο αριθμό αυτών. Για την εξάλειψη αυτής της τροχοπέδης, η δυτική επιστήμη αναπτύσσει συνεχώς εξελισσόμενες στρατηγικές με το πέρασμα του χρόνου για να αντισταθμίσει την χρόνια έλλειψη των δεδομένων που μπορούν να ανακτηθούν. Επινοεί τρόπους να συμπιέσει όσο περισσότερα δεδομένα είναι δυνατόν, στους πιο περιορισμένους και απλούς συμβολισμούς. Πράγματι, αυτό έγινε μέσω γενικεύσεων, μεταβιβάζοντας κάποιες από τις παγκόσμιες αρχές,

13. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 170

108

Εικόνα 46 | Zaha Hadid Architects|Kartal Masterplan|Istanbul|Turkey αντί των απεριόριστων αναλυτικών καταγραφών των, όσων περισσότερων γίνεται, ποικίλων στοιχείων. Αυτό που οι αρχαίοι κατάφεραν μέσω του αλφαβήτου και των λέξεων οι σύγχρονοι το πραγματοποίησαν μέσω των αριθμών: αρχές που εντυπώθηκαν ως προτάσεις και συλλογισμοί έπειτα πήραν την μορφή εξισώσεων και συναρτήσεων. Ο τρόπος που η σύγχρονη επιστήμη λειτουργεί εδώ και εκατοντάδες χρόνια δεν έχει αλλάξει, η λογική παραμένει η ίδια: παρατήρηση μίας κανονικότητας ενός φαινομένου και μέσω αυτής εξαγωγή ενός κανόνα, όσο γενικού, όσο είναι δυνατόν. Ο κανόνας αυτός συνοψίζει κάποιες όψεις κοινές σε διάφορα γεγονότα που έχουν παρατηρηθεί και έτσι οι επιστήμονες ελπίζουν ότι θα τους βοηθήσει να προβλέψουν αντίστοιχα φαινόμενα στο μέλλον. Πλέον, η διαδικασία αυτή δεν αποτελεί μονόδρομο: με τη συνεχώς αυξανόμενη υπολογιστική δύναμη σχεδόν όλα τα στοιχεία ενός γεγονότος, και σε επιμέρους περιπτώσεις ίσως όλα, μπορούν να καταγραφούν, να αποθηκευτούν σε βάσεις δεδομένων και να μεταδοθούν. Συνεπώς, η ανάγκη για την αντικατάσταση μίας καταγραφής ενός γεγονότος με το μερικό, και επίπονα συμπιεσμένο, αντίγραφό του, σε μορφή μαθηματικών νόμων ή κανόνων, παύει να υπάρχει.14 Έτσι, η πρόβλεψη ενός μελλοντικού γεγονότος μπορεί να γίνει διερευνώντας τη βάση δεδομένων που έχει προηγουμένως δημιουργηθεί και εντοπίζοντας κάποιο αντίστοιχο. Τα ανακτημένα δεδομένα τότε αντικαθιστούν τους νόμους και η έρευνα την επιστήμη των προβλέψεων, υποστηρίζει ο Carpo. Και πράγματι, όπως έχει ήδη αναφερθεί σε προηγούμενα κεφάλαια, τέτοιες πρακτικές έχουν εφαρμοστεί με επιτυχία σε διάφορους τομείς και επιτυγχάνουν προβλέψεις χωρίς να θεωρείται απαραίτητη η κατανόηση 14. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 172

109

των αιτιών, των κανόνων ή των αρχών που διέπουν ένα φαινόμενο. Η ανάλυση δεδομένων χαρακτηρίζεται από τους επιστημολόγους ως ένας νέος τύπος «αγνωστικιστικής επιστήμης». Όμως, πώς αυτή η νέα προσέγγιση της πραγματικότητας έχει επηρεάσει ή πρόκειται μελλοντικά να επηρεάσει τον σχεδιασμό; Προφανώς, η αρχιτεκτονική μεταβαλλόμενη με το πέρασμα του χρόνου για να εκφράσει κάθε φορά τις αξίες της εποχής, δεν θα περάσει αλώβητη από το μετά-επιστημονικό αυτό μοντέλο που ήδη ανανεώνει και εξοπλίζει με νέα εργαλεία τον σύγχρονο ψηφιακό σχεδιασμό. Επιμένοντας στις γραμμές splines, o Mario Carpo επιχειρεί να εξηγήσει την μεταβολή που έχει υποστεί ο σχεδιασμός μέσω του νέου παραδείγματος. Ο μαθηματικός συμβολισμός μιας συνεχούς γραμμής είναι η γνωστή συνάρτηση y=f[x] και περιλαμβάνει έναν άπειρο αριθμό σημείων. Πρακτικά, περιέχει και περιγράφει όλα τα σημεία που θα ήταν ποτέ απαραίτητα για να σχεδιαστεί ή να κατασκευαστεί αυτή η γραμμή, σε όλες τις πιθανές κλίμακες. Στην περίπτωση που υποθέσουμε ότι έχουμε πλέον πρόσβαση σε απεριόριστη και χαμηλού κόστους αποθηκευτική και επεξεργαστική δύναμη, τότε μπορούμε να απαλλαχθούμε από κάθε τύπου μαθηματικό συμβολισμό και αντ’ αυτού να καταγράψουμε ένα μακροσκελές και χωρίς ευφυΐα αρχείο που να περιέχει την λίστα με όλες τις θέ-

σεις στον χώρο, όσων σημείων της γραμμής αυτής είναι απαραίτητο. Το τελικό σύνολο σημείων δεν θα φαινόταν να ακολουθεί κανένα κανόνα ή pattern, αλλά δεν θα ήταν και απαραίτητο, εφόσον κάθε σημείο θα ήταν ακριβώς αναγνωρισμένο, σημειωμένο και καταχωρημένο. Αυτά, τονίζει ο συγγραφέας, είναι ακριβώς τα πράγματα που οι άνθρωποι δεν συμπαθούν αλλά οι ηλεκτρονικοί υπολογιστές κάνουν καλά. Πολλοί ψηφιακοί σχεδιαστές δοκιμάζουν καιρό τώρα νέους τρόπους σχεδιασμού, βασισμένους στο μοντέλο που περιγράφηκε, ως εναλλακτική επιλογή στο spline modeling. Η νέα πρακτική βασίζεται σε υποδιαιρέσεις [subdivisions] ή διακριτά κομμάτια που μπορούν να πάρουν ελάχιστες διαστάσεις κι έτσι να σχηματίσουν μορφή. Μηχανικοί που ασχολούνται με κατασκευές επίσης χρησιμοποιούν μία παρόμοια διαδικασία, που ονομάζεται ανάλυση πεπερασμένων στοιχείων [finite element analysis], και καθώς οι ογκομετρικές μονάδες του σχεδιασμού ονομάζονται voxels, το στυλ που προκύπτει από αυτό τον τρόπο σύνθεσης συχνά καλείται voxelization.15 Μία από τις πρώτες προσεγγίσεις αυτού που ονομάζεται voxelization στην αρχιτεκτονική αποτέλεσε η σειρά T1 Chair Studies του Philippe Morel των EZCT Architecture & Design Research τo 2004.16 Για το συγκεκριμένο εγχείρημα, οι EZCT Architecture & Design Research ξεκίνησαν την συνεργασία τους με

15. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 172 16. Ibid., p. 169

110

Εικόνα 47| EZCT| Studies on Optimization: Computational Chair Design

τον Marc Shoenauer, μία από τις ηγετικές φυσιογνωμίες σχετικά με την έρευνα στον τομέα του εξελικτικού comptuting και του machine learning. Το καλοκαίρι του 2004 οι EZCT χρησιμοποίησαν ένα σύνολο 12 ηλεκτρονικών υπολογιστών της École Polytechnique στο Παρίσι, για τη δημιουργία μία σειράς καρεκλών οι οποίες υπολογίστηκαν μέσω γενετικών αλγορίθμων με σκοπό τη βελτιστοποίηση. Οι αλγόριθμοι ελέγχονταν από ένα γεωγραφικά απομονωμένο εργαστήριο [INRIA], μέσω της πλατφόρμας Linux και Open Source βιβλιοθηκών και λογισμικού, συμπεριλαμβανομένου του Evolving Objects και το xd3d. Όπως ο ίδιος ο Morel τονίζει, στη διαδικασία αυτή, αρχικά υπήρξε η ανθρώπινη συνεργασία για την ανάπτυξη των open source βιβλιοθηκών και του λογισμικού, και έπειτα μία συνεργασία computational και “post-human” που έγινε «παράδειγμα» αφού ένας πολύ μικρός αριθμός ανθρώπων ήταν ικανός να διαθέσει ένα τεράστιο ποσό υπολογιστικών πόρων.17 Σύμφωνα με τον Darwin [1809-1882], η εξέλιξη κάθε φυσικού είδους κυβερνάται από τον συνδυασμό δύο κύριων μηχανισμών: τις παραλλαγές που προκύπτουν στα γενετικά χαρακτηριστικά κατά τη διάρκεια της μετάδοσης από τους γονείς στα παιδιά, και από την φυσική επιλογή, η οποία τείνει να ευεργετεί τα άτομα τα οποία, λόγω τύχης, αποτελούν τις παραλλαγές που είναι περισσότερο προσαρμοσμένες στο περιβάλλον τους.18 Αυτός ακριβώς είναι ο μηχανισμός ο οποίος εμφυτεύεται στους εξελικτικούς αλγορίθμους, από τους οποίους ο γενετικός αλγόριθμος είναι ίσως ο πιο γνωστός. Οι EZCT ανέπτυξαν τεχνητά ένα πλήθος διαφορετικών μεταξύ τους αποτελεσμάτων, στην προκειμένη περίπτωση καρέκλες αποτελούμενες από voxels, καταφέρνοντας να τροποποιήσουν τα χαρακτηριστικά τους τυχαία και τελικά επέλεξαν αυτά που φαινόταν να είναι τα περισσότερο ικανά να απαντήσουν στις αρχικές προδιαγραφές. Ουσιαστικά, η διαδικασία περιλαμβάνει τυχαίο συνδυασμό και μετάλλαξη των γονιδίων του πληθυσμού των καρεκλών που αρχικά δημιουργήθηκε. Τους EZCT απασχόλησαν τα κριτήρια επιλογής της καρέκλας που θα κυριαρχήσει, καθώς και το πώς θα αναπαρασταθούν τα δεδομένα αυτά σε μία ψηφιακή δομή, τέτοια ώστε από την μία να επιτρέπεται να αναπαρασταθούν πραγματικές καρέκλες και από την άλλη η τυχαία χειραγώγηση αυτών των συνδυασμών και των μεταβολών να έχει ως αποτέλεσμα ένα σύνολο αρχιτεκτονικά ενδιαφερουσών δομών. Η απάντηση δόθηκε από την ανάλυση πεπερασμένων στοιχείων [finite element analysis] μέσω την οποίας υπολογίστηκε στον ηλεκτρονικό υπολογιστή η αντίσταση στα φορτία ενός ατόμου σε καθιστή θέση, έτσι ώστε η τελική καρέκλα να είναι όσο πιο ελαφριά είναι δυνατόν, κάτι που αποτέλεσε το κύριο κριτήριο επιλογής. Όσον αφορά την αναπαράσταση σε κάποιο πρόγραμμα με τον 17. Philippe Morel, [2006], The Digital Turn in Architecture, Computational Intelligence by, The Grid as a Post-Human Network, AD September–October 2006, p. 206 18. EZCT Architecture & Design Research with Hatem Hamda and Marc Shoenauer, [2004], Studies on Optimization: Computational Chair Booklet, Paris, France

112

Εικόνα 48| EZCT| Studies on Optimization: Computational Chair Design| Model Test 1

πιο γενικό τρόπο και έχοντας πάντα υπόψη ότι οι υλικές δομές πρέπει να εξελιχθούν γενετικά, οι EZCT απέφυγαν να αναπαραστήσουν κάθε ένα από τα στοιχεία του χώρου που θα χρησιμοποιούνταν για τον υπολογισμό της προσαρμογής των δομών-καρεκλών, και επέλεξαν ένα υψηλότερο επίπεδο αναπαράστασης βασισμένο στην ιδέα των διαγραμμάτων Voronoi. Κατά την διαδικασία αναδείχθηκαν διάφορες καρέκλες που είχαν βελτιστοποιηθεί. Η αναπαράσταση υψηλού επιπέδου που αναπτύχθηκε από τον Marc Scoenauer, επέτρεψε μία καλύτερη επικοινωνία μεταξύ της αναπαράστασης του γενοτύπου και του φαινοτύπου των υλοποιημένων τελικών αντικειμένων.19 Μία καρέκλα, από την σειρά των 25 που τελικά δημιουργήθηκε, ήταν το έργο του Philippe Morel, η Τ1 Bolivar Chair και αξιολογήθηκε μέσω στρατηγικής πολλαπλών φορτίων (ήταν πάντα σταθερή, ανεξάρτητα με τον τρόπο με τον οποίο το κάθισμα ήταν τοποθετημένο). Ο ίδιος αναφερόμενος στην καρέκλα κάνει λόγο για «ποσοτική αλλαγή» [quantitative shift] στον σχεδιασμό μέσω ηλεκτρονικών υπολογιστών.20 Tο πνεύμα που κυριαρχεί στους κύκλους των ψηφιακών σχεδιαστών είναι το ίδιο: η χρήση των Big Data για την καταγραφή της πραγματικότητας όπως φαίνεται σε κάθε δεδομένη κλίμακα, χωρίς την ανάγκη να μεταφραστεί σε απλοποιημένους και υπό-κλίμακα μαθηματικούς συμβολισμούς ή

κανόνες. Η φύση δεν είναι φτιαγμένη από αδιάστατα ευκελίδια σημεία, ούτε από συνεχείς μαθηματικές γραμμές αλλά από διακριτά θραύσματα ύλης έως την κλίμακα των μορίων, των ατόμων, των ηλεκτρονίων. Για τον Mario Carpo, με αυτό τον τρόπο, αυτή η εγγενής διακριτότητα της φύσης λογίζεται ως τέτοια, ιδανικά, ή στην πράξη, λογίζεται ως τόσο κοντά στην υλιστική δομή της όσο χρειάζεται, με όλη την εμφανή τυχαιότητα και μη-κανονικότητά της, που αναπόφευκτα εμφανίζονται σε κάθε κλίμακα της ανάλυσης [resolution]. Για τους σχεδιαστές που κάνουν χρήση παρομοίων, βασισμένων στα δεδομένα, προσεγγίσεων στον σχεδιασμό για να εξετάσουν πολύπλοκα ποσοτικά φαινόμενα [σχεδιασμός δομικών στοιχείων, ενεργειακή απόδοση, patterns χρήσης και απασχόλησης χώρου], η ανάγκη για ερμηνεία των φαινομένων αυτών μέσω της λογικής αιτίου-αποτελέσματος, οι αιτιοκρατικοί κανόνες ή τα μοντέλα ανήκουν πια στο παρελθόν. Πλέον, παρατηρούμε συχνά την απόρριψη του ρασιοναλιστικού σχεδιασμού και των αιτιοκρατικών αναλυτικών υπολογισμών στους κόλπους των ψηφιακών σχεδιαστών. Η τεχνική συνέχεια που παρουσιάζεται μεταξύ του σχεδιασμού μέσω ηλεκτρονικών υπολογιστών και της καθοδηγούμενης από υπολογιστές κατασκευής, αντανακλά και επαναθεσπίζει εκδοχές του παραδοσιακού, χειρονακτικού και εξατομικευμένου craftsmanship.21

19. Philippe Morel, [2006], The Digital Turn in Architecture, Computational Intelligence by, The Grid as a Post-Human Network, AD September–October 2006, p. 203 20. Ibid., p. 188 21. Mario Carpo, [2013], Digital Indeterminism: The new Digital Commons and the Dissolution of Architectural Authorship, Architecture of Information: On the Nature of Information in Digital Architecture, edited by Pablo Lorenzo – Eiroa, Aaron Sprecher, Routledge, New York, p.50 114

Εικόνα 49-50 | EZCT| Studies on Optimization: Computational Chair Design|Data Processing and Process of Evolution

Ο σημερινός αρχιτέκτονας δηλαδή, ξεφεύγει από το καθιερωμένο και μετατρέπεται σε ψηφιακό τεχνίτη [digital craftsman] που αντιλαμβάνεται τις τεχνολογίες CAD-CAM ως μία επέκταση του μυαλού και των χεριών του σχεδιαστή και ενστερνίζεται παραδοσιακές, φαινομενολογικές και εσωτεριστικές ερμηνείες του craftsmanship. Η «σιωπηλή γνώση» του ψηφιακού τεχνίτη-craftsman δεν είναι δυνατόν να αποδοθεί φραστικά και να μεταδοθεί καθώς προέρχεται από μία μυστική ένωση του σώματός του και των υλικών.22 Ο φαινομενολογικός αυτός τεχνίτης δεν αναλύει, δεν υπολογίζει, δεν προβλέπει και δεν σχεδιάζει. Αντίθετα, φτιάχνει και νιώθει. Οι μορφές που παράγει προκύπτουν μέσω διαδικασιών trial and error όπως αντίστοιχα και σε θεωρίες «design-by-making». Η λογική και ο λόγος έχουν μικρή σημασία για τον δημιουργό, ο οποίος χρησιμοποιεί το σώμα του και τις ψηφιακές επεκτάσεις αυτού για να δημιουργήσει μοντέλα, είτε φυσικά είτε ψηφιακά. Αν αυτά τα μοντέλα ικανοποιούν τις ανάγκες του και «δουλεύουν» τότε απλά γίνονται αποδεκτά, χωρίς την ανάγκη κατανόησης του «γιατί». Αδιαμφισβήτητα, υποστηρίζει ο Carpo, τα εργαλεία επηρεάζουν και επηρεάζονται από τον σχεδιασμό και αυτός ανακλά και αναπαριστά την ευρετική και ολιστική λογική αυτής της διαδικασίας, σαν μια μεταφορά, εικόνα και υλικός δείκτης ή ίχνος, ταυτόχρονα, αυτού του καινοτόμου – και συγχρόνως προγονικού- τρόπου δημιουργίας. Στο πρώτο κύμα του ψηφιακού σχεδιασμού, που αναφέρθηκε προηγουμένως, ανακαλύφθηκε για πρώτη φορά η ικανότητα του ηλεκτρονικού υπολογιστή και χρησιμοποιήθηκε για να εκτελέσει παραδοσιακά, δηλαδή μοντέρνα, μαθηματικά εγχειρήματα. Αποτέλεσε, ουσιαστικά, ένα κράμα της βασικότερης ανακάλυψης του μοντέρνου, του λογισμού, με του ηλεκτρονικούς υπολογιστές που χρησιμοποιούσαν splines γραμμές βασισμένες στον λογισμό, με σκοπό τον σχεδιασμό και την μαζική παραγωγή φυσικών αντικειμένων. Σήμερα όμως, οι καμπυλόγραμμες μορφές της πρώτης αυτής εποχής του ψηφιακού φαντάζουν κάθε μέρα όλο και περισσότερο «παραδοσιακές» και το data-driven computation απομακρύνεται κατά πολύ από αυτές τις λογικές των προηγούμενων χρόνων. Η καινούργια προσέγγιση αποτελεί σε πολλές περιπτώσεις το αντίθετο και τη νέμεση ουσιαστικά των μοντέρνων λογικών. Έτσι λοιπόν, οι πρώτες απόπειρες ψηφιακού σχεδιασμού, που ως κύριο χαρακτηριστικό τους είχαν τα spline modelers και παρήγαγαν συνεχείς καμπυλόγραμμες μορφές, έρχονται σε αντίθεση με το δεύτερο, θα λέγαμε, κύμα, αυτό των δεδομένων. Οι καμπύλες splines, μέρος των μοντέρνων μαθηματικών, ήταν ένα εργαλείο απλοποίησης, ενώ η ανάλυση Big Data αποτελεί έναν απείθαρχο απόγονο του μεταμοντέρνου ψηφιακού, ένα εργαλείο για τον χειρισμό, και κάποιοι θα έλεγαν ίσως τον εκθειασμό, της 22. Mario Carpo, [2013], Digital Indeterminism: The new Digital Commons and the Dissolution of Architectural Authorship, Architecture of Information: On the Nature of Information in Digital Architecture, edited by Pablo Lorenzo – Eiroa, Aaron Sprecher, Routledge, New York, p.50

116

Εικόνα 51 πολυπλοκότητας.23 Σε αντίθεση έρχεται, συνεπώς, και ο χώρος που παράγεται: κομψό και μοντέρνο το περιβάλλον των spline modelers, ακατάστατα μεταμοντέρνο αυτό που προκύπτει από data-driven σχεδιασμό. Θα μπορούσε να χαρακτηριστεί, πιστεύει ο Mario Carpo, ως ασύνδετο, κατακερματισμένο, αποσπασματικό, σαθρό, ανομοιογενές και συσσωματικό. Παράδειγμα ενός τέτοιου χώρου αποτελεί το Digital Grotesque αποτελεί την πρώτη προσπάθεια του δευτέρου σταδίου της τεχνολογίας 3D printing να δημιουργήσει true-to-scale μοντέλα. Στην συγκεκριμένη περίπτωση ο Michael Hansmeyer και ο Benjamin Dillenburger δημιούργησαν το πρώτο εξολοκλήρου 3D printed δωμάτιο, ένα χώρο υψηλής λεπτομέρειας με περισσότερες από 200 εκατομμύρια πτυχές που ερευνά την τεράστια πολυπλοκότητα και στην αισθητική των μορφών που μπορούν πλέον να δημιουργηθούν με το 3D pritinting.24 Συνεργάτης στην κατασκευή ήταν η Voxeljet, μία εταιρία που κυριαρχεί στην τεχνολογία 3D printing στην Ευρώπη και διαθέτει τους υψηλής ανάλυσης, μεγάλου format εκτυπωτές, που μπορούν να εγγυηθούν την απαραίτητη ακρίβεια και την τεχνολογία sand printing. Με την διαθέσιμη τεχνολογία, η κλίμακα για τον αρχιτέκτονα έχει συρρικνωθεί από το τούβλο στο bit.25 Οι δυνατότητες είναι απεριόριστες αφού το κόστος δεν σχετίζεται πλέον με την πολυπλοκότητα ούτε με την εξατομίκευση. Η ψηφιακή εκτύπωση σε τρεις διαστάσεις ενός απλού κύβου κοστίζει όσο αυτή ενός αντικειμένου με τεράστια λεπτομέρεια, αρκεί να είναι των ίδιων διαστάσεων, ενώ η παραγωγή εξατομικευμένων στοιχείων δεν κοστίζει περισσότερο 23. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p.173 24. http://www.voxeljet.de/en/case-studies/case-studies/entirely-3d-printed-room/ 25. http://www.digital-grotesque.com/concept2

117

από την δημιουργία μίας τυποποιημένης σειράς αντικειμένων. Η κατάλυση των περιορισμών της κατασκευής, που μέχρι τώρα επιβάλλονταν από τις αφαιρετικές CNC μεθόδους, σημαίνει ότι αυτοί οι φραγμοί δεν μπορούν πλέον να λειτουργούν ως δικαιολογία για απλές μορφές Η διακόσμηση [ornament] και η έκφραση μέσω της μορφής δεν είναι πλέον μια πολυτέλεια – είναι νομιμοποιημένες.26 Κάθε πτυχή του παραγόμενου αντικειμένου δημιουργήθηκε από custom designed αλγορίθμους ενώ η χρήση δεδομένων βασισμένων σε ηλεκτρονικούς υπολογιστές, είχε ως αποτέλεσμα το γεωμετρικό mesh 260 εκατομμυρίων μικρολεπτομερειών να αναδύεται ως ένα ενιαίο αρχιτεκτονικό σύνολο. Η συναρπαστική υφή του χώρου και οι γεωμετρίες ελεύθερης μορφής αναπαριστούν μία αλλαγή παραδείγματος στον τομέα της ψηφιακής υλοποίησης.27 Αναδύεται ένας πολύπλοκος κόσμος διαφόρων κλιμάκων: ανάμεσα στην διακόσμηση και την κατασκευή, την τάξη και το χάος, φυσικό και τεχνητό, ξένο και ταυτόχρονα οικείο: ένα ψηφιακό γκροτέσκο.28 Στην ιστοσελίδα του project, οι δημιουργοί τονίζουν ότι ο σκοπός τους ήταν να δημιουργήσουν μια αρχιτεκτονική που να αψηφά την κατηγοριοποίηση και τον αναγωγισμό.29 Αναπτύσσοντας συνθετικές στρατηγικές βασισμένες σε καθαρά γεωμετρικές διαδικασίες, εξερευνούνται άγνωστα μέχρι τώρα επίπεδα ανάλυσης και τοπολογικής πολυπλοκότητας στην αρχιτεκτονική. Το αποτέλεσμα, πράγματι, δεν οδηγεί σε μια οπτική υπεραπλούστευση, αντίθετα οι τοπογραφίες και τοπολογίες, που προέκυψαν από τις διαδικασίες, διαφοροποιούνται σημαντικά από αυτό που κάποιος θα είχε παραδοσιακά επινοήσει. Οι αλγόριθμοι είχαν ως στόχο την δημιουργία μορφής που να μοιάζει ταυτόχρονα συνθετική και οργανική. Η σχεδιαστική διαδικασία ισορροπεί ανάμεσα στο αναμενόμενο και το απροσδόκητο όπως επίσης ανάμεσα στον έλεγχο και στην παραίτηση. Αν και οι αλγόριθμοι ήταν ντετερμινιστικοί, καθώς δεν ενσωματώνουν την τυχαιότητα, τα αποτελέσματα δεν είναι απαραίτητα εξολοκλήρου προβλέψιμα και έχουν την δύναμη να εκπλήσσουν.30 Οι δημιουργοί του, θεωρούν το Digital Grotresque ένα εικονικό αφηγηματικό χώρο που περισσότερο αφορά τις εκφραστικές δυνατότητες της ψηφιακής 26. Zhang, Jianlong, Tongji University, Chengyu Sun Tongji University, [2013], Global Design and Local Materialization: 15th International Conference, CAAD Features 2013, Shanghai, China, July 2013 27. http://www.designboom.com/architecture/digital-grotesque-full-scale-3d-printedroom-realized 28. http://www.designboom.com/architecture/digital-grotesque-a-3d-printed-room-bymichael-hansmeyer 29. Άποψη που υποστηρίζει ότι οι οντότητες ενός δεδομένου είδους είναι αθροίσματα ή συνδυασμοί οντοτήτων ενός απλούστερου ή βασικότερου είδους ή ότι οι εκφράσεις που καταδηλώνουν οντότητες αυτού τού είδους μπορούν να οριστούν με όρους εκφράσεων που καταδηλώνουν τις βασικότερες οντότητες Έτσι, οι ιδέες ότι τα φυσικά σώματα είναι αθροίσματα ατόμων ή ότι οι σκέψεις είναι συνδυασμοί αισθητηριακών εντυπώσεων αποτελούν μορφές αναγωγισμού. 30. http://www.digital-grotesque.com/concept

118

Εικόνα 52-53| Michael Hansmeyer,Benjamin Dillenburger|Digital Grotesque

τεχνολογίας σε σχέση με την μορφή, παρά την λειτουργικότητα. Δημιουργεί, έτσι, πρωτόγνωρες χωρικές εμπειρίες και αισθήσεις μέσω της τεχνολογίας και αποτελεί έναν αφειδή, συναρπαστικό χώρο που κατακλύζεται από λεπτομέρειες στο επίπεδο πλέον που σχεδόν ξεπερνά την αντίληψη του παρατηρητή. Το Digital Grotesque αποδεικνύει ότι οι σχεδιαστές έχουν αποκτήσει πλέον έναν διαφορετικό έλεγχο πάνω στον σχεδιασμό, στην κλίμακα του χιλιοστού, και αυτό που έπεται είναι να καθοριστεί το περιεχόμενο αυτής της «νέας επανάστασης».31 Το 1971 ο Luis Kahn απευθυνόμενος στους φοιτητές του σχολίασε: Λες στο τούβλο, «Τι είναι αυτό που θέλεις, τούβλο;» Το τούβλο απαντά, «Θα μου άρεσε μία αψίδα.» Αν πεις στο τούβλο, «Οι αψίδες κοστίζουν ακριβά, και μπορώ να χρησιμοποιήσω ένα ανώφλι από σκυρόδεμα πάνω από ένα άνοιγμα. Τι πιστεύεις για αυτό, τούβλο;» Το τούβλο θα σου πει, «Θα μου άρεσε μία αψίδα.»8 Σύμφωνα με τους Michael Hansmeyer and Benjamin Dillenburger η αντίστοιχη ερώτηση σήμερα είναι: Τι είναι αυτό που θα ήθελε ένας κόκκος άμμου να είναι;

31. Ibid. 32. Louis Kahn. Transcribed from the 2003 documentary ‘My Architect: A Son’s Journey by Nathaniel Kahn’. Master class at Penn, 1971

120

Εικόνα 54-55| Michael Hansmeyer,Benjamin Dillenburger|Digital Grotesque, Details

7

αντί επιλόγου

Η τεχνολογία της πληροφορίας, και η πληροφορία εν γένει, αποτελεί ένα αναπόσπαστο στοιχείο, όχι μόνο της ζωής, αλλά και του ανθρώπινου πολιτισμού. Όπως είναι φυσικό, η έρευνα που σχετίζεται με την περαιτέρω ανάλυση και ανάπτυξη των περιοχών που την αφορούν είναι κάτι που έχει απασχολήσει εκτενώς την επιστήμη. Έτσι, έχουν προκύψει επιστημονικοί τομείς αφιερωμένοι στη μελέτη της πληροφορίας, των ποιοτικών και ποσοτικών χαρακτηριστικών της, οι οποίοι με την σειρά τους οδήγησαν στην εξέλιξη των διαθέσιμων πληροφοριακών μέσων αλλά και στη καλύτερη κατανόησή της. Οι εξελίξεις στον τομέα της τεχνολογίας μετά την Βιομηχανική Επανάσταση έκαναν εντονότερη την ανάγκη του ανθρώπου για την διαχείριση και την επεξεργασία της πληροφορίας, η ποσότητα της οποίας όλο και αυξανόταν. Η Κοινωνία της Πληροφορίας που αναδύθηκε, στην οποία πρωταγωνιστικό ρόλο έχει ο τομέας των υπηρεσιών, αποτέλεσε τη βάση για την μετέπειτα ανάπτυξη των ηλεκτρονικών υπολογιστών και του διαδικτύου. Όπως αυξανόταν με αλματώδη βήματα η τεχνολογική ικανότητα του κόσμου μας τον τελευταίο αιώνα, αντίστοιχα αυξανόταν, και καθημερινά αυξάνεται, η ποσότητα της πληροφορίας. Τα μέσα κοινωνικής δικτύωσης λειτούργησαν ως καταλύτης σε αυτή την διαδικασία με αποτέλεσμα τα σημερινά ποσά της ψηφιακής πληροφορίας να ξεφεύγουν από την ανθρώπινη φαντασία. Οι επιπτώσεις του πληροφοριακού αυτού κατακλυσμού δεν θα μπορούσαν παρά να είναι καθοριστικές για το ανθρώπινο γένος. Μέσω του διαδικτύου αναδύθηκε ένας νέος τύπος χώρου, διαφορετικός από τον φυσικό χώρο ή τον πνευματικό• ο ψηφιακός ή όπως αλλιώς ονομάζεται ο κυβερνοχώρος, ο οποίος άλλαξε την σχέση μεταξύ υποκειμένου και αντικειμένου. Με την συνεχή εξάπλωση του διαδικτύου αναπτύχθηκαν λογικές όπως αυτή του Πανταχού Παρόντος Προγραμματισμού και του Ίντερνετ των Πραγμάτων, οι οποίες, εκμεταλλευόμενες τα δίκτυα και την τάση της πληροφορίας να πολλαπλασιάζεται καθημερινά, οδήγησαν σε νέες προοπτικές όσον αφορά την χρήση της πληροφορίας. Η ανάλυση Big Data, που φαίνεται να αποκτά καθοριστικό ρόλο σε τομείς όπως η οικονομία, η υγεία και το διαδίκτυο, τροποποιεί μέρα με την μέρα την αντίληψη της ανθρωπότητας για την πληροφορία και τη μελέτη της, ενώ ταυτόχρονα βελτιστοποιεί την διαδικασία λήψης αποφάσεων και ενεργοποιεί διορατικές επινοήσεις. Οι επιπτώσεις αυτού του τύπου της ανάλυσης στον τρόπο που αντιμετωπίζουμε τον κόσμο μοιάζουν να είναι σημαντικές. Αρχικά, τίθενται υπό αμφισβήτηση τα εννοιολογικά μοντέλα στα οποία βασιζόταν η νόηση μέχρι σήμερα. Επιπλέον, με την υπο-

122

λογιστική και αποθηκευτική δύναμη που είναι διαθέσιμη στις μέρες μας, αναθεωρείται η ανάγκη για δειγματοληψία και αυτοπεριορισμό σε θέματα που αφορούν την ποσότητα των δεδομένων που θα αναλυθούν. Συνεπώς, καταργείται και η ανάγκη για ακρίβεια, χαρακτηριστικό άλλωστε της προψηφιακής, μοντέρνας εποχής, καθώς η «ακαταστασία» των δεδομένων δεν φέρει πια αρνητικό πρόσημο. Τέλος, ίσως η σημαντικότερη επίπτωση των Big Data είναι αυτή που μπορεί να ανατρέψει μια βασική σύμβαση στην οποία βασίζεται η σημερινή κοινωνία: την ιδέα της κατανόησης των λόγων πίσω από οτιδήποτε συμβαίνει, δηλαδή των σχέσεων αιτίου-αποτελέσματος. Οι επιπτώσεις αυτές του κατακλυσμού της πληροφορίας μέσω του διαδικτύου και των νέων τύπων αναλύσεων όπως αυτή των Big Data, δεν θα μπορούσε να μην επηρεάσει την αρχιτεκτονική και το σχεδιασμό. Η «μηχανική», αφηρημένη, αναλυτική και αντικειμενική αντίληψη που επικράτησε στην βιομηχανική κοινωνία και εκφράστηκε μέσω του Μοντερνισμού είναι πλέον παρελθόν. Tα νέα τεχνολογικά μέσα είναι πλέον αυτά που καθορίζουν την αρχιτεκτονική καθώς προσφέρουν την δυνατότητα σχεδιασμού, όχι μόνο του ορατού αλλά και των βαθύτερων δομικών σχέσεων μέσω -παραδείγματος χάριν- των αλγοριθμικών κωδίκων. Το πρώτο κύμα του ψηφιακού σχεδιασμού καθορίστηκε από τα νέα μέσα και τα εργαλεία που αυτά πρόσφεραν και προέκυψε έτσι η καμπυλόγραμμη τάση της δεκαετίας του 1990. Σήμερα, παρόλο που η αρχιτεκτονική έχει περάσει πλέον σε μία νέα εποχή όσον αφορά τον ψηφιακό σχεδιασμό, κάποιοι σχεδιαστές συνεχίζουν προς την καμπυλόγραμμη αυτή κατεύθυνση, υπό τον όρο παραμερισμός. Η ερευνητική αυτή εργασία, ως στόχο είχε να ερευνήσει το σχεδιασμό του δευτέρου ψηφιακού κύματος που όμως δεν σχετίζεται με τις καμπύλες splines των ψηφιακών σχεδιαστικών προγραμμάτων. Σύμφωνα με τον Mario Carpo, στον φαινομενολογικό κόσμο στον οποίο ζούμε δεν ταιριάζουν τέτοιου τύπου σχεδιαστικές λογικές που μετατρέπουν την πραγματικότητα σε ένα μοντέλο, μετασχηματίζοντας την σε ένα απογυμνωμένο μαθηματικό script. Η αρχιτεκτονική της δεκαετίας του 2010, εκφράζοντας τις αξίες του σήμερα, ενσαρκώνεται μέσω της πληροφορίας και των δεδομένων και ο σχεδιασμός επηρεάζεται από τις καινοτομίες του κόσμου της τεχνολογίας σε επίπεδο βαθύτερο από αυτό της μορφής. Τα λογισμικά Building Information Modeling, στα οποία μέχρι σήμερα καταλογιζόταν μια άμουση και γραφειοκρατική προσέγγιση της αρχιτεκτονικής, αποκτούν την δυνατότητα να ενσωματώσουν δεδομένα από πολλές διαφορετικές πηγές, εφόσον αυτά είναι πλέον τόσο εύκολα προσβάσιμα. Οι λογικές BIM, καθώς και η Open Source αρχιτεκτονική προωθούν, μέσω των νέων μέσων και του διαδικτύου, μια νέα συμμετοχική προσέγγιση του σχεδιασμού που απελευθερώνει τους σχεδιαστές από τους καθιερωμένους φραγμούς. Αναδύεται ένα πρωτόγονο τεχνο-πολιτισμικό παράδειγμα μέσω του ηλεκτρονικού computation που αλλάζει τον ρόλο του αρχιτέκτονα από αυτόν του

123

τεχνολογικού ειδήμονα ή της ρομαντικής ιδιοφυΐας, προς τον διεπιστημονικό σχεδιαστή-craftsman. Αμφισβητείται έτσι η έννοια της «μητρότητας» [authorship] και επανενεργοποιούνται λογικές που κυριαρχούσαν στην Ευρώπη κατά την προ-Αλμπερτιανή εποχή. Η τάση που επικρατεί στο σημερινό μετά-βιομηχανικό, ψηφιακό, μεταμοντέρνο είναι αυτή του «style of many hands» που απορρίπτει την ακρίβεια και τα ντετερμινιστικά μοντέλα. Η γνώση διαμοιράζεται μέσω του διαδικτύου και δεν αποτελεί πλέον «απόκτημα» του κάθε σχεδιαστή. Έτσι, ως ήπιες μορφές hactivism, η αρχιτεκτονική επιστρέφεται στους πολίτες, οι οποίοι επανακτούν την δύναμη τους μέσω της κατάργησης των ιεραρχικών δομών του παρελθόντος. Η αρχιτεκτονική των Big Data για την οποία γίνεται λόγος, απελευθερώνει τον σχεδιαστή από τα διλήμματα του παρελθόντος και αν, όπως έχει ειπωθεί, οι παραδοσιακοί φορείς νοήματος είναι πλέον ανεπαρκείς, τότε οι τεράστιοι όγκοι δεδομένων, ως το νέο αγνωστικιστικό εργαλείο, προσφέρουν τη δυνατότητα να ξεπεραστούν οι θεωρίες και η νοσταλγική σημασιολογία: να είναι διαθέσιμες περισσότερες επιλογές, να λαμβάνονται υπόψη περισσότεροι τύποι πληροφορίας και εν γένει να γίνουν οι σχεδιαστές περισσότερο δημιουργικοί κατά την χρήση τους. Οι διαδικασίες trial and error επανακτούν έδαφος στην δημιουργική διαδικασία μέσω του computation και επικρατεί εκ νέου η μάθηση και ο σχεδιασμός «by making», όπως ακριβώς συνήθιζαν να κάνουν οι τεχνίτες του παρελθόντος. Άλλωστε, «Ars long, vita brevis». Μέσω της αλλαγής του ρόλου του δημιουργού αλλά και των εργαλείων του, επέρχεται και μια αλλαγή στον παραγόμενο χώρο, από το κομψό και μοντέρνο περιβάλλον του πρώτου ψηφιακού σχεδιαστικού κύματος και των blobs, σε ένα χώρο ασύνδετο, κατακερματισμένο, αποσπασματικό, σαθρό, ανομοιογενή και συσσωματικό που εκθειάζει την πολυπλοκότητα.1 Η νέα αρχιτεκτονική ενσωματώνει την απροσδιοριστία, την ακαταστασία και την μη-γραμμικότητα, χαρακτηριστικά της φύσης και της καθημερινότητας. Το ερώτημα που φυσικά αναδύεται είναι αν ο σχεδιασμός του μέλλοντος θα ακολουθήσει αυτή τη νέα τάση του δεύτερου ψηφιακού κύματος, σύμφωνα με τον Mario Carpo, ή θα αναλωθεί στον διαχωρισμό του ρομαντικού αρχιτέκτονα της μετα-Αλπερτιανής εποχής και του τεχνοκράτη κατασκευαστή κτιρίων. Οι λογικές που προτείνονται έρχονται σε αντίθεση και συχνά σε ρήξη με την επικρατούσα τάση στον αρχιτεκτονικό σχεδιασμό, αφού αμφισβητούν θεωρίες και πρακτικές στις οποίες έχει βασιστεί η αρχιτεκτονική τις τελευταίες δεκαετίες. Η μορφή και η αισθητική, φορείς νοήματος, πρόκειται να υποστούν αλλαγές εφόσον η νέα ψηφιακή τάση πράγματι επικρατήσει, αλλά αυτό που μοιάζει σημαντικότερο από το αισθητικό αποτέλεσμα είναι οι ριζικές αλλαγές στον τρόπο αντιμετώπισης και κατανόησης της πραγματικότητας που η αρχιτεκτονική των Big Data θα επιφέρει.

1. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, February 2014, ARTFORUM INTERNATIONAL, p. 172

124

Σήμερα, η ανάλυση Big Data ταυτόχρονα με την πολύ γρήγορη εξάπλωσή της, δέχεται και έντονη κριτική καθώς κατηγορείται για μια τεχνοκρατική προσέγγιση που αρνείται και ευνουχίζει την δημιουργικότητα. Οι προβλέψεις που παρέχει μέσω των δεδομένων ίσως λειτουργούν κατασταλτικά για την φαντασία και για την ικανότητα του άνθρωπου να παράγει νέες καινοτόμες ιδέες, ενώ ο κατακλυσμός των δεδομένων μπορεί να περιορίσει για την αφαιρετική σκέψη και εν γένει τον στοχασμό. Αντιθέτως, οι υποστηρικτές της λογικής των Big Data τονίζουν πως τα δεδομένα και η δημιουργικότητα είναι δύο πλευρές του ίδιου νομίσματος καθώς ο άνθρωπος αποτελείται από πληροφορία και συλλέγει και επεξεργάζεται δεδομένα από την γένεση του κόσμου μέχρι και σήμερα. Η μεγάλη υπολογιστική δύναμη που είναι διαθέσιμη σήμερα σε συνδυασμό με τους τεράστιους όγκους δεδομένων, μπορούν να αποτελέσουν πηγή έμπνευσης καθώς και ένα εργαλείο για την ενίσχυση της δημιουργικής διαδικασίας. Όποια πλευρά κι αν έχει δίκαιο, αυτό που γίνεται φανερό με τις, μέχρι τώρα, εφαρμογές των λογικών Big Data στην αρχιτεκτονική, είναι ότι, ακόμα κι αν η ανάλυση Big Data με την προσέγγισή της ενισχύει την προβλεψιμότητα και τον έλεγχο, στον σχεδιασμό το αποτέλεσμα θα μπορούσε να είναι ακριβώς το αντίθετο, να είναι μη προβλέψιμο και να προκαλεί την ανθρώπινη αντίληψη. Ποιο θα είναι επομένως το μέλλον ενός κλάδου ο οποίος υπήρξε πάντοτε άρρηκτα συνδεδεμένος με το φυσικό κόσμο σε μία εποχή όπου κυριαρχεί η πληροφορία και πως θα μπορέσει να συνδιαλεχθεί το παλιό με το καινούργιο στοιχείο; Ο open source σχεδιασμός και οι συμμετοχικές διαδικασίες οι οποίες εγκολπώνει, καθώς και οι ΒΙΜ λογικές έχουν ήδη αρχίσει να αποτελούν μεγάλο μέρος του σημερινού ψηφιακού σχεδιασμού μέσω των λογισμικών που κυριαρχούν, όπως το Grasshoper, το GenerativeComponents, το Revit. Σαν αποτέλεσμα έχουν την αλλαγή του ρόλου του δημιουργού, αλλά και της έννοιας του Αναγεννησιακού authorship, της «μητρότητας», που ταυτίζεται με τον stararchitect του κόσμου του παραμετρισμού. Αυτό που μένει να δείξει ο χρόνος, είναι αν η «ανοιχτή» αρχιτεκτονική του διαδικτύου και των ψηφιακών εργαλείων καθώς και η αρχιτεκτονική των Big Data που προτείνει μία ριζοσπαστική, θα λέγαμε, αλλαγή στην αντίληψη και εν γένει στη δημιουργία, ήρθαν για να μείνουν ή είναι το αποτέλεσμα της έκρηξης ενθουσιασμού που προκάλεσε ο τεχνολογικός κατακλυσμός των τελευταίων δεκαετιών.

125

Εικόνα 56| Biothing, [2008], Agentware Workshop, Croatia Rovinj, AA Visiting School

8βιβλιογραφία/ αναφορές βιβλία 1. Alfred W. Crosby, [1997], Killing Time: The measure of Reality: Quantification and Western Society, 1250-1600, Cambridge University Press, Cambridge 2. Antoine Picon, [2010], Digital Culture in Architecture. An introduction for the design professions, Birkhäuser, Basel 3. Antonino Saggio, [2013], The IT Revolution in Architecture: Thoughts on a Paradigm Shift, Lulu.com, New York 4. Branko Kolarevic, [2005], Architecture of the Digital Age, Taylor & Francis; New Ed edition, New York 5. Derrick de Kerchove, [2001], The Architecture of Intelligence, Birkhäuser, Basel 6. Gilles Deleuze, Felix Guattari, [1987], A Thousand Plateaus:Capitalism and Schizophrenia, University of Minnesota Press, Minneapolis 7. Hsue Shen Tsien, [1954], Engineering Cybernetics, McGraw-Hill Company Inc., New York 8. Kevin Kelly, [1994], Out of control: The new biology of machines, social systems and the economic world. Boston: Addison-Wesley 9. Kostas Terzidis, [2006], Algorithmic Architecture, Architectural Press, Burlington, USA 10. Luca Galofaro, [1999], Digital Eisenman: an office of the electronic era, Birkhäuser, Basel 11. Luigi Prestinenza Puglisi, [1999], Hyperarchitecture, Spaces in the Electronic Age, Birkhäuser, Basel

128

12. Manuel DeLanda, [2002], Philosophies of design: The case for modeling software, in Verb Processing: Architecture Boogazine, Actar, Barcelona 13. Neil Postman, [2007], Διασκέδαση μέχρι Θανάτου, Ο δημόσιος λόγος στην εποχή του θεάματος, Εκδόσεις Κατάρτι, Αθήνα 14. Norbert Wiener, [1948], Cybernetics: Or Control and Communication in the Animal and the Machine, MIT Press, Cambridge 15. Pablo Lorenzo-Eiroa, Aaron Sprecher, Routledge, [2013], Form:In:Form. On the relationship Between Digital Signifiers and Formal Autonomy in Architecture in Formation, Taylor and Francis, New York 16. Peter Eisenman, Derrick De Kerchove, Antonino Saggio, [1999], The Chapters of Zurich, Birkhäuser, Basel 17. Viktor Mayer-Schönberger, Kenneth Cukier, [2013], Big Data: A Revolution that Will Transform how We Live, Work, and Think, Houghton Mifflin Harcourt, New York 18. Νικόλαος Ιων Τερζόγλου, [2009] Ιδέες του Χώρου στον Εικοστό Αιώνα, Εκδόσεις Νήσος, Αθήνα

άρθρα 1. Alon Harvey, Peter Norvig, Fernado Pereira, [2009], The Unreasonable Effectiveness of Data, Google, Published by the IEEE Computer Society 2. Chris Anderson, [2010], In the Next Industrial Revolution, Atoms are the New Bits, WIRED, February 2010 3. Chris Anderson, [2008], The Data Deluge Makes the Scientific Method Obsolete, The Wired, June 2008 4. Cynthia Ottchen, [2009], The Future of Information Modelling and the End of Theory Less is Limited, More is Different in Closing the Gap, Information Models in Contemporary practice, edited by Richard Garber, March/April 2009 5. Daniel Kahneman, [2012], Of 2 Minds: How Fast and Slow Thinking Shape Perception and Choice, Scientific American, June 15, 2012

129

6. EZCT Architecture & Design Research with Hatem Hamda and Marc Shoenauer, [2004], Studies on Optimization: Computational Chair Booklet, Paris, France 7. Gilles Deleuze, [2001], Κοινωνία του Ελέγχου, Ελευθεριακή Κουλτούρα, Φεβρουάριος 2001, Αθήνα 8. Irving Wladawsky-Berger, [2013], How Big Data Changes Our Relationship With Information, MIT SLOAN CIO SYMPOSSIUM, The Wall Street Journal, 5 of july of 2013 9. Jonathan Shaw, [2014], Why “Big Data” Is a Big Deal, Information science promises to change the world, Harvard Magazine, March-April 2014 10. Mario Carpo, [2014], Breaking the Curve, on Big Data and Design, ARTFORUM INTERNATIONAL, February 2014 11. Mario Carpo, [2013], Digital Indeterminism: The new Digital Commons and the Dissolution of Architectural Authorship, Architecture of Information: On the Nature of Information in Digital Architecture, edited by Pablo Lorenzo – Eiroa, Aaron Sprecher, Routledge, New York 12. Martin Hilbert, [2012],How Much Information is there in the “Information Society”?, Author’s pre-published version 13. Martin Hilbert, Priscila López, [2012], How to Measure the World’s Technological Capacity to Communicate, Store and Compute Information? Part I: results and scope, International Journal of Communication 14. Michele Banko, Eric Brill, [2001], Scaling to Very Very Large Corpora for Natural 15. Nikos A. Salingaros [2010], P2P Urbanism, with the collaboration of various authors, Draft Version 3.0 16. Pat Helland, [2011], If you have too much Data, then ‘Good Enough’ is Good Enough, Microsoft, Databases, Volume 9, issue 5, , May 23, 2011 17. Pierre Delotr, [2013], Big Data car Low-Density Data? La faible densité en information comme facteur discriminant, www.lesechos.fr, Απρίλιος 2013 18. Philippe Morel, [2006], The Digital Turn in Architecture, Computational Intelligence by, The Grid as a Post-Human Network, AD, September– October 2006

130

19. Suzanne Wu, [2011], Ph.D. student calculates how much information is in the world, USC Annenberg, School for Communication and Journalism, February 10, 2011, Updated June 17, 2015 20. Susan Etlinger, [2015], What Do We Do with All This Big Data, Altimeter Group, January 21, 2015 21. Various authors, [2011], Open Source Architecture, Domus 948, June, 2011 22. Zhang, Jianlong, Tongji University, Chengyu Sun Tongji University, [2013], Global Design and Local Materialization: 15th International Conference, CAAD Features 2013, Shanghai, China, July 2013

διαδικτυακοί σύνδεσμοι 1. ‘Πληροφορία’, https://el.wikipedia.org/wiki/πληροφορία [Πρόσβαση 19 Μαρτίου 2015] 2. ‘Cybernetics´, https://en.wikipedia.org/wiki/Cybernetics [Πρόσβαση 19 Μαρτίου 2015] 3. ´Ubiquitous Computing´, https://en.wikipedia.org/wiki/Ubiquitous_ computing [Πρόσβαση 10 Ιουνίου 2015] 4. ´Information Technology’, https://en.wikipedia.org/wiki/Information_ technology [Πρόσβαση 19 Μαρτίου 2015] 5 ‘Big Data’, https://en.wikipedia.org/wiki/Big_data [Πρόσβαση 10 Ιουνίου 2015] 6. ‘History of Statistics’, https://en.wikipedia.org/wiki/History_of_statistics [Πρόσβαση 11 Ιουνίου 2015] 7. ‘Jerzy Neyman’, https://en.wikipedia.org/wiki/Jerzy_Neyman [Πρόσβαση 11 Ιουνίου 2015] 8. ‘Flickr’, https://en.wikipedia.org/wiki/Flickr [Πρόσβαση 19 Ιουλίου 2015] 9. ‘Proxy’, https://en.wikipedia.org/wiki/Proxy_[statistics] [Πρόσβαση 19 Ιουλίου 2015] 10. ‘Francis Galton’, https://en.wikipedia.org/wiki/Francis_Galton [Πρόσβαση 19 Ιουλίου 2015]

131

11. ‘Determinism’, https://en.wikipedia.org/wiki/Determinism [Πρόσβαση 22 Μαρτίου 2015] 12. ‘Interoperability’, https://en.wikipedia.org/wiki/Interoperability [Πρόσβαση 19 Ιουλίου 2015] 13. ‘Open Source Architecture’, https://en.wikipedia.org/wiki/Open-source_ architecture [Πρόσβαση 19 Ιουλίου 2015] 14. ‘The world’s technological capacity to store, communicate, and compute information’, http://www.martinhilbert.net/worldinfocapacity-html/ [Πρόσβαση 19 Ιουλίου 2015] 15. ‘The Letter of Aristeas to Philocrates’, http://www.attalus.org/translate/ aristeas1.html#9 [Πρόσβαση 10 Ιουλίου 2015] 16. ‘Το Ιντερνετ των… πραγμάτων’, http://www.fortunegreece.com/article/ to-internet-ton-pragmaton/ [Πρόσβαση 19 Ιουλίου 2015] 17. ‘The internet of things and big data: Unlocking the power’, http://www. zdnet.com/article/the-internet-of-things-and-big-data-unlocking-the-power [Πρόσβαση 19 Ιουλίου 2015] 18. ‘IT Glossary’, http://www.gartner.com/it-glossary/big-data [Πρόσβαση 5 Αυγούστου 2015] 19. ‘Flickr’s 1.4 million photos per day, Instagram’s 40 million photos per day’, http://mattmaldre.com/2013/05/27/flickrs-1-4-million-photos-per-dayinstagrams-40-million-photos-per-day/ [Πρόσβαση 5 Αυγούστου 2015] 20. ‘Open Source Architecture’, http://senseable.mit.edu/osarc/ [Πρόσβαση 19 Ιουλίου 2015] 21. ‘Open Source Urbanism’, https://opensourceurbanism.wordpress. com/2012/08/08/peer-to-peer-urbanism/ [Πρόσβαση 9 Αυγούστου 2015] 22. ‘Biothing’, http://www.biothing.org/ [Πρόσβαση 20 Αυγούστου 2015] 23. ‘Digital Groto’, http://www.voxeljet.de/en/case-studies/case-studies/ entirely-3d-printed-room/ [Πρόσβαση 20 Αυγούστου 2015] 24. ‘Digital Grotesque: full-scale 3D printed room realized’, http://www. designboom.com/architecture/digital-grotesque-full-scale-3d-printedroom-realized [Πρόσβαση 20 Αυγούστου 2015]

132

25. ‘Digital Grotesque: a 3D printed room by Michael Hansmeyer’, http:// www.designboom.com/architecture/digital-grotesque-a-3d-printed-roomby-michael-hansmeyer [Πρόσβαση 20 Αυγούστου 2015] 26. ‘Digital Grotesque’, http://www.digital-grotesque.com/concept ‘Miscellanea, A Softer Science. Reply to Chris Anderson’s Wired article on The End of Theory’, http://gloriaoriggi.blogspot.gr/2008/07/softer-sciencereply-to-chris-andersons.html [Πρόσβαση 20 Αυγούστου 2015]

ερευνητικές εργασίες 1.Ερευνητική Εργασία: Μετα-Κυβερνητική Αρχιτεκτονική, Προς μία μετάανθρώπινη συνθήκη, Στρατής Γεωργίου, Ιούνιος 2015, Α.Π.Θ.

βίντεο 1. Nathaniel Kahn and Susan Rose Behr, [2003], Documentary “My Architect: A Son’s Journey”, Mediaworks, U.S.A 2. Philippe Morel, Alisa Andrasek, Mario Carpo, [2014], What’s the Matter? Materiality and Materialism at the age of Computation, ENHSA-EAAE INTERNATIONAL CONFERENCE, September 4-6, Barcelona

133

πηγές εικόνων Εικόνα εξωφύλλου: Tatiana Plakhova, [2011], Chaos and Structure, . Εικόνα 1: Ian Pearce, Deleuze Metaphor for the Structure of Knowledge/ Rhizome, . Εικόνα 2: Ανώνυμο, . Εικόνα 3: Michael Young, [2011], Complex Vertices . Εικόνα 4: Δίσκος της Φαιστού . Εικόνα 5: Mayro De Donatis, VX Font,