Sono trascorsi più di quarant’anni da quando lo storico dell’arte Corrado Maltese (Genova 1921 – Roma 2001), pioniere nelle ricerche sull’innovazione tecnologica in campo storico-artistico, comprese che chiunque si occupasse di arte avrebbe dovuto imparare a entrare “nel mondo delle nuove immagini, che non sono più solo elettroniche, ma anche numeriche o digitali […]. In un certo senso, il ‘saper vedere’ del passato sembra ormai preistorico: quello nuovo dipenderà da una grande quantità di conoscenze ed esperienze scientifiche e tecnologiche, in misura tale che molti non sospettano nemmeno”. Pubblicate nell’Introduzione del suo testo Dalla semiologia alla sematometria (1983) queste parole sembrano prevedere scenari che si sono effettivamente verificati.
Sebbene lo studioso italiano non potesse immaginare l’avvento dei big data, del data mining, delle indagini di “analisi culturale” e del termine Digital Art History (DAH), il suo desiderio di accompagnare con dati misurabili la conoscenza storica e critica di serie strutturate di immagini e di documenti avrebbe trovato interlocutori nell’attuale campo dei cosiddetti studi analitici.
Partiamo dalla DAH: sorta dall’interesse di alcuni storici dell’arte per le innovazioni informatiche, per la computer art, per le raccolte sempre più consistenti di dati storico-artistici a disposizione, la Digital Art History ha provocato dibattiti a partire dal suo nome. Già nel 2013, Johanna Drucker distingueva tra digitized art history, cioè l’accumulo di dati digitali accessibili e digital art history, la ricerca su come utilizzare tecniche computazionali, dati strutturati e metadati in modo vantaggioso, coerente, consapevole e critico. Secondo la descrizione suggerita dalla studiosa Anna Bentkowska-Kafel, membro del comitato CHArt (Computer and the History of Art), la DAH «non è una disciplina distinta, ma un termine-ombrello che indica metodi che coinvolgono strumenti digitali, tecniche e processi di analisi e interpretazione, che vanno dalla statistica di base alle complesse applicazioni dell’intelligenza artificiale (visione artificiale, riconoscimento di modelli, automazione, ecc.)». Questa riflessione è riportata in un articolo apparso nel primo numero dell'”International Journal for Digital Art History” (2015, 1, p. 59), una rivista a cura dei ricercatori Liska Surkemper e Harald Klinke, che hanno promosso diversi simposi e attività in rete sul tema della trasformazione dei metodi di studio e pubblicazione in un ecosistema digitale.
L’articolo di punta di quel primo numero, Data Science and Digital Art History, fu firmato da Lev Manovich: teorico precursore e attivo sperimentatore dei nuovi media, della scienza e della visualizzazione dei dati, nonché artista, Manovich illustra nel suo testo come l’analisi quantitativa di enormi set di dati (adeguatamente preparati) possa essere applicata allo studio di manufatti e processi artistici e culturali, utilizzando un approccio noto come Cultural Analytics.
In risonanza con metodologie come il distant reading proposto da Franco Moretti per lo studio della produzione letteraria e modulato in distant viewing negli studi visuali, l’analisi computazionale e la visualizzazione della cultura proposte da Manovich aiutano “ad ampliare la nostra comprensione dei fenomeni culturali e anche a notare le relazioni e i modelli che prima non vedevamo”. Tutte accessibili sul suo sito web (Manovich.net), le sue ricerche sono state applicate a diversi argomenti di storia dell’arte, dal confronto computazionale dei dipinti parigini e arlesiani di Van Gogh all’analisi e alla visualizzazione delle dimensioni di rete del dataset Getty Provenance Index (2017).
Nel quadro della ricezione e del dibattito internazionale sulla digital art history, una delle posizioni critiche più interessanti è stata espressa nel 2018 da Claire Bishop, che ha messo in guardia contro gli usi spesso pretestuosi dell’analisi computazionale, segnalando il pericolo di considerare acriticamente “il valore intrinseco delle statistiche” e soprattutto quello di allontanarsi da un’interpretazione diretta delle fonti, che è alla base della storia dell’arte.
Nel contesto italiano, Andrea Pinotti è autore di un’ampia analisi della questione, in cui individua analogie morfologiche tra intuizioni metodologiche del passato (Morelli, Wölfflin) e la scienza dei big data, comparabili su diverse scale quantitative. Lo studioso analizza le vicinanze e le distanze tra Visual Studies e Digital Humanities proprio in relazione al termine DAH, modificabile, secondo lui, in un più ampio DVCS (Digital Visual Culture Studies) . Una rimodulazione del termine DAH è proposta anche dalla storica dell’arte Stefania De Vincentis (Do we need a Digital Art History? “Predella, 52, 2022), che discute il concetto di Digital Museum Studies.
Su art-usi, le ricerche di Manovich sono state registrate in diversi post: nel 2017 con la considerazione “Chi avrebbe detto che si poteva studiare l’arte tramite i big data“, nel 2020, con una segnalazione del libro L’estetica dell’intelligenza artificiale. Modelli digitali e analitica culturale (ed. it. Luca Sossella editore 2020) e poi con richiami diffusi ai suoi recenti esperimenti sulla generazione delle immagini tramite programmi di Intelligenza Artificiale.
In un dibattito aperto, che si modifica in tempo reale, citiamo ancora una sua considerazione, presente nel saggio seminale del 2015:
«Oggi, se vogliamo confrontare decine di migliaia o milioni di manufatti culturali […] non abbiamo altra scelta che ricorrere a metodi computazionali».
A un decennio di distanza, potremmo estendere la sua affermazione all’attuale quantità crescente di letteratura accademica. Sebbene sia difficile affermare con certezza e in modo specifico se la «svolta digitale» stia cambiando la storia dell’arte, ciò che sta sicuramente cambiando è la quantità di dati e documenti che studiosi e studenti sono tenuti a consultare e verificare. Escludendo le fonti primarie, le enormi quantità di risorse critiche appaiono esse stesse come big data la cui elaborazione sarà probabilmente affidata in gran parte ad agenti. Indagare come avverrà il trasferimento di conoscenze storico-artistiche, mediato da un agente automatico, potrebbe portare nuove intuizioni sulla disciplina, che deve tenere conto in qualche modo della dimensione “distante” (distant studying), senza perdere la sua natura di affondo sulla singolarità, sul dettaglio, sull’accumulo irriducibile dei significati.
Questo è un punto cruciale in cui convergono ricerca, editoria, insegnamento e apprendimento: le forme tradizionali e le moli moderate di dati pubblicati sono superate da enormi quantità e da nuovi modi automatici di recupero, lettura, trasmissione e ricezione di informazioni, immagini, analisi.
Parafrasando il titolo dell’opera di Vannevar Bush del 1945 As we may think (Come potremmo pensare), è interessante chiedersi come potremmo studiare e come pubblicare e condividere i risultati della ricerca in modo che possano essere ricevuti e scambiati, armonizzando quantità e qualità, analisi e interpretazione.
Intanto, come esempio di esperimento editoriale che supera la dimensione bidimensionale del libro accademico, inglobando forme e contenuti “born-digital”, spicca la serie di digital monography di Stanford University Press, tra cui Shadow Plays di Massimo Riva: alcuni dispositivi ottici della tradizione italiana – tra cui il “mondo nuovo”, il cosmorama, la lanterna magica, il panorama -, sono presentati come precursori della realtà virtuale e raccontati in modo multimodale, bilanciando testi, immagini, video, simulazioni interattive:
Ma il grande campo di esplorazione e di incertezza è quello connesso ai sistemi di Intelligenza Artificiale basati su reti neurali, in grado di stabilire connessioni innumerevoli tra i dati con cui vengono allenati, che producono, in uscita, testi, immagini, video la cui natura è mista, sincretica, nuova e non del tutto comprensibile (su questi aspetti si rimanda alla mostra Le monde selon l’IA, discussa su art-usi nell’articolo Il mondo secondo l’IA. La mostra al Jeu de Paume di Parigi, 2025).
In una certa misura, si può dire che la connoiseurship e la connecteurship umane, cioè la capacità di individuare autografie, similitudini percettive, relazioni nascoste tra fonti testuali, traduzioni visive, luoghi e discipline deve provare a integrarsi con la capacità di elaborare percorsi interpretativi basati su reti di somiglianza e adiacenza elaborate dai sistemi, senza confondere tali reti con spiegazioni causali.
E ancora una considerazione sulla generazione delle immagini: emersa nel 2014 nell’ambito della ricerca sulle GAN (Generative Adversarial Network), l’intelligenza artificiale generativa si è diffusa a partire dal 2022. Il termine si riferisce a modelli in grado di generare contenuti originali sulla base degli input forniti dall’utente, come i modelli Text-to-Image (TTI), in cui l’interazione con la macchina inizia con un prompt – un testo in forma di domanda, descrizione, istruzione – che funzione come una “strategia per comunicare in linguaggio naturale con grandi archivi” (Paolo De Gaperis, Dialogare con i Large Language Models, 2025), inducendo il programma ad esplorare gli immensi set di dati utilizzati per l’allenamento, lavorando in aree profonde e latenti della propria struttura. Con l’uso estensivo di queste pratiche, diverse ricerche hanno rilevato una somiglianza tra il prompt e il dispositivo retorico e letterario dell’ecfrasi. La più antica forma di rapporto tra parola e immagine – così importante per la letteratura artistica e le imprese iconografiche – è confrontata con la transizione dal verbale al visivo che avviene negli archivi spaziali e matematici in cui sono codificati i dati.
Nella prospettiva della didattica e della trasmissione di conoscenze storico-artistiche, l’esercizio descrittivo e conversazionale del prompt può essere un banco di prova di fronte al potere quantitativo e trasformativo delle immagini generate e alla produzione automatica di parole da una fonte visiva.
AS
Immagine di apertura: riproduzione di un’opera di Carolina Lombardi, Discursus Narrazione 2, plexiglass e retroilluminazione con luci a led, 2023
