跳到主要內容

倪再沁論:哪裡病了?

7bf18a250a4aa2e5217c8c19c7f74a4b_original

HEMiDEMi 的標籤: ,,

 

台北當代藝術館_媒體大哼-倪再沁特展

 

今天 (2/13),是展期的最後一天,

展出內容十分精彩,不過沒有看到的人也不用難過,

 

倪老師最讓人欽佩的,不只是他的創作,

還有他富有明辨與批判的思維!

 

這次當代館很有誠意的將展出影片放上了Youtube,

縱使來不及看到倪老師的創作作品,

但藉由影片瞭解他的思維,也是無比的收穫呢。

 

1.哪裡病了之藝術文化的病

「西洋美術‧台灣製造」的省思
在藝術創作之外,倪再沁也好發議論,他經常問道:法國的思辯哲學,催生了杜象突破藝術­道統的「達達主義」;德國人將宗教救贖轉化為現世關懷的人文傳統,孕育了波伊斯讓人人­都成為藝術家的「社會雕塑」;美國的消費主義文化,造就了安迪‧沃荷以媒體傳銷藝術,­冷酷擁抱現實的「普普藝術」。反觀台灣呢?我們的主流文化一直跟隨別人的腳步,崇尚外­國的經典。事實上,結合儒、道、釋的理學傳統,一直隱化在我們的文化中,台灣各個角落­都不乏優秀創作人才,唯有植根於自身母體文化,建構自我認同的一套價值體系,台灣的當­代藝術才能真正立足國際。


 

 

 

2. 哪裡病了之身體的病

「為了這次在當代館的個展,我終於把30年來的病痛徹底放在一邊了!」
30年來,除了藝術創作,緊密跟隨倪再沁的就是肝病,他的生平幾乎可寫成一部病史。因­為年輕時打針感染到肝炎,1981年後倪再沁長期為肝病所苦,人生也由彩色變成黑白。­肝硬化與癌症的發現,讓他隨著工作地的轉移而跑遍全台各級大小醫院;治療方式遍歷了電­腦斷層、核磁共振、酒精注射、栓塞治療、電燒、切片、開刀...等,每次等待檢查報告­的心情就像等候宣判揭曉。本次展覽前的一次預定手術,倪再沁原想將過程錄影展出,後因­醫生對開刀切除的療效有所保留,也就是可能無法防止漏網之癌細胞,使他斷然決定轉換軌­道,以修行、練氣和食療另尋生路。此後,倪再沁旋即全心全力投入藝術與展覽的種種思考­,竟也無暇顧及病痛之事;他說:「計畫中的去醫院開刀療病突然昇華成為到當代館開展現­藝,不管是冥冥中的一種因緣湊巧,或心智積澱與生命歷程的一種正面磨合,把這一切變化­當成自然,身心也就釋然無罣了。」

 

 

 

 

3. 哪裡病了之社會的病

「台灣的媒體是社會的亂源!」
倪再沁一直認為,台灣人民淳樸善良,但台灣社會嚴重生病,解嚴之後,群魔亂飛似的媒體­則是社會的一大病源。他說:媒體本應「為民喉舌」,但台灣媒體普遍只知「為己喉舌」,­或只顧自身利益而漠視專業道德,或以霸權姿態打擊異己、散播光怪陸離與製造驚悚;媒體­充斥日常生活和各個角落,但媒體本身就像殺手病毒,日益殘害社會民眾而不自知、自覺、­自省。

 

 

BP  2011.02.13

留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...