Cuando era más joven, tuve un entrenador de fútbol que hizo hincapié en la importancia de la anticipación. ” An-tiiii-ciiiiiii-PAY-shun “, Nos gritaba mientras estábamos buceando por la pelota. Si lo hicimos bien, prometió, podríamos hacer en el fútbol lo que hace Neo en La matriz – No, como, detenga las balas, pero esté en el lugar correcto en el momento adecuado para detener un ataque a nuestro objetivo. No fui muy bueno en eso, al menos no al principio.

Pero la lección se estancó. Puedo escuchar la voz del entrenador incluso ahora, cuando navego entre la multitud de viajeros durante las horas punta demasiado frecuentes de la ciudad de Nueva York. Esto es todo para decir que la predicción es llave ; es la diferencia entre meter la pelota en el fondo de la red y vaciarla por completo, la brecha entre conseguir un asiento en un tren abarrotado o tener que esperar, escarmentado, para el próximo. Y, como aprendí recientemente, la predicción es la diferencia entre un video de YouTube y arte de falla.


El otro día encontré un bot de Twitter, @youtubeartifacts , que tuiteaba capturas de pantalla y clips de videos aleatorios de YouTube, pero las imágenes y los videos tenían bitcrushed y pixelado y cinética, pintura más abstracta que error de codificación.


David Kraftsow

Hay un nombre para este tipo de esteticismo descuidado, y resulta que tiene un pasado artístico bien establecido. “El bot usa mi propia variación en una vieja técnica de arte errónea llamada ‘datamoshing’, que básicamente genera un tipo específico de error de compresión h264 que crea los artefactos borrosos, pixelados y a veces pictóricos que se ven en la salida”, dice David Kraftsow , el artista detrás de @youtubeartifacts. ( H.264, también conocido como MPEG-4 Parte 10 o Codificación de video avanzada , es un estándar de compresión de video, para grabación, compresión y distribución, ampliamente utilizado en Internet desde 2014, que proporciona una mejor calidad de video que los anteriores.

“En realidad, es un viejo proyecto de arte con problemas técnicos que ha pasado por muchas iteraciones, la más reciente de las cuales es el bot de Twitter”, me escribe Kraftsow en un correo electrónico. Comenzó como un sitio web en 2009, donde cualquiera podía ingresar a una URL de YouTube y ver efectos de falla específicos en su navegador, pero era difícil de mantener, explica Kraftsow, lo que significaba que no duraba mucho. Entonces, los curadores del colectivo de arte digital Rizoma le pidió que creara una versión más robusta: una aplicación de escritorio.

“Reconstruí el sitio y lo hice buscar específicamente contenido de” vlogger “para generar imágenes fijas”, dijo. “Entonces, hace unos años” – Febrero de 2015 – “Hice la aplicación en un bot de Twitter, que a su vez ha pasado por algunas versiones. La más reciente de las cuales genera imágenes 4K a partir de una compleja búsqueda de youtube que busca (entre otras cosas) vloggers, videos de belleza / cosméticos, deportes y videos de naturaleza / paisajes “.


David Kraftsow

Como mencionó Kraftsow, el control de datos es un tipo de arte glitch que, en el contexto de la historia del arte, puede definirse ampliamente como arte creado al corromper o manipular un archivo existente, que tiene raíces en el movimiento artístico neto de los primeros años. Uno de los ejemplos más influyentes de la técnica fue un video de 2003 llamado ” Pastell Kompressor , “Por los artistas Owi Mahn y Laura Baginski. “Como base para el ‘compresor pastell’, hemos estado utilizando disparos de lapso de tiempo de nubes a la deriva, que tomamos en las mesetas en el sur de francia [sic]”, escribieron. Lo ejecutaron a través de un códec propietario, llamado “sörensen-3”, que mezcló las mesetas francesas con la figura de una persona. Dos años más tarde, el artista Takeshi Murata creó “Monster Movie”, que mezcla imágenes de una película B de 1981 y una banda sonora pesada y que ahora está en la colección permanente en el Smithsonian como quizás la pieza más influyente en el canon de datamosh. En 2009, Kanye West usaría la técnica en su video “Welcome To Heartbreak”.


Conceptualmente, el control de datos es bastante fácil: para crear la versión más básica de esos efectos dramáticos y pixelados, todo lo que tienes que hacer es aprovechar la forma en que se codifican los videos. Básicamente, hay tres tipos de marcos, que almacenan imágenes comprimidas: I-frames, P-frames y B-frames. Como un excelente tutorial lo tiene, los I-frames son “entre fotogramas”, lo que significa que contienen los datos de imagen de los marcos. Los P-frames son “marcos predictivos” que contienen información abstracta; esencialmente, almacenan datos sobre cómo se mueven los píxeles del video y casi nada más. (Los cuadros B son un poco diferentes, porque son como marcos predictivos pero son bidireccionales, no tienen mucho que ver con el glitching). Por lo tanto, para datamosh, todo lo que hace es eliminar los fotogramas I . Elimine los datos de imagen, todas las imágenes fijas e identificables del video, y le quedará la información abstracta y de interiores que llena el espacio entre las imágenes. Simplemente vete en el ann-tiii-ciii-PAY-shun , las predicciones, que por sí mismas producen el remolino característico de los píxeles defectuosos que definen visualmente un video con datos. Simple, ¿verdad?

Decidí probarlo por mí mismo, comenzando con algo familiar: El excelente video de Verge Science sobre el grafeno que salió a principios de esta semana . Corté el video a 45 segundos usando iMovie, que se sentía lo suficientemente manejable, luego lo ejecuté Avidemux versión 2.5.4 (un editor de video gratuito y popular) para eliminar mis I-frames; entonces yo usé VLC (un excelente reproductor de video) para reproducir mis resultados. (Una buena regla general sobre I-frames es que, como son puntos de anclaje, existen en casi todos los cortes. Avidemux los identifica por ti, solo presiona las teclas de flecha hacia arriba y hacia abajo para desplazarte por cada uno de ellos en una vídeo.)

Me tomó seis intentos y casi una hora llegar desde los primeros 45 segundos de esto …

…a esto:

Fue un poco más difícil de lo que pensaba. Pero perseveré. Creí en mis P-frames. Eventualmente, obtuve esto.

Es como mi entrenador de fútbol podría decir: la perseverancia es tan importante como saber hacia dónde van tus píxeles.