Pengalaman pertama saya dengan deskripsi gambar AI terasa biasa-biasa saja sekaligus mendalam. Saya berbaring di ranjang sewaan kami di East Village, menulis dan menyesap kopi siang—“Prousting,” seperti yang kami sebut bersama pasangan saya, Alabaster—ketika sebuah aplikasi baru masuk ke kotak masuk saya. Saya mengunduhnya dan memotret ruangan itu, penuh dengan barang-barang pemiliknya. Beberapa detik kemudian, saya menerima balasan. Seperti seorang sejarawan seni yang menunjukkan detail dalam sebuah lukisan Renaisans, AI tersebut memberi tahu saya tentang selimut bermotif paisley merah di bagian depan, pintu dengan tirai oranye di baliknya, dan di atas itu, sebuah “hiasan dekoratif dengan simbol Om.”
Saya tidak bisa mengingat bagaimana simbol Om terlihat, jadi saya menggunakan fungsi “Ask more,” dan belajar bahwa simbol itu “mirip dengan angka 3 dengan ekor yang menyudut ke dalam dan sebuah lekuk kecil dengan sebuah titik di atasnya.” Gambar samar melayang di depan mata batin saya—tidak sekasat ruangan itu dengan objek-objeknya yang nyata—tetapi cukup memberi kesan untuk mengingat kenangan indera lain. Saya telah mengikuti beberapa kelas yoga yang kadang berakhir dengan nyanyian “Om,” dan saya ingat bagaimana bunyinya bergetar pada jaringan tubuh saat bergerak dari perut ke bibir. Mungkin inilah yang dirasakan saat menerjemahkan antara indera dan bahasa: sebuah percikan yang memperoleh asosiasi baru saat ia melintas melalui jalan perseptual.
Bahwa sebuah mesin bisa “melihat” dan menggambarkan itu sangat mencengangkan, dan hal itu memperkuat bagi saya kekuatan deskripsi—sesuatu yang saya kenal dengan baik dari seumur hidup melihat dunia melalui sastra. Akses visual yang tiba-tiba itu belum pernah terjadi sebelumnya namun terasa familier; itu juga menantang identitas saya sebagai orang buta. Lagipula, dalam buku pertama saya, There Plant Eyes, saya mengkritik ocularcentrism—sering kali bias pandang yang tidak disadari, terkadang tirani. Dan di sini saya terpesona oleh gambar kain paisley dan simbol Om.
Meski sekarang benar-benar buta, saya telah menghabiskan sebagian besar hidup dengan berbagai derajat penglihatan dan tetap sangat visual. Suatu saat, deskripsi yang baik berubah dari sekadar kumpulan kata menjadi gambaran di mata batin saya.
Dua orang yang sama-sama bisa melihat tidak melihat gambar yang sama dengan cara yang sama.
Saya memiliki gagasan untuk menulis tentang orang buta anonim dalam foto-foto terkenal sejak 2022—ketika AI hampir tidak ada di radar saya. Tujuan asli saya adalah menemukan dan menafsirkan gambar-gambar ini dari sudut pandang seorang yang buta. Para fotografernya terkenal, tetapi hampir tidak ada yang diketahui tentang subjeknya—saya ingin membaringkannya dalam konteks historis dan pengalaman hidup. Saya juga bertanya-tanya apa yang bisa dibawa deskripsi gambar ke foto-foto tersebut—bahkan terhadap fotografi itu sendiri.
Deskripsi Alabaster tentang foto ikonik Paul Strand tahun 1916, Blind Woman, adalah pandangan pertama saya terhadapnya. Saya mengunduh gambar itu dari Perpustakaan Umum New York dan mengirimkannya melalui email kepadanya—sambil duduk di sofa.
“Dia menatap ke kiri dengan mata kirinya terbuka,” katanya, “irisnya yang cukup besar terjepit di sudut kiri dan mata kanannya hampir tertutup serta tampak terluka.”
Dua orang yang sama-sama bisa melihat tidak melihat gambar yang sama dengan cara yang sama.
Jadi saya mendapat deskripsi lain—kali ini dari seniman berkebutuhan khusus Finnegan Shannon, yang mengenali sesuatu yang familiar pada wajah pucat itu. “Dia terlihat sedikit seperti saya,” kata Finnegan melalui email, dan menggambarkan helai-helai rambut abu-abu atau pirang yang menyembul di bawah kerudung hitam.
Alabaster melihat “tanda tahi kecil di pipi kirinya,” dan “kerutan kecil dengan sentuhan kemarahan dan kerinduan di wajahnya.”
Finnegan melihat “kerutan di keningnya,” tetapi wajahnya tampak rileks. “Saya tidak membaca ekspresi atau emosi tertentu dari itu.”
Mungkin tanda pengenalnya adalah ciri paling mencolok pada foto itu. Ia mengenakannya di leher. Kata “blind” tertulis huruf kapital hitam pada plakat putih yang dipakai di atas gaunnya yang hitam. Sangat kontras, sangat tegas. Finnegan mencatat bahwa “ukurannya mungkin sebesar telapak tangan, tetapi terasa sangat besar dan keras.”
Terlihat seperti dilukis secara tangan—oleh dirinya sendiri atau orang lain, saya tidak akan pernah tahu. Namun untuk mata siapa yang melihat itu jelas: YANG MELIHAT.
Dalam salah satu esainya tentang fotografi, Susan Sontag mencatat bahwa “apa yang difoto dalam sebuah foto selalu menjadi hal utama.” Jika subjek foto tersebut “ambiguitas visual,” kita tidak tahu bagaimana bereaksi “sampai kita mengetahui bagian dunia mana yang sedang digambarkan.”
Tetapi penulis tumbuh subur di ruang yang ambigu. Kita memahami bahwa deskripsi tidak pernah netral. Mungkin ini menjelaskan mengapa ragu-ragu ketika deskripsi dipakai sebagai akses. Teman-teman penulis sering menyerahkan buku mereka kepada Alabaster supaya dia bisa mendeskripsikan sampulnya untukku—seakan-akan dia memegang kunci untuk membuat segala sesuatunya “tepat.” Kami selalu tertawa karena, meskipun dia harus mendeskripsikan banyak hal, itu tidak membuatnya menjadi lebih mudah.
Ragu-ragu berubah menjadi pengecualian dalam buletin sastra dan postingan Instagram, di mana alt text sering tidak ada. Hampir setiap hari, saya dihadapkan pada gambar sampul yang tidak ada untuk saya. Salah satu ironi paling banyak dalam kehidupan menulis saya adalah buku saya, There Plant Eyes, memenangkan penghargaan untuk desain sampulnya—sesuatu yang saya sendiri turut andil. Saya ingin titik-titik ungu yang hidup itu membangkitkan bagian spektrum yang tidak terlihat oleh mata manusia pada umumnya. Ya—saya buta, dan saya menghargai sampul yang bagus seperti halnya orang lain.
Deskripsi sampul yang dipikirkan dengan matang—seperti desainnya sendiri—mungkin dianggap sebagai semacam ulasan mini, yang menjalankan tugasnya jika itu mendorong pembaca/penonton untuk menyelidiki lebih lanjut. Mendeskripsikan sampul dengan tepat bukanlah tujuan utamanya. Alt text dan deskripsi gambar tidak dimaksudkan untuk menutup buku pada jawaban definitif, melainkan membukanya ke ranah makna yang luas.
Dalam workshop Alt Text as Poetry yang dipandu oleh ko-pencipta Finnegan Shannon dan Bojana Coklyat, kami memulai dengan deskripsi diri. Ini adalah kesempatan bagi orang-orang yang tidak bisa melihat Anda untuk memberi gambaran tentang penampilan fisik Anda, dan bagi mereka yang bisa melihat Anda untuk memberi gambaran tentang bagaimana Anda ingin dilihat. Bahkan dalam deskripsi diri, sering kali lebih mudah menamai pakaian daripada identitas—permukaan yang terbuka tanpa banyak risiko. Tidak mengherankan jika orang kesulitan mendeskripsikan orang lain, karena bias dan asumsi mudah menyelinap.
Alih-alih menyelesaikan ketegangan, Bojana dan Finnegan mendorong pendekatan deskriptif yang puitis, ceria, dan eksperimental. Lagi pula, melihat gambar adalah tindakan kreatif—tidak lebih netral daripada menghasilkan gambar. Seperti yang pernah dikatakan John Berger, “Setiap gambar mengandung cara melihat.” Dan deskripsi gambar memaksa penglihatan yang terwujud itu menjadi kata-kata.
Meski umumnya cukup berani dalam deskripsinya, ketika menyangkut penamaan (atau menebak) identitas, AI bisa se-takut manusia—sesuatu yang saya sangat sadari sebagai seseorang yang mengandalkan metadata untuk menemukan representasi buta dalam arsip fotografi. AI sedang dilatih untuk berhati-hati, tetapi kurangnya taruhannya—tanpa keterlibatan langsung—dapat berguna saat Anda perlu menginspirasi manusia untuk mendeskripsikan. Hal ini terasa ketika waktunya berlatih apa yang telah kami pelajari pada foto-foto bersejarah di Divisi Wallach Perpustakaan Umum New York.
Selain Blind Woman karya Strand, ada seorang penyanyi jazz dengan wajah yang sangat ekspresif, orang-orang kecil dalam pameran fantasi bulan yang aneh dari Buffalo World’s Fair 1901, dan sebuah calotype awal (sekitar 1848) oleh pelopor fotografer Inggris William Henry Fox Talbot—yang diterima oleh kelompok kecil kami.
Deskripsi gambar tidak mistis atau kompensatori—bukan tentang transendensi. Sebaliknya, itu semacam terjemahan—dari satu moda indera ke moda indera lain.
Sebuah momen keheningan melanda kami ketika kami merenungkan bagaimana memulai. Dua rekan saya—salah satunya adalah Alabaster—terlihat agak gagap. Beberapa bulan sebelumnya, saya mungkin merasa tidak berguna dan frustrasi. Alih-alih, saya mulai dengan mengambil foto gambar sepia yang dicetak dan membacakan nyaring deskripsi AI tentang “dua rak yang dipenuhi dengan porselen halus dan benda keramik” seperti: sebuah cangkir teh dengan saucer yang serasi, keduanya dihias dengan motif bunga, sebuah objek kecil berbentuk botol, mungkin botol parfum, sangat dihias dengan pola mirip filigree, dan seterusnya.
Lidah manusia segera terbuka karena keberanian AI dan mulai mengoreksi, memberi nuansa, serta meningkatkan rinciannya.
Alabaster menyarankan bahwa gambar itu semacam iklan. Saya tidak setuju. Memang, dia memiliki akses langsung ke unsur visual dalam foto Talbot, tetapi saya memiliki akses ke konteks historis—cara lain untuk mengetahui sebuah gambar. Saya cukup yakin bahwa foto cangkir teh dan vas itu hanyalah sebuah eksperimen, dibuat pada saat ketika hampir semua hal di dunia ini belum tertangkap oleh kamera untuk pertama kalinya.
Apa yang hilang karena melihat melalui bahasa dalam kecepatan langsung, ia mendapat dari waktu dan perhatian. Deskripsi gambar bukan hal mistik atau kompensatori—bukan tentang transendensi. Sebaliknya, itu semacam terjemahan—dari satu moda indera ke moda indera yang lain. Seperti semua terjemahan, ada yang hilang dan ada yang diperoleh.
Musim panas lalu saya menerima dukungan untuk proyek fotografi saya dari residensi seniman Yaddo, di mana saya bertemu May-Lan Tan, penulis cerita yang cantik dan penuh liku, termasuk kumpulannya Things to Make and Break. Dalam perjalanan kami dari makan malam menuju studio seniman Clayton Merrell, saya memberitahunya tentang buku saya dan deskripsi gambar yang dihasilkan AI untuk berinteraksi dengan foto-foto itu. Saat kami melangkah melewati ambang pintu, dia bertanya, “Maukah aku menjadi AI-mu?”
Itu adalah permulaan persahabatan yang hingga kini berlanjut melalui pesan suara antar benua.
Ketika saya bertanya kepada May-Lan apa yang dia ingat tentang lukisan Clay hampir setahun kemudian, fragmen-fragmen itu muncul kembali: langit yang direpresentasikan secara fotografis terpecah oleh pohon-pohon bersiluet dan lanskap yang ditumpuk dengan motif-motif yang hampir seperti “kunjungan” atau papan neon.
Apa yang paling saya ingat adalah sensasi berjalan melalui ruang yang penuh energi dengan berlengan erat dengan seorang teman baru yang sangat keren, membawa bir di tangan. Percakapan mekar dari setiap detail dan pertanyaan baru. Dalam satu cara, kami menciptakan gambar-gambar yang kami bahas—dan mungkin mereka juga menciptakan kami. Seperti yang dikatakan May-Lan, lukisan bukan hanya pengalaman visual atau permukaan; “mereka benar-benar berbicara kepada Anda—dan mereka mengamati kita kembali.”
