数据作为材料：数据艺术的方法

同样是用数据做图，数据可视化和数据艺术要回答的问题不同。前者问“数据说了什么”，好坏可以检验：读者能否又快又准地读出数值。后者问“数据让人感受到什么”，或者干脆追问数据本身从何而来、遗漏了什么。两者的区别不在技法，很多数据艺术作品借用的正是科学可视化的手段，区别在于意图和提问的方式。

可视化这一边，标准最清楚的是爱德华·塔夫特 1983 年的《The Visual Display of Quantitative Information》。他主张提高“数据墨水比”，删去不表达数据的装饰，即所谓“图表垃圾”；用“谎言因子”衡量图形是否夸大或缩小了数据中的变化；推荐用“小倍数”并排比较。他推崇米纳尔 1869 年的拿破仑远征图，正因为它在一张平面上清楚地表达了六个变量。

数据艺术站在另一边。维埃加斯和瓦滕伯格 2007 年给出的定义很朴素：艺术家带着创作意图所做的数据可视化。马克·汉森和本·鲁宾的《Listening Post》是个好例子：它把网络聊天室里的文字切成短句，显示在 231 块小屏幕上，由合成语音读出。按塔夫特的标准它几乎“不合格”，观众读不出任何统计结果，却能感到无数陌生人同时说话的密度。这件作品 2004 年获得了 Prix Ars Electronica 金尼卡奖。

方法上，数据艺术的核心是映射：把数值对应到位置、颜色、粗细、声音或文字。亚伦·科布林 2005 年的《Flight Patterns》用 FAA 的航班数据，在 Processing 里把北美 24 小时的民航航迹画成彩色弧线，是创意编程进入数据艺术的典型路径。《Wind Map》每小时读取一次气象数据，用流动的细线画风，既能读出风向风速，又追求观看的愉悦，说明可视化和数据艺术之间是一条光谱。

数据也不一定变成屏幕上的图形。卢皮和波萨维克的《Dear Data》用一年的手绘明信片记录各自的生活数据，数据小而私人，记录者的偏见本身就是内容。声音化则把数据对应到音高、响度和速度：查尔斯·道奇 1970 年用地磁数据合成的《The Earth's Magnetic Field》，常被看作最早出于艺术目的的声音化作品之一。媒介一换，数据被感知的方式也跟着变。

另一端是规模巨大的作品。雷菲克·阿纳多尔把自己的作品称为“数据绘画”，2022 年在纽约现代艺术博物馆展出的《Unsupervised》用该馆的馆藏数据训练模型，生成持续流动的影像，2023 年被该馆收藏。它带来一个新问题：观众看到的是模型的输出，原始数据和处理过程几乎不可见。当数据只作为一个说法存在，它还算不算材料，值得追问。

数据从哪来，是方法之外的另一半。航班和气象数据来自公开发布，博物馆主动开放了馆藏数据，《Listening Post》的素材却是陌生人的发言，公开可见不等于同意被使用。米米·奥努奥哈 2016 年的《The Library of Missing Datasets》用一柜空文件夹提醒人们：收集什么、不收集什么，本身就体现了权力。对学生作业来说，优先用公开发布的数据，涉及个人的内容做匿名处理，并写清来源，是最低限度的要求。

马诺维奇在《新媒体的语言》里把数据库看作计算机时代的文化形式，与叙事相对：叙事把元素排成有因果的序列，数据库只是一组没有先后的条目。数据艺术正落在这对矛盾上，它要为一堆没有故事的数据设计进入的界面和观看的顺序。如果说可视化的任务是让数据被读懂，数据艺术的任务就是让数据被经历，并在经历之后留下疑问。