读书笔记：数据可视化与数据艺术

这份笔记读的是数据可视化和数据艺术方面的一本书、一篇论文和几件作品。起因是课上常有同学问：同样用数据做图，数据艺术和数据可视化到底差在哪里。我的初步回答是：可视化要让人看清数据，求清晰、求准确；数据艺术借数据让人有所感受，或者对数据本身提出疑问。下面边读边检验这个说法。

先读爱德华·塔夫特（Edward Tufte）的《The Visual Display of Quantitative Information》。这本书 1983 年由他自己的 Graphics Press 出版，2001 年出第二版。基本主张是：统计图首先要如实呈现数据。他提出“数据墨水比”，即图中表示数据的墨水占全部墨水的比例，主张删去不表达数据的部分；只起装饰作用、甚至妨碍阅读的元素，他称为“图表垃圾”（chartjunk）。

书里另外两个概念我觉得最有用。一是“谎言因子”：图形表现出的变化幅度与数据中实际变化幅度之比，理想值是 1，偏离越多越误导。二是“小倍数”：用同样的坐标和画法并排画一组小图，方便比较。塔夫特盛赞夏尔·约瑟夫·米纳尔 1869 年绘制的拿破仑远征俄国图，认为它可能是史上最好的统计图，因为它在一张平面上同时表达了六个变量。

我的理解：在塔夫特的框架里，好图的标准可以检验，就看读者能否又快又准地读出数据。可视化像一件工具，作者尽量隐身，好坏取决于信息有没有被扭曲。这个标准对新闻图表、科研图表都适用。但拿它衡量数据艺术，很多作品会“不合格”：读不出具体数值，装饰多，甚至故意让人看不清。问题是，这些作品本来就不打算回答“数值是多少”。

费尔南达·维埃加斯（Fernanda Viégas）和马丁·瓦滕伯格（Martin Wattenberg）2007 年的论文《Artistic Data Visualization: Beyond Visual Analytics》给了一个朴素的定义：艺术性的数据可视化，就是艺术家带着创作艺术的意图所做的数据可视化。他们特意避开“美”这个标准，好看的科学图表不因此就成了艺术。论文还观察到，艺术家常借用科学可视化的技法，再改变它的用途。

数据艺术的代表作之一，是统计学家马克·汉森（Mark Hansen）和艺术家本·鲁宾（Ben Rubin）的《Listening Post》。软件收集网络聊天室和留言板里的大量文字，切成短句，显示在悬挂成网格的 231 块小型荧光屏上，同时由语音合成器读出。它完成于 2000 年代初，2004 年获 Prix Ars Electronica 互动艺术类金尼卡奖。观众得不到任何统计结论，听到的是无数陌生人同时说话的声音。

亚伦·科布林（Aaron Koblin）的《Flight Patterns》（2005）用美国联邦航空管理局（FAA）的航班数据，把北美上空 24 小时内的民航航迹画成彩色弧线。它最初是加州大学洛杉矶分校一个天象馆装置项目《Celestial Mechanics》里的实验，航迹用 Processing 绘制，再合成为动画。这是创意编程进入数据艺术的典型路径：数据的插值、映射和绘制都由代码完成。

维埃加斯和瓦滕伯格自己也做过一件模糊边界的作品：2012 年的《Wind Map》。它读取美国国家气象局公开的国家数字预报数据库（NDFD）中的地面风数据，每小时更新，用流动的细线画出美国上空的风。它能读出风向和风速，又明显追求观看的愉悦；作者注明这是个人艺术项目，提醒不要用于导航。纽约现代艺术博物馆后来将其收藏。这说明可视化和数据艺术之间是一条光谱。

近年规模最大的数据艺术来自雷菲克·阿纳多尔（Refik Anadol）。他用“数据绘画”（data painting）称呼自己的作品，以数据为颜料。2022 年 11 月在纽约现代艺术博物馆展出的《Unsupervised》，用该馆公开的馆藏数据训练机器学习模型，生成持续流动的大幅影像，2023 年 10 月被该馆收藏。我的疑问：观众看到的是模型输出，原始数据和处理过程几乎不可见，和《Listening Post》把原文摆出来正好相反。

也有完全不用代码的数据艺术。乔治娅·卢皮（Giorgia Lupi）在纽约、斯蒂芬妮·波萨维克（Stefanie Posavec）在伦敦，2014 至 2015 年间每周各自记录一类生活数据，手绘成明信片寄给对方，一年下来就是《Dear Data》。原件 2016 年被纽约现代艺术博物馆收藏。这里的数据小、私人，带着记录者的偏见，而作品要表达的恰恰包括这些偏见。

数据也不一定要变成图像。声音化（sonification）指用非语言的声音传达信息或呈现数据，常举的例子是盖革计数器：探测到粒子就响一声，响得越密，辐射越强。常用方法是参数映射，把数据的变化对应到音高、响度或速度上。查尔斯·道奇（Charles Dodge）1970 年的电子音乐作品《The Earth's Magnetic Field》用地磁数据合成声音，常被看作最早出于艺术目的的声音化作品之一。

数据从哪来，是数据艺术绕不开的问题。上面几件作品来源各不相同：航班和气象数据来自政府部门的公开发布，《Unsupervised》用的是博物馆主动公开的数据，《Dear Data》是作者自己的记录，《Listening Post》的素材则是陌生人在聊天室里的发言。最后一种最需要追问：发言者知道自己的话会被念出来吗？公开可见是否等于同意被使用？

伦理的另一面是“没有被收集的数据”。米米·奥努奥哈（Mimi Onuoha）2016 年的《The Library of Missing Datasets》是一个文件柜，每个文件夹以一个本应存在、却没人收集的数据集命名，里面是空的。它提醒我：数据不是世界的完整镜像，收集什么、不收集什么，本身就体现了权力关系。对我自己做作业来说，能用公开发布的数据就不用抓取的数据，涉及个人的内容要匿名化，并写清来源。

最后回到理论。列夫·马诺维奇在《新媒体的语言》（2001，麻省理工学院出版社）里有一部分专门讨论“形式”，第一节就是数据库。他把数据库看作计算机时代的一种文化形式，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。按这个思路，数据艺术处理的正是这对矛盾：数据库本身没有故事，作品要为它设计一个进入的界面和一种观看的顺序。

整理一下数据艺术的一般步骤：获取数据（公开数据集、接口、传感器或自己记录），清洗和筛选，决定映射方式（数值对应位置、颜色、粗细、音高还是文字），选择呈现媒介（屏幕、印刷、声音、空间），最后回头检查作品在追问什么。中间几步大多靠创意编程完成，Processing、p5.js 这类工具让设计和艺术专业的学生也能自己处理数据、出图。

疑问：一、如果数据艺术不要求准确，它误导观众的边界在哪里？二、阿纳多尔式的大规模作品里，数据还算材料吗，还是只剩一个说法？三、维埃加斯和瓦滕伯格的定义以“意图”为准，可观众并不知道作者的意图，这个定义是否只对创作者有用？四、课程作业使用社交平台的公开数据需要哪些手续，要再去查学校的规定。