数据艺术——当代技术思潮下的一种新艺术形态①

李铁萌（北京邮电大学 数字媒体与设计艺术学院/网络系统与网络文化北京市重点实验室，北京100876）

引 言

艺术创作的材料和工具以及人们对艺术的理解，都具有明显的时代特征。古典艺术根植于农业文明，以原始物质材料为创作工具对古典世界进行模仿和再现；工业文明则萌生了人的主体意识和理性观念，形成了以现代材料和解构主义为基础的现代艺术，更加主张自我感受的艺术表达；后现代主义打破了艺术实践的边界，艺术家们不断尝试新材料、新技术，创作出的艺术形态，艺术与科技的剧烈交融产生了声、光、影、像等多种艺术形式。

随着大数据时代的来临，数据的呈现和艺术表现备受人们关注，数据科学家和艺术家开始紧密探讨以数据为创作材料的作品的艺术特征和艺术价值，短时期内涌现出了众多的以数据为内容和材料的艺术作品。图1的《Four Variations》是根据美国密苏里州的联邦支出数据创作的数据艺术作品，不同部门的支出以不同的几何元素呈现在三维空间中，作品以动画形式出现，随着时空关系和颜色主题的变化，可以感受到一种紧张繁忙之中的有序和协调。

图1 《Four Variations》美国雪城大学数据艺术作品 作者： 徐瑞鸽（Rebecca Ruige Xu）图片来源：http：//www.rebeccaxu.com/

按照当下艺术门类称谓的惯例，笔者将此类以数据为创作材料的艺术作品称为“数据艺术”，以区别于一般的计算机艺术、算法艺术、或者更大概念上的新媒体艺术以及装置艺术。

一、数据艺术溯源

数据艺术萌芽于当代计算机科学中的数据可视化领域，发展于科学数据呈现时对美的诉求，初步形成于艺术家利用数据及其可视化技术进行的艺术探索。

可视化技术原本是作为数据探索和假设形成的科学分析推理工具而存在的，无论是面向科学仿真的数据可视化，还是面向数据模式提取的信息可视化，都将数据及其可视化技术作为理性分析的工具。随着互联网的壮大成熟，越来越多的数据被公开，使得艺术家开始有机会以数据为材料进行艺术创作。同时，计算机图形学的发展和人工智能的突破，为艺术家提供了可用的算法和软件工具。在这样的环境下，数据可视化开始从科学分析向艺术实践拓展。

起初对基于数据的一类作品主要以“艺术的数据可视化（Artistic Data Visualization）”进行称谓[1]。需要留意的是，这里的“艺术”是作为形容词出现的，名词仍是“数据可视化”。这样的概念所传达出的涵义，主要在说这种数据可视化是更具有艺术感的，但它的核心依旧是对数据进行可视化以助人理解，而非艺术创作。例如：图2的《Tree of Life（生命之树）》在有限的界面空间内将生命起源及大量物种关系以近似艺术的手法表现出来，并提供交互式的探索，可以选择观察从一个物种到人类的进化过程。相比枯燥的数据表或原始树图，艺术感的表达形式为科学数据赋予了美的生命力。

计算机领域本身的数据可视化技术，经过多年的发展之后，形成了“可视化一定是基于数据的”的普遍共识，“数据可视化”中对“数据”的强调逐渐弱化，“可视化”取代“数据可视化”成为统称该方向领域的专有名词。同时，“艺术的数据可视化”也蜕化为“艺术可视化（ArtVisualization）”，以区别于以科学计算和分析推理为目的的可视化。在计算机领域的可视化顶级国际会议以及图像技术顶级国际会议上，开始出现专门的“艺术项目”，为进行艺术可视化创作的艺术家提供交流平台，也同时为艺术家与计算机专家提供艺术与科学技术之间的碰撞机会。

图3 艺术可视化《The Great Bear》 作者：帕特森（Simon Patterson） 图片来源： https：//www.tate.org.uk/art/artists/simon-patterson-2397/

与此同时，“艺术可视化”之间逐渐形成了与“数据可视化”并存的关系，艺术不再完全为科学推理服务，转而开始形成一种独特的创作题材和艺术手法。艺术家们开始大量利用可视化技术进行艺术探索，或者将数据可视化的图解意向作为创作基础。例如：图3的《The Great Bear》是西蒙·帕特森以伦敦地铁线路的可视化图作为创作意向基础的艺术作品。他将站名改为各种领域著名人物的名字，用原本的线路代表不同的领域，如工程师、明星、足球运动员等，作品取名译为大熊星座，暗指地面上的人物和事件形成了另一种人类社会的星座。

二、数据艺术概念初现

随着加入艺术可视化工作的艺术家、设计师、科学家、工程师的增多，艺术可视化作品的数量也逐渐增多，大家开始反思和斟酌数据可视化、艺术可视化、以及可视化设计等作品类别之间的异同，出现了对相似作品类别之间概念界定的讨论，使得很多作品类别从定义和意图上得以明晰，也使得数据艺术成为一种新兴的艺术实践方向。

数据艺术（Data Art），是指以真实数据驱动的，综合运用数据可视化方法、图形图像技术进行创作的，可承载于全媒体的一种艺术形态。此定义中的“真实数据驱动”包含两层意思：1、数据来源于原本用于科学分析或工程实践的特定场景的真实数据集，而且是区别于统计数据的原始数据集；2、艺术作品的产生是由数据驱动的而非完全创作的，即数据艺术的最终形成是由计算机算法根据原始数据自动生成的。因此，前述的《The Great Bear》并不属于数据艺术的范畴。此定义中的“全媒体承载”，是指数据艺术的创作过程可以是计算的，但呈现媒介不限于数字媒体。

在可视化范畴中，与数据艺术相似的、容易产生混淆的几种艺术及设计概念有“信息可视化”和“信息图”等。

信息可视化（Infomation Visualization，通常缩写为InfoVis），是数据可视化的一个技术分支，是区别于以仿真为目的的科学可视化而言的（Scientific Visualization，通常缩写为SciVis，例如大气气旋的可视化模拟、核磁CT的可视化等）。它不是指对信息的可视化，而是指以图形信息的形式对数据进行可视化，即将数据根据一定的规则映射成点、线、面等抽象图形元素，并根据相应维度上的数据关系将图形元素在有限平面中绘制出来。因此，它是以数据模式探索为目的的，强调数据以信息形式的表现，而不是以传播为目的的信息的图像表现。

图2的《Tree of Life》就是一个典型的信息可视化作品。信息可视化一定是“原始数据驱动”的，这是它与数据艺术的共同点。然而，信息可视化可以不是艺术的，甚至可以是没有美感的，只要能够呈现数据内涵即可。当然，通常的信息可视化要尽量具有设计感或艺术感，以满足终端用户更高的感官体验。

对于不是数据驱动的可视化形式，在概念上属于“信息图”（Infomation Graphics，一般缩写为InfoGraph），它是以传播为目的的，是指用形象化的图形对所要传达的内容进行有冲击力的视觉表达，以便吸引受众并帮助受众更好的理解相关信息。信息图又分为示意图解（Diagram）、统计图表（Chart）、概念图形（Graph）等种类，木村博之对信息图的类别做了较详细的解释[1]。信息图可以是基于数据的，比如以统计图或信息可视化为内容的信息图，也可以是非数据的解释性插图。

数据驱动与基于数据的区别在于，“数据驱动”是对原始数据进行算法生成，而“基于数据”指信息图内容中包含已被人理解过的特征数据。信息图从形式上属于设计学，归在视觉传达的设计门类之下，是以传达为目的有美感的一类信息设计，是对“理解”的设计；从内容上则属于传播学，是新闻传播与设计学的交叉产物。因此，它既不是以分析推理为目的的数据可视化，也不是以意向表达或情感唤醒为目的艺术创作。它与数据艺术的共同点是，都具有美感。

三、数据驱动的艺术特质

在计算机领域，数据艺术被视为以艺术创作为目的而进行的数据可视化，区别于以实用为目的的数据可视化。首先，数据艺术必须是基于真实数据的，而不仅仅是一种隐喻或视觉表现。如果数据和艺术作品之间没有映射关系，则不能将其称为数据艺术。其次，数据艺术作品必须是非实用的，或者不以数据原始涵义传达为目的的。实用的数据可视化可以具有艺术感，但它又是以功利为目的的，可以属于设计作品，但不是数据艺术。通俗的说，数据艺术是实用的数据源加上非实用艺术作品。

那么，在艺术范畴中又如何界定数据艺术呢？如果我们从艺术作品中的视觉元素和表现手法切入进行分析，会发现其所运用的图形、动效、色彩、交互、声音等诸多元素形态在其他类艺术作品中也同样大量存在。从材料角度来看，数据艺术使用数据作为创作材料，与新媒体装置艺术对材料的包容性又有极大的相似之处，似乎也有雷同之处。从形式角度来讲，数据艺术的材料和创作工具都依赖广义上的数字工具，这使其与数字艺术难以区分。如若从技术手法上考察，数据艺术大量使用算法的特点与计算机艺术又十分相像。因此，我们很难单纯从各方面表象上看待数据艺术作品。但是，除了这些表层艺术属性之外，数据艺术有一个其他类艺术作品所不具有的特点，那就是“数据驱动”，即数据不仅是材料，更是作品内容本身。

数据艺术是一种数据驱动的基于数据处理和映射变换的艺术，旨在转变观众对数据的认知。数据艺术所使用的技法，是对数据的数理变换和感官映射的处理，从而向原始的、冰冷的数据赋予视觉的、或者听觉的、甚至是触觉的外衣，创造出别具一格的数据面貌。同一份数据材料运用不同的变换法则和映射关系，表达出来的情感大不相同；用同样的变换法则和映射关系处理不同的数据，表达出来的思想也大不相同。

数据依照不同状态，可以分为离线数据集，即已经存储于硬盘中的数据文件或数据库中的数据集；在线数据源，即连接着传感器且实时生成新数据的数据源。因此，数据艺术作品根据数据状态可以分为静态数据艺术和时变数据艺术。静态数据艺术，使用线下数据，即已由传感器获取并整理好的数据，进行艺术创作。时变数据艺术，使用在线数据，将传感器接入数据艺术程序，进行实时的数据艺术创作。

图4 数据艺术《Tree Drawing》 作者： 提姆·诺里斯（Tim Knowles） 图片来源： http：//www.timknowles.co.uk/

也有些艺术家对数据有更广义的理解，认为一切可以通过某种方式转化成数字的对象都是数据。按照这种观念，还可以进一步对数据艺术范畴进行扩展，产生直接数据艺术。直接数据艺术抛弃数据量化采集环节，直接将质性对象接入数据艺术程序或装置，进行直接的艺术创作。例如，图4的《Tree Drawing》是英国艺术家 Tim Knowles 的作品，他在柳树松树等不同树种的树梢上固定画笔，让树梢跟随风自然地作画，墨迹捕捉了风的轨迹，笔触的形态又呈现了不同树种的性格。当然，从形式上讲，这种直接数据艺术又与装置艺术之间的差别有些模糊不清，但本质上它的确是“数据驱动”的。

四、质性消解的艺术特征

数据，是对现实世界的技术量化，而对数据进行艺术质化，则产生了数据艺术对本源世界的消解重绘。物质世界是客观的真实存在的，通过现代技术所得的感测数据是对真实世界的拓片，而数据艺术则是在拓片基础上对现实世界的艺术重绘。例如，图5 Jason Salavon 的作品《Shoes, Domestic Produc-tion》，是以美国1960年至1998年期间的31种鞋或拖鞋的生产数据为驱动所创作的数据艺术。在对这些数据进行精确的三维艺术可视化之后，Salavon向我们呈现不同视角所观察到的数据之美，左上图fountain为一个俯视的喷泉，激流不止又泰然伫息；右上图burst就像宇宙物质的爆炸，宁静中孕育着颠覆一切的力量；左下图vertebra有如动物的脊柱，秩序而稳定；右下图spider又变身一只巨型蜘蛛，充满勤奋、坚韧与敏感。

图5 数据艺术《Shoes, Domestic Production》作者：萨拉文（Jason Salavon） 图片来源： http：//salavon.com/work/Shoes/grid/7/

新媒体技术从形式上消解了现实世界中的物理边界，而数据体量的增长则从内容上开始消解现实世界与虚拟世界的边界，数据艺术家通过对数据材料的艺术质化将观众拉进赛博空间。因此也可以说，数据艺术是新媒体装置艺术在赛博空间中的延伸。例如：图6《All the Ways (The Simpsons)》将动画片“辛普森一家”的前26季共574集1770万帧画面的色彩信息绘制成壁画装置作品，每一集都是一个矩形同心框，表示出这一集中各时间帧上的平均色彩，左侧的画框是所有的“沙发梗”的融合绘制。这个作品将色彩平均主义和融合主义进行综合，构造了不同形式相统一的贯通空间。

图6 数据艺术装置《All the Ways》 作者：萨拉文（Jason Salavon） 图片来源：http：//salavon.com/work/all-the-waysmurals/grid/50/

在装置艺术中，艺术家的表达闭包从界面扩大到了空间，从个体观点囊括到了观众互动。但从艺术家、观众、空间三者来看，虽然空间环境以装置的形式让观众主动参与其中，但是这种空间是形式的和设计的，空间的互动依然是被动的，而不作为内容本身出现。反观数据艺术，则是将装置艺术的空间范畴进一步扩大，将装置的材料从现实物质或数字影像升级为赛博数据，将环境的形态从传统的物理或数字装置升级为赛博装置，使得艺术观点、观众互动、以及空间内容三者融为一体，形成超越装置艺术形式互动的质性互动。数据艺术家的工作不再是从现实中取样以主张个人观点，也不仅是搭建形式交互的结构框架，而是打通数据世界与现实世界，构造赛博质性内容的意会桥梁。

数据艺术的出现，使得艺术创作者的主体性与创作内容的客体性之间的界限开始变得模糊。它不像传统艺术一样单纯体现创作者的观念，也不像装置艺术那样强调观众的交互体验，而是更加强调材料本身，即数据在艺术作品中的主体性。数据材料不再只是作为客体单纯任凭创作者塑造，而是要求创作者必须很大程度依照数据所包含的维度和维度属性共同实现作品创作。当数据穿上创作者为其打造的艺术外衣，以与其本源价值、用途毫无关系的面貌出现在观众面前时，数据就呈现出了与其本源意义截然不同的艺术特性。这正是艺术对数据的质性消解，也是数据艺术对数字世界的质性消解。

五、数据艺术与计算技术的共生

计算机图形学的高速发展催生了数据可视化的艺术创作，大数据技术为数据驱动的新形态艺术创作提供了新形式的内容与材料。计算技术发展的目标是创造计算速度更快、计算结果更准确、计算过程更健全的计算方法，即算法。计算技术的应用通常要结合实际场景，将相应算法用于解决实际问题。而在具体的应用中，如何将计算技术转换为用户可理解的视觉范式，却不是计算技术领域专家擅长的。但与此同时，数据艺术则提供了数据呈现的另一种视角，为计算技术注入源源不断的创新灵感。

由于当代艺术具有较大的包容性和实验性，数据艺术也不单纯是一种艺术形态本身，它的力量还在于改变工程师的视觉经验，冲击科学家们习以为常的数据观念，也同时意味着一个开放的数据文化领域的诞生。