【文艺理论与批评】向帆 | 可视化设计视野中的视觉艺术研究
The following article is from 文艺理论与批评 Author 文艺理论与批评
背景
对于先行实践的观察
力导向图的可视化原则基于艺术机构（画廊、博物馆）的展览信息相似度。艺术机构节点的大小与每个艺术机构的特征向量中心度成正比（特征向量中心度是指在网络图形中度量节点重要性的一种指标，它可以帮助计算出网络中哪一个节点更重要）。如果某两个艺术机构都展出同一个艺术家的作品，那么这两个艺术机构的节点就会被连接起来，连接权重值表示了艺术家的多少；节点的色彩则按照世界不同地区分类，红色系是北美，棕色系是亚洲地区，冷色系是欧洲地区。最终，我们可以轻易发现最大的节点是纽约当代艺术博物馆（MoMA）。这个研究项目不仅揭示了世界上五个最重要的艺术圈，还总结出艺术家快速成功的路径模式是将自己的前五个展览放入世界顶级展馆。作者认为这种方式可以揭示那些限制艺术家通往梦想舞台的屏障，并提出了有助于打破平衡的艺术竞争规则。有趣的是，这个研究并不是在任何艺术研究机构完成的，它的第一作者山姆·弗雷贝格（Samuel P. Fraiberger）是一个计算社会科学家，就职于美国东北大学网络科学研究院、哈佛量化社会科学研究院，他对使用数据和科技解决社会问题充满信心，提倡基于超大数据规模进行社会学研究。该项目在可视化方法上并不新颖，“可以说眼前可见的形式各异的可视化图表都是19世纪统计图表的变异”4，以点、线、大小、色彩来表达数据的形式从19世纪开始就非常普遍，只是借力于计算机可以处理更大量、更多维的数据。让信息离开研究对象本体，以极端简化的方式进行观察，这虽然已经成为了现代科学的基本模式（例如帮助科学家看见无形的电波、肉眼无法观察到的基因），但是对于视觉艺术研究来说却仿佛是面对着一种视觉对象来研究另一种相异的视觉对象。（二）交互可视化方式摄影艺术史研究往往需要对某一阶段的艺术群体进行研究，但是面对上百张摄影作品、上百个摄影师时，研究应该如何展开才能进行大范围分析呢？MoMA就面对了这样一个问题：“托马斯·奥尔特摄影收藏”项目，包括341张来自不同地方、不同作者、不同时期的照片。当MoMA需要确切地判断这一收藏项目在艺术历史中的价值与意义时，他们提出的解决方法是将艺术史研究与科学这两个通常完全不相干的领域联系起来，通过可视化摄影作品的物理数据和艺术家信息，让任何人都能观察其材料、技术、风格、主题与艺术家群体之间的内在关系。当我们打开这个可视化网站Object: Photo5,从带有时间信息的世界地图开始我们能够理解作品创作于两次世界大战的间歇，大部分拍摄于德国和法国，而远离巴黎和柏林的莫斯科也有少量作品；当我们点击莫斯科，可以看到包括至上主义艺术家埃尔·李西茨基（ELLisstzky）在内的艺术家名单；然后可以选择观看李西茨基在1924年完成的作品：一张多重曝光的黑白摄影作品的画面，及其物理属性（正面、反面、材料）和艺术家信息（毕业院校、相关研究）。除了以上这种从宏观到微观的观察方式，人们还可以快速地比对相同材料、工艺、主题和风格的作品，寻找作者间在展览、教育和生活等方面的联系。与其说这是一个可视化平台，不如说它是一个以摄影作品为中心的信息空间，让人们可以在社会、经济和技术的多重背景下理解一段重要的艺术运动：摄影曾经如何挣脱绘画传统和笨重设备而获取自由。这个可视化项目不仅完成了为整个收藏品项目提供视觉分析的任务，还可以帮助鉴别藏品中的单张艺术作品、对其艺术价值进行精确定位。（三）直接图像可视化视觉艺术研究既不能像科学研究那样在实验中创造数据，也不可能像历史学、文学等学科那样仅仅运用文本可视化工具，它依赖于视觉媒介承载的可见记录：报纸、照片、信件、日记等。在20世纪中叶，法国作家安德烈·马尔罗（Andre Malraux）就在他的“没有围墙的博物馆”里描述过自己通过比较大量摄影作品所得到的发现6；半个世纪之后，美国学者列夫·曼诺维奇（Lev Manovich）又沿着安德烈的想象走得更远：“是否可以让我们在一个博物馆网站上比较百万幅艺术作品？或者一亿幅社交媒体上的用户作品？”7他本人从2007年开始在加州大学圣地亚哥分校开发直接面向图像的可视化技术，他们公布的开源技术让人们可以获得对海量艺术作品的宏观观察，并发表了一系列实验成果：比较一百万张漫画作品8、比较印象派艺术家的作品，还针对社交媒体的图像开发了可交互的可视化平台“百老汇大街”9。
笔者曾经自主开发完成了交互可视化项目“Award Puzzle——全国美展获奖油画作品可视化”（以下简称“Award Puzzle”）10，这个项目不仅可以让人们看到2276张作品所合成的宏观场景，还可以将之映射到时间、色彩（图2）、画幅（图3）、地区等维度，可以让人们直观看到获奖作品的色彩构成了一块高亮度黄红色斑块、获奖作品的尺幅近年来有增大趋势等信息，或辨识出中国油画获奖作者的主要分布区域。让人意外的是，当我们改变可视化中的信息结构，将作品图像与获奖次数、艺术家个体相联系，我们就可以凭肉眼观察发现一些多次获奖作者的作品从主题到表现都有极大的重复性，这直接激发了对于美术作品评价方法的讨论11。
可视化中冲突的概念:作品与数据
可视化工具与方法：通用模版与视觉设计
必须合作的解读方式：近读与远读
展望：人工智能与可视化相结合
例如，我们设计了实验来验证网络媒体的猜测：是否“沙发上的女人”为内容的作品特别多？获奖作品是否越来越类似。针对“沙发上的女人很多”这种说法，我们首先用对象发现技术检索“沙发”，获得了所有被侦测到有沙发的作品名单，以及疑似沙发的可靠值。当我们根据这个名单用可视化的方式罗列出这些作品，我们就可以看到机器发现了大量包含有椅子、有坐相的作品；当我们在这些作品中检索坐在沙发上的女人，实际作品就并不是很多，只是其中五件作品集中于第12届展览（图4）；当我们通过将相似度较高的作品用可视化的方式并排排列，大量相似度较高的作品集中于风景画（图5）。
总结
1 Barthes, R. “The photographic paradox”, In Image, Music,Text, Translated by Stephen Heath, New York:Hill and Wang,1982, p.17.
2 Barthes, R.,“The photographic paradox”, In Image,Music,Text, p.18.
3 Fraiberger,S.P.,Sinatra, R.,Resch,M.,Riedl, C., & Barabasi, A.-L.(2018),“ Quantifying reputation and success in art”,Science, 362(6416), 825.doi:10.1126/science.aau7224.
4 Lev Manovich, “What is Visualization”, 2010,http://manovich.net/index.php/projects/what-is-visualization.
5 https://www.moma.org/interactives/objectphoto.
6 Linda Nochlin, “Museum Without Walls”, New York Times, May 1, 2005.
7 Lev Manovich, “Museum Without Walls, Art History Without Names: Visualization Methods for Humanities and MediaStudies”, 2012, http://manovich.net/index.php/projects/museum-without-walls-art-history-without-names-visualization-methods-for-humanities-and-media-studies.
8 Lev Manovich, “How To Compare One Million Images”, 2011, http://manovich.net/index.php/projects/how-to-compare.
9 http://www.on-broadway.nyc.
10 zeelab.cn/AP/desktopNew.html.
11 向帆：《视觉文献的视觉化设计——全国美展获奖油画作品视觉化工具AwardPuzzle设计探索》，《装饰》，2016年第7期。
12 Borgman, Christine L., “The Digital Future Is Now: A Call to Action for the Humanities”, Digital Humanities, 2010.
13 向帆：《词意辨析:可视化、视觉化、Visualization及信息图形》，《装饰》，2017年第4期。
14 Ben Fry, “Each Project Has Unique Requirements”,Visualizing Data, O’Reilly, 2008, p.16.
15 Schnapp J.,Presner T. (2009) : The digital humanities manifesto 2.0, Humanities Blast. http://www.humanitiesblast.com/manifesto/Manifesto_V2.pdf, 23 Mar 2014.
16 Franco Moretti,“Conjectures on World Literature”, Distant Reading, London:Verso Books, 2013, p.48.
17 向帆、朱舜山：《中国家谱树的绘制实验报告——基于中国历代人物传记资料库的视觉化实践》，《装饰》，2018年第10期。
18 机器学习是人工智能中具有代表性的一种技术之一。针对图像领域的机器学习技术，就是让计算机可以经过学习大量图像获得模式之后，能够自己定义图像。例如，当机器学习了上万张玫瑰花的图像之后，机器就能够从色彩、形状、光影等数据关系中获得具有关联性的模型，然后就可以自动判定另一些图像里有没有玫瑰花。现在，我们已经可以在网络上获得许多帮助进行图像分析的机器学习技术，例如：人脸识别、对象发现、图像相似度对比等。最近，机器学习技术中的这些技术被我们运用于全国美展获奖油画作品，让我们可以在2272张作品中比较相似度、发现具有某种对象的作品。
19 Franco Moretti,Style,“Inc.:Reflection on 7,000 Titles”, Franco Moretti, Distant Reading, London:Verso Books,2013, p.204.数字使人文更新
投稿邮箱：dh2020@tsinghua.edu.cn
数字人文门户网站：www.dhlib.cn