EAST讲座
列夫·曼诺维奇
坐标：北京中央美术学院美术馆
讲者：列夫·曼诺维奇（LevManovich）
主题：新媒体艺术与数字文化的意义价值
讲座内容
这其实是我PPT的最后一页，但是因为我的讲座经常超出时间限制，永远没有机会给大家看最后一页，所以今天我就从最后一页开始讲。
我自年就开始进行数字艺术方向的工作，而艺术家、建筑师、音乐家们早在20世纪60年代就已经开始在用电脑进行工作了。
如果我们暂且把年称作是现代艺术的开端，那现代艺术大概有年的历史，而数字艺术其实已经有60来年的历史，也不年轻了。所以你要是说自己是一个数字艺术家，并给自己添上“先锋”的标签，你就大错特错了。你很老了。那么，在这个领域里，不久的未来会发生什么呢？
年，我在加州大学圣地亚哥分校任教。当时我开创了一个媒体艺术专业方向的本科项目。我要求我项目里所有的艺术类的学生都至少要选两门计算机方向的课程。现在我们回过头看一下20年后这个方向究竟发展到何处了呢？
我在这儿有一个小建议：在未来我们要把专业的艺术和媒体教育，包括艺术、设计、时尚、电影，或者是电视一类的课程，和电脑和信息科学结合起来。我也了解到，两周之后有一个重要的学术会议，讲的是关于这方面的主题，所以我今天用我PPT最后一页给大家一点思考的线索。
在20岁之前，我一直是一个画家。15岁开始，我学习了电脑编程，并用电脑编程做了一些建筑设计。我的博士学位研究方向是认知科学，学了两年后，我决定回去继续研究我的人文科学，在咖啡厅拿着我的笔记本电脑，喝杯卡布其诺，发表发表论文。
现在在纽约城市大学，我带的是数据分析方向的博士项目，其实我的教育背景并不包含数据分析的科班训练，我是一个冒牌货。但是大学还一直付我工资，我的学生也还觉得我教的课挺有意思的，所以冒牌货就冒牌货吧。
我从各个方面接受的教育里都获益匪浅，所以我认为你们不光是学习艺术，还应该学习一些其他的系别里的知识，比如说*治科学、经济学、建筑学和工程学。
下面给大家讲一些实例，都是我的文化分析实验室做的项目。文化分析实验室是我在年创立的。刚才给大家讲了一大堆个人背景，并不是为了我自己侃侃而谈感觉良好，而是要帮助大家理解我为什么会做这样的项目。
当下，世界上怎么说也得有十多亿位艺术家了，因为谁手头有一部手机，都能够可以自称为艺术家——不论你是用它编辑信息、拍照片、编辑照片还是拍电影。但这造成一个问题：每天大概有20亿张图片在网络上被分享。这么大量的图片，我们究竟应该怎么接受和消化呢？我们怎么观看这么多艺术家的内容呢？
《一百万页漫画集》P1
这个可视化图谱是用一个我自己编的软件做出来的，涵盖万页的漫画书页的信息集。我的实验室开发出来的所有软件都是开源的，大家如果感兴趣可以自己下载。大家也许会好奇，说你也太有耐心了吧，这万张漫画你是怎么一张一张扫描的。
事实上我没有扫描，有大量迷恋漫画书的年轻人，只要有新的漫画书出来他们马上去买，自己扫描，然后放到网上。这个当然是盗版行为，但是今天大家对文化的接受过程中，肯定都得多少干一点非法的事，比如上网下载音乐、电影。
也许我们现在在文化接受中干的唯一完全合法的事就是去美术馆看画了，但是这又变得非常无趣。
年的时候，我们深度挖掘一个漫画粉丝论坛，发现了大概万页漫画书的扫描件，约等于9万多本漫画书。我问了项目组一个特别简单的问题：“漫画书如果有视觉风格的话，是什么样的呢？”所以我们用这个软件来进行分析每一页，并根据一些标准进行视觉分类。
《一百万页漫画集》P2
下面给大家看这个可视化视图的两个局部，分别有极多和极少的细节，但是实际上在这两个极端之间，如果把这万页漫画书看作光谱的话，我们可以看到这个光谱上任何一点。
在进行了这样的数据分析之后，我们就意识到最早提的问题是没有办法回答的，它问得不精确。既然无法回答，我们就不如问一下在特定的时间段里为什么有某一种风格更受欢迎，而其他的风格就没有那么受欢迎呢？现在我们不用实际的扫描页，而是把它转化成点来进行另外一种可视化。
为什么在这个区域里漫画书里的视觉风格会趋于统一,呈现这种风格？你如果想成为一个漫画书作者，用这样的数据集很容易找到一个捷径：你能分析出来市场和漫画书的粉丝们都喜欢什么风格，你按照那个风格去创作就行。
如果你想使用中间特别密集的地方（的风格）创作的话，那你最好是一个天才。而你在点位不太密集的地方挑一个风格的话，会没有那么多人跟你竞争。
《一百万页漫画集》P3
《一百万页漫画集》P4
现在大家看到这张可视化视图是张19世纪法国印象派画家的作品，谁会没心没肺地讨厌印象派呢？大家脑子里面想到印象派画作的时候，想的全都是眼前看到的这些各种画作：美、光线和景观。但如果把所有印象派的作品全都放在一起来分析，我们脑子里面已经成型的那些“印象派”到底是典型的还是非典型的作品呢？
我们经过数据分析之后，发现我们脑子里面那些成型的对印象派的概念只构成所有印象派的作品的20—30%，其他印象派画家的作品从分析的结果上来看传统的很。这个项目用到了人工智能和数据科学的一些研究方法。
电脑会检查每一幅印象派画家的画作，然后用构图、色彩、对比度等60个标准来衡量这些画作。这种数据分析和研究的方法其实并不是什么革命性的新方法，年的时候就有了，它是当今数据科学的奠基石。
刚才谈到这两个项目的研究对象都是静态画面。如果我们要考虑动态的东西呢？下面我给大家介绍的这两个项目交互性很强。
《自拍城》（Selfiecity）第一个项目的名字叫《自拍之城》，创作于、年。我们用的数据是来自Instagram上面的自拍照片，并用特定的研究方法来分析Instagram发自拍照的趋势。项目从全球5个大城市地理范围内，搜集了几千张Instagram自拍照。
《自拍城》（Selfiecity）
研究团队里面既有艺术家也有软件工程师，他们来自五湖四海，所以我们最后决定在采样的时候就从各个洲上挑一个典型性的城市：曼谷、柏林、莫斯科、纽约和圣保罗。
大家看到这张可视化视图解释了我们是如何组织我们的数据分析的。项目也用到了人工智能里面一个分支：电脑视觉。
这张图里面我们用了两个组织数据的标准，一个是性别的区别，二是微笑的强度。这张图里每个城市的可视化视图里都有一条分界线，上面都是男性，下面都是女性。我们采样的5个城市里，每个城市女性自拍都要多于男性。也不知道为什么，莫斯科的女性好像尤其爱拍自拍，跟男性相比大概高出4.5倍。我有时候去莫斯科参加学术会议或做讲座，经常看到莫斯科的年轻人很高兴在街角拐弯亲吻拥抱，但是不知道为什么从这个数据看不出来。在曼谷这个城市里面大家拍自拍的时候，你会发现他们高高兴兴地开怀大笑。但是你再看莫斯科的女性的自拍照的时候，你会发现一点就是她们基本上都不笑，感觉就像给时尚杂志拍大片似的表情。
自拍也不是什么新鲜事，19世纪就已经开始有了。这是纽约市的自拍可视化视图，我们的数据采样都是原始照片，进行可视化视图之后，可以从里面发现更多的信息。在这个交互界面上大家可以用各种各样的过滤标准来组织这些我们现成的数据，比如城市、面部角度、微笑强度等等，然后大家可以更好地理解分析结果。
下面大家看到的是我们给圣保罗的城市艺术节做的一个类似项目。我们当时做了一个短片，然后用投影的方式呈现在圣保罗的一栋高楼上。我们想用这种方式来提醒大家：在今天的文化语境中，你的一颦一笑，每走的一步，无时无刻不是在被跟踪的。在我们生活其中的数据社会之中，一个特别有意思的事是电脑对我们作出基本上很精准的判断。
电脑会对我们的微笑程度作出0—百分比的判断，但是在现实生活里，比如说我们看到对面的朋友在微笑的时候，我们的大脑是如何来判断这个微笑的强度呢？我们用的尺度是0—10，还是0—，还是0—呢？我们电脑判断左边这位男士照片的时候，充满信心的判断出他脸上没有微笑程度，就是说他脸上微笑程度是0%。说到电脑数据有多精准，不知道大家是不是在股市上都有投资？刚才我在手机上收到一条信息说腾讯的股票又涨了，所以我今天应该又挣了5块钱。这个笑话是有目的的，因为这些数据以前只用在自然科学和财*学科里面，今天却被用来判断情感。
我们生存于其中的这种交互文化，讲到底已经变成一种数字游戏。在Instagram上面发表一张照片，我不断地去查到底有多少人看了。有一些世界上重要的艺术机构和博物馆也在做跟电脑相关的实验，比如会监测博物馆参观者的视线方向。大家上网的时候肯定也有类似的经历，就是基于你的浏览历史而投放到你电脑屏幕上的广告。每年我都会在纽约去开一个我很感兴趣的会（广告周）。一些大公司现在每天都在监控成百上千上亿的互联网用户数据和行为，包括你的浏览历史，包括你在网上付的每一笔钱，包括你打的每一个互联网叫车。这些大数据交给计算机科学家之后，他们用自己的方法来预测你会在什么时候，买什么样的东西。所以我们就得面对，也必须生活在这样一个社会里面，我们的欲望、我们的想象力……这一切的一切都已经被数字化了。
在《自拍之城》这个项目之后，我们同一个团队又开始对这个问题进行了深度思考，然后这就衍生了下面我们要讲的这个项目。
大家可以想象一下自己生活的城市，比如说北京。它不光是一大堆建筑物的结合体或一堆自行车的结合体，北京也是一大堆数字的结合体。下面要给大家介绍的这个项目只是一个简介，因为这个项目的成果现在正在北京的现代汽车艺术空间展出。
我做这个项目的初衷，其实是想给城市做一张地图，但不是传统意义上的地图，是我们用搜集出来的数据做出来的城市景观图。大家可以想象以前用某一张地图来探索一个城市的个人经历，你看看地图就觉得没有意思了。
我们为纽约公共图书馆创作的项目名称叫《在百老汇大道上》，图片里的42寸显示器是一个多点触控的交互界面。我们就挑了南北贯穿曼哈顿的、纽约最长的一条大道——百老汇大道。
《在百老汇大道上》（OnBroadway）
我们把它旋转45度作为横轴，在上面加入我们收集过来的数据点。我们从谷歌街景上面下载了很多大道的图片。一个朋友给我们提供了一年之内纽约所有出租车的数据。纽约和北京相比，简直小的不能再小了。我们也用到了一些*府方面公布的数据，主要都是人口普查类的数据，具体举例来讲就是在百老汇大道周边的人群类型和平均家庭收入。
我们也用到了年5个月之间所有在百老汇大道附近上传到Instagram的照片。为了做数据收集，我们的电脑开机连续跑了5个月，在网上在抓取图片并不断下载。5个月之后，我们一共收集到0万张图片。
大家可能会觉得0万张图片有一点少，实际上我们收集到符合我们项目的图片是必须得有地理坐标的。然后我们还得过滤掉那些不在百老汇大道周边的，最后只留下大概60万张照片。
大家可以看到多图层。大家面对这个机器的时候，操作方式跟操作手机没有什么区别。如果你把照片缩到最小，你能看到整个街道的全貌，而你也可以把照片放大，按照沿线的每一个街区去探索这条纽约著名街道。把整个界面缩小的话，具体的照片就会被压缩成细细的一条一条的。最底下的图层就是我们收集上来的Instagram用户上传的照片。
那些小*点是我们的一些统计数据，你可以通过这些数据了解到互联网用户在twitter和Instagram上都分享了多少照片，和这些照片的平均值。
关于这件作品我就讲到这儿，因为大家现在有机会能够亲身去看这件作品。谢谢大家！
曼诺维奇的作品并不是狭义上的当代艺术，他的作品严肃又有趣，他同时使用科学的方法、艺术的手段以及人文科学的研究方法，这种“混杂”无论是科学界还是艺术界还是人文科学界都感到疑惑。但曼诺维奇无疑相信，科学与艺术的边界在我们有生之年就会有大转变。苹果手机问世不过短短10年，可以想见巨大的技术革新刚刚开始。在大数据时代，人之所以为人的依据是什么？艺术与新媒体或者设计的关系是什么？讲座后曼诺维奇与现场同学就此进行了探讨，也许能为大家提供一个新的思维方向。预览时标签不可点收录于话题#个上一篇下一篇