来源：艺术世界杂志

Sey Min：作为数据可视化艺术家，必须要自制和客观

谭昉莹｜采访

艺术家 Sey Min｜图片提供

ArtWorld：首先能否请你聊聊自己的学习和工作经历？你是如何对视觉可视化这一领域产生兴趣的？

Sey Min：我一开始从事的是平面设计师的工作，主修传播设计。接着，我在研究生时学的是编程（programming），这也让我之后有机会在 MTV 从事交互设计的工作。我一直对特别的视觉呈现，尤其是通过算法生成的视觉效果非常着迷。所以，我开始为一些音乐明星的表演进行实时的声音视觉化，这样的工作很有趣，也很当代。然而，只是达到视觉上的美感着实让我觉得有些空虚，所以我开始思考如何把我的视觉效果变得更有意义，为里面注入一些故事性，让人们进行思考。因此，这就成为了我开始和数据视觉化产生联系的开始。

ArtWorld：在你的个人网站ttoky.com上有详细介绍一些你的数据视觉化项目的制作过程和理念，像是《如果机器能看得到音乐……？》（What if machines can see music...? ）、《 城市数据》（City DATA）等。这些作品涉及了大量的数据收集、处理、分析，以及把它们转化成清晰、有效的数据流。你是否可以简要介绍一下实现这样一个数据视觉化作品的工作流程？主要工作团队的过程是怎样的？

Sey Min：其实还是主要看客户和项目内容。对于一个商业项目来说，我通常会和客户公司的数据团队进行合作。首先，我会先看一下对方的系统里可以获得哪些数据，可以被我以叙述故事的方式向消费者传递正确的信息。然后再根据对方需求设计出视觉效果，我也把这称为“数据讲故事”过程。而在做个人项目或是艺术项目时，就会更自由、更带有实验性。有时候我会先挑选数据，创作出一些视觉上的东西，来看看怎样才是合适的表达方式。或者我会先选择我感兴趣的问题或某种技术，然后自己设计出一种收集相关数据的方法，然后再创造出视觉效果。如果有需要的话，我会将录像编辑和硬件安装等工作外包，但创造出一套视觉编程的工作还是一直由我自己完成。根据不同的技术要求，如网络编程或是数据分析和机器学习等，我会相应使用的是 JavaScript和Python。

ArtWorld：你曾提到过数据可视化就是让观者去思考，让他们有机会去获得自己的一个视角。所以在你学习和创作的过程中，是否有受到过哪些视觉可视化作品的影响？

Sey Min：《城市数据》这一项目是揭露了首尔这座城市每天的花费，上面有具体的企业名字和金额。和不少其他城市的居民一样，很多首尔市民并不十分相信自己的政府。但当我公布了这一件作品的数据后，很多首尔市民都有着积极的反馈，表示“原来这座城市在变得比我想象得还要好”“首尔做的事情比我想象得要有趣”等等。我并没有在网络上收集这些人的反应，这只是我自己听到的情况。但当时我在想，让人们真正看到数据或许是一个很好的沟通起点。我们在揭露事实的时候往往会感到害怕，害怕可能会得到负面评价。但每件事情总有两面性，即便是首尔市民并不相信政府，而首尔政府做的事情大多数并不让人满意，但依旧有人会喜欢。看到事实，并不是只看自己想看到的事情，它总是能带出事物的另一面。我想我们都应该更勇敢地面对事实。

《机器向我们学习，我们从 gxxgle 学习》（Machines learn from us, and we learn from gxxgle），影像输出，2018所用数据：在谷歌搜过首尔某个特定地点 1900—2010 年间的图片结果。

算法：神经网络算法、特征空间动画以及 t-sne 聚类

ArtWorld：在你的作品中，有不少都牵涉到一些对政治、社会的讨论，比如城市发展、公共空间规划和性别认同等问题。你是一开始就对这样的问题感兴趣还是你逐渐意识到了通过数据的运用来探索这些问题的紧迫性和必要性？

Sey Min：我觉得自己会比较多地探讨社会问题，主要是因为我处理的是数据，特别关注与人类行为相关的数据以及由数据运行的社会系统。社会的基本设施和系统会对公众产生影响，所以我就通过社会问题的角度来反映个人。现在我正在创作的作品是想要表达技术社群中所发生的不平衡问题。因为如果缺少了少数裔群体的数据，就会影响到人工智能发展过程中的不平衡问题。我希望借由自己的作品把这个问题放到台面上，而公众也能因此了解到技术系统里的弱点和强项。我从中希望人们可以明白哪些是谣言或是传说，应该相信什么，哪些应该忽略。我希望人们都控制系统而不是被它控制。

ArtWorld：我曾读到过你的一篇文章，其中谈到了数据可视化过程中无法避免的偏差以及艺术、数据和客观欲望之间进退两难的情形。所以你能否就此再深入讲述一下这个问题，以及你自己是如何处理主观阐释和被动 / 原始数据之间的关系？

Sey Min：我觉得如果你对与技术相关的数据系统并不是很熟悉的话，就很难相信数据自身的弱点和缺陷。有时候，媒体们会对于建立在数据之上的社会，放大其积极面。当然，通过大型的数据分析确实可以让一些社会系统变得很有效率，而像交通、公共疾病等方面的问题也可以通过从收集到的数据中所提取出的结果来达到改善或部分解决的效果。

但是，就像我之前说的，我们能得到的数据其实是非常有限的。来自谷歌公司的玛雅·古普塔（Maya Gupta）在 2017 年的 emTech 大会上提到了数据中少数裔群的缺乏。由于数据的不平衡会导致这个社会系统的打造（尤其是人工智能 AI）是建立在这样有偏差的数据智商，从而引起一系列问题，尤其是像不平衡的状况会放在那儿，甚至在系统中滋生。从这一角度来说，如果我们非常主观地阐释了某些数据，并在没有通知或警告的情况下就把它们传递给公众，那么人们会毫无过滤地接受这些信息，认为这就是事实。这就是为什么数据可视化艺术家在创作时要非常小心。艺术家的意图和理解都是非常个人的，但公众可能会把他们当作一种普遍的事实。另外，数据也会将艺术家的个人想法放大，从而引起一些误解。

ArtWorld：对于很多参观展览的人来说，通常由抽象的图形和一些科学特性所构成的数据视觉化作品可能会非常复杂或者很难理解。那么在你看来，怎样的作品才算得上是一件好的数据可视化作品？是那些能够与观众进行很多互动的作品吗？

Sey Min：我作为创作者来说，这也是一个困境。我应该是先考虑视觉上的美感还是能够清楚地传递信息？数据可视化的作品如果能兼具视觉美学和信息明确这两点，那就是很棒的作品了。但是我觉得这是过于理想化的期待，很难同时平衡好这两点。所以，我会选择根据作品的特征来调整视觉美感所占的比重，而不是花不必要的时间在做好平衡工作上。比如《如果机器能看得到音乐……？》就是一件更以视觉效果为主的作品，所以我把重点放在了创作出视觉的美感上，而不是以视觉的方式来解释这些原始数据。但在《城市数据》中，我认为让观众清楚地理解原始数据代表着什么更为重要，所以就会尽量让数据保持原样地出现在作品中。有时候，我觉得创作一件时髦的视觉作品就和制作一件音乐录像带一样。但视觉效果有时候会产生误解，所以我必须让自己冷静下来。如果有人问我作为一名数据视觉化艺术家的道德伦理是什么？我想应该是“自制”和“客观”。

ArtWorld：那接着上一个问题，对于目前艺术和数据可视化有着越来越多交集的趋势，你的看法是什么？艺术相较于数据被广泛应用的商业项目而言，有着完全不同的特性。所以在你看来，数据可视化作为艺术作品时具有什么样的优势或特性？

Sey Min： 在二十一世纪初，数据可视化是混杂在商业和艺术领域中。当时，人们开始处理从网络系统中收集到的大数据，而且我猜想当时数据本身对于商业和艺术来说都是一种好的媒介。人们从各种不同的视角都看到了数据可视化的可能性。但现在，商业领域要求通过数据可视化来传递更清楚的分析和商业报告，而艺术 / 创意行业在将数据可视化运用在了视觉实验和用数据讲述故事等方面。

我个人在这两方面都有涉及，这对我来说很不错。目前，我正在和一家游戏公司合作，而我的角色是制作一个视觉故事线并设计一些视觉效果将故事传递给正确的观众，告诉他们现在游戏平台上正在发生什么，游戏用户在游戏里该怎样互动。同时，我觉得跨界商业和艺术两方面这一现象并不只是发生在数据可视化的艺术家身上，很多以技术为核心的艺术家都同时在两个领域工作。我觉得硬是要区分什么是艺术、什么不是艺术，并没有什么意义。如果一件作品能够给人以启发，让人们思考，让他们体验到一些从未想到过的经历，我觉得那就是艺术。就像 MoMA（现代艺术博物馆）还收藏了一系列早期电子游戏作品。

《A.I, entirely on us》，JavaScript 开发，网页互动，2018算法：使用关键词（tf-idf）统计法进行文本分析，Wod2vec（矢量模型），t-sne 聚类

《如果机器能看得到音乐……？》（What if machines see music...? ），视觉化软件，影像输出，2017 所用数据：音频分析数据、t-sne 聚类

ArtWorld：现在也有越来越多人意识到我们已经被无处不在的数据所围绕，而对于数据相关的规则以及对于其安全性和私密性的讨论也越来越多。同时，我们也会对互联网巨头通过收集数据作于他用而感到担心。所以，从数据本身出发，我想听听你对这种现状的看法。

Sey Min：“开放性”始终是互联网以及网络系统的本质特性。“通过网络，任何人可以获得任何信息”是整个互联网的基本。它从一开始就是这么设计的，你无法在互联网上完美地保护好自己的个人信息 ( 就像你的智能手机完全知道你昨天去了哪里做了什么 )。进一步来说，很多人可能也没意识到自己的网络隐私在没有自己的允许下也能被随时随地地破解和下载。有时候，这种行为可能是在无意中发生，就像是在社交媒体上你告诉自己的朋友们今天做了些什么。

所以，我们要思考的是如何避免超级互联网巨头的垄断以及如何让他们在一定规则下正确使用这些信息。我觉得这其中也有不平衡性。如果只有某些大型互联网公司掌握着主要的数据集，而那些先进的技术也仅限于为那些大公司所用，这种不平衡性很容易就产生公共操纵行为。所以，我们的社会需要的是公共监督力量或是道德规范标准，否则的话就会很糟糕。人们会失去控制，也将被系统所控制。我认为这种情况需要有更多稳定的非政府、非营利性的组织介入，监督和调查那些被过于集中和使用的权力。另外，也要有更多的艺术家和究者们通过自己的作品来揭露有哪些信息是在我们不知情的情况下就被过滤，以此来提升公共意识。

《城市数据：首尔日常花销》（City DATA: Seoul daily expenditure），视觉化软件，展览现场，2014所用数据：首尔城市花销数据（企业和数据）

ArtWorld：你现在是否对某个领域的数据有特别的兴趣？和过去相比有没有发生变化？或者，请和我们分享一下你的下一个创作和展览计划？

Sey Min：我之所以开始进行数据视觉化的创作，是因为我想让人们通过数据能有多个不同的视角来看到他们自己。我相信数据的力量，它能使我们在看待自己时有一个客观的角度。不过，在进行了多次的实验后，我开始意识到人类并不会轻易地改变他们的认知，而是会擅长给自己找理由和借口。我当时觉得很失望，认为数据视觉化或许会给我们带来很有价值的信息，但并没有强大到足够影响我们的认知。我也曾经历过挣扎的阶段，思考如何从一个数据艺术家的身份来逼迫自己。那时候，我开始研究人工智能（AI）/ 机器学习系统。AI 实际上是向人类进行学习的，它倚靠的是反映了人类行为的数据。因此，我的观点是，如果人类能从机器身上看到它们是如何学习我们的，那么我们也能通过他们的行为更好地了解自己，就像是从我自己小孩的行为能看到自己的影子。

目前一直在做的研究是关于通过数据对机器进行阐释。我的下一个项目是在 2018 首尔媒体城市双年展（Seoul Mediacity Biennale 2018，9 月 6 日―11 月 18 日） 中展出《A.I, entirely on us》这件作品。我在其中提供了这样的问题：谁将会通过这样的先进技术获得更强大的力量？同时，我还邀请了几位艺术家包括大卫·哈（David Ha，谷歌大脑团队研究院，Sketch-RNN 的开发者之一）、劳伦·麦卡锡（Lauren McCarthy，p5.js 的创始人和开发者）以及麦克·提卡（Mike Tyka，谷歌研究员、参与了 Deep Dream 项目）对“AI 化的社会”“多样化与平等性”“智能”等问题进行提问和回答的互动。

看数据是很有趣的事情。当然，前提是你已经准备好见到最真实的自己。

最后，我想和你分享一个以前我和数据之间的小故事：我非常讨厌看到网上自己的照片，因为那看起来并不像我。从我的角度来看，自己应该更好看一些。我认为照片每次捕捉到的都是自己很糟糕的时刻。有一天，我和我的同事在抱怨这件事情，他问我如果总分是10，你觉得网上有多少照片看起来根本不像你自己？我说大概 8 分吧。他回答我，如果你这样认为的话说明你真的看起来就是网上那个样子。

镜子是我看到自己的唯一途径。我之前从来没有考虑过别人眼里我到底看起来是怎样的。我发现自己陷入了自己的认知中，被蒙蔽了。在那次的对话后，我意识到了自己在别人眼中的样子，反倒是完全都不再介意自己的照片了。我在自己的眼中看起来很棒，但我也很喜欢别人看到的我，虽然不同但也是一个‘我’。因此，看清事实和真相能让我们变得勇敢和坦诚。