京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代细说“大数据”
“大数据”的浪潮正席卷而来,对各行各业都产生革命性影响,在有些领域产生的影响极可能是颠覆性的,并终将改变整个世界。作为“国粹”的书法艺术,带着老古董式的清高与孤傲,或许是受到“大数据”影响最小的。然而,书法家不能袖手旁观,等闲视之,而应迎头赶上,顺势而为,做时代的弄潮儿。这是因为,在“地球村”时代,固守书斋的做法已经不合时宜。
大数据主义认为,历史上90%的数据都产生于过去两年。国际数据公司推算出2014年全世界的数据总量有4.4泽字节之多,也即4.4万亿兆字节,如果把这么多的信息塞进纤薄的苹果平板电脑,这些平板电脑叠加起来的高度可达157000英里高,相当于地球和月球三分之二的距离。就书法领域而言,近些年所产生的数据量,恐怕也是史无前例的,请注意,我说的不是书法的质量和高度,而是“数量”。如古代书论,我有几种版本,也就几大册,静下心,花一些时间,还是有可能大致通读一遍的。但是,当今的“书法评论家”,一个人的著作就可以达到十多部、几十部,不久前一位书法家办展览,艺术简历说其著作有八九十种之多,以为有误,后来发现他确实出了那么多书。去北京,一些朋友赠送其著作,是论箱送的,知道我带不动,主动用快递寄达。这样海量的著作,我估计是没有读者吃得消全部通读的。展览活动之多,书法作品集之厚,就更不必说了。当然这不是“大数据”的本来含义,我只是说明当代书法数据之多。
如此海量的“书法数据”,按照传统的方法全部阅读实无可能,如果无法阅读,大量沉淀,这些数据就将成为无用信息,甚至成为垃圾。唯一的解决办法,就是运用网络技术进行统计分析,对所有数据进行整合。你需要什么数据,网络就可以提供什么数据,比如我需要知道赠送我书的朋友对某一观点的看法,通过大数据检索一下,就能立马知道。并且,还可以知道古今书法家、书法评论家持相同、相近观点的所有数据。从古到今,都可以进行点线面的全覆盖。
“大数据”的重要意义远不止此,它可以将古代所有法帖囊括其中,然后按照时代、书体、笔画线条等不同需求进行分类分析,各取所需,各尽其用,对临帖和创作都将产生巨大影响。比如,不久前中国书协取消了第十一届国展的一件获奖作品,这件隶书“君子行道,贤者履仁”对联,引起读者质疑,经查与公开出版物《石门颂集联》上同样内容对联用笔非常接近,属于临摹作品。这样的事例,要用人力完全避免是有难度的,但是如果应用了“大数据”技术,则属于小菜一碟的事情。“大数据”的分辨率是人们所无法想象的。
苹果公司显然敏锐地看到了书法与“大数据”的广阔前景,9月份苹果公司在旧金山举行新品发布会,发布了新版Apple Watch、iPad Pro、iPhone6S等产品,更发布了一件“苹果新神器”——Apple Pencil(苹果铅笔)。他们特邀著名书法家王冬龄先生专程前去做代言人,进行现场书写。他们的宣传片上通过操作演示出现了一只手写书法的画面,写的是草书“冬龄”等字样。虽然不是用毛笔,而是用“苹果铅笔”进行简单书写,但他们的用意是显而易见的。这也为我们认识书法与“大数据”提供了广阔的想象空间。在不远的将来,电脑不仅能够为人们的临帖、书写、创作提供超乎我们想象的便利,而且,“书法机器人”也将应运而生。目前,第一代“书法机器人”已经问世,这套系统通过一支笔杆与笔毛分开的特殊毛笔对书法写作的过程进行记录,其中笔杆部分为主系统,笔毛部分为副系统,两部分连接起来成为这一个记录器,就可以把它当作普通的毛笔来进行写字。我相信智能程度更高的“书法机器人”也将出现。
当然,中国的书法和中国画一样,是一门特殊的艺术,其独特性在于在强调造型的同时,非常讲究气韵、神采、意境,而这取决于艺术家的学养、性情、旨趣等综合性因素,是电脑所无法取代的。智能程度再高的“书法机器人”也绝不可能代替书法家的创造性精神劳动。我写这篇文章的目的,不是杞人忧天,担心“大数据”会取代中国的书法艺术,而是提醒书法家们要有“大数据”意识,熟练地运用“大数据”带来的极大便利,为我所用,为书法事业的腾飞插上翅膀。
毕竟,数据是一种力量,“大数据”是一股潮流。在大数据时代,每个人所做的一切,都将以数据的形式呈现出来,流传下去——如果能够流传的话,甚至人本身也是数据。书法家的成就大小,非常可能将取决于其提供有效“书法数据”的多少。如果我们能够用数据杠杆来推动书法的进步,这无疑是一件顺乎历史潮流的好事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05