
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
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13