大數據不僅僅是關乎數據的大小：發現和利用不同數據的來源也很重要。數據可以是網頁數據、感應器數據、地點數據等，還加上現在的藝術數據。不，不是那些世界大師作品的數據，而是我們畫東西時用到的一筆一畫的數據。

在本周洛杉磯的SIGGRAPH會議上，有兩個有關研究的發言。他們的研究結果表明，如果能夠搜集到的數據是對的，就可以對一個人如何畫畫做一個全面的了解。其中的一個項目是由卡耐基梅隆大學和微軟研究團隊做的，他們為了獲得數據，讓研究對象在iPhone上玩一個介于Pictionary和Wheel of Fortune中的一個游戲。這個研究即使單從用眾包的方法產生數據的角度來看也是特別有意思的，他們利用了iPhone無處不在這個優勢，***搜集到17,000幅素描畫做了個數據集合。

他們讓研究對象玩一個名為DrawAFriend的游戲，用手指畫出一些名人或相互認識的朋友頭像。一個參加者完成后，畫完的畫會一筆接著一筆地呈現給另一個參加者看，另一個參加者根據自己的確定程度猜出畫的是什么人。其目的是對各參加者的筆畫做比較，猜的次數越少，畫中的筆畫得分就越高。

如何玩DrawAFriend

研究人員然后用了一些修正方法，對一些不良筆畫以及肥大手指做了用戶都不知道的改正。這些研究人員下一步要做的是找不同的方法，通過搜集的數據分析用戶的行為(如什么時候會用“取消”功能，筆畫順序等)，他們也在考慮如何可以讓筆畫不但更精確而且可以從美感上來看更漂亮。

另外一項研究來自迪斯尼。他們找了一些美術工作人員，讓他們用觸筆給24個不同的人畫素描，24個人的每一個需要畫4次，每一次的時間都少于上一次(分別是270、90、30和15秒)。研究人員用這種辦法為每個藝術工作人員搜集了8000個筆畫。

研究人員說，通過數據分析可以確定藝術人員的素描和原畫在幾何特征方面的區別(如眼睛靠得太近或是下巴輪廓線太粗)，還可以幫助他們找到需要改正的壞習慣。

迪斯尼研究里一個有關素描和分析的例子

這種研究算是比較新穎的，說明我們有可能搜集和分析幾乎任何類型的數字數據，不過我也能想象會有人問這有什么用。也許像迪斯尼這樣的公司可以用這種技術做一個程序引擎，從而可以批量生產那些熱門電影的電視片續集，或是可以用來做一個教育軟件幫助那些胸懷大志的藝術家們克服自己的壞毛病。

不然的話，一個藝術家的作品因為有意思似乎正是因為其獨特性所然。如果存在一個算法，可以矯正和優化筆畫，那得到的作品還算不算是我完成的呢?而且，一如迪斯尼研究人員指出的，有些變種有時候更多的是每個人的風格造成的，而不是由于復制得不精確造成的。

我們有能力搜集和分析此類數據，而且達到如此(像卡耐基梅隆大學研究項目里)的規模，這一點是十分重要的。我肯定，會有人為這些藝術型算法找到很多的應用，只是我不知道而已。不過，似乎有時候，我們沒有必要對這個世界上有些東西進行量化，僅僅是因為我們有這種能力——藝術可以說是其中之一。