曼紐爾·利馬的信息可視化

極少有人能看著一組原始數據就瞧出規律所在。人類是視覺生物，數據必須要經過解釋才能夠被人類理解。如何更好解釋數據是谷歌公司用戶體驗資深設計組長曼紐爾·利馬（Manuel Lima）的專長。在聯合國可持續發展目標的“谷歌創業加速器”第一堂課上，利馬擔任了“產品、用戶體驗與數據可視化”課程導師。利馬擁有設計方面的教育背景，但為了確定如何才能最好賦予設計信息，他深入鉆研了認知科學和人類行為學。他過去在visualcomplexity.com上開發了一套容易理解的數據庫，探索不同項目的主題，獲取優秀可視化方案的構造塊。他也是一位狂熱的歷史愛好者，著有三本著作，致力于探究視覺主題（如“圓圈”），如何追溯到人類理解萬物的肇始。他在本文討論了科學和數據可視化如何攜手催生出新的見解和發現，實現對社會的新影響。他與《美國科學家》（American Scientist）雜志主編費內拉·桑德斯（Fenella Saunders）對談，講述他對于復雜性、模式與設計的觀點。

“數據可視化”是近期的時髦術語，然而可視化與數據之間的關聯已經存在數世紀之久。為何這個概念在近期變得炙手可熱？

曼紐爾·利馬

我對歷史數據可視化的興趣源自于我對萬物起源的執迷。第一個創造圖表的人是誰？第一個創造設計圖的人是誰？現今的我們擔憂著諸多問題，那么，第一個擔憂那些問題的人是誰？

大多數關于數據可視化的書都從18世紀講起，并稱之為信息圖的“黃金時代”。那時候，諸如威廉·普萊費爾（William Playfair）、約瑟夫·普利斯特里（Joseph Priestley）和該領域的一批關鍵人物創造出最初的信息圖。但對我而言，那種說法有點膚淺，從一個方面來說，你要是告訴我，在18世紀之前什么信息圖都不存在，我會提出不同看法。

在我最新出版的著作《圓圈之書》（The Book of Circles： Visualizing Spheres of Knowledge）中，我嘗試盡我所能追溯圖視的歷史。我追溯到大約四萬年前，包括最早期的巖刻以及早期人類創造的一些視覺隱喻和符號。

接下來，就是中世紀中期（公元1000至1250年），我認為它其實是現今信息設計的起源，當時的歐洲人感覺與現今的我們非常相似。源于古羅馬和古希臘的新知識朝著他們撲面而來，他們必須要理解那些知識。他們試驗了許多不同的視覺隱喻。一批創作上非常多產的人士做了冒險的工作。有些人想要徹底取代文字。“除掉文字，從今往后我們只需要圖像。”他們就是這么激進極端。

但接著是“黃金時代”，我稱之為“第二時期”，而如今是“摩登時代”，時髦術語誕生于此。我們重新對數據可視化產生興趣，背后有多個因素。首先是數據儲存量的增長。我們產生數據的能力已經遠遠超過我們理解數據的能力。單單這條因素就引起數據可視化和人工智能之類工具的創新，從而幫助我們理解數目龐大的數據。其次是大范圍的工具民主化因素。我們如今擁有數十種工具，使得任何人都能很容易在這個領域工作。還有數據民主化和開放數據的因素。數據變成了一種商品，任何人都能使用數據。

為何數據可視化變成時髦術語？以上是一些起作用的因素。但同樣重要的是展示脈絡，提供歷史背景。這并非全新的情況，人類做數據可視化的工作已經有數世紀之久。

我們為何需要數據可視化？

可視化最重要的是讓不可見的東西變得可見的能力，這點甚至比文本或數字更具威力。無論你用文字描述某樣東西多么栩栩如生，要更好理解它，沒有什么像看見一張圖片或圖示那樣明晰。早在人類擁有任何手寫字母表（已知的最古老字母表大約出現在6 000年前）之前，人類就在使用視覺傳達的手段。我們天生擁有視覺傳達的能力和需求，我們應當利用這一點。我將數據可視化視為另一種解釋的手段，能讓觀點更為清晰，產生一些可見并容易理解的內容。

數據可視化背后有什么倫理關切嗎？

你時而會遇上我稱為“數據純粹主義者”的人士，他們說你在摧毀數據，他們認為你應當讓數據來說話，而不該以視覺方式來傳達數據的含義，因為你那樣會制造數據偏差。

即使只是因為原始數據對人類毫無意義，那些話對我來說也屬于胡言亂語。你不可能單單通過數據就獲知任何有意義的信息。數據轉換的一個方面總是需要我們人類來解釋和理解它。作為這種轉換的一部分，偏見也有可能會滲透其中，就像所有東西一樣。

抓取數據和進行可視化分為三個階段。首先要收集數據：進行選擇和挑選出特定的數據集就是一類偏差。因為你做出了選擇，你本可以選擇另一個數據集。

數據分析是整個過程的重要環節，在這個過程中，偏差會悄悄滲入。你可以輕易去除你不感興趣或者與你的假設無關的數據的特征項，你也能添加其他特征項。在外界看不到的地方，你能對數據進行許多有趣的操作。

最后一個階段是“視覺編碼”。在“死亡原因示意圖”中，有些形狀、顏色和尺寸都能改變的構造塊，還有圖形的語法和如何有效連接構造塊的規則。重要的一點是，可視化圖的設計者理解基本設計準則，尤其是那些源自于認知科學的準則。

對于可視化實踐的未來而言，在數據可視化的過程中留意到道德倫理問題是至關重要的。要保持透明性，將你使用的數據保持開放。公開與數據的聯系、解釋數據處理的方式、解釋數據轉化的步驟，這些都是很好的手段。但我認為，我們大家要永遠保持審慎態度。譬如說，在新型冠狀病毒暴發的早期，社交平臺推特上有許多言論說：韓國成了疫情的重點地區。但在那時候，韓國每天檢測1萬人，相比之下當時美國每天也許僅僅檢測20人。收集數據的方式顯著改變了我們理解示意圖的方式。數據可獲得性是影響可視化過程最終成果的一個方面。

創造漂亮的示意圖時，復雜性與清晰性之間的界限在哪兒？

有一種誤解認為美觀在設計的光譜上是遠離清晰性的，這種觀點并不正確。

有一項名叫“美學易用性效應”的準則。基本上，它是說在人類的感知中，美麗的物品比起不美麗的物品來說更容易使用，盡管事實并非如此。比起不美麗的產品，人們對待美麗的產品更加寬容。所以，美學在易用性上扮演關鍵的角色。

弗洛倫斯·南丁格爾（Florence Nightengale）在1858年繪制了這張示意圖，向英國政府展示在克里米亞戰爭期間，因病去世的人員比戰死的人員多多少。示意圖的右側也顯示出，戰爭第一年的死亡率更高，之后治療士兵的手段改進，降低了部隊人員的患病率

當缺乏清晰性的情況存在時，我不認為那一定是美學或美麗的過錯。我們不能徹底避開復雜性。但是，存在著解決復雜性的不同手段與技術。譬如說，一個能追溯到中世紀中期的方法是分塊（chunking）。它正是今天信用卡上有4個數字一組的4組數字的原因所在。這樣分塊的數字比一串16位的數字更容易記憶。那是一種將復雜性降到最低的手段。

另一種互動設計的方法是漸進式呈現（progressive disclosure）。舉例說，你在將一個網絡做可視化處理。你沒有一次介紹整個系統，而是向用戶一次介紹一部分，你慢慢、逐漸呈現越來越多的信息。最好的例子就是電子地圖。當你縮小地圖時，你能看見整個世界。縮小到某個程度，國家之間看不見邊界，只能看見一塊塊大陸。而當你放大地圖，你看見一個個國家，接著你開始看見高速公路。逐漸呈現越來越多信息，不會一次呈現全部信息，因為那樣毫無意義。設計者能采取一些手段將復雜性降到最低。

妨礙更多藝術家和科學家相互聯結的障礙是什么？

設計被歸類為藝術學科，但那是傳統想法。我的意見是：消除差異的一個方法是讓設計成為工科學校的課程。一些學校已經那么做但不是太多。然后，設計師與工程師會開始更有效的合作。在大多數情況下，當他們一起做實際項目時，才會實現合作。

有帶來改變的可視化范例嗎？

一個例子是弗洛倫斯·南丁格爾（1820—1910）。她繪制的這份漂亮示意圖，以視覺信息呈現克里米亞戰爭期間的軍人死亡情況。她驚異于有多少士兵不一定死于戰事造成的創傷，而是死于戰地醫院糟糕的衛生情況。她制作了那張圖，發給英國政府，使得政策出現重大變化。政府開始改善醫院的衛生狀況，這使得南丁格爾成為現代護理的先驅人物。她的貢獻令人矚目。

1991年，本·施耐德曼（Ben Shneiderman）制作了這張矩形樹圖，展示電腦硬盤的分層嵌套文件夾結構。為了創造盡可能緊湊的可視化方案，他想出了一條策略，在瀏覽硬盤的不同分層時，將屏幕分成水平方向和垂直方向交替的各種矩形。他的遞歸排列算法變革了樹狀結構的現代可視化方案

《物種起源》的初版書中有一張示意圖。達爾文寄給出版商的信件說，將這張示意圖放進書中很重要。這張示意圖對他的理論很重要，能解釋其關于進化的思想是如何運作的。這張示意圖被稱為“生命之樹”，它非常強大。對進化論的許多理解來自這張示意圖。

在更現代的例子中，你大概已經見過宣稱“這是互聯網之圖”的圖片，我總是審慎對待它。它其實夸張了，它只是互聯網的一張地圖。你可以制作出與之相當的無數其他的示意圖。但要點是找到正確角度，從正確視角去可視化和理解某樣東西，這樣才能使其成為強大的工具。

你認為可視化具有藝術價值和科學價值嗎？

現在，藝術和科學之間存在“相互影響”現象，尤其是在數據科學、數據可視化和數據藝術領域。現今的藝術家（甚至是那些來自繪畫和雕塑等傳統領域的藝術家）總是受到世界上其他事物的影響。甚至有時候是他們最早留意到模式，數據集只是他們把玩的新材料。

過去，當圖像并不總是有效時，我更具批判性。我想，我們需要擁有探索的空間。我們使用和再利用舊的一套視覺隱喻已經太久。我們面對著截然不同的挑戰，需要探索新的可視化方法，因為只有這樣，我們才能跟上可視化新模型的潮流。我們需要做實驗，而有實驗就會有失敗，失敗是實驗的一部分，我們會有多次的失敗。但我們需要為創新投資提供空間。

資料來源 American Scientist