快与变：如何构建加密艺术的分析模型？

由于加密艺术是在数字世界展开的，在这篇文章中，作者首先分析了加密艺术的数据特征，然后将其与学术出版从创作、展示和认可三个环节上进行了比较。最后，作者提出了几个关于加密艺术的现实问题。通过这些分析，作者最后将点落到了构建加密艺术的预测模型上。这不仅是极具野心的想法，同时也是目前的投资机构和加密艺术画廊们（交易所们）最感兴趣的地方。

以下为翻译内容：

1

从数据角度分析加密艺术

数据科学有一个“3V”指标，即：数据量（Volume）、数据速度（Velocity）、数据多样性（Variety）。

数据量，即系统管理的数据总量。

数据速度，即创建、累积、提取和处理数据的速度。

数据多样性，即大数据包括结构化、半结构化和非结构化数据。结构化数据可以使用数据模型（例如关系模型）来表示。在该模型中，数据以包含行和列的表格形式进行组织。非结构化数据没有可识别的正式结构，比如文本、音频、视频、图像等。某些形式的非结构化数据可能只适合一种格式，该格式允许使用定义明确的标签来分隔语义元素。另一种数据格式则是在数据中包含了强制执行层次结构的能力，而这种数据被称为半结构化数据。

加密艺术至少拥有两个大数据优势：速度和多样性。加密艺术的活动序列（例如创作、出价和销售）可以在几分钟甚至几秒钟的精确时间间隔内进行，这意味着加密艺术品可以构建实时事件流。与传统艺术拍卖相比，加密艺术品拍卖更像是一种金融交易。此外，加密艺术中的数据由以下几部分组成：

艺术品，通常是静态或动画图像（非结构化数据）；

有关艺术品的元数据，如作者，标题，描述，关键字（半结构化数据）；

事件，例如带有相对时间戳（结构化数据）的有价值的出价和购买交易。

需要强调的是，所有这些数据都是完全开放的：从我们的角度来看，与传统技术相比，这是加密技术的关键优势。但作为（数据）科学家，我们考虑以下问题，以便开始塑造“加密艺术分析”研究领域：

加密艺术与学术出版系统有何相似和差异之处？尤其是，我们能否将科学定量分析（计量学）方法应用于加密艺术领域并分析相关应用？通过与这个广为人知的的系统进行比较，我们旨在阐明一些值得关注的加密艺术特征。

与加密艺术有关的一些有趣问题是什么？或者，使用加密艺术数据需要考虑哪些问题？这些问题是否需要使用新的方法？通过与传统艺术出版系统进行比较，并以此为起点，我们旨在扩大一些值得关注的问题集合，并使用相关方法论为大家提供指导。

更广泛地说，有关艺术分析的相关文献的现状如何？

02

与学术出版系统的比较

加密艺术有一个非常好的对比者，那就是学术出版系统。虽然普通人很难将二者联系在一起，但分析下来，二者却有异曲同工之妙。

让我们通过区分三个连续阶段来比较学术创作者和加密艺术家的工作流程，分别是：创作、展示和认可。

1，创作。艺术家创作艺术品，而学者则撰写科学论文，例如期刊文章。无论是艺术品还是文章，其成果都是创造力，也都需要与时俱进。艺术家和学者都是从一个想法开始，然后将其发展为一件艺术品或奖学金。通常，艺术家更喜欢单独工作，而学者更喜欢与同伴合作。当然，也有一些艺术家会进行集体创作，而有些学者也会独自工作。现阶段，越来越多艺术家和学者都与计算机交互，艺术家使用计算机来生成艺术品（例如使用随机性，复杂性或人工智能），而科学家则用于进行实验或分析数据。

2，展示。作品准备好后，艺术家将其上传并展示在线上画廊中，而学者将自己的工作成果提交给会议或期刊。在这一阶段，艺术家和学者可能会有一些不同。以学者为例，他们的论文只有在合理阐述最新技术且足够原创时，该学者的作品才被同行评审并接受发表。

所有学者都可以在任何期刊上发表文章，需要注意的是期刊要审阅的是文章，而不是作者。另一方面，加密货币画廊却会审查艺术家，而不是艺术品。如果艺术家符合画廊的标准，他们将被画廊一劳永逸地列入白名单，并且可以上传任何艺术品且无需进一步审核（只要这些作品不违反画廊的服务条款）。展出艺术品时，任何人都可以查看和下载艺术品。尽管如今学术论文越来越多地采用开放获取，但如果科学著作被接受出版，那么相关内容就只会对期刊订阅者或会员可见。学者们可以向不同的期刊提交不同的作品，同样地，艺术家也可以在不同的画廊展示他们的作品。

3、认可。艺术品和科学作品都可以由各自社区来创作，因此会受到特定受众欢迎。例如，当有人在自己的文章中引用某篇科学文章时，即表示他/她对这篇科学文章的赞同。一篇文章被其他学者引用的次数越多表明了它在社区中的受欢迎程度越高。当收藏家（在拍卖过程中）进行有价竞标或收藏家以给定价格直接购买作品时，也意味着艺术品被认可。类似地，对艺术品的出价次数或艺术品在收藏家之间的交易次数可以被视为艺术品的受欢迎程度的指标。有趣的是，对艺术品的所有认可似乎都会有一个估价（加密艺术也会有与之关联的一定数量的加密货币），并且该值可以被视为在给定时间内艺术品的价值估计。另一方面，引述论文的价值通常不会被加权（因为它们不带有相关值）。

在科学和艺术方面，都存在自我认可：学者引用自己的文章，而艺术家购买（也许使用不同的身份）自己的艺术品。在这两种情况下，这些自我参照都不会对个人产生影响。此外，除了受欢迎之外，人们还可以调查艺术品和学术出版物的声望。我们可能会争辩说，对有名望的收藏家的艺术品进行竞标，或对权威科学家的文章进行引用，比匿名人士的认可更为重要。由于学术出版系统具有使用引文定量评估科学贡献的受欢迎程度和威望的方法和工具方面的经验，因此艺术与科学认可体系之间的这种平行性非常宝贵。

加密艺术分析将首先关注认可阶段。因为，这个阶段的数据更丰富，其发布过程也与学术出版系统更相似。创作过程本质上很难观察和研究，而展示阶段则出现了关键的区别，应该加以考虑，并通过比较进行分析。总而言之，可以进行以下比较：

学术贡献和艺术作品：这些是封装创造性作品的有形对象。

作者和艺术家：创造力作品的创造者。创作者从对作品的了解中获得声誉，累积的声誉可以给自己未来的作品带来影响。

期刊和画廊：收集并展示创意作品的地方。期刊和画廊也都从创作者及其作品的声誉中受益并做出贡献。

引文和出价：重要的区别在于出价是一种（加密货币）价值加权，而引文则没有价值加权。

度量标准：这两个系统都具有多种替代度量标准，例如观看次数、下载量、分享率、喜欢程度等，这些标准可以补充学术或艺术作品的影响力。

速度是加密艺术与学术出版系统之间的一个普遍差异，它涉及创作、展示和认可的所有阶段。对于科学家而言，构思和撰写文章并将其提交到期刊，然后等待同行评审，再根据评论者的评论修改文章，重新提交论文需要花费大量时间（通常为数月甚至数年）。尤其是等待评论者的评论十分耗时，否则就无法在期刊中发布最终版本。此外，对论文的引用也会等待很长时间，通常需要在论文发表后数年才可以被引用。

相反，加密艺术的工作流程就非常快：艺术家只需有一个正确的创意，然后就能通过计算机辅助流程快速制作出一件作品，并立即上传并在数字画廊上展示（如果作者已经被画廊被列入白名单的话，速度更快），倘若这个艺术家足够幸运的话，其作品可以在几分钟内就能被出售。出售之后后，艺术品可以用相同的速度在二级市场（甚至在画廊外）进行交易。如果说科学论文的工作时间粒度是数年的话，那么加密艺术的时间粒度显然要短的多。

如果硬要说加密艺术品与学术论文之间的相似之处（其实也不是真正的相似之处），可能就是他们都需要在一些重要其他方面有所突破。在艺术界，收藏家（或投资者）可以竞标和交换艺术品，同时这些收藏家（或投资者）本身也可以是艺术家，但在学术论文领域里，只有通过创作新的论文才能给同行引用。收藏家（或投资者）的角色至关重要，因为它们为艺术家提供了一个外部的、非同行的认可来源，这样艺术家的作品可以通过出价最高的收藏家获得认可，而不必被同行认可。

此外，就算不考虑拍卖和购买交易的话，艺术品也可以被赠与或与其他艺术品进行交换，他们甚至可以被看作是一种“流通货币”（实际上，创造加密艺术品和创造加密货币本质上是一样的。）

03

加密艺术分析中的三大问题

在加密艺术分析中，我们提出了三个主要问题：

问题一：评分和排名。通过比较学术论文与加密艺术品之间的相似性，我们可以借鉴和优化科学定量分析指标，总体目标是根据给定的标准对艺术品进行排名，例如按一定时期内出售的作品的价值对艺术家进行排名。一般而言，这些指标可以为画廊、艺术投资人以及艺术家本身提供参考。通过定义明确的加密艺术指标，我们可以更好地回答一些行业问题，比如：

1、要向画廊展示哪些新兴艺术家？

2、哪些新兴艺术家会吸引投资者进行投资？

3、与艺术家联系最紧密的收藏家都有谁？

这里一个有趣的挑战，即：加密艺术品销售网络并不是静态，而是随着时间而发展的，每小时都会增加新的节点（作品）和链接（销售）。此外，销售通常会根据给定加密货币估价来进行交易，然而这些加密货币所对应的法定货币价格可能会经历较大市场波动。不过，随着稳定币（DAI，USDC）的使用越来越多，这种情况可能会发生好转。值得强调的是，这些加密艺术指标可以衡量商业成功和受欢迎程度，但并不能用来真正评估艺术品的质量，就像引用文章数量只是影响学术论文评估指标之一一样，加密艺术指标并不能完全衡量其整体价值。

问题二：系统分析和建模。我们可以对整个加密艺术市场进行分析，这么做的目标是将其理解为一个系统，而不是仅仅为了捕获某个特定的评估指标。这里我们同样有几个“有趣”的问题，包括：

1、参与者有哪些不同类型，例如艺术家、收藏家、投资者、旁观者？这些参与者如何相互作用？

2、加密艺术品市场规模是在扩大还是在下降？

3、加密艺术品市场会朝着哪个方向发展？

4、一级市场或二级市场是否可以被视为成熟市场？

一般而言，之所以询问上述问题，最终目标其实是希望对加密艺术行业进行建模，捕获加密艺术品与行业参与者之间的互动。

问题三：成功的预测。在给定系统模型的情况下，有可能在总体上、或是针对某个感兴趣的特定方面预测其演变。

举个例子，通过艺术品的未来价值可以预测哪些人有可能成为新兴艺术家。这个问题，更多地是为了预测加密艺术系统的发展，尤其是预测加密艺术品能否成功。此前一些加密艺术作品已经考虑到成功预测问题，例如使用Magnus中的数据可以了解到Fraiberger这幅作品究竟被拍卖了多少次（Magnus中记录了大约127,208次拍卖数据信息）。通过研究这个问题，我们会发现通过强大的锁定机制可以推动艺术品声誉，声誉越高就能在高端画廊中展出。

Mitali和Ingram构建了一个声誉社会结构模型，他们的理念可能与前文提及的观点不同，此前我们认为创意是加密艺术品市场中的唯一驱动力，但数据分析显示的情况似乎并非如此。根据对20世纪初期抽象艺术运动（1910-1925）中的90位艺术先驱的数据分析显示，无论这些艺术家的作品多么好，最终成为知名艺术家的其实是拥有广泛而多样人脉关系的艺术家。也就是说，如果要评估艺术创造力的话，既需要使用客观的计算方法（机器学习技术），也需要有主观的专家评估。此外，该模型对最近一千年的艺术史中近14万幅画作进行了定量分析，基于这些绘画图像中的局部空间模式，他们估计了每幅绘画的置换熵和统计复杂度，通过这些分析可以反映出艺术史学家提出的艺术害怕定性类别。

总之，加密技术中数据的速度、多样性及可用性为未来的科学工作开辟了一条路径。加密艺术市场将拍卖与金融交易融为一体，使其成为一种新颖的现象，在完全数字化的行业领域里逐渐成为创意产业的代表。