你可能也觉得艺术史跟自己没什么关系。但如果有人把大都会博物馆49万多件文物做成了"每日一猜"的网页小游戏,这件事本身就挺有意思的。
玩家每天获得10件随机文物——可能是纸莎草残片,也可能是彩绘陶罐——然后在地图上插旗子标年代、拖时间轴圈范围,猜这件东西到底从哪来、多老了。猜完系统给分,还能看到今天全世界其他人猜成什么样。规则简单到一句话就能讲完,但玩起来的体验,跟刷社交媒体完全不一样。
这个游戏叫Anthropeum,创作者是华盛顿大学一名在读本科生Matthew Chu。他做的事情听上去不复杂:调用博物馆开放数据库里的图片和元数据,搭一套每日更新的答题骨架。但这件事真正值得聊的部分,不是游戏本身多精巧,而是它背后一个已经悄然运转了快十年的文化基础设施——你还不知道它,它却已经准备好被你任意取用了。
一个会计专业学生为什么做艺术游戏
Matthew Chu今年21岁,念的是会计和数据科学。按照常规想象,他的日常应该是跟财务报表和回归模型打交道的,但他对收藏圈鉴别文物的场景产生了兴趣。在接受《科学美国人》采访时Chu提到,他观察过收藏者辨认硬币和其他物品的过程,看到一种把鉴定变成游戏的潜力。
这里有一个关键条件让他不必从头搭素材库:纽约大都会艺术博物馆从2017年开始就已经把公有领域作品的图片,按CC0协议全面开放了。CC0的意思是"不保留任何权利"——任何人,哪怕商业用途,都不需要申请授权,也不用署名致谢。也就是说,博物馆把几十万张高清文物图片直接放到了公共硬盘上,谁想用都可以直接拖走。
Chu做的事情,本质上就是在这个公共硬盘上建了一个检索与匹配的交互层。他不是受大都会博物馆官方委托做的,博物馆本身跟这个游戏没有任何隶属关系。但正是因为开放数据的协议足够彻底,一个本科生不需要跟任何机构谈合作、不需要申请授权,就能合法地使用这些图像,做出一个能服务全球用户的每日游戏。
这一点值得停一停。我们通常理解的"博物馆数字化"可能是看线上展览、3D展厅,但大都会走的是另一条路:把最底层的数据和图像拆开、打散、放进公共池,让外界自己去想能拿这些东西干什么。当时博物馆的首席数字官Loic Tallon说过一句话,大意是——我们的受众其实是全球几十亿互联网用户,必须用大尺度去思考怎么触达他们,开放数据就是这种策略之一。
游戏机制:在地图上插旗子,但允许你猜错
每天打开Anthropeum,你会面对10件文物的照片,旁边可能附上材质、尺寸等基本信息。然后你要做两个动作:在谷歌地图风格的世界地图上点一下,标出你认为这件东西来自哪里;再拖动时间轴上的滑块,框定一个大致的年代区间。提交答案之后——注意,不是只显示对错——系统告诉你正确地点离你的标记有多远,时间差了多少年,然后给你一个相对分。
这种评分方式的用意很明显:不追求"全对",而是鼓励"偏得不离谱"。一枚来自罗马的青铜雕像,你要是猜地中海区域没猜中城市,丢分比例有限。但如果你把一件中美洲陶器标到了东亚,时间差了上千年,那分就扣得狠了。游戏还内置了提示系统,地理线索可能会模糊提示"地中海地区"这样的大范围。
每天结束,你会看到自己的表现跟当天所有其他玩家对比的排位。这种设计——每日更新、全球可比、游戏内不做分级关卡——几乎跟Wordle等文字猜谜游戏的底层逻辑完全一致。它不靠无止境的内容量留住你,而靠"今天的新题你还没玩"的仪式感制造日常回访。
开放数据为什么改变了这件事的性质
我们不妨做一个思想对比。如果大都会博物馆没有开放CC0数据,一个普通人想做类似的游戏,需要走什么流程?第一步联系博物馆版权部门,第二步等待回复,第三步可能被告知需要商业授权或签署限制性协议,第四步可能要付一笔授权费。整个链条长到足以让绝大多数个人和小团队放弃。
但CC0让这条路缩短成一步:从网站下载图片和元数据,然后直接用。2017年大都会刚宣布这项开放政策时,很多人可能还没有立刻意识到它意味着什么。根据当时的公开信息,博物馆一次性释放了超过37.5万张公有领域作品图像。这个数字后来持续增长,到现在已经涵盖超过49.2万件艺术品的数据。
Loic Tallon在当时的表态中明确把开放数据定位为一种"数字策略",目的是扩大机构的全球触达范围。这意味着,博物馆不再仅仅把自己当成纽约第五大道上的那个实体建筑,而是把自己看成一个内容输出方,输出对象是全世界的互联网用户。而Anthropeum恰好就是这种策略的一个活的验证:一个由外部个体自发生成、博物馆不需要投入开发资源却直接受益的衍生应用。
这不是"博物馆官方做了一个游戏",而是"博物馆开放的东西,让别人做出了官方没有做的产品"。两者之间的区别,对于理解开放数据的价值,比任何宏大论述都更有说服力。
作为教育工具的可能性
Chu在介绍游戏时表达过一个明确的想法:这不只是给艺术史爱好者炫耀知识用的,它可以被所有水平的玩家当作教育工具。他的原话大意是,我想让人们看到自己不知道的东西,这样他们就能学到点什么。
这句话放在一个每天只给10道题的简单游戏上,乍听有点用力过猛。但如果我们拆一下它的使用场景,会发现有一些微妙的地方确实支撑了这个说法。首先,猜错之后的反馈机制天然带着学习属性——你不是简单得到"错了"两个字,而是看到正确答案跟你的猜测之间的相对位置。这种对比让你在下一次遇到类似风格的器物时,可能把范围缩得更准。
其次,每道题在答案揭晓后会附带更详细的文物描述,包括时间、地点、材料和文化归属的说明。这些信息在游戏逻辑里属于"结算页面",但在认知逻辑里,它是一个即时强化信号。你刚在脑海里构建了一套猜测,接着马上看到真实数据跟你的差距,这个时候你能读进去的细节,远比被动浏览博物馆藏品目录时要多。
当然,这里必须强调:Anthropeum目前没有引用已发表的教育效果研究来支撑它的学习效率主张,"教育工具"更多是创作者本人的设计意图,而非被验证的教学结论。但它的机制确实符合"即时反馈驱动知识内化"这一在教育认知领域被反复讨论的模式,这是它值得被关注的理由,不是它已经被证实的结论。
文物识别本身的门槛
这里有一个很容易被忽略的细节。Anthropeum每天随机抽取10件文物,类型跨度极大——纸莎草碎片、彩绘陶器、青铜雕像、织物残片、手抄本散页——它们来自不同的大洲、不同的千年。玩家面对的不只是"我记不记得这件东西"的记忆题,而是"我能否从视觉线索推断出它属于哪个文化传统"的分类题。
举个例子。一张古埃及纸莎草残片和一张中世纪欧洲手抄本残页,在非专业人士眼里可能都是"泛黄、有图案的旧纸头"。但如果你注意到画面中人物的着装风格、文字系统的字母形态、颜料的色彩倾向,甚至纸张本身的纹理与裁剪方式,这些特征都可能指向截然不同的时空坐标。Anthropeum做的,就是把这种本来分散在博物馆数据库里、需要主动检索才能建立起来的对比关系,压缩进了每日10轮的限时猜测里。
它不教你"怎么猜",但反复暴露你猜测的结果跟真实答案之间的距离,本身就是一种无言的教学。你不需要背年表,但玩了十天后,你可能会开始下意识地对"希腊陶瓶的典型底色""中国早期青瓷的釉色倾向"产生模糊的直觉。这跟真正系统学习艺术史当然不是一回事,但作为零门槛的轻量接触,它的路径设计是自洽的。
单人开发与制度土壤
还有一个容易被略过的信息:这个游戏是一个人做的。Matthew Chu的身份不是创业公司产品经理,不是美术馆数字部门雇员,就是一个同时修会计和数据科学的本科生。他在看到收藏者鉴定文物的场景之后,产生了游戏化的念头,然后利用公开可用的数据资源把它做了出来。
这个创作链条之所以能跑通,依赖至少两个外部条件。第一,大都会博物馆的CC0数据池足够大、足够结构化,不需要创作者自己去拍照、去建数据库、去谈版权。第二,当代前端开发工具和地图API的成熟度足够高,让单人开发者可以在合理的时间成本内搭出一个可玩的交互原型。
这两个条件缺一个,这件事就可能不会发生。如果博物馆的开放政策是"仅供学术使用"或"需申请个案授权",那单人开发者基本没有动力去碰。如果数据是分散在各个子页面里、没有统一接口的,那技术门槛会急剧升高。现实是,大都会不仅开放了图片,还对元数据进行了标准化处理,让外界可以比较方便地调用——这些基础工作在游戏正式上线之前就已经完成了,而且完成它们的,是一个跟Anthropeum没有任何行政关联的博物馆数据团队。
这其实提供了一个观察角度:开放数据到底在鼓励什么样的创新?它不一定是那种被大机构自上而下规划出来的创新,而更可能是那种"某个人某天突然觉得可以拿这些材料做一个什么"的边缘创新。Anthropeum不是大都会博物馆数字战略的预期产品,但它是该战略所允许发生的副产品。
与"刷屏级猜谜"的结构性差异
把Anthropeum跟Wordle或其它流行的每日猜谜游戏放一起比较,能看出一个关键差异。Wordle的题目是被人为设计出来的——答案列表由开发者选定,游戏体验的难度曲线可以被精确控制。Anthropeum的题目来自一个随机抽样系统——博物馆数据库里有什么,它就可能会抽到什么,而这些物品本身就是为保存和研究而存在的,不是为游戏设计的。
这就导致一个结果:难度不稳定。今天你可能抽到一件特征极其明显的希腊黑绘陶瓶,一眼就能锁定年代和区域;明天你可能抽到一片残破的织物碎片,连专业研究者都需要借助仪器分析才能确定它的来源。游戏没有刻意去平衡这种波动,而是让它保留着。这让Anthropeum变成了一个不太典型的"游戏"——它的主要体验可能不是"我赢了",而是"我原来完全不知道世界上还有这种形态的文物"。
这一点跟Chu说的"我想让人们看到自己不知道的东西"是一致的。他不是在做一个为了让人上瘾的游戏,而是在做一个让人频繁遭遇未知的游戏。两者的设计出发点,从一开始就走上了不同的路。
那些"猜错"的数据也有意思
除了单个玩家的得分,Anthropeum作为一种集体行为数据生成器,还藏着另一层潜力暂时没有被充分展开。每天全球玩家猜过的答案汇集在一起,会形成一张"全球公众如何认知这些文物的热力图"。哪些文物被普遍猜对了年代却猜错了地点?哪些地区的器物被反复误判到另一个大洲?这些偏差,本质上反映了不同文化背景的公众对全球艺术史认知的集体图景。
当然,目前并没有公开信息表明这些数据正在被用于系统的分析或研究,这只是一个观察角度。但它的存在本身,已经暗示了开放数据游戏的另一种可能:游戏不只是用数据,游戏也在生成数据。而这种由大量普通玩家无意中产生的认知数据,如果未来被用于教育评估或博物馆策展研究,可能需要新的伦理讨论框架——但那是后话。
博物馆没参与,但博物馆受益
再多说一句这个微妙的关系。大都会博物馆没有为Anthropeum投入任何资源,没有提供技术支持,没有参与设计,也没有官方背书。但是,每天有大量用户通过这个游戏接触到了大都会的藏品。每猜完一道题,玩家看到的是来自大都会馆藏的文物图片和描述。游戏结束,如果有人对某件东西产生了好奇,下一步的动作很可能是去搜索这件文物的更多信息——而那些信息的权威来源,大概率还是大都会的官网或数字档案。
这个链条说明,开放数据的回报机制不是即时的、线性的。它不一定是"今天开放数据,明天就有一个爆款产品来找你合作"。它更像是"你让数据自由流动,别人就会用它们做出你没想到过的事情,而这些事情最终会以更丰富的触点,把你跟本来看不到你的受众连在一起"。
Loic Tallon当年强调"全球几十亿互联网用户"的时候,大都会的开放数据策略并没有承诺一个具体的转化漏斗。但Anthropeum的出现,确实为那个模糊的愿景提供了一个具象的注脚。
这件情到最后到底在说什么
回看整件事,它不是一个"大学生开发爆款游戏创业成功"的商业故事。它是一个公共文化机构提前做了基础设施开放的决定,然后一个非科班出身的学生用了这些免费材料,做出了一个让陌生人在全球范围内每天跟文物互动的轻量工具。没有融资新闻,没有用户增长曲线,没有什么"估值突破"。但这条逻辑链的每一环,都值得被当作一次认真的产品观察来看。
如果你今天去玩Anthropeum,你可能前几轮全部猜错,分数排名垫底。但这没关系。你每猜错一次,就看到一次正确位置离你标记有多远的距离。那个距离,或许就是一个人认知边界的可视化。知道自己不知道什么,不一定比假装知道更舒服,但一定比假装知道走得更远。
热门跟贴