1.1.3 与相关学科的关系

数据可视化包括科学可视化、信息可视化和可视分析，是数据科学中一个活跃且发展快速的方向。数据可视化与计算机图形学、数据挖掘、人机交互和人工智能密切相关，在此重点介绍可视化与这四门学科的关联与关系。

计算机图形学是研究如何利用计算机来显示、生成和处理图形，阐释其中的原理、方法和技术的一门学科。最初，数据可视化通常被认为是计算机图形学的子学科。计算机图形学侧重于研究图形的建模和呈现；数据可视化与数据自身的属性、数据分析的任务以及数据面向的领域密切相关，其目标是完成数据分析，进而洞悉数据的模式、规律。数据可视化的可视编码和图形呈现需要基于计算机图形学的理论与方法，但数据可视化的研究内容和技术方法已经逐步独立于计算机图形学，形成了一门新的学科。

数据挖掘又名数据库中的知识发现，指的是从数据中建立适合的数据模型，分析、挖掘出未知的、有价值的模式、规律、知识。数据可视化与数据挖掘的目标都是从数据中获取信息和知识，但手段不同。数据挖掘利用机器智能自动或半自动地发现数据中隐藏的知识；数据可视化将数据转换为易于感知的图形化符号，借助人的智慧进行可视化交互，利用人的视觉化思考完成数据的分析、推理和决策。在数据挖掘领域，研究人员开始尝试将挖掘结果用可视化方法进行呈现，提出可视数据挖掘；在可视化领域，研究人员综合数据挖掘、人机交互等技术，探索数据的可视化分析方法。

人机交互是人与计算机之间基于某种交互界面进行操作、交流，完成确定任务的信息交换过程。在可视化中，交互是用户与数据之间的沟通手段，需要利用人机交互技术，结合数据分析任务设计可视交互方式，让用户基于可视化交互界面，通过人与机器之间的交互完成对数据的操纵，探索数据的不同维度、属性和特征，实现对数据的理解和知识发现。

人工智能是主要研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新兴技术科学。随着可视化与人工智能的不断发展，二者逐渐交叉融合，主要体现在“AI+VIS”“VIS for AI”“AI for VIS”三个方面。“AI+VIS”是将人工智能算法嵌入可视分析流程，人工智能算法从大量数据中挖掘知识，降低数据复杂性，而可视化用于增强认知，保证决策准确性，机器和人分别完成各自擅长的工作。“VIS for AI”是为解决模型的黑盒问题而提出的，它使用可视化方法解释人工智能算法的工作流程和决策依据，从而增强模型的可信度和解释性。“AI for VIS”指可视化图表的自动绘制与推荐，目的是解决目前可视化图表生成过程烦琐的问题，包括自动可视化视图推荐、自动数据故事生成、自动图表注释生成等。