現在はデジタルでの処理も増えていますが、これは電力依存があるので、デジタル一辺倒になると色々と問題が出る場合があります。
例えば、障害が生じた際にはAIが使えなくなりますし、データも同様にダウンロードできなくなる場合もあります。
私見になりますが、デジタルはあくまでも外部デバイス依存になるので、何かの条件で使用できなくなった場合に
■ データ
■ アルゴリズム
が使用不能になり、ソリューションが止まると何もできなくなるので、個人と言う生体デバイス側でこうした物を扱えるようにしておいたほうが良さそうな気がするのですが、デジタル一辺倒だと色々と問題が出ることがあります。
その為、デジタルが使えない状態になった時の対処が必要になるので、実際にはマンパワーやアナログがなくても大丈夫な状態はリスク管理が出来ていることが前提になるので、絶対的な信頼がおける状態が存在するというのはSFに近い物のような気がします。
平時の場合だとデジタルは缶sな処理が出来ますが、障害などの有事の際にはデジタルは脆弱なのでそういった面も理解しておく必要があります。
あと、個人レベルである程度処理能力を確保しておいたほうがいいのですが、この条件から考えると、外部デバイスだと処理能力の高い装置と障害に強いストレージの組み合わせになりますが、こうした危機が使用できなくなった場合には、どうしてもアナログとマンパワーに依存することになります。
学校での学習や個人が能力を身付けることは、こうした有事の際に対処するための保険のようなものになりますが、基本的に、【 知識の総数は選択肢の総数と比例する 】 ので無いよりも合ったほうがいいのは確かです。
絵を描く場合、アナログの場合、画材の定着や乾燥までの時間をかける必要があるものもあるので、グリザイユ＋グレーズで描くと時間と言う単位ではなく 【 日数がかかる 】 わけですが、油彩の場合だと更に時間がかかるのでアナログで描く場合には時間を要する仕様になっています。
グレーズで色を重ねる塗り方を刷る場合もアクリル絵の具は油彩よりも乾燥が速いので乾きやすいわけですが、乾燥の概念のない画材の場合だとこの時間を描くことに費やすことが出来ます。
こうした画材も 【 絵の情報量の増加 】 が発生すると描くまでの時間は増えるので画法によって消費する時間は変わってきます。
こうした内容が 【 美術の技法 】 を使用する際に発生するものになりますが、絵も平面上の座標と範囲の集合体なので、視点を変えると幾何ベクトルや変域の集合なので、この構造物を集合演算で処理をしたものが平面上の図形になります。印象派の場合だと分布図のような構造なので、その分布をどのように作るのかを考えていくことになりますが、光の波長の認知をどのように作るのかを考えて描くことになります。
この条件で考えると、人が描く場合の 【 制御方法 】 は数学と密接につながっているのですが、描くという作業は活動なので、このシーケンス部分とは事なり、アクチュエーター部分の制御が生じます。
基本的に絵の練習は模索になりますが、正解が合ってソレの近似値を出すので、遺伝的アルゴリズムや強化学習での処理で認知と挙動を連動させる作業になります。AIの処理は、この中のセンサーの情報と認知を一致させる作業なので、アクチュエーターの制御のようなティーチングとは全く異なる処理になりますが、人が練習をしている場合には制御工学における
■ 入力
■ 判定
■ 出力
の部分を一つのパッケージにしてアルゴリズムの構築を行っています。
絵を描く時には、
■ 描く
■ 修正する
と言う工程が生じる場合もありますが、前者はデータの認知を再現しているのでシーケンス制御に近い物だと思うのですが、後者は、微調整や誤差の修正なので、フィードフォワード制御やフィードバック制御と考えることが出来ます。
このように制御工学の始点で絵を描くことを考えると 【 破綻の理由 】 を明確にすることができ、修正を行いやすくなります。
絵を描くという作業は、現存するものの再現なので、
■ 現実と認知に一致
■ 認知の再現
が正確に行えれば破綻しなくなるわけですが、この時に精度わゲル貯めの方法が 【 画法 】 になります。当然、この際に定規を使わないので、ほとんどの画法は幾何学の分野になりますが、幾何学の照明は解析学に持っていって代数と連動させて考えることになります。その状態で数学的にも正しいものが美術の画法として使用されています。
美術も人の活動ですから、感覚器官と脳を使用することになりますが、行っている作業は 【 空間座標上に図形を生成すること 】 ですから、この作業は解析学でたいおうすることができるわけです。
その為、絵の分野も黄金比や白銀比（これはワイドではない時代の4:3のアナログテレビの比率になります。）のようにう作り組み得る比率が存在するわけですが、これも小学校の算数で登場する 【 比 】 を使用したレイアウトの方法になります。
その為、形にする前の作業でも数学が使用できるのですが、空間図形の制御も数学の分野ですから、中学校で行う
■ 関数
■ 変域
■ 関数を用いた不等式
などで範囲や線分を造ることを学習します。また、線分は二点間の距離を用いたものなので、幾何ベクトルになりますが、この内容も中学校の物理の 【 力のつり合い 】 の内容の拡張ですから、美術は数学で制御することが出来るようになっています。
これを踏まえると 【 破綻は座標の制御のエラー 】 と考えることが出来るので、大きながたんの場合、
■ ベクトルの数が足りない
■ 座標の値が外れ値になっている
と考える事ができるわけです。
アクチュエーター側の制御はスポーツと同じように練習して処理の中で生じているフィードフォワード制御やフィードバック制御の比率を下げるようなアルゴリズムを作ることを行う必要がある（算数の計算速度を上げるのもこれと同じです。）ので、解析とは全く違うわけですが、絵を描く時の描いた後に確認して修正すると言う作業も認知の再現をしたデータと元のデータを比較して誤差の確認をして修正をする作業になります。
比較については、等式不等式を用いるので、これも数学の分野になりますが、絵の場合だと座標平面上の出来事を画材を使って生成しているだけなので、数学的に何が間違っているのか？が判断できれば異なる部分の修正を行うことが出来ます。
その為、デッサンでは、アタリを取る際に座標を使うわけですが、この際にデスケルのように基準となるX軸とY軸の座標を用意します。そこから、マンハッタン距離で当たりをつける座標を転写して状態をつけるわけですが、この作業が3DCGのレンダリングの処理で行っているビューポートの情報をカメラの平面の情報に落とし込むのと同じ状態になります。流石にレンダリングはシェーダーの処理なので全く違うわけですが、絵を描く上での最初のステージとしては、この平面の図形で見た時にどのように見えるのか？を考えることになります。
ここから奥行きの概念を追加した描き方にステップアップしていくわけですが、最初のシルエットを正しく取る作業については、間図形の再現になるので、座標を構成するベクトルを座標平面上に配置する作業と同じになります。
これを用紙やキャンバスに再現するのことになりますが、座標名免状の幾何ベクトルの制御の話になるので、これも数学で行っていることをどのように幾何学を用いて平面上に再現するのかを考えることができれば意図した形を再現することが出来るようになります。
このように物事も視点を変えると数学や制御工学のような一般的な科目で学ぶ内容になるわけですが、進学してカリキュラムを学ぶと進学前のカリキュラムでは無駄が多かった処理を簡素な方法で行う術を身に着けることが出来ます。
多分、高校のカリキュラムだと 【 積分 】 が驚くような処理の方法になっていると思うのですが、中学校では思いつかないような視点を増やすことが出来ます。
絵を描く場合、
■ 認知
■ 認知の再現
で分けると、
【 認知 】
■ センサーからのデータの取得
■ データのストック
【 認知の再現 】
■ データの転送
■ 運動による再現
なので、
■ センサー→コントローラー
■ コントローラー→アクチュエーター
で分けることが出来るのでこれを分けて考えて問題に対処すると問題点が認知側なのか再現側なのかを明確にすうることが出来ます。
デジタルのデバイスと同じように、センサーやアクチュエーターの性能が低いと状態も変わってきますが、人の場合、こうしたバーツの切り替えではなく 【 練習するだけで精度を上げる事が出来る仕様 】 になっているので、加入によってセンサーのから認知までの情報の精度を上げたり、アクチュエーターの制御で画材の安定性や認知からのデータの再現の部分での変質を抑えるようにすると意図した状態を作れるようになります。
これが、【 画材を使うための人側の制御 】 になりますが、絵の場合、 【 画材の特性 】 があるので、実際に描かないことにはわからないこともあります。日本の義務教育では、いろいろな体験が出来るので、何も知らない状態からスタートするよりは対応しやすいのですが、多分、扱っていない画法のほうが多いです。（美術系の学校は違いますが...。）
普通の学校の通っている人の場合、絵を描く技法を知っている人と同じ状態になること貼りませんから、解析学のアプローチで 【 問題点 】 を解析して修正していくと対処が出来るのですが、ここでも学校のテストと同じように傾向と対策を使用することになります。
また、物を作る場合 【 経験則 】 で判断しますが、これも 【 作業によって収集したビッグデータ 】 ですから、結果ではなく 【 数式と結果を投資機で示したもの 】 の状態で記憶したものの地区性を元に処理を刷ることになります。これも学習になりますが、絵を描く場合に枚数を描かないと上手くならないと多くの経験者が口を揃えて語るのはこうした理由があります。また、画材の制御はディープラーニングや遺伝的アルゴリズムのような方法で学習済みデータを構築するような作業になっているので、サンプリングの絶対数が足りず、修正を行いながら最適化をしない限りまともな状態にはならないので、描くこと以外に選択肢がないというのは至極当然にことと言えます。
美術と数学を結びつけて考える内容は20世紀には行われていますが、それが可能なのでCGが存在しています。この処理も数学が用いられていますが、集合やベクトルによる制御だったり、内積や外積による制御が行われています。
このように平面上での出来事を感覚的に行うだけだと難しすぎるので、直感的にこうした処理を出来る人だと解析学というフィルターを通さなくてもすんなりと出来てしまうことがあるのですが、そうでない人の場合、数学や制御工学というユークリッド空間上の座標制御をニュートン力学に基づいた状態で考えて、数学の視点で見た時にどのような状態になっているノアクォ解析を行ってから判断をして見ると、状態の破綻の原因を探ることが出来ます。
これが絵の中の 【 図形の制御 】 におけるアプローチの一つになります。幾何学の中にはタイル問題というものがあり、多角形を綺麗に識詰める方法を数学的に正しいことを証明する分野があるのですが、現在証明されているものの中には正n角形以外のものもあります。
このように幾何学の分野はデザインにも関係しているので、美術との親和性が高く、実際に使用すると間隔では判断できないものの問題を解決できるようになっています。