Η Τεχνητή Νοημοσύνη Εξετάζει Τώρα Την Τέχνη

Ο Δρ. Ahmed Elgammal του Πανεπιστημίου Rutgers και η Δρ. Mariam Mazzone του Κολλεγίου Charleston έχουν δημιουργήσει ένα κοινό πρόγραμμα Τεχνητής Νοημοσύνης που εξετάζει τώρα τα έργα τέχνης και τα συγκρίνει με αυτά που έχουν συναγάγει οι ιστορικοί και οι κριτικοί της τέχνης.

Όπως αναφέρει το Techworld, οι δύο επιστήμονες συνεργάστηκαν για να ερευνήσουν πώς τα μηχανήματα ταξινομούν τους στυλ της τέχνης και πώς αυτό σχετίζεται με την ανάλυση της τέχνης από ιστορικούς. Αποφάσισαν να δημιουργήσουν ένα σύστημα βασισμένο στις θεωρίες του Heinrich Wölfflin (1846–1945), einem Ελβετού καθηγητή των οποίων οι αρχές ταξινόμησης είχαν μεγάλη επιρροή στην ανάπτυξη του κλάδου της ιστορίας της τέχνης.”

Όπως εξηγεί ο ίδιος ο Δρ. Elgammal, “Ήταν πολύ δύσκολο να προχωρήσουμε την Τεχνητή Νοημοσύνη πέρα από αυτό που έχουμε τώρα χωρίς να εξετάσουμε αυτό το πολιτιστικό ανθρώπινο προϊόν, γιατί στο τέλος, η Τεχνητή Νοημοσύνη είναι για να δημιουργήσουμε μια μηχανή που έχει αντιληπτικές και γνωστικές ικανότητες, και όταν κοιτάζουμε την τέχνη, αυτό είναι που συμβαίνει.”

Η προσέγγιση που ακολούθησαν ο Δρ. Elgammal και η Δρ. Mazzone ήταν να εξαιρέσουν το περιεχόμενο από την ανάλυση και να εστιάσουν στο ‘οπτικό σχήμα’ του έργου, ώστε να είναι δυνατό να αναγνωριστούν στυλ μοτίβα με την πάροδο του χρόνου. “Η έμφαση στις διακεκριμένες λειτουργίες και τη δυαδική λογική ταίριαζε καλά με το machine learning.”

Όπως εξηγείται, “Βαθιά συνβολικά νευρωνικά δίκτυα εκπαιδεύτηκαν για να ταξινομήσουν αυτά τα στυλ μαζί με một αριθμό μεταβλητών. Έγιναν almost 80,000 ψηφιοποιημένα πίνακες και εκπαιδεύτηκαν για να βρουν τα μοτίβα. Το σύστημα δεν είχε καμία κατανόηση του χρόνου ή ποιος δημιούργησε κάθε έργο τέχνης, αλλά παρέταξε τους πίνακες κατά μήκος μιας ομαλής χρονολογίας που ήταν στενά συσχετισμένη με τους χρόνους στους οποίους ζωγραφίστηκαν.

Τους έβαλε κατά μήκος μιας γραμμής χρόνου που ξεκινά από την αναγέννηση και στη συνέχεια προχωράει μέσω μπαρόκ, νεοκλασικισμού, ρομαντισμού, ιμπρεσιονισμού, μετα-ιμπρεσιονισμού, εξπρεσιονισμού και κυβισμού, πριν τελειώσει με την αφηρημένη τέχνη.”

Οι ερευνητές επίσης “εκπαίδευσαν τη μηχανή για να μετρήσει τη δημιουργικότητα αναγνωρίζοντας ασυνήθιστα δεδομένα και τα συγκρίνοντας με αυτά που εμφανίζονται σε άλλα έργα τέχνης.”

Τα αποτελέσματα της Τεχνητής Νοημοσύνης επιβεβαιώνουν σε μεγάλο βαθμό τις ιδέες που έχουν ήδη οι ιστορικοί της τέχνης. Αυτό που πρόσθεσε ήταν “υπολογιστικά στοιχεία για αυτό που είχε προηγουμένως βασιστεί σε υποκειμενική ανάλυση.”

Σύμφωνα με τη Δρ. Mazzone, η ικανότητα της Τεχνητής Νοημοσύνης να αναλύει “χιλιάδες έργα τέχνης θα μπορούσε να αναγνωρίσει θεμελιώδεις αλλαγές σε στυλ που ένα ανθρώπινο μάτι δεν θα μπορούσε ποτέ να δει. Θα μπορούσε ακόμη και να προβλέψει τις καλλιτεχνικές μορφές του μέλλοντος.” Πρόσθεσε ότι η Τεχνητή Νοημοσύνη “κάνει πολύ λίγα λάθη, και όταν κάνει ένα λάθος με κάποιον τρόπο, είναι απλώς η μηχανή που βλέπει κάτι διαφορετικό από αυτό που βλέπει ο άνθρωπος. Και αυτό είναι ενδιαφέρον, επίσης. Τι είναι αυτό που βλέπει που δεν είναι όπως αυτό που αντιλαμβάνονται οι άνθρωποι;”