Οι υπολογιστές γίνονται καλύτεροι σε κάποια εκπληκτικά ανθρώπινα καθήκοντα. Οι μηχανές μπορούν τώρα να γράφουν μυθιστορήματα (αν και δεν είναι ακόμα σπουδαία), να διαβάσουν τον πόνο ενός ατόμου στη μακιγιάζ τους, να κυνηγήσουν τα απολιθώματα και να διδάξουν ο ένας τον άλλον. Και τώρα που τα μουσεία έχουν ψηφιοποιήσει μεγάλο μέρος των συλλογών τους, η τεχνητή νοημοσύνη έχει πρόσβαση στον κόσμο της καλής τέχνης.
Αυτό κάνει τους νεώτερους ιστορικούς της τέχνης στους υπολογιστές μπλοκ, σύμφωνα με ένα άρθρο στο MIT Technology Review .
Οι επιστήμονες των υπολογιστών Babak Saleh και Ahmed Egammal του Πανεπιστημίου Rutgers στο Νιου Τζέρσεϋ έχουν εκπαιδευτεί σε έναν αλγόριθμο για να δουν τα έργα ζωγραφικής και να ανιχνεύσουν το είδος των έργων (τοπίο, πορτρέτο, σκίτσο κλπ.), Στυλ (Αφηρημένος ιμπρεσιονισμός, μπαρόκ, και καλλιτέχνη. Πατώντας στην ιστορία της τέχνης και τις τελευταίες προσεγγίσεις μηχανικής μάθησης, ο αλγόριθμος μπορεί να αντλήσει συνδέσεις που είχαν δημιουργηθεί μόνο από ανθρώπινους εγκεφάλους πριν.
Για να εκπαιδεύσουν τον αλγόριθμό τους, οι ερευνητές χρησιμοποίησαν τις περισσότερες από 80.000 εικόνες από το WikiArt.org, μία από τις μεγαλύτερες σε απευθείας σύνδεση συλλογές ψηφιακής τέχνης. Οι ερευνητές χρησιμοποιούν αυτή την τράπεζα τέχνης για να διδάξουν τον αλγόριθμο πώς να εισαγάγουν συγκεκριμένα χαρακτηριστικά, όπως χρώμα και υφή, χτίζοντας αργά ένα μοντέλο που περιγράφει μοναδικά στοιχεία στα διαφορετικά στυλ (ή είδη ή καλλιτέχνες). Το τελικό προϊόν μπορεί επίσης να επιλέξει αντικείμενο μέσα στα έργα ζωγραφικής όπως άλογα, άνδρες ή σταυροί.
Μόλις εκπαιδεύτηκαν, οι ερευνητές έδωσαν τους νέους εκπαιδευμένους πίνακες αλγορίθμων που δεν είχαν ξαναδεί. Ήταν σε θέση να ονομάσει τον καλλιτέχνη σε πάνω από το 60 τοις εκατό των νέων ζωγραφιών, και να προσδιορίσει το στυλ σε 45 τοις εκατό. Οι Saleh και Elgammal ανέφεραν τα ευρήματά τους στο arXiv.org.
Ο αλγόριθμος θα μπορούσε ακόμα να χρησιμοποιήσει κάποια μικροαλλαγές - αλλά μερικά από τα λάθη που έκανε ήταν παρόμοια με αυτά που μπορεί να κάνει ένας άνθρωπος. Εδώ είναι MIT Technology Review :
Για παράδειγμα, οι Saleh και Elgammal λένε ότι η νέα τους προσέγγιση δυσκολεύει να διακρίνει μεταξύ των έργων που ζωγράφισε ο Camille Pissarro και ο Claude Monet. Αλλά μια μικρή έρευνα σε αυτούς τους καλλιτέχνες αποκαλύπτει γρήγορα ότι και οι δύο ήταν ενεργοί στη Γαλλία στα τέλη του 19ου και στις αρχές του 20ου αιώνα και ότι και οι δύο παρακολούθησαν την Académie Suisse στο Παρίσι. Ένας ειδικός μπορεί επίσης να γνωρίζει ότι ο Pissarro και ο Monet ήταν καλοί φίλοι και μοιράστηκαν πολλές εμπειρίες που ενημέρωσαν την τέχνη τους. Το γεγονός ότι το έργο τους είναι παρόμοιο δεν αποτελεί έκπληξη.
Ο αλγόριθμος κάνει άλλες συνδέσεις, όπως αυτός ο εξειδικευμένος εξπρεσιονισμός και φευβισμός, και ο τρόπος με τα στυλ Renassance που εξέρχονται από τον τρόπο. Αυτές οι συνδέσεις δεν είναι νέες ανακαλύψεις για τον κόσμο της τέχνης. Αλλά η μηχανή τους τα κατάφερε σε λίγους μήνες εργασίας. Και στο μέλλον ο υπολογιστής θα μπορούσε να αποκαλύψει κάποιες πιο καινοφανείς ιδέες. Ή, στο εγγύς μέλλον, ένας αλγόριθμος μηχανής ικανός να ταξινομήσει και να ομαδοποιήσει μεγάλο αριθμό ζωγραφιών θα βοηθήσει τους επιμελητές να διαχειριστούν τις ψηφιακές συλλογές τους.
Ενώ οι μηχανές δεν φαίνεται να αντικαθιστούν ιστορικούς τέχνης σαρκός και αίματος στο εγγύς μέλλον, αυτές οι προσπάθειες είναι πραγματικά τα πρώτα βήμα μπερδεύοντας έναν νεογέννητο αλγόριθμο.
