Нове дослідження показує, що штучний інтелект і машинне навчання можуть мати дивовижні наслідки для майбутнього художньої аутентифікації та забезпечувати ширший спектр застосувань, ніж вважалося раніше.
Команда дослідників Case Western Reserve University обміняна старі методи оптичного аналізу з методом, відомим як 3D візуалізація, яка може виявити підробку з точністю до 96%, відповідно до їх дослідження, яке було опубліковано в кінці минулого року в журналі Heritage Science.
За словами фізика Кеннета Сінгера, який керував дослідженням разом із командою істориків мистецтва та комп’ютерних науковців, метод, схоже, призводить до більш точного віднесення не тільки олійних і акрилових картин, але також, що важливо, малюнків, акварелей і навіть скульптур, які традиційно важко було перевірити за допомогою існуючих моделей ШІ.
«Ми поки не знаємо, чи зможе це дослідження працювати в інших медіа, — сказав Сінгер, — але є певні докази, що це можливо».
Дослідження різних полотен
Дослідники використовували інструмент для аналізу матеріалів, відомий як хроматичний конфокальний оптичний профілометр, машину, яка зазвичай використовується для дослідження поверхонь різних матеріалів.
Дослідження попросило студентів із Клівлендського інституту мистецтв намалювати чотири однакові жовті квітки. Потім він передавав результати профілометра в так відомі як згорткові нейронні мережі, які допомагають визначити унікальні характеристики мазків, схожі на відбитки пальців.
Результати визначили способи відображення моделей мозку та руху нервової системи на тривимірній поверхні полотна. «Ми були вражені, коли побачили результати, — сказав Сінгер. — Надзвичайно те, що короткі луски, навіть такі малі, як діаметр щетини, були ключем до надійного розрізнення художників. Ці результати є перспективними для реальної атрибуції, особливо у випадку практики семінарів». Це означає, що історики мистецтва тепер можуть визначити, які конкретні ділянки одного полотна були створені художниками, їхніми помічниками чи підробниками.
Фото: Art Recognition.
Дослідження Art Recognition
Дослідження відрізняється від існуючих методів, які використовують цифрові зображення з високою роздільною здатністю, як-от тих, які застосовувала швейцарська компанія Art Recognition, заснована у 2019 році фізиком Каріною Поповічі та колишнім банкіром Крістіане Хоппе-Оель. Їх система штучного інтелекту використовує цифрові зображення з високою роздільною здатністю для перевірки авторства з точністю щонайменше 85%, сказала Поповічі, метод, який вона також додала, зараз знаходиться в процесі експертної перевірки.
«Точність використання штучного інтелекту та нейронних мереж значною мірою залежить від якості даних, — поділилася Каріна. — Ми використовуємо двоетапний метод аутентифікації, щоб зібрати надійні дані, які відфільтровують підроблені та ненадійні зображення, переконавшись, що навчальні зображення посилаються на наявні резонанси каталогу. Ми співпрацюємо з істориками мистецтва, щоб запропонувати нашим клієнтам неупереджений звіт про окрему картину чи роботу».
Вона зазначила, що їхній метод може надати колекціонерам точні результати, які можуть розповісти як про оригінальний твір мистецтва, так і про стиль художника, якщо є достатньо зображень для навчання нейронної мережі. За словами Поповічі, для отримання точних результатів потрібно близько 100 зображень, але часто вони працюють з набагато більшою кількістю. Наприклад, для своєї бази даних про Сезанна вони працюють з 850 зображеннями робіт художника з високою роздільною здатністю.
У минулому Art Recognition була акредитована за автентифікацію спірної картини Пітера Пауля Рубенса, але визнає, що цей процес не завжди ідеальний. «У ШІ є свої обмеження, коли справа доходить до аутентифікації творів мистецтва, — сказала Поповичі. — Але ми вважаємо, що це може запропонувати один із багатьох методів, щоб дати розуміння того, хто створив твір мистецтва».
Латки були відібрані за допомогою методу, який називається максимальною ентропією, який шукає регіони з більшою структурою.
Кожен патч був проаналізований окремо (і з високою ймовірністю виявився «автентичним»).
Фото: Art Recognition.
Сінгер погоджується, відзначаючи, що, хоча метод може бути небезпечним, ШІ та машинне навчання пройшли довгий шлях у сфері аутентифікації мистецтва.
«Нам подобається думати про це як про один інструмент серед багатьох, — сказав Сінгер. — Мета полягає в тому, щоб удосконалити метод і покращити його з часом». З цією метою він і його команда співпрацювали з мадридською компанією Factum Arte, щоб перетворити зроблений на замовлення 3D-сканер Lucida в «Портрет Хуана Пардо де Тавера» Ель Греко (1609), який був пошкоджений та відновлений після громадянської війни в Іспанії. Картину фотографували як до, так і після реставрації, що полегшило роботу дослідників, коли справа доходить до визначення ділянок полотна, не намальованих рукою художника.
«У цьому випадку ми можемо поглянути на Ель Греко з точки зору консерватора та допомогти їм визначити ділянки, не намальовані художником», — сказав Сінгер.
Цей проєкт призвів до нового дослідження, над яким працюють Сінгер та його команда, також зі студентами Клівлендського інституту мистецтв, яке, як вони сподіваються, зможе визначити, де є різні руки, які працюють над одним твором мистецтва.
Фото на головній: Gertrūda Valasevičiūtė
Читайте також:
Науковці створили першу в світі батарейку, яку можна розтягувати та прати
