211service.com
Šis dirbtinis intelektas gali pastebėti meno klastotes, pažvelgęs į vieną teptuko potėpį
Nauja sistema gali suskaidyti kūrinį į atskiras teptuko ar pieštuko linijas ir išsiaiškinti už jo esantį menininką. 2017 m. lapkričio 21 d
Oli Scarff | Getty
Meno klastotes aptikti sunku ir brangu. Meno istorikai gali atnešti įtartiną darbą į infraraudonųjų spindulių spektroskopijos, radiometrinės datos, dujų chromatografijos ar tokių bandymų derinio laboratoriją. Pasirodo, dirbtiniam intelektui viso to nereikia: jis gali pastebėti klastotę vien pažvelgęs į kūrinio komponavimo potėpius.
Į naujas popierius Tyrėjai iš Rutgers universiteto ir Nyderlandų paveikslų restauravimo ir tyrimų ateljė dokumentuoja, kaip jų sistema suskaidė beveik 300 Picasso, Matisse'o, Modigliani ir kitų garsių menininkų linijinių piešinių į 80 000 atskirų potėpių. Tada gilus pasikartojantis neuroninis tinklas (RNN) sužinojo, kokios potėpių savybės buvo svarbios menininkui identifikuoti.
Tyrėjai taip pat išmokė mašininio mokymosi algoritmą, kad galėtų ieškoti specifinių savybių, pavyzdžiui, linijos formos potėpiu. Tai suteikė jiems du skirtingus metodus klastotėms aptikti, o kombinuotas metodas pasirodė esąs galingas. Žvelgiant į mašininio mokymosi algoritmo išvestį, taip pat buvo suteikta šiek tiek įžvalgos apie RNN, kuri veikia kaip juodoji dėžė - sistema, kurios rezultatus tyrėjams sunku paaiškinti.
Kadangi mašininio mokymosi algoritmas buvo išmokytas pagal konkrečias funkcijas, skirtumas tarp jo ir RNN tikriausiai rodo savybes, kurias neuroninis tinklas ieškojo, kad aptiktų klastotes. Šiuo atveju menininkui identifikuoti buvo naudojamas kintantis potėpio stiprumas, tai yra, kaip stipriai menininkas spaudė, atsižvelgiant į linijos svorį. Abu algoritmai veikdami kartu, mokslininkai sugebėjo teisingai identifikuoti menininkus maždaug 80 procentų laiko.
Tyrėjai taip pat pavedė menininkams sukurti piešinius tokiu pačiu stiliumi kaip ir duomenų rinkinio dalys, kad patikrintų sistemos gebėjimą aptikti padirbinius. Sistema galėjo nustatyti klastotes kiekvienu atveju, tiesiog pažvelgus į vieną potėpį.
Žmogus to negali padaryti, sako Ahmedas Elgammalas, Rutgerso profesorius ir vienas iš šio straipsnio autorių.
Ši technika gali būti naudojama tik tada, kai linijos yra akivaizdžios, todėl paveikslams, kuriuose teptuko potėpiai tampa nematomi, tai nepadeda. Tačiau norėdami dar labiau patvirtinti savo rezultatus, Elgammal sako, kad jie planuoja išbandyti metodą impresionistiniuose kūriniuose ir kituose XIX a. meno kūriniuose, kuriuose teptuko potėpiai yra aiškūs.
Perspektyviausia tyrimo dalis gali būti tai, kaip tyrėjai panaudojo antrąjį metodą, kad išsiaiškintų, ką daro RNN, sako Ericas Postma iš Tilburgo universiteto Nyderlanduose, dirbęs aptikdamas. meno klastotės su AI jau daugiau nei dešimtmetį. Jis sako, kad dirbtinio intelekto pritaikymas mene galėtų būti daugiau, tačiau meno istorikai ir tyrinėtojai, persmelkti šimtmečių tradicijų, lėtai pradėjo taikyti tokias technologijas. Iš dalies taip yra todėl, kad gali būti sunku suprasti, kaip mašina pasiekė savo rezultatus – problemą, kurią gali padėti išspręsti šis naujausias tyrimas.