211service.com
Šis mākslīgais intelekts var pamanīt mākslas viltojumus, aplūkojot vienu otas vēzienu
Jauna sistēma var sadalīt darbu atsevišķās otu vai zīmuļu līnijās un izdomāt mākslinieku, kas ir aiz tā. 2017. gada 21. novembris
Oli Scarff | Getty
Mākslas viltojumu atklāšana ir sarežģīta un dārga. Mākslas vēsturnieki var ievest aizdomīgu darbu laboratorijā infrasarkanās spektroskopijas, radiometriskās datēšanas, gāzu hromatogrāfijas vai šādu testu kombinācijas veikšanai. Izrādās, ka mākslīgajam intelektam tas viss nav vajadzīgs: tas var pamanīt viltojumu, tikai aplūkojot skaņdarba komponēšanai izmantotos triepienus.
In jaunu papīru , pētnieki no Rutgers universitātes un Nīderlandes gleznu restaurācijas un izpētes ateljē dokumentē, kā viņu sistēma sadalīja gandrīz 300 Pikaso, Matisa, Modiljāni un citu slavenu mākslinieku līniju zīmējumus 80 000 atsevišķos triepienos. Pēc tam dziļais atkārtotais neironu tīkls (RNN) uzzināja, kuras insultu pazīmes bija svarīgas, lai identificētu mākslinieku.
Pētnieki arī apmācīja mašīnmācības algoritmu, lai meklētu īpašas iezīmes, piemēram, līnijas formu gājienā. Tas viņiem deva divas dažādas metodes viltojumu noteikšanai, un kombinētā metode izrādījās spēcīga. Aplūkojot mašīnmācības algoritma rezultātus, tika sniegts arī neliels ieskats RNN, kas darbojas kā melnā kaste — sistēmā, kuras rezultātus pētniekiem ir grūti izskaidrot.
Tā kā mašīnmācības algoritms tika apmācīts, izmantojot īpašas funkcijas, atšķirība starp to un RNN, iespējams, norāda uz īpašībām, kuras neironu tīkls meklēja, lai atklātu viltojumus. Šajā gadījumā mākslinieka identificēšanai tika izmantots mainīgais stiprums triepiena laikā — tas ir, cik spēcīgi mākslinieks spieda, pamatojoties uz līnijas svaru. Abiem algoritmiem darbojoties tandēmā, pētnieki varēja pareizi identificēt māksliniekus aptuveni 80 procentus laika.
Pētnieki arī pasūtīja māksliniekiem izveidot zīmējumus tādā pašā stilā kā datu kopas gabali, lai pārbaudītu sistēmas spēju pamanīt viltojumus. Sistēma spēja identificēt viltojumus katrā gadījumā, vienkārši apskatot vienu insultu.
Cilvēks to nevar izdarīt, saka Ahmeds Elgammals, Rutgers profesors un viens no darba autoriem.
Šo paņēmienu var izmantot tikai tad, ja līnijas ir acīmredzamas, tāpēc gleznām, kurās otas triepieni ir padarīti neredzami, tas nepalīdz. Taču, lai vēl vairāk apstiprinātu savus rezultātus, Elgammal saka, ka viņi plāno pārbaudīt šo metodi impresionisma darbos un citā 19. gadsimta mākslā, kur otas triepieni ir skaidri redzami.
Visdaudzsološākā pētījuma daļa varētu būt veids, kā pētnieki izmantoja otro metodi, lai noskaidrotu, ko dara RNN, saka Ēriks Postma no Tilburgas universitātes Nīderlandē, kurš ir strādājis, lai atklātu. mākslas viltojumi ar AI vairāk nekā desmit gadus. Viņš saka, ka mākslīgajam intelektam mākslā varētu būt vairāk pielietojumu, taču mākslas vēsturnieki un pētnieki, kas ir iegrimuši gadsimtiem ilgās tradīcijās, ir lēni pieņēmuši šādas metodes. Daļēji tas ir tāpēc, ka var būt grūti saprast, kā mašīna sasniedza rezultātus — problēmu, ko šis jaunākais pētījums varētu palīdzēt atrisināt.