Электронный искусствовед различает художников и стили живописи.

Дизайн-портал depo13 представляет любопытную статью об исследованиях на стыке науки и искусства, которая может ознаменовать собой ещё один шаг к построению полноценного искусственного интеллекта. Недавно в научно-популярном издании N+1 сотрудниками факультета компьютерных наук американского университета в Нью-Джерси был опубликован доклад, в котором описывается нейронная сеть, способная определять автора, жанр и стиль картины на основании различных метрик. На неё уже обратило внимание большое количество учёных, программистов и разработчиков всего мира.

Программа смогла классифицировать картины по автору и жанру с точностью около 60 процентов. Точность определения стиля оказалась несколько ниже и составила порядка 35 процентов — это авторы объясняют тем, что в базе данных картин, которую они использовали, не набралось достаточного количества примеров.

Результаты могли быть и выше, но нейронной сети не удалось эффективно различать работы схожих по стилю авторов. Например, программа не смогла отделить картины Камиля Писсарро от произведений Клода Моне (художники жили в одно время, были друзьями и посещали одну академию).

Невысокие показатели также были продемонстрированы в отделении природных пейзажей от городских, поскольку многие из них схожи между собой. Система не смогла с высокой долей точности разграничить произведения в таких стилях как «Ренессанс» и «ранний Ренессанс», «импрессионизм» и «постимпрессионизм» и другие. Видимо, набор алгоритмов, применяемых для распознавания картин, пока ещё далёк от идеала.

Картины разных стилей и жанров, которые программа определяла как схожие

Для того, чтобы обучить программу классифицировать живопись, учёные из США применили несколько алгоритмов, которые определяли «визуальные особенности» определенной выборки картин. Эти характеристики распределялись по важности: от низкого уровня (например, краёв картин) до высокого (например, объекты в живописи).

Часть из них, такие как цветовая гамма или стиль письма, может определить и человек, но остальные может распознать лишь программа. Полученные данные записывались в виде вектора. На основе собранной информации производилось обучение нейронной сети, после чего разработчики переходили к следующей выборке.

Подводя итог своей работы учёные отмечают, что результаты работы еще далеки от идеала, но уже значительно превосходят все предыдущие попытки обучить машину определять принадлежность предмета живописи к тому или иному автору или стилю письма. Конечной целью их исследования является разработка системы, которая способна определять все характеристики картины и может заменить искусствоведа.

В 2012 году Google разработал свою нейронную сеть, способную анализировать изображения. Спустя какое-то время она научилась различать котов. Обучение программы происходило на основе случайной выборки роликов с YouTube

Прим.ред.: Результат разработчиков можно оценить двояко:

Первый аспект — несмотря на на все восторги точность распознавания пока ещё крайне низкая, и говорить об опубликованных результатах, как о полноценном прорыве пока ещё по меньшей мере преждевременно.

Но вместе с тем (второй аспект) — компьютерщики со стажем хорошо помнят первые потуги в написании качественной программы распознавания текста (тогда эта задача тоже казалась практически невыполнимой) — так что, возможно мы вскоре станем свидетелями впечатляющего прорыва и в этом направлении.