Der er udviklet en algoritme, der bestemmer forfatteren af et maleri ud fra karakteristikkerne af stregerne i det, samt er i stand til at skelne mellem virkelige malerier og forfalskninger, der er malet af andre kunstnere. Udviklerne har trænet programmet på et sæt på næsten tre hundrede malerier af berømte kunstnere, såsom Picasso og Matisse, ifølge MIT Technology Review. Udviklingen af amerikanske og hollandske specialister vil blive præsenteret på AAAI-konferencen om kunstig intelligens i februar 2018, en fortryk af artiklen offentliggøres på arXiv.org.
Da malerier af berømte kunstnere som regel findes i en enkelt kopi, kan priserne for dem udgøre titusinder og hundreder af millioner af dollars. På grund af dette er nogle malerier smedet af malefaktorer, og dette bemærkes ikke altid, selv for mennesker, der er kyndige i maleri. For at beskytte mod sådan varemærkeforfalskning foreslås forskellige metoder, for eksempel at udstyre malerier med unikke identifikatorer, som næsten er umulige at forfalskes på grund af deres komplekse mikrostruktur.
Forskere fra De Forenede Stater og Holland, ledet af Ahmed Elgammal fra Artrendex og Rutgers University, har oprettet en algoritme, der kan genkende forfatterne af et maleri ved hjælp af deres streger. I 2015 har denne gruppe forskere allerede oprettet en algoritme, der kan klassificere malerier af forfattere og endda stilarter baseret på deres individuelle egenskaber, såsom farver. I det nye arbejde besluttede forskerne at fokusere på en komponent af malerierne - streger.
Hvert slag kan beskrives ved mange karakteristika, for eksempel form, længde, ensartethed af tykkelse langs slaglængden og andre parametre. Forskerne besluttede at udtrække disse egenskaber ved hjælp af computeralgoritmer. Oprindeligt blev malerierne opdelt i separate streger ved hjælp af en særlig algoritme. Som datasæt for algoritmerne brugte forskerne 297 malerier af berømte kunstnere som Picasso og Matisse, udført i stil med litografi, blæktegning og andre. Algoritmen har opdelt disse billeder i mere end 80.000 individuelle streger.
Datasæt til træning og test af algoritmer / Elgammal et al. / arXiv.org, 2017
For at vurdere slagtilfælde besluttede forskerne at bruge to metoder. De beskrev grundlæggende egenskaber, såsom slagtykkelse og langsgående profil ved hjælp af forskellige beskrivelser og lærte en understøtningsvektoralgoritme til klassificering af slagtilfælde. Den anden tilgang var at bruge et tilbagevendende neuralt netværk med kontrollerede tilbagevendende blokke, som uafhængigt søgte efter funktioner, der er karakteristiske for visse kunstnere.
Et eksempel på falske malerier. Øverste række: falsk; falsk; original af Matisse. Mellem række: original Matisse; falsk; falsk; original af Matisse. Nederste række: falsk; original af Matisse; original af Picasso; falsk / Elgammal et al. / arXiv.org, 2017
Efter at have forberedt algoritmerne testede forskerne dem på det samme datasæt, og ved at kombinere begge tilgange opnåede de 80 procent nøjagtighed af kunstnergenkendelsen. De bad også fem kunstnere om at male kopier af malerier af Picasso, Matisse og Schiele. Efter at have modtaget 83 malerier, kontrollerede de dem ved hjælp af deres algoritmer og fandt, at deres kombination er i stand til at genkende en forfalskning i alle disse malerier.
Salgsfremmende video:
I de sidste par år er der gjort stærke fremskridt inden for billedbehandling og analyse ved hjælp af neurale netværksalgoritmer. For eksempel er sådanne algoritmer i stand til at blande flere kunstneriske stilarter i ét billede, omdanne skitser til fulde malerier og endda skabe originale kunstværker. Lignende algoritmer fungerer også godt med videooptagelser. For eksempel blev der for nylig præsenteret et system, der giver dig mulighed for at indsætte tale fra tredjepart i videosekvensen og næsten nøjagtigt genskabe de artikulerende ansigtsudtryk fra højttaleren.
Grigory Kopiev