艺术品的分类与分析，向来以难为人知。只有极少数专业人才有话语权，人工智能在该领域的应用长期空白。但最近，几个研究小组试图将机器学习与大型艺术数据库相结合，以有意义的方式对作品进行分类和描述。首先，杭州浙江工业大学的研究人员比较了各种神经网络，看看它们在艺术品分类方面的表现如何。他们使用来自WikiArt和其他数字收藏的图像来训练神经网络，帮助模型了解特定艺术类型的绘画有哪些共同点。基于此，他们进一步尝试使用不同的神经网络模型来识别其他绘画的艺术风格。显然，即使对人类来说，这项任务也很困难。有些画作在画法上具有很强的风格和流派特征，相对容易辨认。神经网络找到属于立体主义流派的作品不是问题；真正的问题在于，有些流派之间非常相似，甚至绘画过程中的渲染点高度一致，导致程序很难做出准确的判断。▲《星空》文森特梵高在德国柏林的一个展览上。人工智能也在研究中使用这项工作来尝试对艺术流派进行分类。此外，艺术分类神经网络还面临着许多完全不影响人类的小细节，比如区分城市景观和自然景观的区别。人类可以不假思索地指出建筑物与自然风光的区别；但对计算机来说，两者似乎都代表了典型的“户外”元素，定义户外的关键特征“云”和“天空”并不能帮助模型真正理解屏幕内容。对于人类艺术爱好者来说，知道一件艺术作品属于哪个流派或类别是一个比较直接和客观的判断。与神经网络类似，我们可以查看大量艺术品并在同一类型的作品中寻找共同的模式。但与人类相比，计算机很难更进一步：形成独立的艺术观，用文字分享观赏感受。但这只是更难，还是根本不可能？人工智能的基础来自训练数据。因此，要教会AI形成关于艺术风格的观点和情感陈述，我们还需要投入大量劳动来建立对不同艺术作品的描述。斯坦福大学、écolePolytechnique和KingArcadulla科技大学的研究人员决定试一试。他们创建了ArtEmis数据集，其中包含超过400,000个情感属性和来自WikiArt的80,000多幅绘画。描述。为了创建ArtEmis数据集，研究团队要求志愿者分享他们对艺术品的直觉感受并发表口头评论。可想而知，人们往往对同一部作品有着截然不同的感受。你眼中宁静祥和的田野画面，在我眼中可能是压抑阴郁的。事实上，这种对同一幅画的正面和负面情绪非常普遍，在ArtEmis数据库中占所有画作的比例高达61%。下一步是查看AI的性能。在ArtEmis数据集上接受训练后，每个AI系统都会尝试为给定的艺术品生成说明。其中一些结果非常有说服力，当然也有很多是完全错误的。例如，人工智能对伦勃朗的画《被斩首的施洗约翰》的描述包括“女性看起来很开心”和“男性在中间看起来很痛苦”。结合图片中的场景，很明显这是胡说八道。▲人工智能算法根据从屏幕上识别出的人类情感生成图像描述。这个算法在描述伦勃朗的《被斩首的施洗约翰》时参考了“女性看起来很开心”和“男性在中间看起来很痛苦”但好消息是大约一半的计算机生成的描述通过了图灵测试，这意味着人工智能可以确实学会了对艺术品进行令人信服的原创描述。但目前的情况远非完美。毕竟，神经网络甚至很难准确判断这幅画是自然风光还是城市景观。必须承认，很多艺术作品天生就很难归类，而人对绘画的看法也具有很强的主观性，这让人工智能更难理解我们的归类和描述方式。但这项最新研究表明，计算机在某些任务上一直在改进。也许对艺术品进行分类和描述的能力仍然是人类无法比拟的，但人工智能程序已经开始追赶了！
