AI新技能：艺术品归类与品鉴

艺术品的分类和分析一直以困难著称，只有少数专业人士有话语权，人工智能在这一领域的应用长期处于空白。然而，最近几个研究小组试图将机器学习与大规模艺术数据库相结合，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，希望知道它们在艺术分类中的表现。他们使用来自WikiArt和其他数字收藏的图像进行神经网络训练，以帮助模型理解对应于特定艺术流派的绘画的相似性。在此基础上，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，这项工作即使对人类来说也相当困难。有些画在画法上有很强的风格和流派特征，相对来说比较容易辨认。对于神经网络来说，找出属于立体主义的作品不是问题；真正的问题是，有些学校非常相似，甚至绘画过程中的呈现点高度一致，这让节目很难做出准确的判断。

文森特梵高的《星空》在德国柏林的一个展览中。人工智能也在研究中使用这项工作，试图对艺术学校进行分类。

此外，艺术分类神经网络还面临着许多对人类毫无影响的微小细节，比如区分城市景观和自然景观的区别。人类不用任何思考就能指出建筑和自然风景的区别；但从电脑的角度来看，两者似乎都代表了典型的“户外”元素，定义户外“云”和“天”的关键特征并不能帮助模型真正理解画面内容。

对于人类艺术爱好者来说，知道一件艺术作品属于哪一个流派或类别，是一种相对直接、客观的判断。类似于神经网络，我们可以观看大量的艺术作品，找到同一流派作品的共同模式。但是，与人类相比，计算机很难更进一步：形成自己对艺术的看法，用文字观看时分享自己的感受。但这只是更难还是不可能？

人工智能的基础来自训练数据。因此，为了教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人力来建立关于不同艺术作品的描述，来自斯坦福大学、巴黎理工学院和阿卜杜拉国王科技大学的研究人员决定尝试一下。他们创建了ArtEmis数据集，其中包含了40多万个情感属性和从WikiArt编译的8万多幅画作的描述信息。

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观感受，并用语言发表评论。可想而知，人们对同一部作品往往有着截然不同的感受。你眼中宁静的田野画面，在我眼中可能是压抑和灰暗的。事实上，这种对同一幅画的正反两方面的感受非常普遍，占ArtEmis数据库中所有画作的61%。

接下来我们来看看AI的表现。在接受ArtEmis数据集的训练后，每个人工智能系统开始尝试为给定的艺术品生成标题。有些结果相当有说服力，当然，也有很多是完全错误的。比如AI对伦勃朗画作《被斩首的施洗约翰》的描述，就包括了“女人看起来很幸福”和“中间的男人看起来很痛苦”。结合图中的场景，这显然是无稽之谈。

一个AI算法会根据从图片中识别出的人类情感生成一个图像描述。在描述伦勃朗的《被斩首的施洗约翰》时，这个算法提到“女人看起来很幸福”，“中间的男人看起来很痛苦”

但好消息是，大约一半的计算机生成的描述已经通过图灵测试，这意味着人工智能可以真正学会生成令人信服的原创艺术品描述。然而，目前的情况远非完美。毕竟，神经网络很难准确判断这幅画是自然风景还是城市景观。

诚然，很多艺术作品自然很难分类，人们对绘画的看法也具有很强的主观性，这使得人工智能更难理解我们的分类和描述方法。然而，最新的研究表明，计算机在处理某些任务方面取得了进展。也许它在对人类艺术作品进行分类和描述的能力上仍然是无可匹敌的，但AI程序已经迈出了追赶的步伐！