چگونه هوش مصنوعی تاریخ هنر را متحول میکند؟
به گزارش خبرگزاری علم و فناوری آنا به نقل از نیچر، یادگیری ماشینی و بینایی کامپیوتری حوزه پژوهش را از پزشکی گرفته تا زیستشناسی و علوم مربوط به زمینشناسی و فضانوردی متحول کرده و اکنون نوبت به تاریخ هنر رسیده است.
برای دهها سال، دانشپژوهانی که مهارتهای خود را به شیوه معمول آموختهاند، به تحلیل محاسباتی به چشم ابزاری محدود و سادهانگارانه نگاه کردند حال آنکه پیشرفت چشمگیر الگوریتمها و شواهد حاصل از مطالعههای متعدد، به تغییر این نگرش منجر شده است.
برای مثال، ابزارهای مبتنی بر هوش مصنوعی، با تحلیل رنگ، سَبک و ضربههای قلم مو میزان اشراف هنرمند به علم اپتیک (نورشناسی) را و اینکه چگونه از آن برای نمایش سایهروشن و چشمانداز بهره برده است، عیان میکنند. همچنین برنامههای هوش مصنوعی به بازترسیم آثار هنری گم شده و حتی تحلیل معنای یک نقاشی از طریق تشخیص نمادهای به کار رفته در آن، کمک میکنند.
درحالیکه اغلب مورخان هنری به هنگام ارزیابی تکنیکهای هنرمندان، همچنان به مهارتهای فردی خود تکیه میکنند، دانشمندان علم رایانه، ترجیح میدهند به جای تحلیل لایههای رنگ روغن، وقت خود را صرف ارزیابی عکسهای دو بعدی یا تصاویر دیجیتال کنند. با این حال، شاهد ظهور نوعی از همکاری میان دانشمندان علم رایانه و پژوهشگران هنری هستیم.
نخستین توفیقهای حاصل از این مهارت متکی به رایانه را میتوانیم به سه دسته تقسیم کنیم:
تحلیل مجموعه دادههای عظیم
با استفاده از شیوههای مبتنی بر هوش مصنوعی، رایانهها میتوانند ژستهای نمایشدادهشده در دهها هزار نقاشی پرتره را ظرف یک ساعت تجزیه و تحلیل کنند و این خیلی کوتاهتر از زمان مورد نیاز برای یک پژوهشگر هنری است.
برای مثال، اوایل سال جاری میلادی (۲۰۲۳)، محققان از شبکههای عصبی یادگیری عمیق (سیستمهای یادگیری ماشینی که شبکههای عصبی زیستی مغز را تقلید میکنند) برای تجزیه ژستها و جنسیت سوژه در بیش از ۲۰ هزار نقاشی پرتره استفاده کردند که با سبکهای مختلف در دورههای زمانی متفاوت کشیده شده بودند.
از برخی جهتها، نتیجههای به دست آمده شگفتآور بود. برای مثال، با توجه به وضعیت قرار گرفتن هنرمند، شیب صورت و بدن سوژه در پرترههایی که نقاش از چهره خود کشیده بود (خودنگاره) تغییر میکند و حتی الگوریتمها نشان میدهد که وی چپدست یا راستدست بوده است.
علاوه بر این، ابزارهای هوش مصنوعی میتوانند در میان جنبشهای هنری اصلی، گرایشهای رایج را در ترکیببندی مناظر، طرحهای رنگی، ضربههای قلممو، پرسپکتیو و موارد دیگر نشان دهند.
پردازش ریزهکاریها
در بسیاری موارد، حتی کارشناسان خبره هم در ارزیابی جهت تابش نور به صحنهای که روی بوم نقاشی به تصویر کشیده شده است، ضعیف هستند.
نتیجههای حاصل از شیوههای رایانهای بهتر است. برای مثال، یکی از راههای ارزیابی نور، دقت به الگوی روشنایی در لبه بیرونی صورت است. در قرن ۱۵ میلادی، لئوناردو داوینچی متوجه شد چنانچه نور عمودی بتابد، لبه بیرونی چهره روشنتر و چنانچه با زاویهای تیزتر بتابد، تیرهتر است.
در حالی که داوینچی از این تحلیل اپتیکال (نوری) برای بهبود کار خود استفاده کرد، برخی الگوریتمهای هوش مصنوعی از آن به صورت معکوس استفاده میکنند تا جهت تابش نور به صحنه اصلی را تشخیص دهند.
بازسازی میراث فرهنگی گمشده
شیوههای رایانهای به کشف آثار هنری گمشده هم کمک میکند مثل وقتی که هنرمندی سرشناس اثری جدید را روی بومی متعلق به یکی از آثار قدیمیتر خود نقاشی میکند.
از طرفی، دانشپژوهان پیشبینی میکنند که بالاخره روزی میرسد که با اتکا به پایگاههای داده عظیم از اطلاعات ثبتشده، تحلیل محاسباتی آثار هنری هم راحتتر خواهد شد.
آثار هنریای بودند که اگر در آتشسوزی، زلزله یا جنگ نابود نمیشدند، دیوارهای موزههای جهان را پر میکردند. دهها هزار نقاشی در طول جنگ جهانی دوم و تقریباً به همان اندازه در جریان انقلاب مائو در چین نابود شدند.
تحلیل محاسبات به پژوهشگران هنری اجازه میدهد که بازترسیم آثار هنری از دسترفته را به چشم یک مشکل بازیابی و یکپارچهسازی اطلاعات ببینند. اگر از این چشمانداز به مسئله نگاه شود، دادههای مربوط به یک اثر هنری گمشده، در طرحهای اولیه بهجامانده از آن، کپیهایی که از روی آن تهیه شده و توضیحات مکتوب نهفته است.
از این چشمانداز، اولین گامهای آزمایشی در بازترسیم آثار هنری گمشده نویدبخش بوده است، حال آنکه همچنان راه طولانی در پیش است.
پژوهش هنری طی قرنها به مدد ابزارهای جدید توسعه یافته است. تحلیل محاسباتی و هوش مصنوعی هم گامهای بعدی در ماجراجویی به سمت فهم و تفسیر میراث فرهنگی بشریت به شمار میآیند.
انتهای پیام/