ปัญญาประดิษฐ์และแรมแบรนดท์: การสร้างใหม่ การระบุแหล่งที่มา และความเสี่ยง

The Next Rembrandt, portrait généré à partir de données et imprimé en relief en 2016
The Next Rembrandt ภาพบุคคลที่สร้างจากข้อมูลและพิมพ์ด้วยความโล่งใจในปี 2559
มรดก · อัลกอริทึม · การคิดอย่างมีวิจารณญาณ

ปัญญาประดิษฐ์และแรมแบรนดท์

การสร้างชิ้นส่วนที่สูญหายขึ้นมาใหม่ ความช่วยเหลือในการระบุแหล่งที่มา การสร้างภาพ และความเสี่ยง: อัลกอริธึมใดที่สามารถเรียนรู้ได้จริงจากปรมาจารย์ที่เสียชีวิตในปี 1669

จาก The Next Rembrandt สู่ Operation Night Watch · การใช้งาน หลักฐาน ข้อจํากัด และความโปร่งใส

การตอบสนองทันที

ปัญญาประดิษฐ์สามารถเปรียบเทียบชุดภาพขนาดใหญ่ ปรับสําเนาต้นฉบับ สร้างชิ้นส่วนที่สูญหายขึ้นใหม่แบบดิจิทัล หรือระบุความสม่ําเสมอที่ยากต่อการวัดด้วยตนเอง. อย่างไรก็ตาม เธอไม่ "เข้าใจ" แรมแบรนดท์หรือความตั้งใจของเขา และเธอไม่ได้เปลี่ยนความน่าจะเป็นเป็นการระบุแหล่งที่มา. การสร้างใหม่จะต้องแตกต่างจากงานที่เก็บรักษาไว้ ต้องรายงานภาพที่สร้างขึ้น ความเชี่ยวชาญจะต้องคงอยู่ตามวัตถุ แหล่งที่มา และการตัดสินของมนุษย์.

2559ขอแนะนําแรมแบรนดท์คนต่อไป
2019เปิดตัวปฏิบัติการ Night Watch
1715การตัด La Ronde de nuit
3 การใช้งานสร้างใหม่ เปรียบเทียบ สร้าง

การใช้งาน 3 อย่างที่ไม่ควรสับสน

เอกสารการสร้างใหม่

อัลกอริธึมจะจัดแหล่งที่มาในอดีต เช่น สําเนาของ Gerrit Lundens ให้สอดคล้องกับต้นฉบับปัจจุบัน และช่วยแปลส่วนที่ขาดหายไปในมาตราส่วน จานสี และพื้นผิวของตาราง. ผลลัพธ์ยังคงเป็นสมมุติฐานและย้อนกลับได้.

ความช่วยเหลือด้านการวิเคราะห์

โมเดลสามารถจําแนกฝีแปรง เปรียบเทียบรูปแบบ แบ่งส่วนเม็ดสี หรือความคล้ายคลึงกันของจุดได้. พวกเขาเสนอความสัมพันธ์ที่นักวิจัยต้องตรวจสอบวัตถุ.

การสร้างโวหาร

ระบบจะรวมคุณลักษณะที่เรียนรู้เพื่อสร้างภาพใหม่ "ในลักษณะของ". มันไม่ได้สร้างผลงานที่สูญหายที่ได้รับการบันทึกไว้ขึ้นมาใหม่ และไม่ได้สร้างต้นฉบับโดยศิลปิน.

กรณีศึกษา 1

แรมแบรนดท์คนต่อไป: ภาพเหมือนของข้อมูล

นําเสนอในปี 2559 แรมแบรนดท์คนต่อไป เป็นภาพเหมือนที่สร้างขึ้นโดยเป็นส่วนหนึ่งของโปรเจ็กต์ที่รวบรวม ING, Microsoft, TU Delft และพันธมิตรจากโลกวัฒนธรรมและความคิดสร้างสรรค์. รูปภาพภาพวาดของแรมแบรนดท์ได้รับการวิเคราะห์เพื่อระบุค่าคงที่ของวัตถุ ท่าทาง เรขาคณิตใบหน้า สี และแสง. ระบบดังกล่าวส่งผลให้มีชายมีหนวดมีเคราสวมหมวก แต่งกายด้วยชุดสีเข้มและหันหน้าไปทางขวา.

ภาพสุดท้ายถูกพิมพ์ด้วยความโล่งใจเพื่อให้นึกถึงพื้นผิวที่ไม่ปกติของภาพวาด. วัตถุนี้จึงไม่ใช่น้ํามันแรมแบรนดท์ หรือสําเนาของภาพวาดที่มีอยู่ หรือการทํานายที่เชื่อถือได้ว่าเขาจะวาดภาพอะไร. Microsoft อธิบายอย่างระมัดระวังว่าเป็นการแสดงภาพข้อมูลที่สร้างสรรค์ ไม่ใช่งานที่ Rembrandt จําเป็นต้องทํา.

จุดแข็งของมันคือแนวความคิด: ทําให้มองเห็นค่าเฉลี่ยและตัวเลือกของคลังข้อมูลได้. จุดอ่อนของเขาเหมือนกันทุกประการ. แรมแบรนดท์ไม่ได้วาดภาพค่าเฉลี่ยทางสถิติ เขาตอบสนองต่อคําสั่ง แบบจําลอง การสนับสนุน สถานการณ์ และการตัดสินใจอย่างต่อเนื่อง.

แรมแบรนดท์ ภาพเหมือนตนเอง ค.ศ.1660 พิพิธภัณฑ์ศิลปะเมโทรโพลิแทน
ต้นฉบับตอนปลายเช่นภาพเหมือนตนเอง ตั้งแต่ปี 1660 มีประวัติทางวัตถุและการตัดสินใจที่การสังเคราะห์ทางสถิติไม่สามารถทําซ้ําได้

เครื่องจักรสร้าง "สไตล์แรมแบรนดท์" ได้อย่างไร?

สร้างคลังข้อมูล

เลือกรูปภาพและข้อมูลเมตา. คุณภาพทันทีขึ้นอยู่กับการระบุแหล่งที่มาที่เลือก ภาพถ่าย การบูรณะ และความหลากหลายของช่วงเวลา.

วัดความสม่ําเสมอ

ระบุใบหน้า การวางแนว ความสัมพันธ์ทางเรขาคณิต พื้นที่ของแสง สี หรือพื้นผิว. แบบจําลองแปลงภาพเป็นตัวเลขและความสัมพันธ์.

ผลิตการสังเคราะห์

ประกอบหรือสร้างการกําหนดค่าใหม่ที่สอดคล้องกับความน่าจะเป็นที่เรียนรู้. สิ่งที่พบบ่อยในคลังข้อมูลมีแนวโน้มมากขึ้นในผลลัพธ์.

ทําให้ภาพเป็นรูปธรรม

พิมพ์หรือทาสีไฟล์. ใน The Next Rembrandt ภาพพิมพ์นูนพยายามปลุกเร้าอิมพาสโตโดยไม่กลายเป็นภาพวาดทางประวัติศาสตร์.

แรมแบรนดท์ ภาพเหมือนตนเองมีผมยุ่งเหยิง ประมาณปี 1628 พิพิธภัณฑ์ Rijksmuseum
Young Rembrandt ใช้เงา ความไม่สมบูรณ์ และความผิดปกติ: มีตัวเลือกมากมายที่ยากต่อการลดให้เหลือเพียงลายเซ็นเดียว

อคติคอร์ปัส

หากผลงาน สําเนา หรือภาพถ่ายที่มีการรีทัชไม่ดีป้อนข้อมูล แบบจําลองก็จะเรียนรู้คุณลักษณะของงานเหล่านั้นด้วย. หากคลังข้อมูลสนับสนุนภาพบุคคลจากทศวรรษ 1630 ก็เสี่ยงที่จะนําเสนอช่วงเวลานี้ว่าเป็นสไตล์ "" ของแรมแบรนดท์ และลดขนาดจิตรกรรุ่นเยาว์ ช่างแกะสลัก หรือภาพวาดตอนปลายของไลเดนให้เหลือน้อยที่สุด.

ประวัติความเป็นมาของการระบุแหล่งที่มาจึงกลายเป็นการพึ่งพาทางเทคนิค. ฐานข้อมูลไม่เคยเป็นกลาง: สะท้อนถึงสถานะของการวิจัย การยกเว้น รูปแบบที่มีอยู่ และทางเลือกของมนุษย์. การแก้ไขแค็ตตาล็อกโดยโครงการวิจัยแรมแบรนดท์เป็นเครื่องเตือนใจอย่างชัดเจนว่าขอบเขตของคลังข้อมูลมีการเปลี่ยนแปลงอย่างมีนัยสําคัญ.

กรณีศึกษา 2

Night Watch พบขอบที่หายไป

ในปี ค.ศ.1715 การเฝ้ายามกลางคืน ถูกตัดตัวเพื่อเข้าสถานที่ใหม่ที่ศาลาว่าการกรุงอัมสเตอร์ดัม. ไม่พบเทปที่ถูกลบ. อย่างไรก็ตาม สําเนาเล็กๆ ที่วาดโดย Gerrit Lundens ก่อนการตัดครั้งนี้ ยังคงองค์ประกอบที่สมบูรณ์ไว้.

ในฐานะส่วนหนึ่งของ Operation Night Watch พิพิธภัณฑ์ Rijksmuseum ใช้ปัญญาประดิษฐ์เพื่อนําสําเนาและต้นฉบับมาใกล้กันมากขึ้น. สัดส่วน การเสียรูป และลักษณะภาพของวัตถุทั้งสองแตกต่างกัน. อัลกอริธึมช่วยย้ายข้อมูล Lundens ไปยังขนาดและรูปลักษณ์ของสีของผืนผ้าใบของ Rembrandt. จากนั้นพื้นที่ที่สร้างขึ้นใหม่จะถูกพิมพ์บนแผงและวางไว้รอบกระดานชั่วคราว.

การดําเนินการนี้ไม่ได้ฟื้นฟูชิ้นส่วนที่สูญหายทางกายภาพ และไม่ได้อ้างว่าสามารถฟื้นฟูทุกฝีแปรงของ Rembrandt ได้. มีการแสดงภาพเอกสารที่ช่วยให้สามารถศึกษาความสมดุลเริ่มต้นได้: เจ้าหน้าที่หลักดูไม่อยู่ตรงกลางมากขึ้น ร่างสามร่างกลับไปทางซ้าย และพื้นที่ดูมีไดนามิกมากขึ้น.

Night Watch กับชิ้นส่วนที่ขาดหายไปสร้างขึ้นใหม่โดยใช้ปัญญาประดิษฐ์
การบูรณะใหม่ที่นําเสนอในปี 2021: การเพิ่มเติมล้อมรอบต้นฉบับและจะต้องยังคงสามารถระบุได้ว่าเป็นการชดใช้
Rembrandt, The Night Watch, 1642, Rijksmuseum, สถานะปัจจุบัน
วัตถุเดิมที่เก็บรักษาไว้: ผืนผ้าใบในปี 1642 ถูกตัดเป็นแถบทั้งสี่ด้านในปี 1715
Gerrit Lundens สําเนาเก่าของ La Ronde de nuit ก่อนตัด
แหล่งสารคดี: สําเนาของ Gerrit Lundens ซึ่งแสดงองค์ประกอบก่อนย่อ
ช่างเทคนิคสแกน The Night Watch ระหว่างปฏิบัติการ Night Watch ที่ Rijksmuseum
การแปลงเป็นดิจิทัลให้ข้อมูลที่มีรายละเอียดมาก แต่การตีความยังคงดําเนินการโดยผู้เชี่ยวชาญด้านตาราง
จากภาพสู่วัสดุ

AI ไม่ได้มองบอร์ดอย่างเดียว

เพื่อศึกษาการระบุแหล่งที่มา นักวิจัยไม่ได้จํากัดตัวเองอยู่เพียงภาพถ่ายที่มองเห็นได้. โดยผสมผสานการถ่ายภาพรังสี การสะท้อนอินฟราเรด การเรืองแสงมาโครด้วยรังสีเอกซ์ กล้องจุลทรรศน์ การวิเคราะห์ตัวอย่าง เดนโดรโครโนโลยี และการศึกษาแหล่งที่มา. ข้อมูลเหล่านี้อธิบายความลึก องค์ประกอบทางเคมี และขั้นตอนการทํางานที่ภาพสุดท้ายไม่แสดง.

การเรียนรู้ของเครื่องสามารถช่วยแบ่งส่วนแผนที่เหล่านี้ จัดแนวรูปแบบต่างๆ หรือเปรียบเทียบหลายร้อยด้าน. แต่ความเป็นเหตุเป็นผลเป็นของการตีความ: เม็ดสีทั่วไปไม่ได้กําหนดมือ พื้นหลังควอตซ์สามารถทําเครื่องหมายการประชุมเชิงปฏิบัติการหลังปี 1642 โดยไม่ต้องพิสูจน์แรมแบรนดท์ รูปแบบผืนผ้าใบที่ใช้ร่วมกันบ่งบอกถึงม้วนกระดาษเดียวกัน ไม่จําเป็นต้องเป็นจิตรกรคนเดียวกัน.

AI สามารถมอบหมายภาพวาดให้กับ Rembrandt ได้หรือไม่?

ประเภทของผลลัพธ์ อรรถประโยชน์ที่แท้จริง ขีดจํากัดที่จําเป็น การตัดสินใจของมนุษย์จําเป็น
คะแนนความคล้ายคลึงกัน ระบุผู้สมัครหรือความผิดปกติในคลังข้อมูลขนาดใหญ่ ความคล้ายคลึงทางสายตา ≠ อัตลักษณ์มือ เปรียบเทียบเวลา เรื่อง การสนับสนุน และรัฐ
การจําแนกประเภทที่สําคัญ วัดทิศทาง พื้นผิว หรือจังหวะ การบูรณะ การคัดลอก และการถ่ายภาพจะปรับเปลี่ยนสัญญาณ ตรวจสอบพื้นผิวและชั้นเดิม
การตรวจจับเม็ดสี ส่วนแผนที่ MA-XRF และเปิดเผยองค์ประกอบ วัสดุหมุนเวียนในเวิร์คช็อป ตีความชั้นหินและบริบท
จดหมายโต้ตอบผ้าใบ เปรียบเทียบรูปแบบเธรดโดยอัตโนมัติ ลูกกลิ้งเดียวกันไม่ได้หมายถึงจิตรกรคนเดียวกัน สร้างการซื้อและไทม์ไลน์ใหม่
การวิเคราะห์ลายเซ็น เปรียบเทียบรูปร่างและตําแหน่ง ลายเซ็นที่คัดลอกสามารถโน้มน้าวใจได้ ตรวจสอบการบูรณาการทางกายภาพกับสี
การคาดการณ์โดยรวม สังเคราะห์ตัวแปรหลายตัว คะแนนสืบทอดข้อผิดพลาดและอคติจากข้อมูล เผยแพร่หลักฐาน ความไม่แน่นอน และทางเลือกอื่น

ความเสี่ยงเจ็ดประการต่อประวัติศาสตร์ศิลปะและสาธารณะ

1 ความแน่นอนที่ผิดพลาด

เปอร์เซ็นต์เช่น "92% Rembrandt" ดูเหมือนจะแม่นยํา แต่ไม่ได้พูดอะไรหากไม่มีโปรโตคอล คลังข้อมูล อัตราข้อผิดพลาด และการเปรียบเทียบกับเวิร์กช็อป

2 คลังข้อมูลแบบวงกลม

แบบจําลองจะเรียนรู้การระบุแหล่งที่มาของมนุษย์แล้วดูเหมือนจะยืนยันได้. สามารถทําซ้ําฉันทามติได้โดยไม่ต้องให้หลักฐานที่เป็นอิสระ.

3 สไตล์ลดลงสู่ค่าเฉลี่ย

ภาวะเอกฐาน การหยุดพัก และการเปลี่ยนแปลงช่วงเวลาจะราบรื่นขึ้นเพื่อสนับสนุนลักษณะที่พบบ่อยที่สุด

4 ความสับสนทางสายตา

การสร้างใหม่ที่น่าดึงดูดจะหมุนเวียนโดยไม่มีคําบรรยาย และจบลงด้วยการเข้าใจผิดว่าเป็นรูปถ่ายของต้นฉบับหรืองานที่พบ

5 สารคดีปลอม

รูปภาพ ใบรับรอง แสตมป์ แหล่งที่มา และภาพถ่ายจากเอกสารสําคัญสังเคราะห์สามารถสร้างเรื่องราวที่สอดคล้องกันแต่ไม่มีอยู่จริง

6 การลดค่าของสสาร

หน้าจอชอบรูปแบบ. อย่างไรก็ตาม การระบุแหล่งที่มายังขึ้นอยู่กับสิ่งที่ตรงกันข้าม การรองรับ การเตรียมการ รอยแตก และชั้นต่างๆ.

7 ความทึบแสง

โมเดลที่เป็นกรรมสิทธิ์สามารถป้องกันไม่ให้เราทราบข้อมูล เกณฑ์ และข้อผิดพลาดที่สร้างการจัดอันดับ

ภาพปิดสามภาพ สามสถานะตรงข้าม

ข้อเท็จจริงและการตีความที่จัดตั้งขึ้น

แหล่งที่มาสร้างขึ้นอะไร

  • Next Rembrandt คือผลงานที่ขับเคลื่อนด้วยข้อมูลในปี 2016 และพิมพ์ลายนูน
  • Microsoft ไม่ได้นําเสนอเป็นภาพที่เรมแบรนดท์จําเป็นต้องวาด
  • พิพิธภัณฑ์ Rijksmuseum ได้สร้างเทป The Night Watch ที่สูญหายขึ้นมาใหม่จากสําเนาของ Lundens ด้วยความช่วยเหลือของ AI
  • มีการพิมพ์เพิ่มเติมบนแผงแยกกัน ไม่ได้ทาสีบนต้นฉบับ
  • Operation Night Watch ผสมผสานความเชี่ยวชาญด้านการถ่ายภาพ กล้องจุลทรรศน์ และฮาร์ดแวร์ขั้นสูงเข้าด้วยกัน

สิ่งที่เหลืออยู่คือการตีความ

  • ความเที่ยงตรงที่แน่นอนของสีและปุ่มในส่วนที่สูญหาย
  • สิ่งที่แรมแบรนดท์จะนึกถึงภาพที่สร้างขึ้นในสไตล์ของเขา
  • ความสามารถของแบบจําลองในการแยกแยะครูจากนักเรียนทุกคนอย่างยั่งยืน
  • คุณค่าทางศิลปะที่เป็นอิสระของการสังเคราะห์อัลกอริทึม
  • เกณฑ์ความเชื่อมั่นเพียงพอที่จะแก้ไขการจัดสรรสาธารณะ

วิธีอ่านภาพ "AI ที่สร้างขึ้นใหม่"

ระบุเป้าหมาย

มันแสดงส่วนที่พิสูจน์แล้ว ทดสอบสมมติฐาน ฟื้นฟูสี หรือสร้างสรรค์อย่างอิสระหรือไม่?

ค้นหาแหล่งที่มา

เอกสาร สแกน และทํางานใดบ้างที่ขับเคลื่อนระบบ? การสร้างใหม่ที่มั่นคงช่วยให้คุณสามารถกลับไปที่ข้อมูลได้.

ดูขีดจํากัด

มีการรายงานพื้นที่ที่ประดิษฐ์ขึ้นหรือไม่? มีการอธิบายทางเลือก ขอบของข้อผิดพลาด และทางเลือกของมนุษย์?

แยกสถานะไว้

ต้นฉบับ สําเนาทางประวัติศาสตร์ การสร้างใหม่ และการสร้างจะต้องยังคงมีความแตกต่างทั้งทางสายตาและทางวาจา

เรื่องก่อน simulacrum

สํารวจ Rembrandt ด้วยผลงานที่มีชื่อชัดเจนและการระบุแหล่งที่มา

การทําสําเนาที่วาดด้วยมือเป็นการสร้างสรรค์ร่วมสมัยที่มีพื้นฐานมาจากงานทางประวัติศาสตร์. สามารถถ่ายทอดองค์ประกอบ แสง และจานสีได้ แต่ไม่ได้แทนที่ต้นฉบับของพิพิธภัณฑ์หรือประวัติศาสตร์ทางวัตถุ. ชื่อร้านทําให้ Rembrandt, เวิร์กช็อป, วงกลม และสําเนาแตกต่างกัน.

คําถามที่พบบ่อย

ปัญญาประดิษฐ์สร้างแรมแบรนดท์จริงหรือไม่?

ไม่. The Next Rembrandt เป็นผลงานร่วมสมัยที่ผลิตจากข้อมูลและพิมพ์ด้วยความโล่งใจ. มันไม่ใช่งานของเรมแบรนดท์.

AI ได้กู้คืน The Night Watch หรือไม่?

เธอช่วยสร้างวงดนตรีที่สูญหายขึ้นมาใหม่ด้วยสายตา. ส่วนเพิ่มเติมถูกพิมพ์บนแผงแยกกันและวางไว้รอบๆ ต้นฉบับชั่วคราว โดยไม่ต้องเปลี่ยนผืนผ้าใบ.

เราจะรู้ส่วนที่หายไปได้อย่างไร?

ส่วนใหญ่ต้องขอบคุณสําเนาเก่าเล็กๆ ของ Gerrit Lundens ซึ่งสร้างขึ้นก่อนการตัดในปี 1715

AI สามารถตรวจสอบสิทธิ์ Rembrandt ได้ด้วยตัวเองหรือไม่?

ไม่. สามารถให้การเปรียบเทียบและความน่าจะเป็นได้ แต่การระบุแหล่งที่มาจําเป็นต้องมีการศึกษาด้านวัสดุ ประวัติศาสตร์ และโวหารโดยผู้เชี่ยวชาญหลายคน.

เหตุใดคะแนนความคล้ายคลึงจึงไม่เพียงพอ?

นักเรียน ผู้ลอกเลียนแบบ และผู้ลอกเลียนแบบได้แบ่งปันคุณลักษณะที่แบบจําลองเรียนรู้อย่างแม่นยํา. ความคล้ายคลึงอย่างมากไม่ได้แยกแยะมือโดยอัตโนมัติ.

การวิเคราะห์ทางวิทยาศาสตร์เป็นปัญญาประดิษฐ์หรือไม่?

ไม่จําเป็น. รังสีเอกซ์ อินฟราเรด MA-XRF หรือเดนโดรโครโนโลยีสร้างข้อมูล AI สามารถช่วยประมวลผลได้ แต่เทคนิคเหล่านี้มีอยู่โดยอิสระ.

อะไรคือความเสี่ยงหลักสําหรับตลาดศิลปะ?

การสร้างภาพปลอมและแหล่งที่มาปลอมอย่างต่อเนื่องอย่างรวดเร็ว ควบคู่ไปกับความมั่นใจมากเกินไปในคะแนนทึบแสง

ควรรายงานการสร้างใหม่ทางดิจิทัลหรือไม่?

ใช่. ประชาชนจะต้องสามารถแยกแยะพื้นที่ดั้งเดิมที่ได้รับการเก็บรักษาไว้ เอกสาร สมมติฐาน และองค์ประกอบที่สร้างขึ้นได้ทันที.

AI สามารถช่วยเจ้าของภัตตาคารได้หรือไม่?

ใช่ โดยเฉพาะอย่างยิ่งสําหรับการจัดแนวรูปภาพ การแบ่งส่วนแผนที่ทางวิทยาศาสตร์ การแสดงสมมติฐาน และการเปรียบเทียบข้อมูลจํานวนมาก. การตัดสินใจในการรักษายังคงเป็นมนุษย์.

แหล่งที่มาหลัก

เทคนิคและโครงการได้รับการอธิบายตามแหล่งที่มาของสถาบันที่มีอยู่ในเวลาที่ตีพิมพ์. การสร้างใหม่ทางดิจิทัลเป็นสมมติฐานที่ได้รับการบันทึกไว้ ไม่เคยพบชิ้นส่วนดั้งเดิมเลย.

ความคิดเห็น 0 รายการ

แสดงความคิดเห็น

โปรดทราบว่าความคิดเห็นจะต้องได้รับการอนุมัติก่อนที่จะได้รับการเผยแพร่