Välja on töötatud algoritm, mis määrab maali autori selles esitatud löökide tunnuste järgi, samuti oskab eristada teiste kunstnike maalitud pärismaalinguid ja võltsinguid. Arendajad on programmi koolitanud kuulsate kunstnike, näiteks Picasso ja Matisse, ligi kolmesaja maali komplekti järgi, vahendab MIT Technology Review. Ameerika ja Hollandi spetsialistide arengut tutvustatakse AAAI tehisintellekti konverentsil 2018. aasta veebruaris, artikli eeltrükk avaldatakse arXiv.org.
Kuna kuulsate kunstnike maalid eksisteerivad reeglina ühes eksemplaris, võivad nende hinnad ulatuda kümnete ja sadade miljonite dollariteni. Seetõttu võltsivad mõned maalid pahatahtlikke tegijaid ja see pole alati märgatav isegi maalikunstiga kursis olevatele inimestele. Sellise võltsimise eest kaitsmiseks pakutakse välja erinevaid meetodeid, näiteks maalide varustamine ainulaadsete tunnustega, mida on keeruka mikrostruktuuri tõttu peaaegu võimatu võltsida.
Artrendexi ja Rutgersi ülikooli Ahmed Elgammali juhitud USA ja Hollandi teadlased on loonud algoritmi, mis tunneb maali autoreid nende löökide tunnuste järgi ära. 2015. aastal on see teadlaste rühm juba loonud algoritmi, mis võib klassifitseerida autorite maalid ja isegi stiilid vastavalt nende individuaalsetele omadustele, näiteks värvidele. Uues töös otsustasid teadlased keskenduda maalide ühele komponendile - löökidele.
Iga lööki saab kirjeldada paljude omaduste järgi, näiteks kuju, pikkus, paksuse ühtlus löögi ulatuses ja muud parameetrid. Teadlased otsustasid need omadused kaevandada arvutialgoritmide abil. Algselt jagati maalid spetsiaalse algoritmi abil eraldi löökideks. Algoritmide andmekogumina kasutasid teadlased 297 kuulsate kunstnike nagu Picasso ja Matisse maali, mis on teostatud litograafia, tindi joonistamise jt stiilis. Algoritm on need pildid jaganud enam kui 80 000 individuaalseks löögiks.
Treening- ja testimisalgoritmide andmekogum / Elgammal jt. / arXiv.org, 2017
Löökide hindamiseks otsustasid teadlased kasutada kahte lähenemisviisi. Nad kirjeldasid põhilisi karakteristikuid nagu löögi paksus ja pikiprofiil, kasutades erinevaid kirjeldusi, ja õpetasid tugivektori algoritmi löökide klassifitseerimiseks. Teine lähenemisviis oli kasutada kontrollitud korduvate plokkidega korduvat närvivõrku, mis otsis iseseisvalt teatud kunstnikele iseloomulikke jooni.
Näide võltsitud maalidest. Ülemine rida: võlts; võlts; originaali autor Matisse. Keskmine rida: originaal Matisse; võlts; võlts; originaali autor Matisse. Alumine rida: võlts; originaali autor: Matisse; originaali autor: Picasso; võlts / Elgammal jt. / arXiv.org, 2017
Pärast algoritmide ettevalmistamist katsetasid teadlased neid samal andmestikul ja mõlemat lähenemisviisi ühendades saavutasid kunstnike äratundmise täpsuse 80 protsenti. Samuti palusid nad viiel kunstnikul maalida koopiad Picasso, Matisse ja Schiele maalidest. Pärast 83 maali saamist kontrollisid nad neid oma algoritmide abil ja leidsid, et nende kombinatsioon suudab kõigis neis maalides võltsingu ära tunda.
Reklaamvideo:
Viimastel aastatel on piltide töötlemisel ja analüüsil närvivõrgu algoritme kasutades tehtud suuri edusamme. Näiteks võivad sellised algoritmid segada ühes pildis mitu kunstistiili, muuta visandid täisväärtuslikeks maalideks ja luua isegi originaalseid kunstiteoseid. Ka videosalvestistega töötavad sarnased algoritmid hästi. Näiteks tutvustati hiljuti süsteemi, mis võimaldab teil sisestada videolõiku kolmanda osapoole kõne, peaaegu täpselt korrates kõneleja artikulatiivseid näoilmeid.
Grigori Kopiev
