Kunstig Intelligens? Algoritme Sorterer Malerier Som En Person

{h1}

Forskere har udviklet kunstig intelligens, som i nogle tilfælde kan genkende kunstneren og stilen af ​​et kunstmaleri samt en menneskelig kan.

Fra montage-linie arbejde til selvkørende biler, overfører computere mange opgaver, der engang udføres af mennesker. Kunstneriske job har imidlertid været relativt sikkert - indtil nu.

Et team af forskere har udviklet et kunstigt intelligensprogram, der kan klassificere berømte kunstværker baseret på deres stil, genre eller kunstner - opgaver, som normalt kræver en professionel kunsthistoriker.

AI-programmet klassificerede ca. 80.000 kunstværker med hidtil uset nøjagtighed og afslørede overraskende forbindelser mellem forskellige kunstnere og malerier, udtalte undersøgelsen, som blev udsendt til preprint serveren arXiv den 5. maj. [Super Intelligent Machines: 7 Robotic Futures]

"Vi erstatter absolut ikke kunsthistorikere, men med et stigende antal malerier i online-samlinger, har vi brug for et automatisk værktøj" til at organisere dem, siger undersøgelsesforsker Babak Saleh, computerforsker ved Rutgers University i New Brunswick, New Jersey.

Området med computersyn har udviklet sig betydeligt i de seneste år, men AI ligger stadig langt bag mennesker i grundlæggende opgaver. Et menneske kan se på et maleri og nemt tegne afledninger fra det, som om det er et portræt eller et landskab, om stilen er impressionistisk eller abstrakt, eller hvem kunstneren var.

"Den gennemsnitlige person kan fortælle disse ting, men det er meget udfordrende, når det kommer til en maskine," siger undersøgelsesforsker Ahmed Elgammal, som også er computerforsker hos Rutgers. "Vores mål er at skubbe, hvilken maskine intelligens kan gøre."

Saleh og Elgammal anvendte en database med mere end 80.000 malerier af mere end 1.000 kunstnere i løbet af 15 århundreder, der spænder over 27 forskellige stilarter.

Forskerne brugte en række algoritmer til maskinindlæring til at udvælge bestemte funktioner i en delmængde af malerierne, herunder lavniveauattributter som farver og kanter samt mere abstrakte, som f.eks. Hvad et objekt er - om det er en hest eller et menneske, for eksempel. En tilgang, de brugte, er kendt som dyb læring, en metode, der anvendes af Google og andre virksomheder i billedsøgninger og oversættelsesværktøjer.

Derefter testede forskerne deres algoritme på et sæt malerier, som maskinen aldrig havde set, og det udførte bemærkelsesværdigt godt. Programmet var 63 procent nøjagtigt til at identificere kunstneren, omkring 60 procent nøjagtigt til at finde ud af genren og omkring 45 procent nøjagtige til at bestemme stilen.

Det er svært at sammenligne AI's præstationer med en kunsthistorikeres historie, fordi historikeren har meget forudgående viden, sagde Elgammal. Men han vurderede, at algoritmerne ville "gøre meget bedre end det gennemsnitlige menneske", men "ikke så godt som en ekspert."

Desuden havde malerierne algoritmen vanskeligheder med at kategorisere tilbudet om indflydelse på de indflydelser, forskellige malere måtte have haft på hinanden. For eksempel havde algoritmen vanskeligheder med at skelne mellem et maleri af den 18. århundredes danske maler Christoffer Wilhelm Eckersberg i den neoklassiske stil og en af ​​den tidlige 19. århundrede hollandske maler Cornelis Vreedenburgh i den impressionistiske stil.

Disse paralleller er ingen overraskelse for kunsthistorikere, men er ikke desto mindre imponerende for et computerprogram, sagde forskerne.

Undersøgelsen er endnu ikke offentliggjort i en peer-reviewed journal.

Følg Tanya Lewis på Twitter. Følg os @wordssidekick, Facebook & Google+. Originalartikel om WordsSideKick.com.


Video Supplement: How we teach computers to understand pictures | Fei Fei Li.




DA.WordsSideKick.com
All Rights Reserved!
Reproduktion Af Materialer Tilladt Kun Prostanovkoy Aktivt Link Til Webstedet DA.WordsSideKick.com

© 2005–2019 DA.WordsSideKick.com