在鉴定名画真伪这件事上,专家可能要被AI代替了

简介:
本文来自AI新媒体量子位(QbitAI)

鉴别画作真假的难度非常大,还特别烧钱。

当艺术史大神都看不出来画的真假时,就需要把画送到实验室。结合各种高大上的检测手段(比如红外看颜料的化学成分,碳-14含量看画的年代,气相色谱分离成分并化学分析),才能下比较靠谱的结论。

现在让AI出手,就不用搞这么复杂啦。

最近有个新的递归神经网络RNN模型系统可以把画拆解成单个笔触或者线条,只要看笔触的风格就知道是谁画的。

这个模型呢,是美国新泽西州的罗格斯大学Ahmed Elgammal团队(就是辣个之前发表过AI画画通过图灵测试的算法的团队ヽ(•̀ω•́ )ゝ),是和荷兰绘画工作室的研究人员一起出力搭建的。

他们用艺术大神的作品来训练这个模型,像毕加索,马蒂斯,莫迪利亚尼等等,模型的表现不错,能够把差不多300张画拆解成8万次笔触。

681d36782574d3ea1bc65422762ff2c9886603b4

 拆解笔触的示例:毕加索的版画

现在光看单个笔触的特征,它就可以猜出是哪个大师的作品了,准确率在70%到90%之间。

可能有完美主义倾向的研究人员觉得,这样还不够。

如果还能看笔触的轮廓(线条的粗细),那才流弊。所以他们继续折腾,再训练了个算法看笔触的轮廓。希望能同时用两个的模型,先看是谁画的,再看是不是真的。

看笔触轮廓的模型还可以给拆解笔触的RNN提供一些额外的关键信息,像大神下笔的时候用了多大的力,线条的粗细是多少等等。

0ec3724c8ddf6e34ba6d98e4061c6332ffb0fdb6

 笔触轮廓的算法所参考的Dantzig的画作分析方法学

如果没有后来这个模型的话,RNN就像黑箱一样,研究人员也解释不了RNN输出的结果。这两个模型一起用,判断是谁画的准确率可超过80%。所以,这两个模型的区别就在于能不能分清真假作品。

为了看建的模型能不能验假,研究人员找了一批当代画家,尽可能高仿这些画作。没想到,两个模型配合的表现敲厉害,只要看单个笔触,就能100%找出高仿,一抓一个准。

“不是我吹,恐怕人都做不到这么准,”罗格斯大学的教授Ahmed Elgammal对团队搭的模型很自豪。

“不过呢,我们模型也还是有局限性的。遇到那些笔触模糊的画就一点办法没有了。”

他们接下来打算,拿印象派的画和其他一些19世纪笔触硬朗精细的话来进一步验证模型的效果。

荷兰提尔堡大学的Eric Postma十多年以前,就开始运用AI来看画是真是假。他觉得,这个研究最有价值的地方,是研究团队借用第二种模型搞清楚了RNN是干什么的。

cd8702d73127439fc1131b3107c4a96b4d125c91

 荷兰提尔堡大学数据科学家的Eric Postma

“未来,艺术圈肯定还会有更多的地方是要用到AI的,”他强调,“但可惜的是,很多研究艺术史的人和研究人员还没有摆脱传统的思维习惯。对新的技术不够关注,很少有意识去思考AI怎么应用到艺术圈,怎么提高验假的效率。”

“但这也不能怪他们,”他说,“毕竟,机器获得结果的原理过程很复杂,能理解的圈里人太少了。”所以Eric Postma希望这次的研究,可以让更多艺术人了解到AI能帮他们做些什么。

不满足于只用AI来画画,罗格斯大学的教授Ahmed Elgammal,这次还捣鼓出了鉴真假画的算法。在他们最新发表的论文里面,他提到了AI鉴画的3大优势

1)名画验假的工作速度快多了。
2)还可以突破其他传统方法的局限。比如说,近现代的画,之前鉴别起来很困难。因为所用的画布和颜料都非常容易拿到,那么再分析年代和化学成分就没什么卵用了。
3)最最最重要的是,AI鉴别便宜多了。很多时候,那些高端的实验室验假的费用比真画本身的价值都要高。

最后,附文章链接及论文:
https://www.technologyreview.com/s/609524/this-ai-can-spot-art-forgeries-by-looking-at-one-brushstroke/
https://arxiv.org/pdf/1711.03536.pdf

本文作者:Root 
原文发布时间:2017-11-22
相关文章
|
5月前
|
人工智能 IDE API
还在配置规则文件和智能体?Roo Commander:预置90+领域专家,开箱即用的AI编程新体验
Roo指挥官是一款创新AI编程助手,通过智能调度90多位虚拟技术专家,实现对复杂项目的自主规划与高效执行。用户无需手动选择专家或反复调整提示,只需提交需求,系统即可自动分析、拆解任务并协调最合适的技术角色完成开发。文中以构建3D互动简历为例,展示了其从需求分析到项目落地的全流程自动化能力,显著提升开发效率,开启AI驱动的智能化编程新体验。
320 0
|
4月前
|
人工智能 前端开发 Java
构建能源领域的AI专家:一个多智能体框架的实践与思考
本文介绍了作者团队在能源领域构建多智能体(Multi-Agent)框架的实践经验。面对单智能体处理复杂任务时因“注意力发散”导致的效率低下问题,团队设计了一套集“规划-调度-执行-汇总”于一体的多智能体协作系统。
494 19
|
5月前
|
人工智能 架构师 机器人
我是怎么把我的 AI 从“傻瓜”重构成“专家”的
本文分享了一次 Agent 项目的重构经验,讲述如何将一个僵化、被动的指令式系统,升级为具备内在驱动力的“专家”Agent。通过引入“动机层”和“成长机制”,让 Agent 更加主动、灵活并能自我优化,最终实现从“流水线工人”到“资深顾问”的蜕变。
|
7月前
|
人工智能 运维 云计算
专家对谈|AI推动文化传媒行业向“新”发展
随着“人工智能+”行动的深入推进,文化传媒行业正经历深刻变革。云计算与AI深度融合,重构内容生产、分发全流程,为行业注入新动能。预计到2025年,我国AI核心产业规模将破万亿,文化传媒作为技术应用先锋,以两位数增速迈向智能化。在CCBN活动现场,中央广播电视总台与阿里云探讨了大模型如何驱动行业升级,展望未来新图景。汪莹指出,大模型将重构文化消费形态,助力生产力与传播力倍增,推动中国文化走向世界。同时,解决AI应用“最后一公里”问题需产业链各方协同发力,基于现有大模型能力进行二次开发是切实可行路径。
402 4
|
10月前
|
人工智能 自然语言处理 数据可视化
YAYI-Ultra:中国企业终于等来『全能大脑』!开源企业级AI『混合专家』横扫金融舆情中医领域,最长生成20万字报告
YAYI-Ultra 是由中科闻歌研发的企业级大语言模型,具备强大的多领域专业能力和多模态内容生成能力,支持数学、代码、金融等多个领域的专家组合,缓解垂直领域迁移中的“跷跷板”现象。
413 10
YAYI-Ultra:中国企业终于等来『全能大脑』!开源企业级AI『混合专家』横扫金融舆情中医领域,最长生成20万字报告
|
10月前
|
人工智能 JSON 自然语言处理
AI 程序员的4个分身 | 代码生成专家+注释精灵+API集成助手+智能调试伙伴
AI 程序员的4个分身 | 代码生成专家+注释精灵+API集成助手+智能调试伙伴
447 35
|
10月前
|
数据采集 人工智能 编解码
算法系统协同优化,vivo与港中文推出BlueLM-V-3B,手机秒变多模态AI专家
BlueLM-V-3B是由vivo与香港中文大学共同研发的多模态大型语言模型,专为移动设备优化。它通过算法和系统协同优化,实现了高效部署和快速生成速度(24.4 token/s),并在OpenCompass基准测试中取得优异成绩(66.1分)。模型小巧,语言部分含27亿参数,视觉编码器含4000万参数,适合移动设备使用。尽管如此,低端设备可能仍面临资源压力,实际应用效果需进一步验证。论文链接:https://arxiv.org/abs/2411.10640。
356 9
|
11月前
|
人工智能 缓存 Ubuntu
AI+树莓派=阿里P8技术专家。模拟面试、学技术真的太香了 | 手把手教学
本课程由阿里P8技术专家分享,介绍如何使用树莓派和阿里云服务构建AI面试助手。通过模拟面试场景,讲解了Java中`==`与`equals`的区别,并演示了从硬件搭建、语音识别、AI Agent配置到代码实现的完整流程。项目利用树莓派作为核心,结合阿里云的实时语音识别、AI Agent和文字转语音服务,实现了一个能够回答面试问题的智能玩偶。课程展示了AI应用的简易构建过程,适合初学者学习和实践。
384 22
|
12月前
|
机器学习/深度学习 人工智能 智能设计
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
VisionFM 是一个多模态多任务的视觉基础模型,专为通用眼科人工智能设计。通过预训练大量眼科图像,模型能够处理多种眼科成像模态,并在多种眼科任务中展现出专家级别的智能性和准确性。
560 4
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性

热门文章

最新文章