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
|
2月前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
74 6
|
10天前
|
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。
48 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
|
5月前
|
人工智能 自然语言处理 搜索推荐
如何10分钟获得一位24小时AI专家助手?
进入百炼控制台创建应用,选通义千问-Plus为模型,可设定Prompt引导对话。测试后若发现不足,可进一步优化。获取API-KEY和应用ID以便API调用,实现网页集成。此AI助手能即时解答用户问题,提供个性化服务及推荐,有效提升用户体验与企业效率,同时降低成本并助力策略规划。随着AI技术进步,这类智能助手将成为日常生活的重要组成部分。
|
2月前
|
人工智能 自然语言处理 算法
【AI问爱答-双十一返场周直播】AI产品专家直播解读重点AI应用场景怎么用?
阿里云【AI问爱答】栏目强势回归,11月25日至28日每晚19:00,连续四天直播,涵盖AI营销、企业办公、社交娱乐及大模型推理调优四大主题,助您深入了解AI应用,解决实际问题。欢迎预约观看!
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术性文章移动应用开发之旅:从新手到专家的蜕变之路
【8月更文挑战第30天】本文将介绍人工智能的基本原理和应用,包括机器学习、深度学习和自然语言处理等。我们将通过代码示例来展示如何使用Python和TensorFlow库实现一个简单的神经网络模型。
|
5月前
|
机器学习/深度学习 人工智能 Android开发
揭秘AI编程:从零开始构建你的第一个机器学习模型移动应用开发之旅:从新手到专家
【8月更文挑战第29天】本文将带你走进人工智能的奇妙世界,一起探索如何从零开始构建一个机器学习模型。我们将一步步解析整个过程,包括数据收集、预处理、模型选择、训练和测试等步骤,让你对AI编程有一个全面而深入的理解。无论你是AI初学者,还是有一定基础的开发者,都能在这篇文章中找到你需要的信息和启示。让我们一起开启这段激动人心的AI编程之旅吧! 【8月更文挑战第29天】在这篇文章中,我们将探索移动应用开发的奇妙世界。无论你是刚刚踏入这个领域的新手,还是已经有一定经验的开发者,这篇文章都将为你提供有价值的信息和指导。我们将从基础开始,逐步深入到更复杂的主题,包括移动操作系统的选择、开发工具的使用、
|
5月前
|
人工智能 数据管理 Serverless
手把手教你如何10分钟获得一位24小时AI专家助手
【8月更文挑战第1天】手把手教你如何10分钟获得一位24小时AI专家助手
140 2
|
4月前
|
机器学习/深度学习 数据挖掘 TensorFlow
从数据小白到AI专家:Python数据分析与TensorFlow/PyTorch深度学习的蜕变之路
【9月更文挑战第10天】从数据新手成长为AI专家,需先掌握Python基础语法,并学会使用NumPy和Pandas进行数据分析。接着,通过Matplotlib和Seaborn实现数据可视化,最后利用TensorFlow或PyTorch探索深度学习。这一过程涉及从数据清洗、可视化到构建神经网络的多个步骤,每一步都需不断实践与学习。借助Python的强大功能及各类库的支持,你能逐步解锁数据的深层价值。
79 0
|
5月前
|
人工智能 数据管理 Serverless
10分钟获得一位24小时AI专家助手
【8月更文挑战第17天】10分钟获得一位24小时AI专家助手
|
5月前
|
人工智能 自然语言处理 数据可视化
🚀从零到英雄!AI Prompt赋能商业数据分析,新手也能成专家
【8月更文挑战第1天】在数字化时代,商业数据分析至关重要但门槛高。AI Prompt技术革新了这一领域,使新手能迅速成为专家。AI Prompt通过自然语言指令驱动AI执行数据分析任务,无需编程背景即可享受数据洞察。例如,新分析师可通过简单指令分析销售数据,计算关键指标并生成可视化报告。随着技能提升,可设计更复杂的指令满足多样需求。AI Prompt还能自我学习优化,提高分析质量和效率。总之,这项技术简化了数据分析流程,加速了人才的成长路径。
159 0