|
下圖左邊的是莫內 (Claude Monet) 的作品，右邊是畢沙羅 (Camille Pissarro) 的作品，這兩幅經典繪畫有什麼相似之處，有什麼不同的地方，只有西方美術史學家才能深入解說，我們一般人除了說畫的好以外，看起來兩幅畫不一樣。但電腦與我們的「看法」相反，認為兩位藝術家的畫作頗為相似，與西方美術學者的認知相同。原因是這兩位都是 19 世紀末、20 世紀初的法國繪畫藝術家，都是巴黎蘇黎世藝術學院的學生，而且二人又是分享經驗的好朋友，所以二人畫作相似並不稀奇。難道電腦成了美術史學家？
（莫內與畢沙羅，哪些地方相似？取自網路>
歷史上許許多多保存下來的畫作，用畫家與繪畫風格來分類，並不容易，進一步把不同的畫家與繪畫風格做一些關連，就要靠美術史學家經年累月的研究了。現在的資訊與電腦科技，在這一深層的文化領域，分析畫作影像、辨識畫家、認證繪畫風格，即使用最先進的運算邏輯，仍是一大挑戰。但現在有了轉機。
美國羅格斯大學電腦教授 Babak Saleh 與 Ahmed Elgammal，發展一套美術認證的電腦程式，用「機器學習」(Machine Learning) 作為工具，來訓練電腦程式識別畫家與作品的風格，結果獲得滿意的精確度。同時也找出畫家之間的關連，繪畫風格之間的關連，這些都是美術史學家多年費心研究的事，上面莫內與畢沙羅的例子，就是這個電腦系統辨認的結果。
對於近代的畫家作品，資料比較齊全，考證的工作也許不難，但這兩位教授收集了縱跨 15 世紀、1,000 名畫家、共 80,000 幅畫作，就加深了難度。進一步，研究人員把繪畫風格分成 27 類，每類擷取超過 1,500 幅畫作，然後再做繪畫內容分類，室內、鄉村、城市等等，建構成基本的圖庫。有了圖庫，目標是電腦每「看見」一幅畫，就要找出畫家是誰，以及這幅畫是什麼風格。
近年的「標記」技術，或許有人把少量畫作加入「元數據」(Meta Data)，包括畫家姓名及基本資料，但大多數的畫作都沒有這些資料，幾世紀前的一幅畫要立即知道是誰畫的，並不容易，何況說出畫的風格，所以不是簡單的資料比對，是經過電腦的複雜運算才能找到答案，那電腦怎麼運算？是經過學習的結果。
「人工智慧」(Artificial Intelligence) 的發展，讓以前認為不可能的事成為可能，人工智慧的通俗解釋，就是電腦軟硬體的結合，所做的一件事、或一個領域，至少與人類專家做的一樣好，而且通常是做的比人還要好，其中的關鍵就是讓電腦自我學習的「神經網路」(Neural Network)。神經網路是模擬生物腦子的結構與運作（如下示意圖），資訊從一個點（腦細胞）經過處理之後，傳送（神經）到多個點，每一個點經過處理再往下一層傳送，這樣反覆運作（學習），最後得到解答。
（左：腦細胞與神經結構、右：電腦模擬的神經網路結構 。取自網路）
神經網路相當軟體工具，可以用來訓練特定領域的運算邏輯，兩位教授用 400 個元素來描述一幅繪畫，發展一套識別畫作的運算邏輯，然後從圖庫取出少量畫作，藉神經網路來「訓練」這個運算邏輯，使增長「智慧」。最後把訓練完成的運算邏輯，套用到整體圖庫運轉，得到了相當好的效果，畫作與畫家的比對高達 60%，風格的準確率也達 45%。
從這個系統的延伸運轉，更找出了美術史的深入關連，像畫家之間，派別之間，畫家與派別之間的關連。例如電腦有時對美國印象派畫家哈薩姆 (Childe Hassam) 的畫，就與莫內的畫產生混淆，從這個結果讓美術術史學家發現，原來這位美國畫家曾經受到法國印象派、特別是莫內的強烈影響。電腦教授說，像這類的關連，人類可能要用很長的時才會發現。
另一個有趣的關連，是電腦經常把抽象表現派與行動派混淆，美術專家對這一混淆完全可以了解，因為行動畫派是抽象表現畫派的一支。電腦系統又篩檢出許多相似的關連，像是表現派與野獸派，矯飾派與文藝復興派，直接的關連有文藝復興前後派，印象與後印象派。這些電腦關連的結果，美術史學家可能早就知道，但這是幾十、甚至幾百年鑽研的結果，電腦僅用了幾個月就「學」到了學者的程度。
兩位電腦專家雖然不是藝術家，但認為美術辨識系統對美術發展史有正面意義，例如找出特質相同的畫作，供美術學者做為工具，探索畫家相互之間還未被發現的影響與意義。對一般喜歡繪畫藝術的人來說，可以一幅幅跳躍取出近似的畫作，欣賞視覺上的「同義字」。
電腦當然不懂得藝術欣賞，更不是美術專家，但可以從資訊處理的技術上做一些考證，作為美術學者的得利助手，這恐怕是電腦與美術學者雙方以前沒想到的。
對資訊技術有興趣的讀者，建議閱讀這篇論文 (PDF)，了解這個電腦系統的幕後。Large-scale Classification of Fine-Art Paintings:Learning The Right Metric on The Right Feature
|
