Искусственный интеллект против подделок: мнение
Двадцать лет назад считалось, что конкуренции с автоматизацией стоит бояться только тем, кто занимается рутинным ручным трудом. Десять лет назад стали говорить, что и рутинная интеллектуальная деятельность тоже скоро перейдет машинам. А после того как в октябре 2018 года на аукционе Christie's была продана картина, полностью созданная искусственным интеллектом, стало понятно, что даже карьера художников может быть в опасности.
Если искусственный интеллект (ИИ) способен самостоятельно создавать произведения искусства, то задача отличить подлинные от фальшивых на первый взгляд кажется совсем уж тривиальной. Но вплоть до недавнего времени в этой области не было достигнуто серьезных успехов. На сегодняшний день существует сразу несколько алгоритмов, которые, по заявлению их авторов, успешно справляются с задачами экспертизы произведений искусства.
Первый был создан командой из Тилбургского университета (Нидерланды), которая более десяти лет занималась проблемой распознавания произведений искусства с помощью ИИ. За это время был разработан алгоритм, позволяющий анализировать структуру и взаимоотношения мазков краски. В данный момент этот ИИ специализируется на распознавании работ Ван Гога, но уже «обучается» работать и с произведениями Рубенса, Моне и Гогена.
Другой проект разрабатывается в Ратгерском университете (США), где для анализа картин используют сразу два алгоритма. Первый с помощью нейронной сети самообучается и определяет характерный паттерн мазков отдельно взятого художника. А второй анализирует силу нажатия, позволяя количественно оценить «находки» первого. Базой для обучения этого ИИ стали работы Матисса и Пикассо, а разработанные алгоритмы позволили верно определить картины этих авторов в 80% случаев. По официальным заявлениям создателей, при исследовании современных имитаций машина показывает успешный результат в 100%.
Еще один проект, заслуживающий внимания, принадлежит швейцарской компании Art Recognition. Разработанная ими система не только обучается распознавать особенности приемов построения красочного слоя, но и создает наглядную карту, позволяющую увидеть участки картины, отличающиеся или вызывающие сомнения, что дает возможность увидеть места реставрации. Проект Art Recognition уже выведен на рынок и в отличие от конкурентов не ограничен несколькими художниками.
Неудивительно, что многие участники арт-рынка не могут дождаться, когда эти технологии станут широко доступны и в России: у ИИ есть ряд преимуществ перед традиционными способами экспертизы. В первую очередь – время. Анализ с помощью ИИ занимает меньше недели в идеальной ситуации достаточности эталонного материала, которая на данный момент в российских реалиях выглядит не так обнадеживающе.
Второй плюс – стоимость. Анализ ИИ дешевле, так как требует меньших трудозатрат, ведь машина «самообучающаяся». Третий – заведомая непредвзятость, заключение делается исключительно на основе выученного алгоритма и не зависит от мнения эксперта. И наконец, четвертый плюс – такой анализ не требует физического присутствия вещи в лаборатории, достаточно фотографии в высоком разрешении.
Несмотря на это, по нашим оценкам, российским экспертам пока рано задумываться о смене профессиональной деятельности. У всех перечисленных проектов есть ряд фундаментальных проблем, не позволяющих им стать достойной альтернативой полноценной экспертизы, по крайней мере в обозримом будущем.
Основная проблема заключается в том, что ИИ анализирует картины только по одному параметру – свойству мазков. Современная же экспертиза основывается на анализе множества данных. Эксперт проводит стилистический анализ, изучает технико-технологические особенности и историю бытования вещи, обращается к архивным источникам, исследует картину при помощи лабораторного оборудования в инфракрасном и ультрафиолетовом свете, проводит рентгенографирование и сравнение невидимых в обычном свете слоев живописи.
Только сравнив все эти параметры и убедившись, что ни один не опровергает предполагаемого авторства, эксперт делает вывод о подлинности вещи. Анализ качества мазков – неотъемлемая часть этого длительного процесса, но опыт показывает, что живописный почерк может сильно меняться в зависимости от творческой задачи или в связи с изменением стиля автора.
Просто увеличить количество параметров, по которым алгоритм анализирует картины, тоже не получится. Из-за так называемой проблемы катастрофической забывчивости для каждого из параметров придется создавать свой алгоритм. По той же причине не может существовать алгоритм, способный анализировать работы всех художников, для каждого приходится создавать свои.
Другая, наиболее фундаментальная проблема заключается в подборе эталонного материала. Для обучения нейронной сети требуется не менее двухсот заведомо подлинных произведений автора. Где их взять – большой вопрос. Такое количество известных, бесспорных и доступных работ есть у весьма небольшого круга авторов. Например, все наследие известного русского художника Александра Андреевича Иванова состоит менее чем из ста произведений. Но даже если у художника есть необходимое количество произведений, нужно быть уверенным в их безусловной подлинности. К сожалению, не все картины поступали в музейные собрания еще при жизни создателя.
Есть и техническое ограничение современных алгоритмов. Пока что они способны работать только с произведениями с четко выраженной фактурой. Анализ полотен с плоским красочным слоем, характерным, например, для живописи XVIII века, им не доступен, не говоря уже о графике и других произведениях искусства.
Учитывая все эти ограничения, можно сказать, что использование искусственного интеллекта как полноценной замены технико-технологической и стилистической экспертизы противоречит здравому смыслу. Подобная идея равносильна попытке заменить работу следователей лишь лабораторией анализа ДНК. Алгоритмы распознавания характера мазков, очевидно, не могут решить все задачи экспертизы произведений искусства, но в будущем они, возможно, смогут стать важным инструментом в арсенале экспертов, предоставляя новые данные для анализа.
