遺産・アルゴリズム・批判的思考

人工知能とレンブラント

失われた部分の再構築、帰属支援、画像生成とリスク: 1669 年に亡くなった巨匠からアルゴリズムが実際に何を学ぶことができるか。

次のレンブラントから夜警作戦まで、その用途、証拠、限界、透明性

即時の対応

人工知能は、画像の大規模なセットを比較したり、オリジナルのコピーを調整したり、失われた部分をデジタル的に再構築したり、手動で測定するのが難しい規則性を発見したりすることを「理解」しませんそれでもレンブラントも彼の意図も、そしてそれは確率を帰属に変換しない再構成は保存された作品から区別されなければならない; 生成された画像は報告されなければならない; 専門知識は基づいて残らなければならない物質的な対象、来歴、そして人間の判断。

平成28年the Next Rembrandt のご紹介

平成31年夜警作戦の発動

1715年ラロンドドニュイのカッティング

3 用途再構築、比較、生成

混同してはならない3 つの用途

文書化された再構築

このアルゴリズムは、歴史的資料 (たとえば、Gerrit Lundens のコピー) を現在のオリジナルと整合させ、スケール、パレット、テクスチャの欠落部分を翻訳するのに役立ちます絵画。結果は仮説であり、可逆的なままです。

分析支援

モデルは、ブラシストロークを分類したり、パターンを比較したり、顔料をセグメント化したり、類似点を特定したりできます。これらは、研究者がオブジェクトで確認する必要がある相関関係を提供します。

文体生成

システムは学習された特性を組み合わせて、「ある方法で」新しいイメージを生成します。それは証明された失われた作品を再構築するものではなく、アーティストによるオリジナルを作成するものでもありません。

ケーススタディ 1

次のレンブラント: データのポートレート

2016 年に発表された、 ザネクストレンブラント は、ING、マイクロソフト、TUデルフト、および文化創造界のパートナーを結集したプロジェクトの一環として制作された架空の肖像画で、この作品では、1995 年に制作された、1995 年に制作されたレンブラントの作品とされる絵画の画像を特定するために分析された被写体、ポーズ、顔の幾何学模様、色、光の定数。このシステムにより、帽子をかぶり、暗い服を着て右を向いたひげを生やした男性が誕生した。

最終的な画像は、a の不規則な表面を想起させるためにレリーフで印刷されました絵画.したがって、対象はレンブラント油でも、その写しでもない絵画既存、あるいは彼が描いたであろうものの信頼できる予測。マイクロソフトは慎重に、これをレンブラントが必ずしも行うはずだった作品ではなく、データの創造的な視覚化であると説明した。

その強さは概念的です: それはコーパスの平均と選択を可視化します彼の弱点はまったく同じですレンブラントは統計的平均を描かなかった; 彼はコマンド、モデル、サポート、状況、そして連続する決定に応答した。

レンブラント、自画像、1660年、メトロポリタン美術館 — のような後期オリジナル*自画像* 1660 年以降、統計的総合では再現できない重要な歴史と決定が残されています。

機械はどのようにして「レンブラント式」を作るのでしょうか?

コーパスを作成

画像とメタデータを選択します。品質は、選択した属性、写真、修復物、期間の多様性によってすぐに異なります。

規則性を測定します

顔、向き、幾何学的関係、光の領域、色またはテクスチャを特定します。モデルは画像を数値と関係に変換します。

合成を生成します

学習した確率と一致する新しい構成を組み立てたり生成したりします。コーパス内で一般的なことが結果内でより可能性が高くなります。

画像をマテリアライズ

ファイルを印刷またはペイントします。『次のレンブラント』では、レリーフプリントがimpastoにならずにimpastoを呼び起こそうとしていました絵画歴史.

レンブラント、乱れた髪を持つ自画像、1628 年頃、アムステルダム国立美術館 — 若いレンブラントは、影、不完全性、不規則性を採用しています。非常に多くの選択肢があり、単一の署名に還元するのは困難です。

コーパスバイアス

帰属が不十分な作品、コピー、または高度にレタッチされた写真がデータに入ると、モデルはそれらの特徴も学習します。コーパスが1630 年代の肖像画を好む場合、この瞬間を提示する危険性がありますレンブラントの「」スタイルや、ライデンの若い画家、彫刻家、後期の絵画を最小限に抑えるため。

したがって、帰属の歴史は技術的な依存関係になりますデータベースは決して中立ではありません: それは研究の状態、除外、利用可能な形式と人間の選択を反映しています。によるカタログの改訂レンブラント研究プロジェクトは、コーパス境界が大きく変化したことを特に指摘しています。

ケーススタディ 2

ナイトウォッチは失われたエッジを見つけます

1715 年には、 The Night Watch アムステルダム市庁舎の新しい場所に入るためにカットされました。削除されたテープは見つかっていません。ただし、このカット前にゲリット・ランデンスによって描かれた小さなコピーには、完全な構成が残っています。

夜警作戦の一環として、アムステルダム国立美術館は人工知能を使用してコピーとオリジナルを近づけました。 2つのオブジェクトの比率、歪み、絵の描き方が異なります。アルゴリズムは役に立ちましたルンデンスの情報をレンブラントのキャンバスのスケールと半音階の外観に置き換える。再構築された領域はパネルに印刷され、一時的に周囲に配置されました絵画.

この操作は物理的に失われた部分を復元しないし、レンブラントのすべてのブラシストロークを復元すると主張しません。それは私たちが初期バランスを研究することを可能にする文書化された視覚化を提供します: 主な役員より中心から外れて見え、3 つの数字が左に戻り、空間はよりダイナミックに見えます。

人工知能を使って復元された欠落部分のある夜警 — 2021 年に提示された再建: 元の建物を囲む追加物であり、返還として識別できる状態を維持する必要があります。

レンブラント『夜警』、1642年、アムステルダム国立美術館、現状 — **保存されている元のオブジェクト:** 1642 年のキャンバスは、1715 年に四方の細片が切断されました。

ゲリットルンデンス、カット前の『La Ronde de nuit』の古いコピー — **ドキュメンタリーの出典:** ゲリット・ランデンスのものとされるコピー。削減前の構成が示されています。

アムステルダム国立美術館での夜警作戦中に夜警をスキャンする技術者 — デジタル化は非常に詳細なデータを提供しますが、解釈は依然として専門家によって行われます絵画.

画像から物質へ

AIは1 つだけを調べるわけではありません絵画

帰属を研究するために、研究者は目に見える写真に限定されません。彼らは、X 線撮影、赤外線反射撮影、X 線マクロ蛍光、顕微鏡検査、サンプル分析、年輪年代学、研究を組み合わせています来歴これらのデータは、最終的な画像には示されていない深さ、化学元素、作業ステップを記述します。

機械学習は、これらのマップをセグメント化したり、複数のモダリティを揃えたり、何百もの領域を比較したりするのに役立ちます。しかし、因果関係は解釈に属します: 一般的な顔料は手を指定しません; 石英の背景レンブラントを証明せずに 1642 年以降の工房を報告できます。共有されたキャンバスパターンは、同じスクロールを示しますが、必ずしも同じ画家であるとは限りません。

AI は a を割り当てることができます絵画レンブラントに?

結果のタイプ	リアルユーティリティ	本質的な限界	人間の決断が必要です
類似性スコア	大きなコーパス内の候補または異常を特定します	視覚的な類似性、手の同一性	時間、件名、サポート、状態を比較します
キー分類	方向、テクスチャ、またはリズムを測定します	復元、コピー、写真撮影により信号が変更されます	元の表面と層を調べます
顔料検出	セグメントMA-XRFカードと公開構成	資料は工房で回覧されていた	層序と文脈を解釈します
キャンバス対応	スレッドパターンを自動的に比較します	同じローラーは同じ画家を意味しません	購入とタイムラインを再構築します
署名分析	図形と位置を比較します	コピーされた署名は説得力がある可能性があります	への物理的な統合を確認してください絵画
全体予測	いくつかの変数を合成します	スコアはデータからエラーとバイアスを継承します	証拠、不確実性、代替案を公開します

美術史と一般大衆に対する7つのリスク

1.誤った確実性

「92% Rembrandt」のような割合は正確であるように見えますが、プロトコル、コーパス、エラー率、ワークショップとの比較がなければ何もわかりません。

2. 円形コーパス

モデルは人間の帰属を学習し、それを確認するように見えます。独立した証拠を提供することなく、コンセンサスを再現できます。

3.平均にスタイルが縮小

特異点、休憩、期間の変更は、最も頻繁な特性を優先して平滑化されます。

4.視覚の混乱

魅力的な復元はキャプションなしで広まり、原作の写真や見つけた作品と間違われてしまいます。

5.フェイクドキュメンタリー

合成アーカイブからの画像、証明書、切手、出所、写真は、一貫性はあるが存在しないストーリーを作成できます。

6.物質の切り下げ

画面はパターンを好みます。ただし、帰属は裏面、サポート、準備、亀裂、層にも依存します。

7.不透明度

独自のモデルにより、そのランキングを生み出したデータ、基準、エラーを知ることができません。

3 つの近い画像、3 つの相反するステータス

黄金の兜の男、レンブラントのサークル、1650年頃 -1660年 — **改訂された帰属.** *黄金の兜の男* 作品はサインとみなされなくても深く枝分かれしているように見える可能性があることを忘れないでください。

東洋の衣装を着た男、レンブラントの工房、1641年頃 — **ワークショップ作品.** 同じ材料、モデル、エクササイズにより、技術データであっても手の分離が困難になります。

レンブラントの自画像の 20 世紀のコピー — **現代のコピー.** ビジュアル AI は類似性を大幅に測定できますが、マテリアリティと日付はオリジナルをすぐに除外します。

確立された事実と解釈

情報源が立証するもの

Next Rembrandt は、2016 年のデータ駆動型、エンボス印刷された作品です。
Microsoftはそれを1 つとして提示していません絵画レンブラントが必ず描いたであろうもの。
アムステルダム国立美術館は、AI の助けを借りて、ランデンスのコピーから失われた夜警のテープを再構築しました。
追加部分は、オリジナルには描かれず、別々のパネルに印刷されました。
Operation Night Watch は、高度なイメージング、顕微鏡検査、ハードウェアの専門知識を組み合わせています。

残っているのは解釈です

失われた部分の色とキーの正確な忠実度。
レンブラントが自分のスタイルで生成したイメージを思いついたもの。
教師をすべての生徒から持続的に区別するモデルの能力。
アルゴリズム合成の自律的な芸術的価値。
公共の割り当てを変更するのに十分な信頼しきい値。

「AI再構築」画像の読み方

目標を特定します

実証済みの部分を表示したり、仮説を検証したり、事実上色を復元したり、自由に作成したりできますか?

ソースを見つけます

どのような文書、スキャン、作業がシステムに電力を供給しましたか?しっかりとした再構築により、データを追跡できます。

制限を参照してください

発明された領域は報告されていますか? 代替案、誤差の範囲、人間の選択は説明されていますか?

ステータスを分離したままにします

オリジナルの歴史的コピー、再構築、生成は、視覚的にも口頭的にも区別されたものでなければなりません。

シミュラークル前の物質

明確に名前が付けられた作品と帰属でレンブラントを探索してください

一つ複製画手描きの作品は、歴史的な作品に基づいて現代的な創造物です。構成、光、パレットを伝えることができますが、美術館のオリジナルや物質的な歴史に取って代わるものではありません。ショップのタイトルには、レンブラント、ワークショップ、サークル、コピーが区別されています。

レンブラントコレクション The Night Watch

よくある質問

人工知能は本物のレンブラントを生み出したのでしょうか?

第次レンブラントはデータから制作され、浮き彫りで印刷された同時代の創作である。レンブラントの作品ではない。

AI は The Night Watch を復元しましたか?

彼女は失われたストリップを視覚的に再構築するのに役立ちました。キャンバスを変更することなく、追加部分は別々のパネルに印刷され、オリジナルの周りに一時的に配置されました。

失われた部品をどうやって知ることができるのでしょうか?

主に、1715 年の切断前に作成された、ゲリット・ランデンスのものとされる小さな古いコピーのおかげです。

AI はレンブラントを独自に認証できますか?

いいえ、比較と確率を提供できますが、帰属には複数の専門家による物質的、歴史的、文体の研究が必要です。

なぜ類似スコアが不十分なのか?

学生、コピーリスト、模倣者は、モデルが学習する特性を正確に共有しました。強い類似性によって手が自動的に区別されるわけではありません。

科学分析は人工知能ですか?

必ずしもそうではありません。 X線、赤外線、MA-XRFまたは年輪年代学はデータを生成します; AIはそれらを処理するのに役立ちますが、これらの技術は独立して存在します。

アート市場の主なリスクは何ですか?

不透明なスコアに対する過信と相まって、一貫した偽のビジュアルと偽の出所を迅速に捏造します。

デジタル再構築を報告すべきでしょうか?

はい。一般の人々は、保存されている元の文書化された領域、仮定、生成された要素をすぐに区別できなければなりません。

AIはレストラン経営者を助けることができるでしょうか?

はい、特に画像の整列、科学地図のセグメント化、仮説の視覚化、大量のデータの比較についてはそうです。処理の決定は依然として人間です。

主な出典

技術とプロジェクトは、出版時に入手可能な機関情報源に従って説明されています。デジタル再構成は文書化された仮説であり、元の部分が見つかることはありません。

アカウント

人工知能とレンブラント

即時の対応