艺术品归类与品鉴

归类神经网络还面临着很多完全影响不到人类的微小细节，例如，区分城市景观与自然景观间的差异。人类无需任何思考，就能指明建筑物与自然风光间的区别；但在计算机看来，二者似乎都代表着典型的“户外”元素，而界定户外的关键特征“云”与“天”并不能帮助模型真正看懂画面内容。

对于人类艺术爱好者，了解一件艺术品属于哪种流派或者类别，属于一种相对直接而且客观的判断。与神经网络类似，我们可以观看大量艺术品并从中寻找同流派作品的共通模式。但相较于人类，计算机却很难更进一步：形成对于艺术的自主观点，并用言语分享观看时产生的感受。但到底只是更难，还是根本不可能？

人工智能的根基源自训练数据。因此，要教会AI形成关于艺术风格的观点与情感陈述，我们还需要投入大量人工，建立起关于不同艺术品的描述内容。斯坦福大学、巴黎综合理工学院以及阿卡杜拉国王科技大学的研究人员们决定做出尝试，他们创建起ArtEmis数据集，其中包含超过40万项情感属性以及整理自WikiArt的超过8万张画作的描述信息。

为了创建ArtEmis数据集，研究团队要求志愿者们分享自己对于艺术品的直观感受，并用语言做出评述。可以想见，人们对于相同作品往往有着截然不同的感受。您眼中安详宁静的田野画面，在我眼中可能压抑而阴郁。实际上，这种对同一幅画作做出正面与负面感受的情况非常普遍，在ArtEmis数据库的全部画作中占比高达61%。

接下来就看AI的表现了。在接受ArtEmis数据集的训练之后，各AI系统开始尝试为给定的艺术品生成标题。其中一些结果颇具说服力，当然也有不少完全是驴唇不对马嘴。例如，AI对伦勃朗的画作《被斩首的施洗约翰》做出的描述包括“女性看起来很开心”及“中间位的男性看起来很痛苦”。结合画面中的场景，这很明显是在胡说八道。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!