猜簡筆涂鴉算什么 有的AI現在還能鑒定假畫了

X射線熒光分析儀可以分析藝術品的材料

　　原標題：猜簡筆涂鴉算什么？有的AI現在還能鑒定假畫了

　　在這篇文章之前，我們先來做個小測試。以下是馬蒂斯、畢加索和席勒的真作和假畫，你能找到假的那幾幅嗎？

　　如果你沒看出來也沒關系，因為這樣的假畫甚至更逼真的贗品，有時甚至會坑了專家和拍賣行。對于藝術市場來說，贗品的泛濫是一件很棘手的事，不僅展覽方被迫撤展，連拍賣行也要遭受巨大損失——蘇富比(微博)拍賣行就曾因為一副弗蘭斯·哈爾斯假畫損失10萬美金。更令人頭疼的是，造假手段也越來越高明了，幾乎以假亂真的“冒牌貨”比比皆是。

　　如今，一個新開發的AI有望解決這些問題，能讓藝術鑒定擺脫復雜的科學檢測，例如X射線熒光和化學分析。

　　那么，這個AI的表現如何呢？

　　在鑒定開頭幾位藝術家的一些作品時，它的準確率能達到70%以上。在某些情況下，準確率甚至可以達到100%。（至于你的得分，估計和我一樣慘。）

　　AI的火眼金睛

　　要鑒定一副畫的真偽，我們可能需要進行漫長且耗費巨大的材料分析，然后寄希望于偽造者露出破綻，例如16世紀的威尼斯并不存在贗品所使用的纖維和清漆。

　　然而，鑒定AI非常厲害，它甚至無需接觸原畫，用數碼攝影就可以鑒定真偽。它關注的是繪畫的內容而非材料，具體來說，是構成繪畫的上千微小的筆觸。

　　每個單獨的繪畫姿勢，例如筆觸的形狀和曲度、揮筆的速度，都是藝術家的特色。它們共同構成揭示真相的“藝術指紋”。分析足夠多的作品并建立數據庫，你可以找到每位藝術家的“藝術指紋”。將你不太確定真偽的作品放進數據庫，在幾分鐘內你就能得知它是亨利·馬蒂斯的真作，還是上周在洛杉磯某車庫里制造的贗品。你甚至都不需要一幅完整的畫，單一的筆觸就能讓假畫露出原形。

　　在去年11月發表的論文中，艾哈邁德·埃爾加馬爾（Ahmed Elgammal）和同事檢測了300張藝術家的真作。他們將這些繪畫分割為8萬多條筆觸，用機器學習技術為每位藝術家建立數據集。然后，他們托人制作了一批贗品。為了檢測算法的性能，贗品的數據被輸入到系統中。當分析單一的筆觸時，系統的精確度是70%，當檢測完整的畫作時，成功率達到了80%。

　　通過筆觸辨別藝術家的想法，其實可以追溯到上世紀50年代，以及荷蘭藝術史學家莫里斯·米歇爾·范丹齊格（Maurits Michel van Dantzig）發明的“筆觸法”（pictology）。范丹齊格認為每幅畫作都出自人手，每只手都是不同的，所以通過這些筆觸來辨別作者是可能的。

　　然而問題是數據太多了。即使簡單的繪畫也含有上百甚至上千的筆觸，這些都需要人眼檢查和分類。將這一步加到每幅畫上，鑒定就很難實現了。

　　“這種方法的可行性不太可能得到測試?！?埃爾加馬爾的同事米科·鄧萊（Milko den Leeuw）說，“我看到很多利用筆觸法的嘗試，它們還是想法的時候就夭折了?！?br/>
　　但是AI能做到人類做不到的事嗎？能用一些科學基礎證明藝術史學家的火眼金睛是有道理的嗎？“沒錯，” 鄧萊說，“鑒別工作往往都依賴于直覺，我們在嘗試揭開真相?！?br/>
　　盡管鑒定專家珍妮弗·曼斯（Jennifer Mass）說她還不太可能扔掉鑒定所需的“熒光槍”，她承認這項技術讓人印象深刻?！八囆g鑒定領域的很多人士對AI感到很興奮。它不是魔法子彈，但會是在其他方面的得力工具。當你要對付一位技藝精湛的偽造者時，AI會很有價值?！?br/>
　　筆觸識別的挑戰

　　這項技術也存在種種問題。目前為止，AI鑒定系統主要測試了短期內的少數藝術家的作品。繪畫通常包括成千上萬的筆觸，辨別它們極具挑戰，而舊的畫作，或許含有無數修復和復繪的痕跡，這仍然是挑戰?！坝肁I鑒定藝術作品很有挑戰，但這不意味著我們做不到?！?埃爾加馬爾說，“我很自信?！?br/>
　　不過，藝術家的繪畫風格，尤其是隨時間變化的風格該如何鑒別？想想畢加索瘋狂的風格變化期：藍色、非洲、立體主義、古典派，或者馬列維奇如何在上世紀20年代拋棄黑色方塊的抽象元素，轉而畫了很多有塞尚痕跡的作品（也許迫于斯大林的壓力也是一部分原因）。

　　在康奈爾大學教授計算藝術史的查爾斯·R·約翰森（Charles R。 Johnson）表示，這種新技術還沒有說服他?！耙淮髥栴}在于，筆觸不是那么個人化的東西?！彼f，“在繪畫上覆蓋的部分是很難層層剝開的。此外，要想判斷一位藝術家的作品，我們需要明白他的風格隨著職業生涯變化?！?br/>
　　約翰遜還認為，許多藝術家的畫法基本上是無形的，很難將其拆分成單獨的部分；或許關注計算機對畫布和紙張的分析評估更好一些，它們會受到更加嚴格的鑒定?！拔胰匀粚I持有相當大的懷疑?！彼f。

　　埃爾加馬爾和鄧萊承認，離AI真正鑒定藝術品還有一段路要走。目前，他們在用印象派畫作訓練AI，這些作品比席勒和畢加索的線條畫要復雜得多，他們希望明年發表研究結果。機器仍然不能自己學習辨別這些畫作，算法通常需要人類的修正，以確保正確的特性被檢測到。另一個挑戰是：有些藝術家的作品輸出并不足以生成可靠的數據集。

　　算法偏見也是一個潛在問題。簡單來說，將缺乏代表性的數據輸入到系統內，AI的可靠性將降低?？紤]到大量贗品在市場中流通，數據庫很有可能受到贗品數據的污染。這種現象，也就是我們俗稱的“垃圾進，垃圾出”。

　　AI正向理解藝術更進一步

　　當然，還有很大的哲學問題。當某人費力找到17世紀的畫布，然后畫上幾乎無暇的弗蘭斯·哈爾斯畫作時，我們或許應該反思“真”和“假”的含義，更不用說“藝術家”這個頭銜了。然而這里的諷刺是不可避免的。藝術是人類的一種自我表達，很難想到有比它更人性的東西了。

　　但是當談到藝術時，人類并不擅長區分一副畫作的真偽，比如說，一副畫有著卡拉瓦喬的所有特點，但它不過是個贗品。依靠雙眼，我們是無法辨別雙胞胎的。我們或許甚至會問：我們為什么要關心其中的區別呢？

　　忘了自動駕駛汽車以及智能助手吧，AI似乎要比我們更能理解藝術天賦的秘密。

　　當我和鄧萊交談時，我很好奇他是否感受到一種諷刺：盡管機器還不能創作出好的藝術，它們欣賞藝術的能力卻越來越令人稱奇了。

　　“是的，”他若有所思地說，“人類并不擅長分析極其復雜的事物組合?！彼α?，“我們會犯很多錯誤?！?br/>