Umělá inteligence analyzuje malby lépe než zkušený historik

Rozpoznání obrázků a objektů není pro umělou inteligenci žádná novinka. Nový systém ale dokáže analyzovat uměleckou malbu dle mnoha vlastnostní, která nevidí ani ten nejlepší historik.
Umělá inteligence analyzuje malby lépe než zkušený historik

Pokrok v umělé inteligence se v posledních letech dostal do velmi rychlého tempa, ve velkých systémech společností jako Google, Facebook, Baidu a dalších už běží platformy pro rozpoznávání tváří nebo automatická analýza objektů na fotografiích a jejich správné roztřídění.

Rozpoznávání jednotlivých objektů je ale z dnešního pohledu už poměrně jednoduchá a „vyřešená“ záležitost. To že je na obrázku auto, vám totiž řekne třeba i 18měsíční dítě. Pokud jde ale o pokročilé rozpoznávání vlastností uměleckých maleb, to je forma zcela jiné ligy.

Umělecká malba – náročná disciplína i pro člověka

Pokud jde o rozpoznávání uměleckých děl dle jejich vlastností, jde o disciplínu, která zahrnuje specializované experty, kteří se v této oblasti pohybují desítky let. Mají detailní zkušenosti s různými uměleckými styly jednotlivých století, umělců, malířských technik, použitých druhů barev a spoustou dalších vlastností.

Klepněte pro větší obrázek
Mona Lisa - nejznámější obraz, Leonardo da Vinci

Zkušený expert tak dokáže rozpoznat, že daný obraz maloval Rembrandt, v jakém období jeho života a jakou technikou, aniž by konkrétní obraz znal. Přesná analýza v rámci obrovského množství děl vychází z dlouze nasbíraných zkušeností, které se jeho mozek v průběhu života naučil.

Na první pohled to vypadá jako extrémně náročná věc pro automatizaci, avšak to neplatí pro pokročilou umělou inteligenci.

Hluboké neuronové sítě pro rozpoznání vlastností

V rámci výzkumu vědců Babaka Saleha a Ahmeda Elgammala se nový systém zaměřoval na podrobnou analýzu historických uměleckých maleb. Díky tomu, že je dnes většina těchto děl digitalizována a tedy volně dostupná, nebyl problém využít všechny zdrojové fotografie obrazů ve vysokém rozlišení.

Databáze obsahovala celkem 80 000 uměleckých maleb od více než tisícovky umělců, kteří je namalovali v průběhu patnácti různých století. I s takovým časovým rozpětím a množstvím umělců se ale jednalo pouze o přibližně 27 rozdílných hlavních stylů.

Vytvořený systém umělé inteligence skládající se z několika různých část (odlišné podskupiny strojového učení) nakonec analyzoval a rozpoznával kolem 400 různých vlastností, mezi kterými byly i žánry, barevné spektrum, nebo i zmíněné konkrétní objekty v obraze.

Klepněte pro větší obrázek
Ukázka nalezených podobných obrazů, které se liší stylem

I když byly první testy algoritmů na vybraném malém vzorku poměrně dobré, docházelo k nepřesnému určení některých umělců či stylů. Po dalším zkoumání byl nalezen důvod – daní umělci žili ve stejném období a na stejném místě a sdíleli mezi sebou své dovednosti. Podobně nalezli blízké spojení mezi jednotlivými styly, které se vyvíjeli v průběhu času – Impresionismus a Postimpresionismus, Kubismus a Syntetický kubismus a podobně. Vše aniž by předtím umělá inteligence znala jakékoli současné rozdělení. Díky nalezeným podobnostech mnoha vlastností bylo nalezeno spojení třeba mezi umělcem Claude Monetem a Childe Hassamem, který se od něho nechal „inspirovat“.

Systém umělé inteligence tak dokázal najít spojitosti, které zná jen expert na historické malby.

K odbornosti stačila „chvilka“

Na tomto příkladu je velmi dobře vidět, jak velká bude revoluce s příchodem stále pokročilejší umělé inteligence. Zatímco člověk potřeboval desítky let pro dosažení odbornosti v této oblasti, rozpoznávání jemných „nuancí“ jednotlivých stylů či umělců a tahů, umělá inteligence i v této stále omezené formě dokázala dosáhnout ještě lepší úrovně za několik dní či týdnů.

Klepněte pro větší obrázek
Jedním z nejznámějších pokročilých systémů na rozpoznávání vzorů má IBM - jmenuje se Watson

Navíc byla schopná najít i nové spojitosti, které třeba dříve nebyly známé, protože historici nepracovali s tolika porovnatelnými vlastnostmi. Dobrou zprávou je, že lze do budoucna čekat podobnou analýzu i nad dalšími daty. Dozvíme se tak o historii nové věci, které ale mohou být pro někoho dobré či špatné.

Vzhledem k tomu, že se ukládá stále více dat o všem, bude možné analyzovat i věci, které jsou dnes třeba nemyslitelné a najít spojitosti v obrovském balíku netříděných informací.

Jedno je ale jisté – nespoléhejte se na učení čehokoli, co zahrnuje pouhé rozpoznávání vzorů (viz zmíněná dovednost v analýze obrazů). Strojové učení startuje svůj rozmach právě v této oblasti a už dnes dokáže pracovat s nepředstavitelně větším balíkem dat v mnohem menším čase a extrémně levně. A postupně se dostává do stále dalších segmentů.

Témata článku: Technologie, Umělá inteligence, Child, Náročná věc, Historická data, Rozpoznávání tváří, Nejznámější systém, Nasbíraná data, Inteligence, Leonardo da Vinci, Vinci, Da Vinci, Nuance, Rozpoznávání, Malba, Mona Lisa, Historické datum, Pizza, Blízké spojení, Leonardo, Obrovský rozmach

Určitě si přečtěte

Velká podzimní aktualizace Windows 10 je tady: Co přináší Fall Creators Update

Velká podzimní aktualizace Windows 10 je tady: Co přináší Fall Creators Update

** Po půl roce je tu další aktualizace Windows ** A opět přináší hlavně hromadu drobných kosmetických vylepšení ** Podívali jsme se na ty nejzajímavější

Včera | Jakub Čížek | 101

Budoucností Windows 10 je Fluent Design. Takto bude jednou vypadat celý systém

Budoucností Windows 10 je Fluent Design. Takto bude jednou vypadat celý systém

** Fluent Design je vzhled, do kterého postupně Microsoft převleče celý systém ** Staví na průhlednosti a velkých plochách ** Do Windows 10 se z části dostane už zítra při vydání podzimní aktualizace

16.  10.  2017 | Stanislav Janů | 146


Aktuální číslo časopisu Computer

Nový seriál o programování elektroniky

Otestovali jsme 17 bezdrátových sluchátek

Jak na nákup vánočních dárků ze zahraničí

4 tankové tiskárny v přímém souboji