Lavanguardia: Críticos artificiales del arte humano

Los algoritmos llegan a las mismas interpretaciones y conclusiones sobre la pintura que los expertos más reputados.

Una investigación sobre arte basada en la inteligencia artificial demuestra que las métricas digitales fundamentadas en la física coinciden con los conceptos propuestos a lo largo de la historia por los expertos humanos. Así, los científicos han llegado a la conclusión de que los sistemas informáticos son capaces de formular a las mismas valoraciones que los especialistas—profesores universitarios, críticos, etc.—, con la peculiaridad de que los equipos digitales lo hacen analizando un número de obras muy superior.

La base de este estudio han sido piezas producidas en el último milenio. A Higor Y. D. Sigaki, Matjaz Perc y Haroldo V. Ribeiro, los autores del artículo en el que se exponen estos resultados, difundidos por una publicación de la Academia Nacional de Ciencias, les interesaba comprobar si esta información se correspondía con los cánones acumulados en libros y artículos de referencia. Conscientes de que la labor de sujetos aislados es necesariamente restringida, quisieron aumentar la escala de la indagación.

Los profesores universitarios, críticos, etc. no pueden estudiar aisladamente el número de obras que pueden analizar los equipos digitales

Para un solo erudito es inviable la comparación simultánea de cientos de cuadros o esculturas, pero para la inteligencia artificial, esto sí es posible. Aprovechando que en las últimas décadas se ha digitalizado una cantidad notable de obras de arte, los investigadores accedieron a ellas gratuitamente para profundizar en un enfoque cuantitativo que no renunciaba a la máxima precisión cualitativa.

Así, trabajaron con 137.364 piezas visuales, en su mayoría, pinturas, organizadas por la enciclopedia en línea WikiArt, un sitio que contiene obras de más de 2.000 creadores pertenecientes a un centenar de estilos y géneros. Cada archivo fue sometido a unos algoritmos de aprendizaje automático que proporcionaron dos valores complementarios. El primero medía el grado de desorden en la disposición de píxeles de la imagen.

Los científicos trabajaron con 137.364 piezas visuales, en su mayoría, pinturas, organizadas por la enciclopedia en línea WikiArt

Por ejemplo, una cifra próxima a cero indicaba que se trataba de una representación regular, como las generadas por los minimalistas; en el extremo opuesto se situaban los casos irregulares o desordenados, como los cuadros de expresionistas abstractos como Jackson Pollock. El segundo parámetro estaba relacionado con la complejidad estructural de la pieza. En los cuadros con una proporción de desorden elevada, esta magnitud tendía a cero; el guarismo era positivo si el sistema detectaba patrones espaciales más complejos.

La combinación de estas dos medidas conducía a un plano que se ha utilizado en muchos otros campos y que, ahora, se puede aplicar al arte. Con un escaso margen de error, estas señales permiten averiguar a qué época pertenece una obra. Los autores admiten las limitaciones de su método y, por esta razón, reconocen que el marge para mejorarlo es amplio. No obstante, se muestran satisfechos por haber coincidido con los principales entendidos en la materia.

Con un escaso margen de error, los datos que arrojan los algoritmos permiten averiguar a qué época pertenece una obra

Read the story at: https://www.lavanguardia.com/tecnologia/20181214/453534084992/critica-arte-inteligencia-artificial-aprendizaje-maquinas.html

Read our article: History of art paintings through the lens of entropy and complexity