La inteligencia artificial ya demostró que puede escribir una nota periodística o un libro. Hay quienes opinan que puede imitar, pero que jamás logrará crear una verdadera obra de arte, no importa la disciplina que sea. Sin embargo, un reciente estudio demostró la exactitud del análisis automático en la atribución artística de una pintura.
Una reciente investigación de la Universidad Case Westerm demostró que el análisis de aprendizaje automático de la «topografía de la superficie» de una pintura puede ser consistentemente preciso para identificar quién ha hecho el trabajo del pincel. Durante su prueba de 720 parches de pinturas de cuatro artistas, el algoritmo atribuyó el 96,1 % de las veces al pintor correcto.
El estudio propuso como hipótesis que la pincelada en una pintura deja un rastro único. Es una forma de “huella digital”, indetectable al ojo humano. Sin embargo, para la inteligencia artificial es posible apreciarlo. Kenneth Singer, investigador principal del estudio, afirmó que han descubierto lo que puede considerarse el estilo no intencional de un pintor.
Investigaciones anteriores ya establecieron el potencial de aplicar el aprendizaje automático a fotografías de pinturas de alta resolución para demostrar su atribución artística. Entre otros aspectos la inteligencia artificial puede evaluar estilo y época de origen, así como si son falsificaciones.
Es el caso del análisis de inteligencia artificial llevado a cabo por la compañía suiza Art Recognition en la obra «Sansón y Dalila». Esta pintura, se atribuyó a Peter Paul Rubens. Fue adquirida originalmente por la Galería Nacional de Londres en una subasta por un precio récord de £ 2,5 millones en 1980. El estudio concluyó con un 91% de certeza que la atribución artística de la pintura es errada. El cuadro no había sido pintado por Rubens.
Analizar datos topográficos para la atribución artística
El reciente estudio trabaja con datos topográficos en lugar de analizar imágenes digitales de pinturas. Para ello se escanea la superficie de una pintura para recopilar información sobre los patrones del pincel y cómo se depositó y secó la pintura. Esta técnica ofrece una métrica adicional que puede contar a favor o en contra al momento de la atribución artística de una pintura.
Para la investigación se pidió a cuatro estudiantes de arte del Instituto de Arte de Cleveland que realizaran tres pinturas similares cada una de un nenúfar. Para ello se les suministró los mismos suministros y herramientas.
Posteriormente, los investigadores dividieron las pinturas en pequeños parches cuadrados de varios tamaños que van desde 0,5 a 60 milímetros, y usaron algunos de ellos para entrenar el algoritmo.
La siguiente fase fue la comparación. Al analizar regiones con diferentes colores encontraron que en ese escenario las atribuciones artísticas, logradas por topografía eran casi dos veces más precisas que usando fotografías de pinturas.
El uso del aprendizaje automático en la topografía de una pintura para la atribución artística brinda otra ventaja única. Con este método los historiadores del arte pueden atribuir diferentes regiones de una pintura a diferentes manos. Eso resultará útil para comprender cómo se hacen las pinturas de taller.
Este estudio no pretende eliminar la valoración experta en la atribución artística. Por el contrario brinda una nueva herramienta de trabajo para los expertos y amplía los métodos que emplean.
Lea también en Cambio16.com