Искусство и ИИ: разве робот может оценить искусство?

Представьте себе картину современного художника, которая оценивается в сотни миллионов долларов. На чем основывается эта цена? Кто решает, что одна картина дороже другой, и где находится грань между субъективностью и объективностью? Что если эту задачу доверить не экспертам, а алгоритмам, которые способны анализировать данные и выявлять скрытые ценностные аспекты, оставляя за собой возможность «понять» искусство?

Эти вопросы становятся все более актуальными на фоне новостей о различных ценовых рекордах на арт-рынке. Ставки в десятки или даже сотни миллионов долларов – это не редкость. В 2018 году на аукционе Sotheby’s в Гонконге картины французско-китайского художника Цзао У-Ки ушли за $65,1 млн и $11,5 млн. В 2017 году картина «Спаситель мира», приписываемая Леонардо да Винчи и окруженная невероятными теориями заговора, была продана на Christie's за рекордные $450 млн, став самой дорогой работой из когда-либо выставлявшихся на аукционы. Или взять к примеру тот знаменитый банан, приклеенный на скотч, Маурицио Каттелана, который был продан за $120 тыс. в 2019 году, и спустя пять лет он снова будет выставлен на продажу за $1 - 1,5 млн.

Такие громкие продажи нередко вызывают вопросы об объективности и прозрачности ценообразования. Сегодня на вершине рынка искусством управляет небольшая элита коллекционеров, галерей и аукционов, устанавливающих заоблачные цены для ограниченного круга художников. Тем не менее, подавляющее большинство современных работ никогда не достигают таких высот, и галереи, представляющие новых авторов, остаются в тени.

Но вот появляется ИИ: технологии машинного обучения и анализа данных открывают новые перспективы для оценки искусства. Теперь перед технологиями стоит непростая задача — научиться различать ценность произведения, возможно, даже «понимать» художественный замысел и эмоциональный посыл, который заложил художник.

Как вообще понять, сколько стоит произведение искусства, и почему некоторые работы продаются за такие астрономические суммы? На протяжении десятилетий рынок искусства строился на принципах эксклюзивности и инсайдерской информации, а оценка предметов искусства зачастую базировалась на репутации и связях среди небольшой группы экспертов. Определение стоимости произведения искусства оставалось не до конца понятным процессом, а его культурная ценность могла вызывать споры у разных представителей арт-среды.

Однако цифровая эпоха бросает вызов традициям арт-рынка. Социальные сети, NFT-платформы, долевое владение и онлайн-аукционы расширяют доступ к произведениям искусства и делают ценообразование более прозрачным и менее зависимым от закрытых сообществ. Но есть и еще один технологичный претендент на роль эксперта в мире арта — искусственный интеллект. С его алгоритмами машинного обучения и аналитикой больших данных появилась возможность рассчитывать стоимость произведений на основе объективных параметров, а не только рекомендаций галеристов и коллекционеров.

Для ИИ анализировать произведения искусства — это не просто задача обработки изображений. Машинам приходится учитывать и распознавать стилевые элементы, культурные контексты, эмоциональные и символические аспекты произведений. Именно эти параметры определяют ценность картины или скульптуры, но их едва ли возможно оценить объективно даже экспертам. Более того, человеку трудно одновременно удерживать в голове информацию о тысячах художников и десятках тысяч их работ. Это становится еще сложнее на фоне огромных объемов новых данных, поступающих с рынка ежедневно. И вот тут ИИ с его скоростью и аналитическими возможностями приходит на помощь, чтобы заменить трудоемкий человеческий труд на точную, комплексную оценку, которая строится на обширном массиве данных, недоступных одному человеку.

Иными словами, ИИ стремится не только "понять", но и предсказать рыночную стоимость произведений, учитывая как традиционные факторы (популярность художника, стилистика, аналогичные работы), так и новые цифровые тренды, которые разрушают привычные рамки.

Разработка индекса Мея-Мозеса в 2002 году, основанного на повторных аукционных продажах искусства старых мастеров и эпохи модернизма, положил начало попыткам объективного анализа рынка искусства. Изучив данные за 125 лет, они пришли к выводу, что инвестиции в искусство по доходности были сопоставимы с вложениями в фондовый рынок. Например, в период кризиса 2008 года индекс Мэй-Мозеса упал лишь на 4,5%, тогда как S&P 500 упал на 37,5%. За последние пятьдесят лет доходность S&P 500 оказалась схожей с доходностью Mei Moses, достигнув совокупной аномальной доходности (CAR) в 9,3% по сравнению с 9,4% для акций.

Эти открытия побудили многих исследователей изучать факторы, влияющие на ценообразование. Одни работы исследовали, как место продажи на аукционе может сказаться на итоговой стоимости произведений, другие анализировали влияние событий и новостей на цену между первой и последующими продажами. Также была выдвинута интересная гипотеза о «законе единой цены», которая гласит, что картины должны иметь одну цену независимо от географии продаж. Однако исследования показали, что этот закон не соблюдается для произведений искусства, подтверждая наличие существенных региональных различий.

Но более важный вопрос — как автоматизировать процесс оценки для повышения точности и доступности аналитики?

Попытки оцифровать рынок искусства и автоматизировать процесс его оценки пока сталкиваются с принципиальными ограничениями. Примером здесь стал стартап ArtRank, созданный галеристом Карлосом Риверой в 2014 году. Целью платформы было прогнозировать перспективы роста стоимости произведений через алгоритмы, используя данные о популярности художников и их работ. Но к 2017 году проект закрылся, оставив вопросы о стабильности такой оценки и качестве прогнозов.

Открытость данных и упрощение процессов здесь скорее играют против рынка, снижая его культурную ценность и передавая власть над оценками искусству алгоритмов вместо экспертов. К тому же использование ИИ в оценке искусства грозит создать систему, в которой каждый неожиданный всплеск информации может сбить оценку с заданной галереями траектории. К примеру, негативное упоминание о художнике способно искусственно снизить стоимость его работ. Резкая популярность и многократное увеличение спроса также способны негативно сказаться на карьере автора в долгосрочной перспективе.

Тем не менее, ИИ может быть полезным инструментом для отслеживания трендов, составления отчетов и создания более информированных обзоров рынка. Используя машинное обучение в качестве аналитического ресурса, можно получать глубокие данные об изменениях интереса и восприятия в мире искусства, не вмешиваясь в механизм самого рынка.

В качестве примера успешного кейса можно привести проект Liveart.io. Летом 2021 года была запущена платформа LiveArt.market — анонимная одноранговая (Р2Р) платформа для торговли произведениями искусства. Она обеспечивает прозрачность цен и обходит посредников: аукционные дома и галереи.

Платформа дает коллекционерам возможность анонимно покупать и продавать произведения искусства, при этом ориентировочные цены определяются на основе анализа данных «миллионов результатов аукционов и других точек данных», разработанного LiveArt.

По словам Адама Чинна, сопредседателя LiveArt, цель этой платформы — решить три основные проблемы в мире искусства, которые мешают коллекционерам и не позволяют продавать множество картин на Sotheby's:

● Трудности с установлением цены на произведение искусства;

● «Напряжение» — коллекционеры хотят и продать картину, и сохранить конфиденциальность;

● Транзакционные издержки.

Хотя функция LiveArt Estimate построена на технологии искусственного интеллекта, по словам Марисы Кайем, главного специалиста по контенту и данным LiveArt, используемый алгоритм обучен на конкретных данных, собранных с помощью искусствоведов, дата-аналитиков, арт-дилеров.

В проекте MyInvest.Art наша команда уже смогла успешно применить технологии машинного обучения для создания некоторых авторских индексов - Уникальности и Цитируемости.

ИИ имеет потенциал изменить этот рынок, придавая процессу оценки больше прозрачности и доступности, но его роль будет скорее вспомогательной. На переднем плане останутся специалисты, чьи интуиция и многолетний опыт формируют непредсказуемый мир арт-рынка.

Сегодня ИИ — уже не просто цифровой помощник, а сложная система, способная оценивать произведения искусства, формируя детализированные профили художников. Алгоритмы анализируют множество факторов: художественный стиль, исторические данные продаж, участие в выставках, популярность в соцсетях, данные из баз коллекционеров. Применяя методы машинного обучения, такие системы могут предсказывать будущую ценность картины, опираясь на поведенческую модель рынка и учет его трендов.

На основе этих данных ИИ может моделировать рыночные условия, выводя стоимость, которую произведение искусства может иметь в ближайшие месяцы или годы. Даже если прогноз окажется лишь приблизительным, сам процесс анализа на таком уровне дает ценное преимущество — ведь на арт-рынке точность в пару процентов может быть решающей при продаже, когда ставки порой достигают миллионов долларов.

Есть гипотеза, что цена произведения на аукционе может зависеть от его визуальных характеристик. Ведь искусство, прежде всего, воспринимается визуально. Но ведь оценка искусства — дело тонкое: на неё влияет и личный вкус, и культурные коды, и репутация художника. Даже если технологии ИИ обещают сделать процесс оценки более прозрачным и структурированным, всё не так просто. Ведь оценивая картины исключительно на основе визуальных признаков, можно легко упустить глубокий культурный и эмоциональный контекст.

Приведем несколько ключевых технологий, используемых для анализа картин и попытаемся понять их плюсы и ограничения:

● Визуальные характеристики. Современные технологии ИИ анализируют такие аспекты, как цвет, композиция, текстура — все эти факторы влияют на эстетику произведения. Но сможет ли алгоритм понять, что за каждым мазком кроется идея?

● Исторический контекст. Данные об эпохе, стиле и истории художника — ключевые для точной оценки. Поэтому исследователи активно подключают сюда обработку текстов (NLP), чтобы учитывать влияние времени и места на творчество.

● Эмоциональная реакция. Существует направление исследований, где искусственный интеллект стремится оценивать произведения искусства, учитывая возможные эмоции зрителя. Например, набор данных MART охватывает абстрактные работы, аннотированные эмоциональными откликами, что позволяет обучать ИИ предсказывать эмоциональную ценность картин.

Визуальный анализ — важная составляющая оценки, и свёрточные нейронные сети (CNN) здесь играют ведущую роль. Эти сети, извлекая ключевые характеристики из изображения, классифицируют и систематизируют работы, позволяя определять «родословную» произведения, даже если художник неизвестен.

Например, анализ по оттенкам серого может отражать эмоциональный фон картины: работы с более низкой общей интенсивностью цвета (почти черные) склонны восприниматься как мрачные и негативные, а светлые оттенки вызывают обратные эмоции. Однако интересен тот факт, что разные цвета и композиции могут по-разному воздействовать на настроение зрителя: в черно-белых картинах настроение больше зависит от композиции, тогда как в цветных большую роль играет цвет.

Сегодня существует очень интересный проект - Art Recognition, в рамках которого пытаются объединить машинное обучение с компьютерным зрением, чтобы не только помочь в аутентификации, но и установить потенциального автора произведения. Эта технология может значительно повлиять на стоимость и оценку искусства.

На данном этапе алгоритмы ещё не идеальны, но уже сейчас они помогают увеличить частоту и скорость аттестации произведений. Одним из первых среди крупных игроков внедрение таких технологий на рынке активно тестирует Sotheby’s. Аукционный дом ежегодно продаёт более 50 000 лотов, где каждую оценку делает эксперт. Переход к автоматизации хотя бы части этого процесса станет прорывом, позволяя разгрузить специалистов и быстрее выдавать анализ по работам, которые сегодня редко доходят до полноценной оценки.

MoMA, к примеру, также интересуется возможностями ИИ для улучшения аттестации. Музей собрал коллекцию из почти 200 000 произведений искусства за 150 лет и уже использует базы данных, предоставляя их в открытый доступ для независимых исследователей. Но что, если алгоритмы ИИ могли бы в реальном времени не только оценивать произведения из коллекции, но и выстраивать связь с внешним рынком — анализировать тренды, отслеживать параметры, влияющие на ценность и популярность? Сейчас наборы данных доступны в форматах CSV и JSON, что уже позволяет использовать их в сторонних моделях для создания собственных систем оценки.

На сегодняшний день доступ к качественным данным и алгоритмам, основанным на ИИ, ещё не получил должного распространения в арт-сфере. Но если техника начнет автоматически оценивать каждое произведение искусства на рынке, а не только те, что выставлены на продажу, это способно радикально изменить и правила игры, и саму культуру ценообразования в искусстве.

Попытки использования ИИ в определении эмоционального влияния искусства на человека были предприняты в исследовании ArtEmis. Разработчики собрали масштабный набор данных, в который вошли 439 тысяч эмоций и объяснений, связанных с 81 тысячей произведений искусства из WikiArt. Этот датасет включает субъективные описания, связывая визуальные элементы с конкретными эмоциями и абстрактными понятиями вроде «свободы» и «любви».

Источник

Нейронные модели обучались по данным ArtEmis, чтобы предсказывать доминирующие эмоции и создавать объяснения, что делает анализ более индивидуализированным и, при этом, основанным на данных. Это пример того, как ИИ моделирует сложные эмоциональные реакции, описывая их на языке, и объясняет произведения искусства в терминах человеческих эмоций. Применялись сверточные нейронные сети (CNN) для анализа изображений и их эмоционального контекста, а также модели на базе LSTM и BERT для прогнозирования и описания эмоций. В исследовании отмечено, что модели, работающие с текстовыми данными, показывают лучшую точность предсказания эмоций, чем модели, опирающиеся только на визуальные данные.

Одна из перспектив использования подобных моделей — возможность автоматизированной оценки произведений искусства с учетом как визуальных, так и эмоциональных аспектов, что открывает новые пути к оценке художественной ценности работы, например, символизма или значимости для культуры.

Итак, может ли искусственный интеллект действительно «понять» и оценить искусство? Современные алгоритмы уже предлагают нам новый уровень точности, анализируя визуальные черты, стили и даже эмоциональные отклики, чтобы предсказать рыночную стоимость произведения. Однако остаётся вопрос: сможет ли ИИ стать полноценным судьёй в мире искусства, где на вес золота — не только техника и стиль, но и культурный контекст, репутация и сама аура уникальности, окружающая каждое произведение? Вопрос остается открытым. Мы предлагаем поразмышлять вместе с нами и поделиться своим мнением в комментариях!