1. SPIDER'S WEB
  2. Tech
  3. Technologie

Machine learning. Znawca literatury i ekspert na rynku sztuki

Machine learning. Znawca literatury i ekspert na rynku sztuki

Czy algorytmy są w stanie wnikliwie przeanalizować dzieła Szekspira? Tak i to z precyzją, której może pozazdrościć im niejeden profesor literaturoznawstwa. A czy wiedzą, na czym polega autentyczna wartość obrazów uznanych malarzy? Jak najbardziej! Ich wiedza w tej kwestii jest tak duża, że mogą szybko rozpoznać artystyczne fałszerstwo.

Używanie sztucznej inteligencji przez specjalistę zajmującego się marketingiem nikogo nie dziwi. Uczenie maszynowe zyskało szacunek również w środowiskach medycznych. Bez algorytmicznych analiz nie może już funkcjonować sektor bankowy. Czy są jednak obszary profesjonalnego działania, w których nowoczesna technologia wydaje się zbędna?

Wydawałoby się, że technologie tego typu nie mogą zaimponować profesorowi zajmującemu się historią literatury. Nie będą interesujące dla ekspertów z rynku dzieł sztuki, którzy kierują się w pracy intuicją i poczuciem, że najlepszym narzędziem jest wprawne ludzkie oko. Jednak upór algorytmów w zawłaszczaniu kolejnych obszarów naszego życia jest tak duży, że znajdują dla siebie miejsce nawet w twierdzach humanistyki.

Da się liczyć słowa i analizować plamy barwne

Analityczne zdolności sztucznej inteligencji i jej efektywność pracy na dużych zbiorach danych doskonale sprawdzają się przy dokonywaniu operacji językoznawczych. Analizy języka pisarza - jego słownictwa, cech składni, stylistyki, częstotliwości występowania określonych terminów i związków frazeologicznych, nasycenia tekstu dialektami – to wszystko dla każdego językoznawcy oznacza częste sięganie po metody statystyczne i metodologie, które czerpią z dorobku nauk ścisłych.

Z kolei w przypadku analiz malarstwa dobrze sprawdzają się technologie specjalizujące się w rozpoznawaniu wzorów (pattern recognition). I tu okazuje się, że analiza pociągnięć pędzla wykonana przez sztuczną inteligencję – a to jedna z wielu składowych procesu, która ma wykazać autentyczność dzieła – może być dokładniejsza od analizy dokonywanej przez człowieka. Pozornie mogłoby się wydawać, że maszyna jest uboga w pewne funkcje, nie może przecież przyjrzeć się grubości nieregularnych smug czy przeanalizować składu farby. Ale te tradycyjne dane, cenione zresztą przez ekspertów, w tym przypadku nie mają znaczenia.

Nawet Szekspir miał ghostwriterów

Świat szekspirologów obiegła niedawno informacja, że pewne fragmenty jego dzieł wskazują na to, że mogły nie wyjść spod ręki sławnego dramaturga. Pytanie brzmiało – czy Szekspir mógł mieć ghostwritera? Nie zadano go zresztą pierwszy raz w historii literaturoznawstwa.

Badania prowadzone już w XVIII wieku wykazywały, że w pisaniu niektórych sztuk teatralnych maczali palce pomocnicy pisarza. Specjaliści wskazywali zwykle na dwie osoby, które mogły służyć pomocą autorowi Hamleta. Jedną z nich był John Fletcher. To on po śmierci Szekspira zastąpił go we współpracy z jednym z teatrów. Liczne analizy fragmentów dramatu „Henryk VIII” i utworów napisanych w tym samym czasie przez Fletchera, wskazywały na podobieństwa ich stylu.

Rozpisano na cztery ręce

Sprawa zainteresowała pracownika Czeskiej Akademii Nauk w Pradze Petra Plechaca, który postanowił kwestię rozstrzygnąć przy użyciu jednej z naczelnych technik sztucznej inteligencji, czyli machine learningu. Oprogramowanie używane do analizy porównawczej „załadowano” tekstami Szekspira i Fletchera. Rezultaty badania pokrywały się dokładnie z dotychczasowymi rozpoznaniami literaturoznawców – pewne fragmenty analizowanej sztuki musiały wyjść spod ręki pomocnika.

Przy okazji literaturoznawcy dowiedzieli się jednak czegoś zupełnie nowego. Okazało się, że obaj autorzy musieli współpracować ze sobą bardzo aktywnie w trakcie pisania, bo niektóre, niepozorne nawet sceny, nosiły cechy obu stylów. Krótko mówiąc, pisanie danej sceny rozpoczynał Szekspir, ale kończył ją Fletcher - może nawet wzbogacając pomysły słynnego kolegi.

I jak tu ufać ekspertom?

Fałszerstwa dzieł sztuki to sprawa stara jak świat. Najbardziej bolesne okazują się jednak te przypadki, w których dochodzi do zainwestowania dużych pieniędzy w falsyfikat. Głośno jest też o tych, w których opłacany przez dom aukcyjny ekspert nie dostrzega w analizowanym przez siebie obrazie znamion fałszerstwa. Podrobiony obraz zostaje wylicytowany za wielką sumę, a po latach inwestor przeklina dzień, w którym dzieło zwróciło jego uwagę.

Z takim przypadkiem świat sztuki zetknął się w 2006 roku, kiedy to do domu aukcyjnego Christies trafił obraz znanego abstrakcjonisty Maxa Ernsta. Dzieło oszacowano na kwotę…3,5 miliona funtów! Niestety okazało się, że obraz wyszedł spod pędzla profesjonalnego fałszerza.

Oddajmy sprawę w ręce maszyn

Była to jedna z historii, która zaintrygowała dwie kobiety, połączone pasją do sztuki, nauki i biznesu. Carina Popovici i Cristiane Oppe-Oehl postanowiły stworzyć algorytmiczną technologię Art Recognition, która jest niczym innym jak wykrywaczem falsyfikatów. Program analizuje pociągnięcia pędzla i tworzy mapę cieplną wskazującą, które obszary obrazu budzą wątpliwości. Podobnie jak w przypadku czeskiego naukowca, tak i tu machine learning wykorzystuje do przetwarzania duże ilości danych. Algorytm oparty jest na sieci neuronowej, która ćwiczona jest tak długo, aż nauczy się niepowtarzalnych cech stylu malarza. Efekty stosowania algorytmu są imponujące, bo wykrywalność fałszerstw szacuje się na 90 procent.

Tak jak w przypadku Szekspira, wskazania sztucznej inteligencji pokrywały się z opiniami specjalistów. Przy okazji i tutaj pojawiło się kilka niespodzianek. Po pierwsze okazało się, że do wykonywania subtelnych analiz wystarczą fotograficzne reprodukcje obrazów, dzięki czemu nie trzeba skanować oryginałów, co jest wielkim ułatwieniem logistycznym i kosztowym. Na wyniki ekspertyzy czeka się zaledwie kilka godzin lub najwyżej dni, a nie kilka miesięcy jak to bywa w przypadku tradycyjnych komisji.

Algorytmy interpretują wszystko

Te dwie historie dowodzą, jak olbrzymie, czasem nieuświadamiane przez nas możliwości, tkwią w technologiach algorytmicznych. Potwierdza się też teza, że dla machine learning i sieci neuronowych rodzaj danych nie ma znaczenia. Mogą nimi być liczby, słowa, obrazy – zasada wykrywania zależności między nimi jest identyczna. Budzić to musi entuzjazm u zwolenników sztucznej inteligencji. Bo z jej pomocą „przeczytać” możemy każdy fragment świata.

Sztuczna inteligencja, wkraczając na coraz to nowe obszary, uświadamia nam poprzez swoje działanie, z ilu przyzwyczajeń będziemy musieli i mogli stopniowo rezygnować. Ale efekty zmian naszych postaw mogą być dla świata bardzo korzystne.

Norbert Biedrzycki blog na Spider's Web

Head of Services CEE, Microsoft. Kieruje usługami Microsoft w 36 krajach, ich zakres obejmuje doradztwo biznesowe i konsulting technologiczny, w szczególności w takich obszarach jak big data i sztuczna inteligencja, aplikacje biznesowe, cybersecurity, usługi premium oraz cloud. Poprzednio jaklo Vice President Digital McKinsey odpowiedzialny za region CEE oraz usługi łączące doradztwo strategiczne i wdrażanie zaawansowanych rozwiązań informatycznych. Od kompleksowej transformacji cyfrowej przez szybkie wdrożenia aplikacji biznesowych, rozwiązania i analizy big data, biznesowe zastosowania sztucznej inteligencji po rozwiązania blockchain i IoT. Wcześniej Norbert pełnił funkcję Prezesa Zarządu i CEO Atos Polska, był również szefem ABC Data S.A. oraz Prezesem Zarządu i CEO Sygnity S.A. Poprzednio również pracował w firmie McKinsey jako partner, był dyrektorem działu usług doradczych, oraz rozwoju biznesu firmy Oracle.

Cytowane prace: