Dziedzictwo · algorytmy · krytyczne myślenie

Sztuczna inteligencja i Rembrandt

Rekonstrukcja utraconych części, pomoc w atrybucji, generowanie obrazu i ryzyko: jakich algorytmów można się właściwie nauczyć od mistrza, który zmarł w 1669 roku.

Od The Next Rembrandt do Operation Night Watch · zastosowania, dowody, ograniczenia i przejrzystość

Natychmiastowa reakcja

Sztuczna inteligencja może porównywać duże zbiory obrazów, uzgadniać kopię oryginału, cyfrowo rekonstruować utraconą część lub identyfikować prawidłowości, które trudno zmierzyć ręcznie, Nie "rozumie" jednak" Rembrandta ani jego intencji, i nie przekształca prawdopodobieństwa w atrybucję Należy odróżnić rekonstrukcję od zachowanego dzieła; wygenerowany obraz musi być zgłoszony; ekspertyza musi pozostać oparta na materialnym przedmiocie, pochodzeniu i ludzkim osądzie.

2016przedstawiamy The Next Rembrandt

2019uruchomienie operacji Night Watch

1715cięcie La Ronde de nuit

3 zastosowaniaodbuduj, porównaj, wygeneruj

Trzy zastosowania, których nie należy mylić

Udokumentowana rekonstrukcja

Algorytm dopasowuje źródło historyczne - na przykład kopię Gerrita Lundensa - do aktualnego oryginału i pomaga przetłumaczyć brakujące części w skali, palecie i fakturze tabeli Wynik pozostaje hipotetyczny i odwracalny.

Pomoc w analizie

Modele mogą klasyfikować pociągnięcia pędzla, porównywać wzory, pigmenty segmentowe lub podobieństwa punktowe Oferują korelacje, które badacze muszą sprawdzić na obiekcie.

Generacja stylistyczna

System łączy wyuczone cechy, aby stworzyć nowy obraz „w sposób". Nie rekonstruuje żadnego poświadczonego zaginionego dzieła i nie tworzy oryginału autorstwa artysty.

Studium przypadku 1

Następny Rembrandt: portret danych

Zaprezentowano w 2016 r., Następny Rembrandt to fikcyjny portret zrealizowany w ramach projektu skupiającego ING, Microsoft, TU Delft oraz partnerów ze świata kultury i kreatywności Przeanalizowano obrazy obrazów przypisywanych Rembrandtowi, aby zidentyfikować stałe podmiotu, pozy, geometrii twarzy, koloru i światła, w wyniku systemu powstał brodaty mężczyzna, ubrany w kapelusz, ubrany w ciemności i zwrócony w prawo.

Ostateczny obraz został wydrukowany w reliefie, aby przywołać nieregularną powierzchnię obrazu Obiekt nie jest zatem ani olejem Rembrandta, ani kopią istniejącego obrazu, ani wiarygodną prognozą tego, co by namalował Microsoft ostrożnie określił go jako twórczą wizualizację danych, a nie dzieło, które Rembrandt koniecznie by wykonał.

Jego siła jest pojęciowa: uwidacznia średnie i wybory korpusu Jego słabość jest dokładnie taka sama Rembrandt nie namalował średniej statystycznej; odpowiedział na polecenie, model, wsparcie, sytuację i kolejne decyzje.

Rembrandt, Autoportret, 1660, Metropolitan Museum of Art — Późny oryginał, taki jakAutoportret od 1660 roku niesie ze sobą historię materialną i decyzje, których synteza statystyczna nie jest w stanie odtworzyć.

Jak maszyna tworzy „styl Rembrandta"?

Stwórz korpus

Wybierz obrazy i metadane Jakość zależy od razu od wybranych atrybucji, fotografii, uzupełnień i różnorodności okresów.

Mierz prawidłowości

Identyfikuj twarze, orientację, relacje geometryczne, obszary światła, kolory lub tekstury Model przekształca obrazy w liczby i relacje.

Wyprodukuj syntezę

Złóż lub wygeneruj nową konfigurację zgodną z poznanymi prawdopodobieństwami Co jest powszechne w korpusie, staje się bardziej prawdopodobne w wyniku.

Materialise obraz

Wydrukuj lub pomaluj plik W The Next Rembrandt reliefowy nadruk starał się wywołać impasto, nie stając się obrazem historycznym.

Rembrandt, Autoportret z rozczochranymi włosami, około 1628, Rijksmuseum — Młody Rembrandt posługuje się cieniem, niekompletnością i nieregularnością: tak wieloma wyborami, które trudno sprowadzić do jednego podpisu.

Stronniczość korpusu

Jeśli do danych trafiają źle przypisane prace, kopie lub mocno wyretuszowane fotografie, model poznaje również ich cechy, jeśli korpus faworyzuje portrety z lat trzydziestych XVI wieku, ryzykuje przedstawienie tego momentu jako "stylu" Rembrandta i zminimalizowanie młodego malarza Leiden, rytownika czy późnych płócien.

Historia atrybucji staje się więc zależnością techniczną Baza danych nigdy nie jest neutralna: odzwierciedla stan badań, wykluczenia, dostępne formaty i ludzkie wybory Rewizja katalogu przez Rembrandt Research Project jest precyzyjnym przypomnieniem, że granica korpusu uległa znacznej zmianie.

Studium przypadku 2

Nocna Straż znajduje swoje zagubione krawędzie

W 1715 r Nocna Straż został wycięty, aby wejść do nowej lokalizacji w ratuszu w Amsterdamie Usunięte taśmy nie zostały znalezione Niewielki egzemplarz namalowany przez Gerrita Lundensa przed tym cięciem, jednak zachowuje pełną kompozycję.

W ramach Operacji Nocna Straż Rijksmuseum wykorzystało sztuczną inteligencję, aby zbliżyć do siebie kopię i oryginał Proporcje, zniekształcenia i obrazowy sposób obu obiektów różnią się Algorytm pomógł przełożyć informacje Lundensa na skalę i chromatyczny wygląd płótna Rembrandta Zrekonstruowane obszary zostały następnie wydrukowane na panelach i tymczasowo umieszczone wokół obrazu.

Operacja ta nie przywraca fizycznie utraconych części i nie rości sobie pretensji do przywrócenia każdego pociągnięcia pędzla Rembrandta Oferuje udokumentowaną wizualizację pozwalającą na badanie początkowej równowagi: główni oficerowie wydają się bardziej niecentryczni, trzy postacie wracają w lewo, a przestrzeń wydaje się bardziej dynamiczna.

Nocna Straż z brakującymi częściami zrekonstruowana przy użyciu sztucznej inteligencji — Rekonstrukcja przedstawiona w 2021 r.: Dodatki otaczają oryginał i muszą pozostać rozpoznawalne jako restytucja.

Rembrandt, Nocna straż, 1642, Rijksmuseum, stan obecny — **Oryginalny obiekt zachowany:** płótno z 1642 r., amputowane z pasków po czterech stronach w 1715 r.

Gerrit Lundens, stary egzemplarz Nocnej Straży przed cięciem — **Źródło dokumentu:** kopia przypisana Gerritowi Lundensowi, która pokazuje kompozycję przed redukcją.

Technicy skanujący Nocną Straż podczas Operacji Nocna Straż w Rijksmuseum — Digitalizacja dostarcza niezwykle szczegółowych danych, ale interpretacja pozostaje prowadzona przez specjalistów od tabel.

Od obrazu do materiału

AI nie patrzy na samą tablicę

Aby zbadać atrybucję, badacze nie ograniczają się do fotografii widzialnej. Łączą radiografię, reflektografię w podczerwieni, makrofluorescencję rentgenowską, mikroskopię, analizy próbek, dendrochronologię i badanie pochodzenia. Dane te opisują głębokości, pierwiastki chemiczne i etapy pracy, których nie pokazuje ostateczny obraz.

Uczenie maszynowe może pomóc w segmentacji tych map, wyrównaniu wielu modalności lub porównaniu setek obszarów. Jednak przyczynowość należy do interpretacji: wspólny pigment nie oznacza dłoni; tło kwarcowe może sygnalizować warsztatowi po 1642 r., nie udowadniając Rembrandta; wspólny wzór płótna wskazuje ten sam zwój, niekoniecznie tego samego malarza.

Czy AI może przypisać obraz Rembrandtowi?

Rodzaj wyniku	Prawdziwa użyteczność	Zasadniczy limit	Wymagana decyzja człowieka
Wynik podobieństwa	Zidentyfikuj kandydatów lub anomalie w dużym korpusie	Podobieństwo wizualne ≠ tożsamość dłoni	Porównaj czas, temat, wsparcie i stan
Klasyfikacja kluczy	Mierz orientacje, tekstury lub rytmy	Przywrócenie, kopiowanie i fotografowanie modyfikują sygnał	Zbadaj oryginalną powierzchnię i warstwy
Wykrywanie pigmentów	Segmentuj karty MA-XRF i ujawniaj skład	Materiały krążyły w warsztacie	Interpretuj stratygrafię i kontekst
Korespondencja płócienna	Automatycznie porównuj wzory wątków	Ten sam wałek nie oznacza tego samego malarza	Zrekonstruuj zakupy i harmonogram
Analiza podpisu	Porównaj kształty i lokalizację	Skopiowany podpis może być przekonujący	Sprawdź jego fizyczną integrację z farbą
Ogólna prognoza	Zsyntetyzuj kilka zmiennych	Wynik dziedziczy błędy i błędy po danych	Publikuj dowody, niepewności i alternatywy

Siedem zagrożeń dla historii sztuki i społeczeństwa

1. Fałszywa pewność

Odsetek taki jak „92% Rembrandt" wydaje się dokładny, ale nie mówi nic bez protokołu, korpusu, poziomu błędów i porównania z warsztatem.

2. Korpus kołowy

Model uczy się atrybucji ludzkich, a następnie wydaje się je potwierdzać Może odtworzyć konsensus bez dostarczania niezależnego dowodu.

3. Styl zredukowany do średniej

Osobliwości, przerwy i zmiany okresów są wygładzane na rzecz najczęstszych cech.

4. Zamieszanie wzrokowe

Atrakcyjna rekonstrukcja krąży bez podpisu i zostaje wzięta za fotografię oryginału lub znalezionego dzieła.

5. Fałszywy dokument

Obrazy, certyfikaty, znaczki, proweniencje i fotografie z archiwów syntetycznych mogą stworzyć spójną, ale nieistniejącą historię.

6. Dewaluacja materii

Ekran faworyzuje wzór Jednak atrybucja zależy również od odwrotności, wsparcia, przygotowania, pęknięć i warstw.

7. Nieprzezroczystość

Autorski model może uniemożliwić nam poznanie danych, kryteriów i błędów, które stworzyły jego ranking.

Trzy bliskie obrazy, trzy przeciwstawne statusy

Człowiek w złotym hełmie, krąg Rembrandta, około 1650 -1660 — **Poprawione przypisanie.** *Człowiek w złotym hełmie* pamiętaj, że dzieło może wydawać się głęboko rebranch, nie będąc uważanym za autograf.

Człowiek w stroju orientalnym, warsztat Rembrandta, około 1641 roku — **Praca warsztatowa.** Te same materiały, modele i ćwiczenia utrudniają separację rąk, nawet przy danych technicznych.

XX wieku kopia autoportretu Rembrandta — **Nowoczesna kopia.** Wizualna sztuczna inteligencja może mierzyć duże podobieństwo, podczas gdy istotność i data natychmiast wykluczają oryginał.

Ustalone fakty i interpretacje

Co ustalają źródła

Next Rembrandt to dzieło z 2016 roku oparte na danych i drukowane tłoczone.
Microsoft nie przedstawia go jako obrazu, który Rembrandt koniecznie by namalował.
Rijksmuseum zrekonstruowało zaginione taśmy The Night Watch z kopii Lundensa przy pomocy AI.
Dodatki drukowano na oddzielnych panelach, a nie malowano na oryginale.
Operacja Night Watch łączy zaawansowane obrazowanie, mikroskopię i wiedzę sprzętową.

Pozostaje interpretacja

Dokładny kolor i wierność klawiszy w utraconych częściach.
Co Rembrandt pomyślałby o obrazie wygenerowanym w jego stylu.
Zdolność modelu do zrównoważonego odróżniania nauczyciela od wszystkich jego uczniów.
Autonomiczna wartość artystyczna syntezy algorytmicznej.
Próg ufności wystarczający do modyfikacji alokacji publicznej.

Jak odczytać obraz "AI zrekonstruowany"

Zidentyfikuj cel

Czy pokazuje sprawdzoną część, testuje hipotezę, praktycznie przywraca kolor lub tworzy swobodnie?

Znajdź źródła

Jakie dokumenty, skany i prace zasilały system Solidna rekonstrukcja pozwala nam na śledzenie danych.

Zobacz limity

Czy zgłaszane są wymyślone obszary Czy wyjaśniane są alternatywy, marginesy błędu i ludzkie wybory?

Zachowaj oddzielne statusy

Oryginał, kopia historyczna, rekonstrukcja i generacja muszą pozostać odrębne wizualnie i werbalnie.

Materia przed symulakrum

Poznaj Rembrandta z wyraźnie nazwanymi dziełami i atrybucjami

Reprodukcja ręcznie malowana to współczesna kreacja oparta na dziele historycznym, Może przekazywać kompozycję, światło i paletę, ale nie zastępuje ani oryginału muzeum, ani jego materialnej historii Tytuły sklepu wyróżniają Rembrandta, warsztat, koło i kopię.

Kolekcja Rembrandta Nocna Straż

Powiązane artykuły

Często zadawane pytania

Czy sztuczna inteligencja stworzyła prawdziwego Rembrandta?

Nr Następny Rembrandt to współczesna kreacja wytworzona z danych i wydrukowana w reliefie Nie jest dziełem Rembrandta.

Czy sztuczna inteligencja przywróciła Nocną Straż?

Pomogła wizualnie zrekonstruować utracone paski Dodatki zostały wydrukowane na osobnych panelach i tymczasowo umieszczone wokół oryginału, bez modyfikacji płótna.

Skąd znamy zagubione części?

Głównie dzięki małej starej kopii przypisywanej Gerritowi Lundensowi, wykonanej przed cięciem w 1715 roku.

Czy sztuczna inteligencja może samodzielnie uwierzytelnić Rembrandta?

Nie. Może zapewnić porównania i prawdopodobieństwa, ale atrybucja wymaga badań materialnych, historycznych i stylistycznych przeprowadzonych przez kilku specjalistów.

Dlaczego wynik podobieństwa jest niewystarczający?

Uczniowie, kopiści i naśladowcy dokładnie dzielili się cechami, których nauczył się model. Silne podobieństwo nie powoduje automatycznego rozróżnienia rąk.

Czy analizy naukowe to sztuczna inteligencja?

Niekoniecznie.promienie rentgenowskie, podczerwień, MA-XRF lub dendrochronologia wytwarzają dane; AI może pomóc w ich przetwarzaniu, ale techniki te istnieją niezależnie.

Jakie jest główne ryzyko dla rynku sztuki?

Szybkie wytwarzanie spójnych fałszywych efektów wizualnych i fałszywych źródeł w połączeniu z nadmierną pewnością siebie w nieprzejrzystych wynikach.

Czy należy zgłosić rekonstrukcję cyfrową?

Tak.społeczeństwo musi być w stanie natychmiast rozróżnić zachowane oryginalne, udokumentowane obszary, założenia i wygenerowane elementy.

Czy AI może pomóc restauratorom?

Tak, szczególnie do wyrównywania obrazów, segmentowania map naukowych, wizualizacji hipotez i porównywania dużych ilości danych Decyzja o przetwarzaniu pozostaje ludzka.

Główne źródła

Techniki i projekty są opisane według źródeł instytucjonalnych dostępnych w momencie publikacji Rekonstrukcja cyfrowa jest udokumentowaną hipotezą, nigdy nie znaleziono części oryginalnej.