Uma pesquisa colaborativa internacional relata que uma análise sistematizada de IA de obras de arte produzidas no último milênio produz informações reveladoras sobre tendências artísticas evolucionárias históricas. Adicionalmente, os resultados mapeiam bem os conceitos canônicos sobre estilos e períodos da história da arte.

A análise de arte geralmente é comparativa, e historicamente tem sido conduzido por pesquisadores individuais, que coloca restrições na escala dos estudos. É impraticável para um único estudioso comparar mais do que um punhado de pinturas ao mesmo tempo. Contudo, nas décadas recentes, uma grande quantidade de obras de arte históricas foi digitalizada e disponibilizada gratuitamente, permitindo abordagens quantitativas para a análise de arte que antes eram inviáveis, se não impossível.

Em seu novo estudo, publicado pela Anais da Academia Nacional de Ciências , os pesquisadores analisaram um conjunto de dados de 137, 364 peças de arte visual, principalmente pinturas, hospedado pela enciclopédia online WikiArt. O site contém obras de arte de mais de 2, 000 artistas em mais de 100 estilos.

Cada arquivo foi convertido para uma representação de matriz. Ao aplicar algoritmos de aprendizado de máquina, os pesquisadores analisaram as relações entre pixels adjacentes, e calculou duas medidas de complexidade:a entropia de permutação normalizada H, e a complexidade estatística C.

O valor H quantifica o grau de desordem no arranjo de pixels de uma imagem. Por exemplo, um valor próximo de zero indica uma imagem regular, como aquelas produzidas por pintores minimalistas. Um valor próximo de um indica pixels que parecem irregulares ou mais desordenados, como as pinturas de Jackson Pollock.

A complexidade estatística C é uma medida da complexidade estrutural da obra. Pinturas que apresentam extremos de desordem ou ordem no arranjo de pixels rendem zero, como tais obras têm baixa complexidade estrutural. O valor é positivo quando o sistema detecta padrões espaciais mais complexos.

A combinação dessas duas medidas produz um plano de entropia-complexidade, que os autores apontam é uma técnica que tem sido aplicada em muitos outros campos. Essas medidas não apenas podiam prever o estilo e o período das pinturas dentro de uma certa margem de erro; sua análise revelou uma trajetória clara da arte ao longo de 1000 anos com transições no plano complexidade-entropia que correspondem aos períodos canônicos na literatura de arte.

Especificamente, os pesquisadores puderam ver claramente mudanças distintas na entropia e complexidade correspondentes aos períodos antes e depois da arte moderna, e a transição da arte moderna para a arte pós-moderna. Eles traçam essas transições em uma linha do tempo, e relatam que "não é difícil imaginar que a transição do moderno para o pós-moderno foi impulsionada pelo final da Segunda Guerra Mundial, o evento que geralmente marca o início do pós-modernismo nos livros de história. "

Os pesquisadores ressaltam que, por restringir sua análise a essas duas medidas de complexidade, não é possível capturar totalmente a riqueza informacional que provavelmente será codificada na arte. "Contudo, " eles escrevem, "Nossos resultados, no entanto, demonstram que métricas simples inspiradas na física podem ser conectadas a conceitos propostos por historiadores da arte e, mais importante, que essas medidas trazem informações relevantes sobre obras de arte, o estilo deles, e evolução. "

© 2018 Tech Xplore