Para fazer um poema dadaísta, o artista Tristan Tzara disse uma vez:recorte cada palavra de um artigo de jornal. Coloque as palavras em um saco e agite. Remova as palavras da bolsa uma de cada vez, e escreva-os nessa ordem.

Este método de "saco de palavras" não é totalmente diferente de como os algoritmos de inteligência artificial identificam palavras e imagens, dividindo-os em componentes, uma etapa de cada vez. A semelhança inspirou os pesquisadores de Cornell a explorar se um algoritmo poderia ser treinado para diferenciar periódicos Dadaístas digitalizados de periódicos de vanguarda não Dada - uma tarefa formidável, visto que muitos consideram Dada inerentemente indefinível.

Mas o algoritmo - uma rede neural convolucional normalmente usada para identificar imagens comuns - teve um desempenho melhor do que o aleatório. Identificou corretamente as páginas dos jornais Dada 63 por cento das vezes e as páginas não Dada em 86 por cento das vezes.

"Nosso objetivo não é necessariamente obter a resposta 'certa', mas sim usar a computação para fornecer um alienígena, perspectiva desfamiliarizada, "os pesquisadores escreveram em" Computational Cut-Ups:The Influence of Dada, "que foi publicado no Journal of Modern Periodical Studies em janeiro. "Uma ferramenta projetada para identificar cães pode ser reutilizada para explorar a vanguarda?"

Eles também procuraram fornecer um exemplo de como grandes coleções de imagens podem ser analisadas, disse Laure Thompson, um estudante de doutorado em ciência da computação, que foi coautor do artigo com David Mimno, professor assistente de ciência da informação.

A mineração de texto - pesquisar grandes corpos de texto digitalizado em busca de certas palavras ou frases - tornou-se amplamente usada nas humanidades digitais, mas procurar imagens é muito mais difícil.

"O texto tem recursos muito convenientes - eles são conhecidos como palavras. E podemos vê-los muito rapidamente por causa dos espaços entre eles, "Disse Thompson." Considerando que uma imagem para um computador é apenas uma grande matriz de números, e isso não é muito significativo. "

Thompson e Mimno treinaram sua rede neural em jornais dadaístas do arquivo digital Blue Mountain da Universidade de Princeton. Sem saber nada sobre Dada - um movimento de vanguarda que surgiu na Europa após a Primeira Guerra Mundial que buscava derrubar o materialismo e as convenções - o algoritmo então tentou classificar em torno de 33, 000 páginas de jornal como Dada ou não Dada.

A rede aprende a identificar imagens por meio de camadas progressivamente mais complexas - as primeiras camadas podem localizar estruturas simples, como bordas ou ângulos retos, enquanto a camada final tentará rotular a imagem como, dizer, um cão pastor.

Neste estudo, o modelo analisou a penúltima camada, que compreendia uma série de números em vez de rótulos como "cão pastor". Mimno e Thompson se referiram a essas camadas numéricas como "cut-ups computacionais, "um aceno para o conceito dadaísta de" saco de palavras ".

O algoritmo "pode ​​ser quase a antítese da arte, mas também está brincando com todas essas metodologias que estavam aparecendo no próprio Dada, "Disse Thompson.

Embora eles não soubessem como o algoritmo tomava suas decisões, os pesquisadores trabalharam retroativamente a partir dos resultados. Eles descobriram que a rede associava Dada com a cor vermelha, alto contraste e bordas proeminentes. Ele tendia a classificar as páginas com imagens e fotografias realistas como não-dadá, eles encontraram.

Dos outros gêneros que o algoritmo analisou, mais frequentemente identificava erroneamente o cubismo como Dada - o que fazia sentido para os pesquisadores, como o cubismo influenciou fortemente a arte dadaísta.

Antes de conduzir o experimento Dada, os pesquisadores testaram seu conceito em páginas contendo música. O algoritmo identificou 67 por cento dos 3, 450 páginas com partituras musicais como "música, "e 96 por cento dos 55, 007 páginas sem música como "não música". Eles descobriram que o modelo tendia a classificar as páginas com tabelas horizontais como música, e páginas com cores ou imagens como "não é música".

"Se você quiser projetar sentimentos sobre esses modelos, eles são muito preguiçosos, "disse Thompson. Por exemplo, pesquisadores descobriram que se você treinar um modelo para identificar imagens de peixes, e todas as imagens fornecidas mostram pessoas segurando peixes, provavelmente classificará todas as imagens com pessoas segurando coisas como peixes.

As classificações do modelo lançam alguma luz sobre quais características podem definir o Dada, os pesquisadores disseram, mesmo que a ideia de usar uma máquina para ver arte seja simplista e possivelmente absurda.

"Isso é em parte um esforço irônico. Não estamos tentando ser super-sérios, que este classificador vencerá todos os historiadores da arte na identificação do que verdadeiramente faz Dada Dada, "Thompson disse." A modelo não sabe nada sobre Dada, mas ainda pode ajudar a fornecer uma perspectiva adicional para pensar sobre isso. "