- jak algorytmy uczą się patrzeć na obrazy oczami Rembrandta
- jak AI potrafi potwierdzić lub podważyć autorstwo Vermeera czy Rafaela
- jak sztuczna inteligencja odkrywa z kosmosu sprzed dwóch tysięcy lat
1. Badanie stylu artysty
Ta historia zaczyna się w Amsterdamie, w 2016 roku. Wtedy to Rijksmuseum wraz z TU Delft i Microsoftem postanowiły sprawdzić, czy da się „nauczyć” komputer malować jak Rembrandt. Projekt The Next Rembrandt nie był tylko eksperymentem z pogranicza popkultury, lecz dowodem na to, że analiza stylu może być nauką ścisłą.
Najpierw zeskanowano w ultrarozdzielczości 346 dzieł mistrza, rejestrując każdy ruch pędzla i każdą mikroskopijną warstwę farby.
Algorytmy analizowały kompozycję, światłocień, geometrię twarzy, rytm i grubość impastu. W efekcie powstał „model Rembrandta” — cyfrowy profil jego malarskiego gestu.
2. Fot. nextrembrand.com
Na jego podstawie AI stworzyła nowy portret, a drukarka 3D odtworzyła relief farby, tak by można było dotknąć stylu Rembrandta.
To może brzmieć jak zabawa, ale eksperyment otworzył drzwi do poważnych badań. Kilka lat później zespół z Uniwersytetu Rutgersa (prof. Ahmed Elgammal, 2017–2018) wykorzystał sztuczną inteligencję, by rozróżniać styl Picassa, Matisse’a i Schielego na podstawie… pojedynczej kreski.
Wniosek był jeden: styl to nie tylko to, co widać, ale także to, czego nie da się powtórzyć, mikrogest, który staje się sygnaturą artysty. Jak mówi prof. Elgammal to dowód, że sztuczna inteligencja bez człowieka nie może być kreatywna.
Choć przedsięwzięcie miało charakter bardziej eksperymentalny niż naukowy, jego efekty okazały się przełomowe: dziś podobne algorytmy wykorzystuje się w badaniach stylu i warsztatu artysty. Uczenie maszynowe potrafi wykryć nawet mikroskopijne różnice w rytmie gestów, nakładaniu farby czy rozłożeniu kompozycji, których ludzkie oko nie jest w stanie wychwycić.
Tak powstały cyfrowe modele stylu pozwalające badaczom analizować rozwój twórczości w czasie. Dla historii sztuki to coś więcej niż baza danych. To „profil psychologiczny” artysty przepisany na język algorytmu.
Ale to ważne także z innego powodu. Brytyjska National Gallery zainstalowała system Recognition AI, który zestawia obrazy z kolekcji z miliardami współczesnych zdjęć z internetu. Botticelli spotyka się z reklamą bielizny, Caravaggio z kadrem z teledysku, a „Narodziny Wenus” migrują do kampanii perfum. Choć brzmi to tylko zabawa w memy to traktować to działanie można jako badanie recepcji ikonograficznej. AI tworzy w ten sposób nowy „Atlas Mnemosyne” Aby’ego Warburga. Niemiecki uczony pokazywał zestawy wizualne składające się z reprodukcji dzieła sztuki (w całości lub we fragmentach) oraz ilustracje pokazujące, jak przenikają się i rozwijają w kulturze na przestrzeni dziejów rozmaite motywy i znaki. Teraz taki „Atlas współczesnych nawiązań” tworzony jest dzięki AI dzieła dawnych mistrzów dialogują z popkulturą.
2. Potwierdzanie autentyczności
W 2014 roku na rynku sztuki znów zawrzało. Wątpliwości wokół autorstwa obrazu „Święta Prakseda” Vermeera, przez wielu uznawanego za dzieło włoskie, nie dawały spokoju badaczom.
Zespół z Rijksmuseum i Uniwersytetu Amsterdamskiego sięgnął po analizy pigmentów i techniki malarskiej. AI wspierała proces porównywania struktury farb, szczególnie charakterystycznej bieli ołowiowej, identycznej z tą w „Toalecie Diany”. To wystarczyło, by stwierdzić: tak, to wczesny Vermeer. Więcej: najprawdopodobniej jest to jedno z pierwszych znanych jego płócien, powstałe około 1655 roku. Z tego okresu pochodzą dwa najwcześniejsze znane dotąd obrazy Vermeera: Chrystus w domu Marii i Marty oraz Toaleta Diany.
Kilka lat później, w 2022 i 2023 roku, te same narzędzia posłużyły do największej reatrybucji w dziejach. Rijksmuseum w Amsterdamie przygotowywało się do gigantycznej wystawy Vermeera i postanowiło raz na zawsze rozstrzygnąć wątpliwości wokół trzech obrazów: „Dziewczyny z fletem”, „Świętej Praksedy” i „Młoda kobieta siedząca przy wirginale”.
Po miesiącach analiz spektralnych i porównań mikroskopowych stwierdzono, że wszystkie trzy to autentyki, choć w niektórych przypadkach AI musiała się „spierać” z wcześniejszymi ustaleniami amerykańskich kuratorów.
W 2021 roku badacze z University of Oxford i Delft University of Technology opracowali system Neural Brushstroke Analyser, który uczy się rozpoznawać unikalny „rys pędzla”. Po zbadaniu setek autentycznych obrazów Vincenta van Gogha, AI rozpoznała te same gesty i rytmy w obrazie „Krajobraz z rzeką” – przez dekady uznawanym za falsyfikat. Wynik? Obraz wrócił do katalogu dzieł mistrza.
Podobne odkrycie dotyczyło pracy „La Bella Principessa”, przypisywanej Leonardo da Vinci. Tu algorytmy z Uniwersytetu w Toronto i Politechniki w Pizie przeanalizowały mikropigmenty i strukturę papieru pergaminowego. Ich wnioski wskazały na zgodność technologiczną z warsztatem Leonarda. Ostateczna dyskusja nadal trwa, a głosy specjalistów są podzielone, ale dane naukowe zaczęły równoważyć argumenty estetyczne.
AI nie zastępuje intuicji historyka sztuki, ale potrafi ją wesprzeć. Gdzie oko widzi styl, maszyna widzi wzorzec.
3. Zaprzeczenie autentyczności
Nie każde odkrycie jest przyjemne. Czasem maszyna bez emocji potrafi zburzyć mit budowany przez stulecia.
W 2023 roku prof. Hassan Ugail z Uniwersytetu w Bradford zaprojektował algorytm analizujący styl Rafaela Santi. System „uczył się” na autentycznych obrazach, identyfikując powtarzalne cechy pociągnięć pędzla, kolorystyki i proporcji. Gdy badacze wprowadzili do systemu reprodukcję „Madonny della Rosa” z madryckiego Prado, AI zatrzymała się na jednej twarzy – św. Józefa.
Według niej, to nie był Rafael. Styl i rytm malowania nie pasowały. Tak zrodziła się hipoteza, że to praca Giulia Romano, ucznia mistrza. To pierwszy przypadek, gdy sztuczna inteligencja nie tylko potwierdziła, ale rozwarstwiła dzieło, oddzielając to, co wyszło spod ręki mistrza, od tego, co dopisał ktoś inny.
Podobnie działał zespół z Rutgers University, badając rysunki Picassa i Matisse’a. Gdy w zestawie pojawiły się fałszywki, AI rozpoznała je natychmiast bez ulegania sile stylizacji. Dla maszyny było zbiorem błędnych mikrogestów.
4. Zmiana datowania
AI nie tylko potwierdza lub zaprzecza autorstwu. Potrafi też przestawiać „zegary historii sztuki”.
Podczas wspomnianych już analiz dzieł Vermeera w 2023 roku algorytmy z Rijksmuseum zidentyfikowały subtelne różnice w składzie pigmentów w poszczególnych okresach twórczości artysty.
Chcesz być na bieżąco z przeszłością?
Okazało się, że nawet w obrębie kilku lat zmieniała się receptura farb, a to pozwoliło doprecyzować datowanie „Dziewczyny z fletem”. AI pomogła precyzyjniej ustalić chronologię dzieł analizując chemiczny skład pigmentów i sposób nakładania warstw farby. Dzięki temu wiadomo, że obraz powstał dopiero między 1664 a 1667 rokiem, a nie jak sądzono wcześniej.
Podobne systemy rozwijają zespoły w ETH Zürich i CNRS. Ucząc się z długookresowych zdjęć konserwatorskich analizują tempo zmian połysku i barwy pigmentu. Innymi słowy:
obrazy mają swoje biografie fizyczne, które AI potrafi odczytywać jak linie papilarne czasu.
Dzięki analizom mikrostruktur farb używanych przez XVII-wiecznych flamandzkich mistrzów algorytm rozpoznał chemiczne różnice między pigmentami z różnych dekad odkrywając, że część dzieł przypisywanych Rubensowi powstała kilka lat później, już w czasach jego uczniów.
Z kolei we Francji, w projekcie TimeBrush, naukowcy porównywali cyfrowe zdjęcia miniatur z Bibliothèque nationale de France, wykonane w odstępie kilkudziesięciu lat. AI śledziła subtelne zmiany barw, połysku i struktury, rekonstruując proces starzenia się pigmentu. W efekcie przesunięto daty kilku iluminacji nawet o sto lat.
5. A(I)rcheologia
Sztuczna inteligencja widzi więcej niż satelita.
W 2019 roku Uniwersytet Yamagata we współpracy z IBM Japan rozpoczął analizę tysięcy zdjęć satelitarnych płaskowyżu Nazca w Peru. Celem było odnalezienie nowych geoglifów, gigantycznych rysunków skalnych, które można dostrzec tylko z wysokości. Algorytmy uczyły się odróżniać naturalne układy kamieni od tych ułożonych przez człowieka.
Algorytmy przeszukiwały setki tysięcy zdjęć satelitarnych i lotniczych, analizując układ cieni, kontrast, fakturę piasku. W ten sposób AI wychwyciła mikroskopijne nieregularności w strukturze terenu, linie, których ludzkie oko nie dostrzegało, bo ginęły w monotonii pustynnego krajobrazu. Po ich złożeniu w całość ukazały się postaci ludzi, zwierząt, ptaków, a nawet… kota z wyciągniętym ogonem.
Tradycyjne metody archeologiczne wymagałyby miesięcy pracy terenowej i analizy z pomocą GPS, ale AI zrobiła to w ciągu kilku dni. Umożliwiło to nie tylko odkrycie nowych rysunków, lecz także rekonstrukcję wcześniejszych, uszkodzonych przez czas lub działalność człowieka.
To przykład, jak
sztuczna inteligencja zmienia nie tylko historię sztuki, ale i sposób, w jaki definiujemy sztukę ziemi, sztukę krajobrazu,
widoczną dopiero z wysokości lotu satelity. AI stała się tu nowym archeologiem, który nie kopie w ziemi, lecz w danych.
W 2022 roku ogłoszono odkrycie 168 nowych figur – ludzi, ptaków, zwierząt, a nawet… kota z wyciągniętym ogonem. Dwa lata później liczba ta wzrosła do 303 kolejnych, co niemal podwoiło liczbę znanych dotąd rysunków. AI nie tylko je zlokalizowała, ale też pomogła archeologom modelować ich rozmieszczenie i relacje pokazując, że wiele z nich tworzyło sekwencje lub symboliczne układy.
Jak mówi prof. Masato Sakai (Uniwersytet Yamagata, Antropologia Kulturowa i Archeologia Andyjska), który – we współpracy z peruwiańskim archeologiem Jorge Olano – kieruje projektem badawczym: „W ciągu kilku tygodni AI znalazła więcej niż człowiek przez dekady”.
