Когда ИИ учится «читать» Рембрандта: он не выносит вердикт, а показывает, куда смотреть

Несколько столетий назад определить, вышла ли картина из-под кисти мастера вроде Рембрандта или это работа талантливого подражателя, можно было только одним способом — довериться «насмотренному» глазу эксперта. Потом появились рентгеновские лучи и инфракрасная съемка, и кураторы получили возможность заглядывать под поверхность полотна, анализируя детали, невидимые человеку. Теперь исследователи из Университета Карнеги-Меллона предлагают третий слой: пусть ИИ не заменяет специалиста, а подает ему карту «подозрительных зон».

Работа опубликована в журнале Proceedings of the National Academy of Sciences. В команде — профессора Фил ЛеДюк и Джон Каган, выпускник Андрес Ариас-Росалес и человек, без которого этот проект вряд ли был бы возможен: Артур Уилок-младший, более сорока лет проработавший куратором в Национальной галерее искусств в Вашингтоне и считающийся одним из ведущих мировых знатоков Рембрандта и голландского искусства. По словам Ариас-Росалеса, задача формулировалась так: сначала понять Рембрандта глазами эксперта мирового уровня, затем понять его глазами «машины», а потом соединить эти два взгляда.

Все получилось не совсем так, как обычно представляют «ИИ-искусствоведа».

Модель учит не «секрет Рембрандта», а его статистический почерк

Команда собрала более 1300 оцифрованных изображений высокого разрешения, из которых 311 — признанные работы Рембрандта. Модель училась находить статистические закономерности на уровне признаков: края, цвет, распределение света, видимые мазки. Когда уверенность модели была достаточной, точность классификации достигала 95,8%.

Но главное не в этой цифре. Джон Каган объясняет прямо: экспертам нужно понимать, как алгоритм пришел к решению, иначе сотрудничество человека и машины не работает. Поэтому система обязана показать, какие участки картины повлияли на ее вывод. Иными словами, на выходе — не «да» или «нет», а изображение с отметками «вот здесь я особенно внимательна».

У такого подхода есть вполне практическое применение. Допустим, ИИ снова и снова помечает руки персонажа как область с низкой оценкой, намекая, что они не похожи на руку Рембрандта. Исследователь может временно убрать руки из изображения и попросить модель классифицировать картину заново. Если без рук уверенность в том, что перед нами Рембрандт, заметно возрастает, у куратора появляется направление для проверки: а не написаны ли эти руки кем-то из учеников или помощников мастера?

Ариас-Росалес говорит, что самые интересные дела — как раз те, где мнения расходятся. Команда хотела дать Уилоку не расплывчатые или упрощенные ответы, а больше вопросов и потенциально интересных деталей, которые помогли бы ему разгадывать загадки истории искусства. В области, где споры ведутся столетиями, «хорошо поставленный вопрос» иногда ценнее «готового вывода».

Картина с чердака стала готовым тестом

В 2024 году в штате Мэн на чердаке обнаружили полотно под названием «Портрет девушки». Изначально аукцион оценивал его в 10–15 тысяч долларов, но из-за возможной связи с Рембрандтом картина ушла за 1,41 миллиона. На обороте есть этикетка, утверждающая, что в 1970 году работа выставлялась в Музее искусств Филадельфии, однако музей заявил, что из-за давности лет подтвердить это не может.

Модель Карнеги-Меллона проанализировала изображение и выдала уверенность 84,7% в пользу авторства Рембрандта. ЛеДюк комментирует это осторожно: результат не является подтверждением подлинности, это статистическое наблюдение, которое нужно рассматривать вместе с историческими исследованиями, анализом материалов, рентгеновскими снимками и другими инструментами. Окончательное решение остается за экспертами.

Эта оговорка звучит как формальность, но на деле она и есть методологическое ядро работы. Атрибуция произведений искусства никогда не решалась одним доказательством. Ученики и помощники Рембрандта иногда работали вместе с ним, позднейшие реставраторы могли менять и добавлять элементы композиции. Рентгенография, инфракрасная рефлектография и рентгенофлуоресцентный анализ уже дают слои материальных свидетельств. ИИ добавляет еще один слой — статистическое наблюдение на уровне визуальных паттернов. Он не выносит приговор, он подсказывает.

Почему это важно

Если технология получит развитие, первыми ее освоят музейные кураторы и исследовательские центры. Команда надеется довести систему до интерактивного приложения, причем не только для Рембрандта: предложенный каркас в принципе переносим на других художников.

Но интереснее другое — ответ на вопрос, какую роль ИИ вообще стоит играть в гуманитарных областях. В атрибуции, где все держится на опыте, контексте и историческом знании, черный ящик с категоричным ответом почти бесполезен. Полезен инструмент, который видит статистические закономерности, ускользающие от глаза, и умеет показать человеку, где именно он их нашел. А означает ли это «подлинный Рембрандт», «участие ученика» или «позднейшую правку», решает тот, кто провел в музее сорок лет.

Уилок провел. И теперь у него есть машина, которая умеет говорить: «вот здесь что-то не так».

Источник изображения: Университет Карнеги-Меллона.