Razvijen je algoritam koji određuje autora slike po karakteristikama poteza u njoj, kao i sposoban je razlikovati stvarne slike i varalice koje su slikali drugi umjetnici. Programeri su obučili program na setu od gotovo tristo slika poznatih umjetnika, poput Picassa i Matissea, prema MIT Technology Review. Razvoj američkih i nizozemskih stručnjaka bit će predstavljen na konferenciji AAAI o umjetnoj inteligenciji u veljači 2018. godine, na arXiv.org objavljen je pretisak članka.
Budući da slike poznatih umjetnika u pravilu postoje u jednom primjerku, cijene za njih mogu iznositi desetke i stotine milijuna dolara. Zbog toga su neke slike krivotvorene zločince, a to nije uvijek uočljivo čak ni kod ljudi koji su upućeni u slikanje. Da bi se zaštitili od takvog krivotvorenja, predlažu se različite metode, na primjer, opremanje slika jedinstvenim identifikatorima koje je zbog njihove složene mikrostrukture gotovo nemoguće krivotvoriti.
Istraživači iz Sjedinjenih Država i Nizozemske, predvođeni Ahmedom Elgammalom sa Artrendexa i Sveučilišta Rutgers, stvorili su algoritam koji može prepoznati autore slike po značajkama njihovih poteza. U 2015. godini, ova je skupina istraživača već stvorila algoritam koji može klasificirati slike autora, pa čak i stilove na temelju njihovih individualnih karakteristika, poput boja. U novom djelu istraživači su se odlučili usredotočiti na jednu komponentu slike - poteze.
Svaki se potez može opisati mnogim karakteristikama, na primjer, oblikom, duljinom, jednolikošću debljine duž hoda i drugim parametrima. Istraživači su odlučili izvući ove karakteristike pomoću računalnih algoritama. U početku su slike podijeljene u zasebne poteze pomoću posebnog algoritma. Kao skup podataka za algoritme, istraživači su koristili 297 slika poznatih umjetnika poput Picassa i Matissa, izvedene u stilu litografije, crteža tintom i drugih. Algoritam je te slike razgradio u više od 80 000 pojedinačnih poteza.
Skup podataka za algoritme treninga i testiranja / Elgammal i sur. / arXiv.org, 2017
Da bi ocijenili moždane udare, istraživači su odlučili koristiti dva pristupa. Oni su opisali osnovne karakteristike kao što su debljina hoda i uzdužni profil koristeći različite deskriptore i naučili algoritam vektora podrške za klasifikaciju udaraca. Drugi je pristup bio upotreba rekurentne neuronske mreže s kontroliranim ponavljajućim blokovima, koja je samostalno tražila značajke karakteristične za određene umjetnike.
Primjer lažnih slika. Gornji red: lažni; lažni; original Matisse. Srednji red: izvorni Matisse; lažni; lažni; original Matisse. Donji red: lažni; original Matisse; original Picasso; lažni / Elgammal i sur. / arXiv.org, 2017
Nakon pripreme algoritama, istraživači su ih testirali na istom skupu podataka, i kombinirajući oba pristupa postigli su 80-postotnu točnost prepoznavanja izvođača. Također su zamolili pet umjetnika da naslikaju kopije slika Picassa, Matissea i Schielea. Nakon što su primili 83 slike, provjerili su ih pomoću svojih algoritama i otkrili da njihova kombinacija može prepoznati laž u svim tim slikama.
Promotivni video:
U posljednjih nekoliko godina postignut je snažan napredak u obradi i analizi slike koristeći algoritme neuronske mreže. Na primjer, takvi algoritmi mogu pomiješati nekoliko umjetničkih stilova u jednoj slici, pretvoriti skice u cjelovite slike, pa čak i stvoriti originalna umjetnička djela. Također, slični algoritmi dobro funkcioniraju s video zapisima. Na primjer, nedavno je predstavljen sustav koji vam omogućuje da umetnete govor treće strane u slijed videa, gotovo precizno rekreirajući artikulatorne izraze lica zvučnika.
Grigory Kopiev