USA, ricercatori inventano strumento per... attribuire le opere degli artisti


Negli USA, un gruppo di ricercatori della Case Western Reserve University ha messo a punto uno strumento per riconoscere la mano di un artista. Con risultati che sono arrivati anche al 96% di accuratezza.

La tecnologia metterà fine ai dubbi sulle opere non documentate, sancirà il tramonto dell’attribuzionismo e magari metterà anche fuori gioco i troppi critici avventati? Forse è presto per dirlo, ma intanto c’è chi ci sta lavorando: così, un’équipe di quattordici ricercatori della Case Western Reserve University di Cleveland, Stati Uniti, ha messo a punto un sistema per riconoscere la mano di un pittore e ha pubblicato i risultati sulla rivista scientifica Heritage Science.

Il sistema sfrutta l’imaging 3D e l’intelligenza artificiale, e l’esperimento è partito dal Cleveland Institute of Arts, dove i ricercatori hanno chiesto ad alcuni studenti di dipingere quattro fiori gialli identici (quattro ninfee, con gli stessi materiali e gli stessi strumenti), trattandoli come fossero copie. I dipinti realizzati dagli studenti sono stati scansionati attraverso uno strumento (il profilometro cromatico confocale ottico) solitamente utilizzato per l’analisi superficiale di diversi materiali, dopodiché i risultati ottenuti sono stati utilizzati per creare delle reti neurali convoluzionali (CNN o ConvNet: si tratta di uno strumento fondamentale nelle tecnologie di machine learning o apprendimento automatico), al fine di determinare le caratteristiche uniche delle singole pennellate, ovvero, in altri termini, la mano dell’artista. Alla base dello studio c’è infatti l’idea che, studiando la superficie tridimensionale delle opere, si rilevino informazioni stilistiche non intenzionali, che si possono catturare attraverso la profilometria ottica.

Lo strumento è stato in grado di riconoscere gli artisti con un’accuratezza variabile dal 60 al 96% a seconda dei singoli “tasselli” del dipinto su cui è stato condotto l’esperimento. Gli scienziati sono rimasti sorpresi nel vedere come i campioni più piccoli, del diametro di quello di una setola, erano i punti chiave per distinguere gli artisti in modo affidabile.

“L’analisi dell’apprendimento automatico (Machine Learning, ML) per le opere d’arte”, si legge nel paper, “è una metodologia in erba volta a far progredire la connoisseurship, il metodo principale per determinare l’attribuzione di un’opera d’arte, tra le altre applicazioni che coinvolgono l’arte. Il ML è stato applicato con successo alle immagini dei dipinti per diversi compiti, tra cui il rilevamento di falsi, la classificazione di raccolte digitali e il riconoscimento dello stile di un artista. Mentre molti di questi studi hanno applicato il ML a immagini fotografiche ad alta risoluzione di dipinti, in questo studio abbiamo utilizzato il ML per analizzare i dati topografici ottenuti dalla profilometria ottica. Inoltre, i progressi nella risoluzione, velocità e disponibilità di tali misurazioni profilometriche si stanno sviluppando, insieme a metodi per i big data in grado di gestire i grandi set di dati prodotti da queste misurazioni. Nei dipinti, la topografia della superficie rivela elementi stilistici non intenzionali incorporati nella superficie del dipinto che possono includere la deposizione e l’essiccazione della vernice, motivi nella pennellata, fattori fisiologici e altri aspetti della creazione del dipinto”.

Uno dei campi d’applicazione di questa tecnologia, spiegano i ricercatori della Case Western Reserve University, potrebbe essere lo studio delle botteghe dei grandi artisti, al fine di comprendere come lavoravano i collaboratori di grandi pittori come El Greco, Rembrandt e Rubens, noti per aver avuto botteghe dove venivano impiegati molti artisti al fine di soddisfare le crescenti richieste del mercato. I connoisseur, spiegano i ricercatori, “esaminano gli elementi stilistici visibili di una composizione, insieme a elementi materiali, condizioni e altri indizi sul processo di fabbricazione per giungere a una comprensione storica dell’attribuzione di un’opera d’arte”. Tuttavia, si legge ancora nello studio, “molte delle specifiche riguardanti la pratica di bottega rimangono sfuggenti. Nel caso delle botteghe, gli artisti cercavano di realizzare un dipinto completo con uno stile unico, e questo costituisce una sfida ai metodi del connoisseur. Inoltre, le sfide di tali attribuzioni creano conflitti quando l’attribuzione è strettamente legata al valore apparente degli oggetti nel mercato dell’arte. Pertanto, sono necessari metodi imparziali e quantitativi per fornire informazioni sulle attribuzioni controverse dei dipinti di bottega”.

“Questo risultato”, scrivono i ricercatori nelle conclusioni del loro studio, “suggerisce che le nostre tecniche sono complementari alla connoisseurship, che si concentra su scale di lunghezza maggiore. Pertanto, la topografia di superficie amplia gli strumenti per l’attribuzione, la conservazione, il rilevamento di falsi e la conservazione del patrimonio culturale. Inoltre, abbiamo scoperto che i dati di profilometria forniscono una maggiore precisione di attribuzione rispetto all’utilizzo di fotografie quando il soggetto e le tavolozze dei colori dei dati di addestramento e test sono significativamente differenti”. Le difficoltà riscontrate dai ricercatori della Case Western Reserve University riguardano al momento lo stato di conservazione dei dipinti, che può alterare i risultati, e la distanza temporale che riguarda i dipinti eseguiti dagli artisti veri (tra un’opera e un’altra può passare diverso tempo e non è detto che l’artista dipinga sempre allo stesso modo). C’è però fiducia per un metodo di analisi dei dipinti che potrebbe rivelarsi promettente: non sostituirà la connoisseurship (e di questo tutti ovviamente si rendono conto), ma potrebbe essere un utile strumento aggiuntivo.

Nell’immagine, i fiori dipinti dagli studenti del Cleveland Institute of Arts e le rispettive elaborazioni digitali.

USA, ricercatori inventano strumento per... attribuire le opere degli artisti
USA, ricercatori inventano strumento per... attribuire le opere degli artisti


Se ti è piaciuto questo articolo abbonati a Finestre sull'Arte.
al prezzo di 12,00 euro all'anno avrai accesso illimitato agli articoli pubblicati sul sito di Finestre sull'Arte e ci aiuterai a crescere e a mantenere la nostra informazione libera e indipendente.
ABBONATI A
FINESTRE SULL'ARTE





MAGAZINE
primo numero
NUMERO 1

SFOGLIA ONLINE

MAR-APR-MAG 2019
secondo numero
NUMERO 2

SFOGLIA ONLINE

GIU-LUG-AGO 2019
terzo numero
NUMERO 3

SFOGLIA ONLINE

SET-OTT-NOV 2019
quarto numero
NUMERO 4

SFOGLIA ONLINE

DIC-GEN-FEB 2019/2020
Finestre sull'Arte