Does AI See like Art Historians? Interpreting How Vision Language Models Recognize Artistic Style
من خلال تعاون متعدد التخصصات بين علماء الحاسوب ومؤرخي الفن، توظف هذه الورقة البحثية تفكيك الفضاء الكامن والتحليل الكمي لتكشف أن نماذج الرؤية واللغة تتنبأ بالأساليب الفنية باستخدام مفاهيم متماسكة وذات صلة إلى حد كبير بالخبراء البشريين، وغالبًا ما تتماشى مع الاستدلال التاريخي الفني حتى عند استخدام سمات مفسرة شكليًا.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك ناقد فن آلي فائق الذكاء. لقد عاين ملايين اللوحات، ويمكنه أن يخبرك: "هذه لوحة من عصر النهضة"، أو "هذا كاتدرائية قوطية". إنه يصبح بارعاً حقاً في هذه الوظيفة.
ولكن يبقى السؤال الكبير: هل يرى الفن بنفس الطريقة التي يراه بها الخبير البشري؟
أم أنه مجرد حافظ للأنماط، مثل طالب حفظ مفتاح الإجابات لكنه لا يفهم الموضوع فعلياً؟
هذه الورقة البحثية تشبه فريقاً من علماء الكمبيوتر ومؤرخي الفن يرتدون "نظارات الأشعة السينية" لاستراق النظر داخل عقل الروبوت ورؤية كيف يتخذ قراراته.
المشكلة: "الصندوق الأسود"
عادةً، عندما ينظر ذكاء اصطناعي (روبوت) إلى لوحة، فإنه يكون بمثابة "صندوق أسود". تعطيه صورة، فيعطيك إجابة. لكنك لا تعرف لماذا اختار تلك الإجابة.
- الطريقة البشرية: ينظر مؤرخ الفن إلى اللوحة ويقول: "أرى ضربات فرشاة ناعمة، وألواناً دافئة، وطريقة محددة في رسم الضوء والظل. هذا يخبرني أنها من عصر النهضة".
- طريقة الذكاء الاصطناعي (سابقاً): يقول الذكاء الاصطناعي: "عصر النهضة". لكننا لم نكن نعرف ما إذا كان ينظر إلى ضربات الفرشاة أم أنه لاحظ فقط أن اللوحة تحتوي على الكثير من الأشخاص.
الحل: تقسيم اللوحة إلى قطع أحجية
لمعرفة ذلك، لم يكتف الباحثون بالنظر إلى اللوحة ككل. بل قاموا بتقطيع كل صورة إلى قطع صغيرة جداً (بقع) بحجم 4×4.
فكر في الأمر كالتالي: إذا أردت فهم سيمفونية، فأنت لا تستمع للأغنية كاملة فحسب؛ بل تستمع إلى الآلات الموسيقية الفردية.
- قطع الأحجية: قاموا بتغذية هذه القطع الصغيرة للذكاء الاصطناعي.
- كاشف "المفاهيم": سألوا الذكاء الاصطناعي: "ما هي الأشياء المحددة التي تلاحظها في هذه المربع الصغير؟"
- الترجمة: تمت ترجمة الرياضيات الداخلية للذكاء الاصطناعي إلى كلمات بشرية. بدلاً من قول "المتجه 452 نشط"، قال الذكاء الاصطناعي: "أرى ظلالاً داكنة"، أو "أرى فستان امرأة"، أو "أرى خطوطاً ناعمة وسلسة".
ما وجدوه: الروبوت على صواب غالباً (لكنه غريب أحياناً)
بعد ذلك، أحضر الفريق لجنة مكونة من ستة مؤرخين فنيين حقيقيين لتقييم "أفكار" الروبوت. وإليكم ما اكتشفوه:
1. الروبوت طالب جيد (نسبة نجاح 73%)
حوالي 73% من الأشياء التي لاحظها الروبوت كانت أشياءً يلاحظها الخبير البشري أيضاً.
- مثال: إذا قال الروبوت: "هذه اللوحة تحتوي على تباين عالٍ بين الضوء والظلام"، هز مؤرخو الفن رؤوسهم بالموافقة وقالوا: "نعم، هذا عنصر أساسي في الفن الباروكي".
- الاستعارة: الروبوت لا يخمن فحسب؛ بل هو "يرى" بالفعل الملمس، والألوان، والأشكال التي تحدد الأسلوب الفني.
2. الروبوت ذو صلة بنسبة 90%
عندما استخدم الروبوت مفهوماً معيناً لتحديد أسلوب ما، وافق مؤرخو الفن في 90% من الحالات على أن هذا المفهوم كان ذا صلة بالفعل باللوحة.
- مثال: إذا قرر الروبوت أن لوحة ما تنتمي للمدرسة "الرومانسية" لأنه رأى "غابات وأشجار"، فقد وافق المؤرخون على ذلك. فالغابات هي بالفعل جزء كبير من الفن الرومانسي.
3. لحظات "الشيفرة السرية" (حيث يختلفون)
هذا هو الجزء الأكثر إثارة للاهتمام. أحياناً، استخدم الروبوت مفهوماً اعتبره مؤرخو الفن "غير ذي صلة"، ومع ذلك أصاب الروبوت في إجابته.
- السيناريو: نظر الروبوت إلى لوحة وقال: "هذه من المدرسة الواقعية لأنني أرى تبايناً بين الضوء والظلام".
- وجهة نظر المؤرخ: "انتظر، التباين بين الضوء والظلام موجود في كل الأساليب! هذا ليس سبباً جيداً لاختيار الواقعية".
- التحول: أدرك المؤرخون أن الروبوت كان ينظر إلى البنية الشكلية (رياضيات الضوء والظل) بدلاً من المعنى (ما تدور حوله اللوحة). لقد كان الروبوت محقاً بشأن النمط البصري، حتى لو كان تعريف الإنسان للأسلوب مختلفاً.
الخلاصة الكبرى
تخلص الورقة إلى أن الذكاء الاصطناه بدأ يرى مثل مؤرخ الفن، ولكن بعدسة مختلفة قليلاً.
- الأخبار الجيدة: الذكاء الاصطناعي لا يغش عبر حفظ الصورة بأكملها. إنه يفكك الفن إلى سمات حقيقية وذات معنى مثل الملمس، واللون، والتكوين.
- التوضيح: يركز الذكاء الاصطناعي أحياناً على ميكانيكا الصورة (كيف يسقط الضوء على القماش) بينما يركز البشر أكثر على المعنى أو القصة (ماذا يفعل الأشخاص).
باختصار
تخيل ناقداً فنياً بشرياً وروبوتاً يجلسان في غرفة أمام لوحة.
- الإنسان يقول: "هذه من عصر النهضة لأن الناس يبدون مسالمين والألوان ذهبية".
- الروبوت يقول: "هذه من عصر النهضة لأنني أرى منحنيات ناعمة، وحوافاً سلسة، ونسبة محددة من الضوء إلى الظل".
كلاهما ينظر إلى نفس اللوحة، وكلاهما على صواب. لكن الروبوت يقرأ "قواعد" الفن، بينما يقرأ الإنسان "شاعريته". تثبت هذه الورقة أن الروبوت يتعلم القواعد بشكل جيد جداً، وهذه خطوة كبيرة للأمام في فهم كيفية "رؤية" الآلات للعالم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.