Visual Distances among Cultural Art Corpora Align with Expert-Coded Historical-Artistic Relatedness

لطالما اعتمد تاريخ الفن على العين المدربة للباحثين لتتبع الخيوط غير المرئية التي تربط الثقافات عبر الزمان والمكان. فقد أمضى الخبراء قروناً في توثيق كيف يمكن لأسلوب معين في طيات الملابس أن ينتقل من اليونان إلى الهند، أو كيف يمكن لمفهوم الهرم أن ينبثق بشكل مستقل في مصر والأمريكتين. هذه الروابط ليست واضحة دائماً؛ فهي غالباً ما تكون مدفونة تحت آلاف السنين من التغيير، ومختبئة في التفاصيل الدقيقة للزخرفة والشكل والمادة. وبالنسبة للإنسان، فإن التعرف على هذه الروابط التاريخية العميقة يتطلب سنوات من الدراسة والوصول إلى مكتبات هائلة من السجلات. ولكن ماذا لو استطاعت آلة، تدربت على التاريخ البصري الكامل للإنترنت، أن ترى هذه الروابط نفسها دون أن تقرأ كتاب تاريخ واحد؟ يقع هذا السؤال عند نقطة التقاطع بين الذكاء الاصطناعي والدراسات الثقافية، متسائلاً عما إذا كانت الأنماط الرياضية المخفية داخل أنظمة الرؤية الحاسوبية تحاكي بالصدفة الطريقة التي يفهم بها الخبراء البشر تطور الفن.

لقد شرع فريق من الباحثين في اختبار هذه الفكرة على نطاق عالمي، متجاوزين التركيز المعتاد على الفن الغربي ليشمل تقاليد من خمس قارات تمتد عبر خمسة آلاف عام. قاموا بجمع مجموعة ضخمة من الصور التي تمثل ثلاثة وخمسين وحدة ثقافية متميزة، تتراوح من منطقة البحر الأبيض المتوسط القديمة إلى السلالات الأصلية في أوقيانوسيا. ولإنشاء معيار موثوق للمقارنة، استعانوا بعشرة خبراء "عميان" (أي غير مطلعين مسبقاً على المقارنات) — وهم متخصصون في تاريخ الفن وعلم الآثار ودراسات المتاحف — لتقييم مدى قرب كل زوج ممكن من هذه المجموعات الثقافية من بعضها البعض. لم يكن الخبراء يبحثون عن تشابه بصري بسيط، مثل كون اللوحتين تستخدمان اللون الأزرق، بل طُلب منهم الحكم على "الارتباط التاريخي" بناءً على الأدلة الموثقة للتواصل الثقافي والتقاليد البصرية المشتركة. وكانت النتيجة عبارة عن خريطة مفصلة للحكم البشري، وتوافقاً حول أي الثقافات مرتبطة تاريخياً وأيها لا يرتبط. غطت هذه الخريطة أكثر من ألف وثلاثمائة وثلاثين مقارنة.

ثم توجه الباحثون إلى ستة نماذج رؤية ضخمة مختلفة، وهي نوع من أنظمة الذكاء الاصطناعي التي تشغل أدوات التعرف على الصور وتوليدها اليوم. كانت هذه النماذج قد تدربت على مليارات الصور من الإنترنت، وتعلمت ضغط المعلومات البصرية في مساحات رياضية حيث تقع الصور المتشابهة بالقرب من بعضها البعض وتتباعد الصور المختلفة. قام الفريق بقياس المسافة بين المجموعات الثقافية الثلاث والخمسين داخل هذه المساحات الرقمية. فإذا لم تكن الآلات قد تعلمت شيئاً عن تاريخ الفن، لكانت المسافات بين هذه المجموعات عشوائية. أما إذا كانت قد تعلمت محاكاة الخبراء البشر، فينبغي أن تظهر المجموعات التي قال الخبراء إنها مرتبطة تاريخياً أقرب إلى بعضها البعض في "عقل" الآلة من المجموعات غير المرتبطة.

كشفت النتائج عن توافق مذهل. فعبر جميع أنواع نماذج الذكاء الاصطناعي الستة المختبرة، طابقت المسافة الرياضية بين المجموعات الثقافية باستمرار أحكام الخبراء البشر. فعندما قال الخبراء إن تقليدين مرتبطان تاريخياً، وضعتهم النماذج أقرب إلى بعضهم البعض. وعندما قالوا إنهم غير مرتبطين، وضعتهم النماذج بعيداً عن بعضهم البعض. وقد ظل هذا النمط صحيحاً حتى عندما تحكم الباحثون في العامل الجغرافي، لضمان أن الاتصال ليس مجرد نتيجة لوجود ثقافتين في مكان قريب جغرافياً. كانت الإشارة قوية بما يكفي ليتم رصدها حتى بين ثقافات تفصلها محيطات شاسعة، مثل التقليد اليوناني القديم وفن غاندارا البوذي، وهو مثال كلاسيكي للتأثير العابر للثقافات الذي سافر آلاف الكيلومترات.

لم يدّع البحث أن هذه الآلات تمتلك فهماً واعياً للتاريخ أو أنها يمكن أن تحل محل علماء البشر. وقد حرص الباحثون على ملاحظة أن الأنماط التي وجدتها النماذج تعكس على الأرجح الانتظامات الإحصائية الموجودة في الصور التي تدربت عليها، والتي تشكلت هي نفسها من خلال كيفية جمع المتاحف والأرشيفات للفنون وتصنيفها عبر القرون. لم تتعلم النماذج تاريخ الفن في فصل دراسي، بل تعلمت "البصمات البصرية" للتواصل الثقافي لأن تلك البصمات مغروسة في البيانات التي استهلكتها. ومع ذلك، فإن حقيقة وصول ست بنيات برمجية مختلفة، تدربت بأهداف مختلفة، إلى نفس النتيجة، تشير إلى أن الدليل البصري على الانتقال الثقافي هو دليل قوي وقابل للاكتشاف. وهذا يشير إلى أن السجل البصري على نطاق الإنترنت، رغم تحيزاته وفجواته، يحتوي على هيكل متماسك يعكس العلاقات التي وثقها قرون من المنح الدراسية البشرية.

ولضمان أن النتائج لم تكن نتاجاً للصور المختارة تحديداً، أجرى الفريق أيضاً فحصاً إدراكياً مع أربعة آلاف وخمسمائة مشارك من اثني عشر دولة مختلفة. طلبوا من الناس العاديين، الذين لا يملكون أي تدريب في تاريخ الفن، التمييز بين فئات واسعة من الأساليب البصرية. تمكن المشاركون من التمييز بين الفئات، مما أكد أن الاختلافات البصرية المستخدمة في الدراسة كانت حقيقية ومدركة للعين البشرية. أضاف هذا طبقة من التحقق، مبيناً أن الأنماط التي وجدتها الآلات لم تكن مجرد غرائب رياضية، بل كانت تتوافق مع شيء متميز بصرياً في العالم الحقيقي.

كما سلط البحث الضوء على قيود البيانات نفسها. إن الطريقة التي عُرِّفت بها الوحدات الثقافية الثلاث والخمسون تعكس التاريخ غير المتكافئ لتاريخ الفن كعلم، حيث تم تقسيم التقاليد الأوروبية إلى فئات دقيقة للغاية بينما تم تجميع مناطق أخرى، مثل أجزاء من أفريقيا والأمريكتين، في وحدات أوسع وأقل تفصيلاً. أقر الباحثون بأن هذا التحيز الهيكلي في البيانات من المرجح أن يكون قد أثر على النتائج، ودعوا إلى عمل مستقبلي يتضمن متعاونين من السكان الأصليين ومن غير الغربيين لإنشاء أطر عمل أكثر إنصافاً. ومع ذلك، ظل الاكتشاف الجوهري ثابتاً: المسافات البصرية التي حسبتها أنظمة الذكاء الاصطناعي القوية هذه تتوافق بشكل كبير مع الارتباط التاريخي المرمز من قبل الخبراء.

يقدم هذا العمل طريقة جديدة للنظر إلى التاريخ العالمي للفن. فهو يشير إلى أن المجموعة الضخمة والفوضوية من الصور على الإنترنت، عندما تُعالج بواسطة الذكاء الاصطناعي الحديث، يمكنها الكشف عن نفس الروابط الهيكلية العميقة التي قضى الخبراء البشر قروناً في كشفها. إنه لا يحل محل الحاجة إلى التفسير البشري أو الدراسة الدقيقة للسجلات التاريخية، ولكنه يوفر أداة قوية لرؤية الأنماط عبر المقاييس التي قد يصعب رسم خرائط لها يدوياً. تؤكد الدراسة أن اللغة البصرية للثقافة الإنسانية، بكل ما فيها من هجرات وتبادلات وابتكارات مستقلة، تترك بصمة إحصائية يمكن حتى لآلة مدربة على الإنترنت أن تتعلم قراءتها.