Visually similar prints expose a benchmark validity gap in computational art history
تُبين هذه الورقة أن معايير استرجاع الصور في تاريخ الفن الحوسبي غالبًا ما تُسفر عن دقة عالية مضللة عبر إغفال النسخ المطبوعة المتماثلة بصريًا والمتميزة تاريخيًا، مما يكشف عن فجوة صلاحية حرجة تستوجب تضمين بدائل مربكة في مجموعات المرشحين للتمييز بين مجرد تكرار التصميم والعلاقات التاريخية الحقيقية.
في الأرشيفات الرقمية الشاسعة لمتاحف العالم، ظهر نوع جديد من البحث. فبدلاً من كتابة الكلمات، يمكن للباحثين والجمهور الآن رفع صورة للعثور على صور أخرى تشبهها. هذه التكنولوجيا، المعروفة باسم الاسترجاع البصري، أصبحت أداة قوية لربط القطع الفنية المبعثرة، وتتبع كيفية انتقال تصميم واحد عبر القرون، وإعادة بناء التاريخ البصري للثقافات. وهي تعمل من خلال مقارنة بكسلات الصور الرقمية، والبحث عن أنماط في الخطوط والأشكال والألوان التي توحي بأن الصورتين مرتبطتان. وبالنسبة للعديد من أنواع الفنون، يعمل هذا بشكل رائع. ومع ذلك، تبرز مشكلة محددة وعنيدة عندما تكون الأشياء المعنية هي المطبوعات (prints) — وهي صور ناتجة عن ضغط الحبر من قالب منحوت على الورق. إذ يمكن أن يوجد تصميم واحد في أشكال مختلفة: طبعة أصلية من قالب جديد، أو طبعة لاحقة من قالب متآكل، أو نسخة صنعها فنان آخر، أو نسخة مُعاد إنتاجها. وبالنسبة للحاسوب، تبدو هذه النسخ المختلفة متشابهة تماماً. أما بالنسبة للمؤرخ، فهي تحكي قصصاً مختلفة تماماً حول من صنعها، ومتى، وكيف. ويصبح السؤال المركزي هو ما إذا كان البحث الحاسوبي الذي يجد صورة مشابهة بصرياً يجد بالفعل الكائن التاريخي الصحيح، أم مجرد شبيه مقنع.
تتقصى دراسة حديثة أجراها جيونغمينغ فانغ في جامعة تشجيانغ للاتصالات هذا الفجوة تحديداً بين ما يراه الحاسوب وما يعرفه المؤرخ. يركز البحث على مجموعة من المطبوعات الخشبية من متحف المتروبوليتان للفنون في نيويورك. أراد الباحثون اختبار ما إذا كانت أدوات البحث الحاسوبية القياسية تستطيع التمييز بين المطبوعة الأصلية ونسخة تم تصنيفها صراحةً على أنها كذلك في سجلات المتحف. وقد أقاموا تجربة منضبطة باستخدام 39 سجلاً محدداً من قاعدة بيانات المتحف. في المرحلة الأولى، طلبوا من الحاسوب إيجاد تصميم مطابق ضمن مجموعة من المرشحين تضمنت المطبوعة الأصلية الصحيحة والعديد من المطبوعات ذات التصاميم المختلفة، لكنهم تعمدوا استبعاد النسخة المعروفة. في هذا السيناريو، أدى الحاسوب أداءً مثالياً. فباستخدام الطرق القياسية لمقارنة الصور، حدد النظام المطبوعة الأصلية المقصودة كأفضل تطابق في كل مرة عبر 240 استعلام اختبار مختلف. كان الحاسوب يحل عملياً لغزاً حيث لم يكن الجواب الخاطئ موجوداً حتى في الأصل.
ثم غير الباحثون التجربة لمعرفة ما سيحدث إذا أُجبر الحاسوب على الاختيار بين الأصل والنسخة. فقد أضافوا النسخة المعروفة إلى مجموعة المرشحين، مما خلق مجموعة جديدة تعين على الحاسوب فيها الاختيار بين صورتين تتشاركان في التصميم نفسه ولكن تختلف هويتهما التاريخية. تغيرت النتائج بشكل دراماتيكي. فعندما كانت النسخة موجودة، انكسلت السجل المثالي للحاسوب. فبناءً على الطريقة المحددة المستخدمة لمقارنة الصور، حدد النظام المطبوعة الأصلية كأفضل نتيجة فقط في 187 أو 177 أو 237 مرة من أصل 240 استعلاماً. وفي الحالات المتبقية، اختار الحاسوب النسخة بدلاً منها، واضعاً إياها في مرتبة التطابق الأفضل. وفي بعض الحالات، أصبحت النسخة هي النتيجة الأولى الفريدة، مما أزاح الأصل المقصود تماماً. حدث هذا رغم أن الحاسوب كان يستخدم نفس الصور ونفس القواعد الرياضية كما في السابق؛ الشيء الوحيد الذي تغير هو وجود كائن مختلف تاريخياً ولكنه يشبهه بصرياً بشكل كبير.
اختبرت الدراسة أيضاً نظاماً أكثر حذراً مصمماً للاعتراف بعدم اليقين. فقد تمت برمجة هذا النظام بحيث لا يتخذ قراراً نهائياً إلا إذا اتفقت طريقتان مختلفتان للمقارنة على الإجبابة نفسها؛ وإلا فإنه يتوقف ويطلب المساعدة من الإنسان. وحتى هذا النهج الحذر فشل في رصد كل خطأ؛ فقد قبل النسخة كإجابة صحيحة في حالتين منفصلتين، مما أثبت أن مجرد وجود شبكة أمان ليس كافياً لضمان الدقة التاريخية عندما تكون الأدلة البصرية غامضة. وجد الباحثون أن المشكلة لم تكن في أن الحاسوب سيء في التعرف على التصميم، بل كان ممتازاً في ذلك. المشكلة هي أن الاختبار نفسه كان معيباً لأنه لم يتضمن البدائل الصعبة التي قد يحتاج المؤرخ الحقيقي للنظر فيها. إن المعيار الذي يطلب فقط من الحاسوب إيجاد تصميم وسط صور غير ذات صلة سيظهر دائماً معدل نجاح مرتفعاً، لكن معدل النجاح هذا لا يخبرنا شيئاً عن قدرة الحاسوب على التمييز بين الأصل والنسخة.
تخلص الورقة البحثية إلى أن الطريقة التي نختبر بها هذه الأنظمة يجب أن تتغير. إن صلاحية أداة البحث تعتمد على ما يُسمح لها برؤيته أثناء الاختبار. فإذا تم اختبار النظام فقط على أمثلة سهلة حيث لا تشبه الإجابات الخاطعة الإجابات الصحيحة شيئاً، فإن درجة نجاحه العالية ستكون مضللة. ولفهم ما إذا كانت الأداة مفيدة لتاريخ الفن حقاً، يجب أن يتضمن الاختبار "مرشحين مربكين للعلاقة" — أي كائنات تتشابه بصرياً ولكن تختلف تاريخياً. يقترح المؤلف طريقة جديدة لتنظيم البحث الرقمي تفصل بين ثلاث خطوات متميزة: إيجاد الصور المتشابهة بصرياً، واختبار ما إذا كان النظام يمكنه التعامل مع البدائل المربكة، وأخيراً، إجراء حكم تاريخي بناءً على الأدلة الوثائقية. هذا النهج لا يحاول أتمتة دور مؤرخ الفن، بل يخلق حدوداً واضحة حيث يمكن للحاسوب أن يقول "هذه تبدو متشابهة"، ويمكن للخبير البشري بعد ذلك أن يقرر "لكن هذه واحدة منها نسخة". ومن خلال جعل حدود البحث مرئية واختبار النظام ضد التعقيد الحقيقي لتاريخ الفن، يمكن للباحثين بناء أدوات صادقة بشأن ما تعرفه وما لا تعرفه. وتظهر الدراسة أنه لكي يكون التراث الرقمي موثوقاً حقاً، يجب أن نتوقف عن التظاهر بأن التشابه البصري هو نفسه الحقيقة التاريخية.
ملخص تقني: المطبوعات المتشابهة بصرياً تكشف عن فجوة في صلاحية المعايير المرجعية في تاريخ الفن الحوسبي
بيان المشكلة تحدد الورقة البحثية فجوة حرجة في صلاحية المعايير المرجعية (benchmarks) في تاريخ الفن الحوسبي، وتحديداً ضمن أنظمة الاسترجاع البصري المطبقة على ثقافة المطبوعات. وبينما تستخدم المجموعات الرقمية المتزايدة التشابه البصري للربط بين الصور ذات الصلة، فإن التشابه البصري لا يثبت بالضرورة وجود علاقة تاريخية بين الأشياء المادية. في فن الحفر والطباعة، يمكن لأشياء متميزة (مثل حالات مختلفة، أو قوالب أعيد حفرها، أو نسخ بأيدي أخرى) أن تحافظ على التكوين نفسه مع امتلاك تاريخ مادي مختلف.
تكمن المشكلة الجوهرية في أن المعايير المرجعية القياسية غالباً ما تُعرّف "النجاح" بشكل ضيق للغاية. فإذا كانت المرشحات السلبية في المعيار المرجعي تتكون فقط من صور ذات تكوينات مختلفة، يمكن للنموذج تحقيق درجات مثالية عبر التعرف على تكرار التصميم. ومع ذلك، فإن هذا النجاح يكون غير صالح للمهام التي تتطلب التمييز بين الأشياء التي تشترك في تصميم واحد ولكنها تختلف في علاقتها التشغيلية (على سبيل المثال، طبعة أصلية مقابل نسخة). وتجادل الورقة بأن التكوين المرشح هو جزء أساسي من صلاحية البناء؛ إذ لا يمكن للمعيار المرجعي أن يدعم الادعاءات حول "التماثل التاريخي" ما لم يتضمن مرشحات "مربكة للعلاقة" (relation-confusable)—وهي سجلات متقاربة بصرياً ولكنها تنتمي إلى فئة تشغيلية مختلفة.
المنهجية تستخدم الدراسة تدخلاً مضبوطاً داخل مجموعة مرشحات الاستعلام باستخدام مجموعة بيانات مكونة من 39 سجلاً لرسومات الخشب من متحف المتروبوليتان (Met). صُممت المنهجية لعزل تأثير إضافة بديل واحد ذي تبعات تاريخية إلى مجموعة الاسترجاع.
المتن والملصقات: تتكون مجموعة البيانات من 12 "مجموعة ذات تصميم عمل واحد". تم اشتقاق الملصقات من بيانات الكتالوج بشكل أحادي الجانب: السجلات التي تحتوي على كلمة "نسخة" (copy) في العنوان والبادئة "بعد" (After) للفنان تُصنف كـ نسخ صريحة، بينما تُصنف السجلات الأخرى كـ أهداف. تعمل هذه الملصقات كحدود تشغيلية للمهمة، وليس كأحكام نهائية على هوية المصفوفة أو الأصالة.
مجموعات المرشحين:
المجموعة (A): تحتوي على هدف مقصود من نفس التصميم و27 مرشحاً سالباً بتصميمات أخرى. يتم استبعاد النسخة الصريحة منها.
المجموعة (C): مطابقة للمجموعة (A) ولكنها تتضمن سجل النسخة الصريحة ذات التصميم نفسه.
المجموعة (B): تحتوي فقط على الهدف المقصود والنسخة الصريحة.
الاستعلامات: تولد الدراسة 240 استعلاماً مركباً لكل مجموعة، مع تطبيق تحويلات إجهاد (تحاكي التلامس، والورق، وعمليات الرقمنة) على صور الاستعلام مع إبقاء المرشحات في المعرض في حالتها الأصلية.
الأساليب التي تم تقييمها: تم اختبار ستة واصفات بصرية: البكسلات الخام (Raw pixels)، وpHash، وHOG (مخططات التدرج الموجه)، وORB (مع RANSAC)، وInkTrace، ودمج متوسط المكونات (CAR). كما تم تضمين DINOv2 وSuperPoint-LightGlue كخطوط أساس استكشافية.
المقاييس: المقياس الأساسي هو استدعاء الهدف المقصود عند الرتبة 1 (R@1). تتبعت الدراسة تحديداً "تطفلات النسخ الصارمة" (حيث تصبح النسخة هي النتيجة الأولى الفريدة في المجموعة C بعد نجاح الهدف في المجموعة A) وحالات التعادل.
بوابة القرار: تم اختبار بوابة امتناع (abstaining) تعتمد على ORB/HOG لمعرفة ما إذا كان اشتراط الاتفاق بين الواصفات يمنع دخول سجلات فئة النسخة إلى المجموعة المقبولة.
النتائج الرئيسية يُظهر التدخل أن وجود مرشح واحد مربك للعلاقة يؤدي بشكل كبير إلى تدهور الأداء للطرق التي تبدو مثالية في ظروف أخرى.
أداء المجموعة (A): في غياب النسخة، حققت البكسلات الخام، وHOG، وORB نسبة استدعاء (R@1) قدرها 1.000 (240/240) عبر جميع الاستعلامات.
أداء المجموعة (C): عند إضافة النسخة الصريحة:
البكسلات الخام: انخفض R@1 إلى 0.779 (187/240)؛ وأصبحت النسخة هي النتيجة الأولى الفريدة 53 مرة.
HOG: انخفض R@1 إلى 0.738 (177/240)؛ وأصبحت النسخة هي النتيجة الأولى الفريدة 63 مرة.
ORB: انخفض R@1 إلى 0.988 (237/240)؛ وأصبحت النسخة هي النتيجة الأولى الفريدة 3 مرات.
InkTrace: انخفض R@1 إلى 0.738 مع 60 تطفلاً صارماً.
DINOv2: انخفض R@1 من 0.996 إلى 0.667 مع 79 تطفلاً صارماً.
نتائج المجموعة (B): عند مقارنة الهدف والنسخة مباشرة، ظل استدعاء التصميم (design R@1) عند 1.000 لجميع الطرق لأن كلا المرشحين يتشاركان في نفس التصميم العملي. يسلط هذا الضৰ الضوء على فجوة الصلاحية: المقياس صحيح عددياً لاستعادة التصميم ولكنه يفشل في التمييز بين الفئات التشغيلية المطلوبة للاستدلال التاريخي.
بوابة القرار: قبلت بوابة ORB/HOG الممتنعة 178 استعلاماً ولكنها لا تزال تختار النسخة في حالتين (خطر انتقائي بنسبة 0.011)، مما يثبت أن الاتفاق بين الواصفات لا يضمن استبعاد الأخطاء المربكة للعلاقة.
المساهمات الرئيسية
إعادة صياغة تكوين المرشحين: تؤطر الورقة تكوين المرشحين كمسألة تتعلق بصلاحية البناء، وتجادل بأن نجاح المعيار المرجعي يعتمد على البدائل المقدمة للنظام.
اختبار تجريبي مضبوط: تقدم اختباراً تجريبياً مضبوطاً على مستوى الاستعلام يتجاوز التحذيرات النظرية ليثبت "أخطاء النسخ المقبولة" الملحوظة في مسارات الاسترجاع القياسية.
بنية أدلة مدركة للعلاقة: تقترح المؤلفة بنية ثلاثية الطبقات لفصل الاكتشاف البصري، واختبار الارتباك، والحكم التاريخي:
سجل الاكتشاف البصري: يسجل التشابه تحت الإجراءات المعلنة.
سجل ارتباك العلاقة: يوثق ما إذا كان الإجراء قد حافظ على التمايزات التشغيلية (على سبيل المثال، معدلات التطفل).
سجل الادعاء التاريخي: يتطلب أدلة تحمل مصدراً (المنشأ، التحليل المادي) للادعاءات التاريخية، وهي متميزة عن التصنيف الخوارزمي.
الأهمية والادعاءات تدعي الورقة أن التشابه البصري أمر لا غنى عنه لإيجاد التصاميم المتكررة، لكن معناه الإثباتي يعتمد كلياً على ما يسمح المعيار المرجعي للنظام برؤيته. لا تجادل الدراسة بأن الاسترجاع البصري غير قابل للاستخدام أو أن النماذج يجب أن توثق أصالة المطبوعات. بدلاً من ذلك، تؤكد أن معيار استرجاع التصميم لا يمكنه دعم الادعاءات حول التماثل التاريخي ما لم تكن البدائل المربكة للعلاقة ممثلة ويتم توثيق العلاقة ذاتها بشكل مستقل.
تكمن الأهمية المقترحة في تقديم طريقة قابلة للتكرار لمشاريع العلوم الإنسانية الرقمية والتراث الثقافي لاختبار متى يصبح "التشابه المفيد" "استدلالاً تاريخياً غير صالح". ومن خلال فصل الاكتشاف البصري عن اختبار الارتباك والحكم التاريخي، تهدف هذه المنهجية إلى الحفاظ على الفائدة الحوسبية مع ضمان المساءلة التاريخية، ومنع الوراثة الصامتة للسلطة من قبل المراحل السابقة الأقل دقة من التحليل. وتخلص الدراسة إلى أن السؤال الحاسم للتراث الثقافي الرقمي ليس مجرد ما إذا كان النموذج يجد صورة مشابهة، بل ما إذا كان التقييم يجعل الاختلافات المحددة التي يهدف البحث إلى فهمها مرئية.