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

La historia del arte ha dependido durante mucho tiempo del ojo entrenado de los especialistas para rastrear los hilos invisibles que conectan las culturas a través del tiempo y el espacio. Los expertos han pasado siglos documentando cómo un estilo de drapeado podría viajar de Grecia a la India, o cómo el concepto de una pirámide podría surgir de forma independiente en Egipto y las Américas. Estas conexiones no siempre son obvias; a menudo están enterradas bajo miles de años de cambios, ocultas en los detalles sutiles del ornamento, la forma y el material. Para un ser humano, reconocer estos vínculos históricos profundos requiere años de estudio y acceso a vastas bibliotecas de registros. Pero, ¿qué pasaría si una máquina, entrenada con toda la historia visual de internet, pudiera ver estas mismas conexiones sin haber leído jamás un libro de historia? Esta pregunta se sitúa en la intersección de la inteligencia artificial y el estudio cultural, planteando si los patrones matemáticos ocultos dentro de los sistemas de visión computacional reflejan accidentalmente la forma en que los expertos humanos comprenden la evolución del arte.

Un equipo de investigadores se propuso probar esta idea a escala global, yendo más allá del enfoque habitual en el arte occidental para incluir tradiciones de cinco continentes que abarcan cinco mil años. Reunieron una colección masiva de imágenes que representaban cincuenta y tres unidades culturales distintas, que iban desde el antiguo Mediterráneo hasta linajes oceánicos indígenas. Para crear un estándar fiable de comparación, reclutaron a diez expertos ciegos —especialistas en historia del arte, arqueología y estudios de museos— para calificar qué tan estrechamente relacionadas estaban todas las parejas posibles de estos grupos culturales. Los expertos no buscaban una simple similitud visual, como que dos pinturas usaran ambas el color azul. En su lugar, se les pidió que juzgaranon la relación histórica basándose en la evidencia documentada de contacto cultural y tradiciones visuales compartidas. El resultado fue un mapa detallado del juicio humano, un consenso sobre qué culturas están históricamente vinculadas y cuáles no, cubriendo más de mil trescientas comparaciones de pares.

Los investigadores se dirigieron entonces a seis modelos de visión de gran tamaño, el tipo de sistemas de inteligencia artificial que impulsan las herramientas de reconocimiento y generación de imágenes actuales. Estos modelos habían sido entrenados con miles de millones de imágenes de internet, aprendiendo a comprimir la información visual en espacios matemáticos donde las imágenes similares se sitúan cerca y las diferentes se sitúan lejos. El equipo midió la distancia entre los cincuenta y tres grupos culturales dentro de estos espacios digitales. Si las máquinas no hubieran aprendido nada sobre historia del arte, las distancias entre estos grupos serían aleatorias. Si hubieran aprendido a imitar a los expertos humanos, los grupos que los expertos dijeron que estaban históricamente vinculados deberían aparecer más cerca entre sí en la mente de la máquina que los grupos que no lo estaban.

Los hallazgos revelaron una alineación sorprendente. A través de los seis tipos diferentes de modelos de inteligencia artificial probados, la distancia matemática entre los grupos culturales coincidió consistentemente con los juicios de los expertos humanos. Cuando los expertos dijeron que dos tradiciones estaban conectadas históricamente, los modelos las situaron más cerca. Cuando los expertos dijeron que no estaban relacionadas, los modelos las situaron más lejos. Este patrón se mantuvo incluso cuando los investigadores controlaron la geografía, asegurando que la conexión no fuera simplemente porque dos culturas resultaron vivir cerca una de otra. La señal fue lo suficientemente fuerte como para ser detectada incluso entre culturas separadas por vastos océanos, como la antigua tradición griega y el arte budista de Gandhara, un ejemplo clásico de influencia transcultural que viajó miles de kilómetros.

El estudio no pretendía afirmar que estas máquinas posean una comprensión consciente de la historia o que puedan reemplazar a los académicos humanos. Los investigadores fueron cuidadosos al señalar que los patrones que los modelos encontraron probablemente reflejan las regularidades estadísticas presentes en las imágenes con las que fueron entrenados, las cuales están, a su vez, moldeadas por la forma en que los museos y archivos han coleccionado y categorizado el arte durante siglos. Los modelos no aprendieron historia del arte en un aula; aprendieron la huella digital visual del contacto cultural porque esas huellas están incrustadas en los datos que consumieron. Sin embargo, el hecho de que seis arquitecturas diferentes, entrenadas con objetivos distintos, llegaran a la misma conclusión sugiere que la evidencia visual de la transmisión cultural es robusta y detectable. Indica que el registro visual a escala de internet, a pesar de sus sesgos y lagunas, contiene una estructura coherente que refleja las relaciones documentadas por siglos de erudición humana.

Para asegurar que los resultados no fueran un artefacto de las imágenes específicas elegidas, el equipo también realizó una comprobación perceptiva con cuatro mil quinientas participantes de doce países diferentes. Pidieron a personas comunes, sin formación en historia del arte, que distinguieran entre categorías amplias de estilos visuales. Los participantes fueron capaces de distinguir las categorías, confirmando que las diferencias visuales utilizadas en el estudio eran reales y perceptibles para el ojo humano. Esto añadió una capa de validación, mostrando que los patrones que las máquinas encontraron no eran solo peculiaridades matemáticas, sino que correspondían a algo visualmente distinto en el mundo real.

La investigación también destacó las limitaciones de los datos mismos. La forma en que se definieron las cincuenta y tres unidades culturales reflejó la historia desigual de la historia del arte como disciplina, con las tradiciones europeas desglosadas en muchas categorías finas, mientras que otras regiones, como partes de África y las Américas, fueron agrupadas en unidades más amplias y menos detalladas. Los investigadores reconocieron que este sesgo estructural en los datos probablemente influyó en los resultados, y pidieron que trabajos futuros involucren a colaboradores indígenas y no occidentales para crear marcos más equitativos. No obstante, el hallazgo central se mantuvo estable: las distancias visuales calculadas por estos poderosos sistemas de inteligencia artificial se alinean significativamente con la relación histórica codificada por expertos.

Este trabajo ofrece una nueva forma de mirar la historia global del arte. Sugiere que la vasta y desordenada colección de imágenes en internet, cuando es procesada por la inteligencia artificial moderna, puede revelar las mismas conexiones estructurales profundas que los expertos humanos han pasado siglos descubriendo. No reemplaza la necesidad de la interpretación humana ni el estudio cuidadoso de los registros históricos, pero proporciona una herramienta poderosa para ver patrones a escalas que serían difíciles de mapear a mano. El estudio confirma que el lenguaje visual de la cultura humana, con todas sus migraciones, intercambios e invenciones independientes, deja una firma estadística que incluso una máquina entrenada en internet puede aprender a leer.