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

L'histoire de l'art s'appuie depuis longtemps sur l'œil exercé des chercheurs pour retracer les fils invisibles reliant les cultures à travers le temps et l'espace. Des experts ont passé des siècles à documenter comment un style de draperie pourrait voyager de la Grèce vers l'Inde, ou comment le concept de pyramide pourrait émerger indépendamment en Égypte et dans les Amériques. Ces connexions ne sont pas toujours évidentes ; elles sont souvent enfouies sous des millénaires de changements, cachées dans les détails subtils de l'ornement, de la forme et du matériau. Pour un humain, reconnaître ces liens historiques profonds nécessite des années d'études et l'accès à de vastes bibliothèques de registres. Mais qu'en serait-il si une machine, entraînée sur l'ensemble de l'histoire visuelle d'Internet, pouvait percevoir ces mêmes connexions sans jamais avoir lu un livre d'histoire ? Cette question se situe à l'intersection de l'intelligence artificielle et de l'étude culturelle, demandant si les motifs mathématiques cachés à l'intérieur des systèmes de vision par ordinateur reflètent accidentellement la manière dont les experts humains comprennent l'évolution de l'art.

Une équipe de chercheurs s'est donné pour mission de tester cette idée à l'échelle mondiale, en dépassant l'accent habituel mis sur l'art occidental pour inclure des traditions de cinq continents s'étendant sur cinq mille ans. Ils ont rassemblé une collection massive d'images représentant cinquante-trois unités culturelles distinctes, allant de l'Antiquité méditerranéenne aux lignées océaniennes indigènes. Pour créer un standard de comparaison fiable, ils ont recruté dix experts aveugles — des spécialistes en histoire de l'art, en archéologie et en études muséales — pour évaluer la proximité de chaque paire possible de ces groupes culturels. Les experts ne cherchaient pas une simple similitude visuelle, comme deux peintures utilisant toutes deux la couleur bleue. Au contraire, on leur a demandé de juger la parenté historique en se basant sur les preuves documentées de contacts culturels et de traditions visuelles partagées. Le résultat fut une carte détaillée du jugement humain, un consensus sur les cultures qui sont historiquement liées et celles qui ne le sont pas, couvrant plus de mille trois cents comparaisons de paires.

Les chercheurs se sont ensuite tournés vers six modèles de vision de grande taille, le type de systèmes d'intelligence artificielle qui alimentent les outils de reconnaissance et de génération d'images aujourd'hui. Ces modèles avaient été entraînés sur des milliards d'images provenant d'Internet, apprenant à compresser l'information visuelle dans des espaces mathématiques où les images similaires sont proches et les différentes sont éloignées. L'équipe a mesuré la distance entre les cinquante-trois groupes culturels au sein de ces espaces numériques. Si les machines n'avaient rien appris sur l'histoire de l'art, les distances entre ces groupes seraient aléatoires. Si elles avaient appris à imiter les experts humains, les groupes que les experts disaient historiquement liés devraient apparaître plus proches dans l'esprit de la machine que les groupes non apparentés.

Les résultats ont révélé un alignement frappant. À travers les six types différents de modèles d'intelligence artificielle testés, la distance mathématique entre les groupes culturels correspondait systématiquement aux jugements des experts humains. Lorsque les experts disaient que deux traditions étaient historiquement connectées, les modèles les plaçaient plus près les unes des autres. Lorsqu'ils disaient qu'elles étaient sans rapport, les modèles les plaçaient plus loin. Ce schéma restait vrai même lorsque les chercheurs contrôlaient la géographie, garantissant que la connexion n'était pas simplement due au fait que deux cultures se trouvaient par hasard proches l'une de l'autre. Le signal était assez fort pour être détecté même entre des cultures séparées par de vastes océans, comme la tradition grecque antique et l'art bouddhique de Gandhara, un exemple classique d'influence transculturelle ayant voyagé sur des milliers de kilomètres.

L'étude ne prétend pas que ces machines possèdent une compréhension consciente de l'histoire ou qu'elles peuvent remplacer les chercheurs humains. Les chercheurs ont pris soin de noter que les motifs trouvés par les modèles reflètent probablement les régularités statistiques présentes dans les images sur lesquelles ils ont été entraînés, lesquelles sont elles-mêmes façonnées par la manière dont les musées et les archives ont collecté et catégorisé l'art pendant des siècles. Les modèles n'ont pas appris l'histoire de l'art dans une salle de classe ; ils ont appris les empreintes digitales visuelles du contact culturel parce que ces empreintes sont ancrées dans les données qu'ils ont consommées. Cependant, le fait que six architectures différentes, entraînées avec des objectifs différents, soient arrivées à la même conclusion suggère que la preuve visuelle de la transmission culturelle est robuste et détectable. Cela indique que le registre visuel à l'échelle d'Internet, malgré ses biais et ses lacunes, contient une structure cohérente qui reflète les relations documentées par des siècles de savoir humain.

Pour s'assurer que les résultats n'étaient pas un artefact des images spécifiques choisies, l'équipe a également mené un contrôle perceptuel auprès de quatre mille cinq cents participants provenant de douze pays différents. Ils ont demandé à des personnes ordinaires, sans formation en histoire de l'art, de distinguer de larges catégories de styles visuels. Les participants ont été capables de distinguer les catégories, confirmant que les différences visuelles utilisées dans l'étude étaient réelles et perceptibles à l'œil humain. Cela a ajouté une couche de validation, montrant que les motifs trouvés par les machines n'étaient pas seulement des curiosités mathématiques mais correspondaient à quelque chose de visuellement distinct dans le monde réel.

La recherche a également mis en lumière les limites des données elles-mêmes. La manière dont les cinquante-trois unités culturelles ont été définies reflète l'histoire inégale de l'histoire de l'art en tant que discipline, avec des traditions européennes décomposées en de nombreuses catégories fines tandis que d'autres régions, comme certaines parties de l'Afrique et des Amériques, étaient regroupées en unités plus larges et moins détaillées. Les chercheurs ont reconnu que ce biais structurel dans les données a probablement influencé les résultats, et ils ont appelé à des travaux futurs impliquant des collaborateurs autochtones et non occidentaux pour créer des cadres plus équitables. Néanmoins, le constat central est resté stable : les distances visuelles calculées par ces puissants systèmes d'intelligence artificielle s'alignent de manière significative avec la parenté historique codée par les experts.

Ce travail offre une nouvelle façon de regarder l'histoire mondiale de l'art. Il suggère que la vaste et désordonnée collection d'images sur Internet, lorsqu'elle est traitée par l'intelligence artificielle moderne, peut révéler les mêmes connexions structurelles profondes que les experts humains ont passé des siècles à découvrir. Cela ne remplace pas le besoin d'interprétation humaine ou l'étude minutieuse des registres historiques, mais cela fournit un outil puissant pour voir des motifs à des échelles qui seraient difficiles à cartographier manuellement. L'étude confirme que le langage visuel de la culture humaine, avec toutes ses migrations, échanges et inventions indépendantes, laisse une signature statistique que même une machine entraînée sur Internet peut apprendre à lire.