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

कला इतिहास लंबे समय से संस्कृतियों को समय और स्थान के पार जोड़ने वाले अदृश्य धागों का पता लगाने के लिए विद्वानों की प्रशिक्षित दृष्टि पर निर्भर रहा है। विशेषज्ञों ने सदियों तक यह दस्तावेजीकरण किया है कि कैसे कपड़ों की एक शैली ग्रीस से भारत तक जा सकती है, या कैसे पिरामिड की अवधारणा मिस्र और अमेरिका में स्वतंत्र रूप से उभर सकती है। ये संबंध हमेशा स्पष्ट नहीं होते; वे अक्सर हजारों वर्षों के परिवर्तन के नीचे दबे होते हैं, जो अलंकरण, आकार और सामग्री के सूक्ष्म विवरणों में छिपे होते हैं। एक इंसान के लिए, इन गहरे ऐतिहासिक संबंधों को पहचानने के लिए वर्षों के अध्ययन और रिकॉर्ड के विशाल पुस्तकालयों तक पहुंच की आवश्यकता होती है। लेकिन क्या होगा यदि एक मशीन, जिसे इंटरनेट के संपूर्ण दृश्य इतिहास पर प्रशिक्षित किया गया हो, बिना कभी कोई इतिहास की किताब पढ़े, इन समान संबंधों को देख सके? यह प्रश्न कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) और सांस्कृतिक अध्ययन के मिलन बिंदु पर स्थित है, जो यह पूछता है कि क्या कंप्यूटर विजन सिस्टम के भीतर छिपे गणितीय पैटर्न अनजाने में उस तरह की नकल करते हैं जैसे मानव विशेषज्ञ कला के विकास को समझते हैं।

शोधकर्ताओं की एक टीम ने इस विचार का परीक्षण वैश्विक स्तर पर करने के लिए एक टीम बनाई, जो पश्चिमी कला पर सामान्य ध्यान से आगे बढ़कर पांच महाद्वीपों की पांच हजार वर्षों की परंपराओं को शामिल करती है। उन्होंने पचास तीन विशिष्ट सांस्कृतिक इकाइयों का प्रतिनिधित्व करने वाली छवियों का एक विशाल संग्रह एकत्र किया, जिसमें प्राचीन भूमध्यसागरीय क्षेत्र से लेकर स्वदेशी ओशनिक वंशों तक शामिल थे। तुलना के लिए एक विश्वसनीय मानक बनाने के लिए, उन्होंने दस 'ब्लाइंड एक्सपर्ट्स' (विशेषज्ञों) को नियुक्त किया—जो कला इतिहास, पुरातत्व और संग्रहालय अध्ययन के विशेषज्ञ थे—ताकि वे इन सांस्कृतिक समूहों के प्रत्येक संभावित जोड़े के बीच की निकटता को रेट कर सकें। विशेषज्ञ केवल दृश्य समानता नहीं देख रहे थे, जैसे कि दो पेंटिंग दोनों में नीला रंग उपयोग किया गया हो। इसके बजाय, उन्हें सांस्कृतिक संपर्क और साझा दृश्य परंपराओं के दस्तावेजी साक्ष्यों के आधार पर ऐतिहासिक संबद्धता का निर्णय लेने के लिए कहा गया था। इसका परिणाम मानव निर्णय का एक विस्तृत मानचित्र था, जो इस बात पर एक सहमति थी कि कौन सी संस्कृतियाँ ऐतिहासिक रूप से जुड़ी हुई हैं और कौन सी नहीं, जिसमें एक हजार तीन सौ से अधिक तुलनात्मक जोड़े शामिल थे।

इसके बाद शोधकर्ताओं ने छह अलग-अलग बड़े विजन मॉडल (लार्ज विजन मॉडल्स) की ओर रुख किया, जो आज इमेज रिकग्निशन और जनरेशन टूल्स को शक्ति प्रदान करने वाले कृत्रिम बुद्धिमत्ता सिस्टम के प्रकार हैं। इन मॉडलों को इंटरनेट से अरबों छवियों पर प्रशिक्षित किया गया था, जिससे उन्होंने दृश्य जानकारी को उन गणितीय स्थानों (मैथमेटिकल स्पेस) में संकुचित करना सीखा जहाँ समान छवियां पास होती हैं और भिन्न छवियां दूर होती हैं। टीम ने इन डिजिटल स्थानों के भीतर पचास तीन सांस्कृतिक समूहों के बीच की दूरी को मापा। यदि मशीनों ने कला इतिहास के बारे में कुछ नहीं सीखा होता, तो इन समूहों के बीच की दूरियां यादृच्छिक (रैंडम) होतीं। यदि उन्होंने मानव विशेषज्ञों की नकल करना सीख लिया होता, तो वे समूह जिन्हें विशेषज्ञों ने ऐतिहासिक रूप से जुड़ा हुआ बताया था, मशीन के मस्तिष्क में उन समूहों की तुलना में अधिक करीब दिखाई देते जिन्हें वे असंबंधित बताते थे।

निष्कर्षों ने एक आश्चर्यजनक संरेखण प्रकट किया। परीक्षण किए गए छह अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडलों में से सभी में, सांस्कृतिक समूहों के बीच की गणितीय दूरी लगातार मानव विशेषज्ञों के निर्णयों से मेल खाती थी। जब विशेषज्ञों ने कहा कि दो परंपराएं ऐतिहासिक रूप से जुड़ी हुई हैं, तो मॉडलों ने उन्हें करीब रखा। जब विशेषज्ञों ने कहा कि वे असंबंधित हैं, तो मॉडलों ने उन्हें दूर रखा। यह पैटर्न तब भी बना रहा जब शोधकर्ताओं ने भूगोल को नियंत्रित किया, जिससे यह सुनिश्चित हुआ कि संबंध केवल इसलिए नहीं था क्योंकि दो संस्कृतियां संयोग से एक-दूसरे के पास रहती थीं। संकेत इतना मजबूत था कि इसे विशाल महासागरों द्वारा अलग की गई संस्कृतियों के बीच भी पहचाना जा सका, जैसे कि प्राचीन ग्रीक परंपरा और गांधार की बौद्ध कला, जो सांस्कृतिक प्रभाव का एक क्लासिक उदाहरण है जो हजारों किलोमीटर की यात्रा करता है।

अध्ययन ने यह दावा नहीं किया कि इन मशीनों के पास इतिहास की कोई सचेत समझ है या वे मानव विद्वानों की जगह ले सकती हैं। शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि मॉडलों द्वारा पाए गए पैटर्न संभवतः उन सांख्यिकीय नियमितताओं को दर्शाते हैं जो छवियों में मौजूद हैं, जिन्हें स्वयं संग्रहालयों और अभिलेखागारों द्वारा कला को एकत्र करने और वर्गीकृत करने के तरीके से आकार दिया गया है। मॉडलों ने कक्षा में कला का इतिहास नहीं सीखा; उन्होंने सांस्कृतिक संपर्क के दृश्य पदचिह्नों (विजुअल फिंगरप्रिंट्स) को सीखा क्योंकि वे पदचिह्न उस डेटा में समाहित हैं जिसका उन्होंने उपभोग किया है। हालांकि, तथ्य यह है कि छह अलग-अलग आर्किटेक्चर, जो अलग-अलग लक्ष्यों के साथ प्रशिक्षित थे, सभी एक ही निष्कर्ष पर पहुंचे, यह सुझाव देता है कि सांस्कृतिक प्रसार का दृश्य प्रमाण सुदृढ़ और पता लगाने योग्य है। यह इंगित करता है कि इंटरनेट-स्केल दृश्य रिकॉर्ड, अपने पूर्वाग्रहों और अंतराल के बावजूद, एक सुसंगत संरचना रखता है जो सदियों के मानव विद्वता द्वारा प्रलेखित संबंधों को दर्शाता है।

यह सुनिश्चित करने के लिए कि परिणाम विशिष्ट छवियों का परिणाम नहीं थे, टीम ने बारह अलग-अलग देशों के चार हजार पांच सौ प्रतिभागियों के साथ एक 'परसेप्चुअल चेक' (प्रत्यक्ष बोध जांच) भी चलाया। उन्होंने कला इतिहास में प्रशिक्षित बिना साधारण लोगों से दृश्य शैलियों की व्यापक श्रेणियों के बीच अंतर करने को कहा। प्रतिभागी श्रेणियों को पहचानने में सक्षम थे, जिससे पुष्टि हुई कि अध्ययन में उपयोग किए गए दृश्य अंतर वास्तविक और मानवीय आंखों के लिए बोधगम्य थे। इसने सत्यापन की एक परत जोड़ी, यह दिखाते हुए कि मशीनों द्वारा पाए गए पैटर्न केवल गणितीय विचित्रता नहीं थे बल्कि वास्तविक दुनिया में कुछ दृश्य रूप से विशिष्ट से मेल खाते थे।

शोध ने डेटा की सीमाओं पर भी प्रकाश डाला। पचास तीन सांस्कृतिक इकाइयों को जिस तरह से परिभाषित किया गया था, वह कला इतिहास के एक क्षेत्र के रूप में असमान इतिहास को दर्शाता था, जिसमें यूरोपीय परंपराओं को कई सूक्ष्म श्रेणियों में विभाजित किया गया था, जबकि अफ्रीका और अमेरिका के कुछ हिस्सों जैसे अन्य क्षेत्रों को व्यापक, कम विस्तृत इकाइयों में समूहीकृत किया गया था। शोधकर्ताओं ने स्वीकार किया कि डेटा में इस संरचनात्मक पूर्वाग्रह ने परिणामों को प्रभावित किया होगा, और उन्होंने भविष्य के कार्यों में अधिक न्यायसंगत ढांचे बनाने के लिए स्वदेशी और गैर-पश्चिमी सहयोगियों को शामिल करने का आह्वान किया। फिर भी, मुख्य निष्कर्ष स्थिर रहा: इन शक्तिशाली आर्टिफिशियल इंटेलिजेंस सिस्टमों द्वारा गणना की गई दृश्य दूरियां विशेषज्ञ-कोडित ऐतिहासिक संबद्धता के साथ महत्वपूर्ण रूप से संरेखित होती हैं।

यह कार्य कला के वैश्विक इतिहास को देखने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि इंटरनेट पर मौजूद छवियों के विशाल, अव्यवस्थित संग्रह को, आधुनिक आर्टिफिशियल इंटेलिजेंस द्वारा संसाधित करने पर, वही गहरे संरचनात्मक संबंध प्रकट किए जा सकते हैं जिन्हें मानव विशेषज्ञों ने सदियों से उजागर किया है। यह मानव व्याख्या या ऐतिहासिक रिकॉर्ड के सावधानीपूर्ण अध्ययन की आवश्यकता को प्रतिस्थापित नहीं करता है, बल्कि यह उन पैमानों पर पैटर्न देखने के लिए एक शक्तिशाली उपकरण प्रदान करता है जिन्हें हाथ से मैप करना कठिन होगा। अध्ययन पुष्टि करता है कि मानव संस्कृति की दृश्य भाषा, अपनी सभी प्रवासों, आदान-प्रदानों और स्वतंत्र आविष्कारों के साथ, एक सांख्यिकीय हस्ताक्षर छोड़ती है जिसे इंटरनेट पर प्रशिक्षित एक मशीन भी पढ़ना सीख सकती है।