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

La storia dell'arte si è a lungo affidata all'occhio esperto degli studiosi per tracciare i fili invisibili che collegano le culture attraverso il tempo e lo spazio. Gli esperti hanno trascorso secoli documentando come uno stile di drappeggio possa viaggiare dalla Grecia all'India, o come il concetto di piramide possa emergere indipendentemente in Egitto e nelle Americhe. Queste connessioni non sono sempre ovvie; sono spesso sepolte sotto millenni di cambiamenti, nascoste nei dettagli sottili di ornamenti, forme e materiali. Per un essere umano, riconoscere questi profondi legami storici richiede anni di studio e l'accesso a vaste biblioteche di documenti. Ma cosa succederebbe se una macchina, addestrata sull'intera storia visiva di internet, potesse vedere queste stesse connessioni senza aver mai letto un libro di storia? Questa domanda si colloca all'intersezione tra l'intelligenza artificiale e lo studio culturale, chiedendosi se i modelli matematici nascosti all'interno dei sistemi di computer vision rispecchino accidentalmente il modo in cui gli esperti umani comprendono l'evoluzione dell'arte.

Un team di ricercatori si è posto l'obiettivo di testare questa idea su scala globale, andando oltre l'abituale focus sull'arte occidentale per includere tradizioni di cinque continenti che spaziano su cinquemila anni. Hanno raccolto una collezione massiccia di immagini che rappresentano cinquantatré distinte unità culturali, che vanno dall'antico Mediterraneo alle linee di discendenza indigene dell'Oceania. Per creare uno standard di confronto affidabile, hanno reclutato dieci esperti ciechi — specialisti in storia dell'arte, archeologia e studi museali — per valutare quanto fossero strettamente correlate ogni possibile coppia di questi gruppi culturali. Gli esperti non cercavano una semplice somiglianza visiva, come due dipinti che utilizzano entrambi il colore blu. Erano invece chiamati a giudicare la correlazione storica basandosi su prove documentate di contatto culturale e tradizioni visive condivise. Il risultato è stato una mappa dettagliata del giudizio umano, un consenso su quali culture siano storicamente collegate e quali no, coprendo oltre mille trecento coppie di confronti.

I ricercatori si sono poi rivolti a sei diversi grandi modelli di visione, il tipo di sistemi di intelligenza artificiale che alimentano gli strumenti di riconoscimento e generazione di immagini odierni. Questi modelli erano stati addestrati su miliardi di immagini provenienti da internet, imparando a comprimere l'informazione visiva in spazi matematici dove le immagini simili siedono vicine e quelle diverse siedono lontane. Il team ha misurato la distanza tra i cinquantatré gruppi culturali all'interno di questi spazi digitali. Se le macchine non avessero imparato nulla sulla storia dell'arte, le distanze tra questi gruppi sarebbero state casuali. Se avessero imparato a imitare gli esperti umani, i gruppi che gli esperti dichiaravano essere storicamente legati avrebbero dovuto apparire più vicini nella mente della macchina rispetto ai gruppi non correlati.

I risultati hanno rivelato un sorprendente allineamento. In tutti i sei diversi tipi di modelli di intelligenza artificiale testati, la distanza matematica tra i gruppi culturali corrispondeva costantemente ai giudizi degli esperti umani. Quando gli esperti dicevano che due tradizioni erano storicamente connesse, i modelli le posizionavano più vicine. Quando gli esperti dicevano che non erano correlate, i modelli le posizionavano più lontane. Questo schema è rimasto valido anche quando i ricercatori hanno controllato la geografia, assicurandosi che la connessione non fosse semplicemente dovuta al fatto che due culture si trovassero vicine geograficamente. Il segnale era abbastanza forte da essere rilevato anche tra culture separate da vasti oceani, come la tradizione greca antica e l'arte buddista di Gandhara, un classico esempio di influenza transculturale che ha viaggiato per migliaia di chilometri.

Lo studio non sosteneva che queste macchine possiedano una comprensione consapevole della storia o che possano sostituire gli studiosi umani. I ricercatori sono stati cauti nel sottolineare che i modelli hanno trovato schemi che probabilmente riflettono le regolarità statistiche presenti nelle immagini su cui sono stati addestrati, le quali sono a loro volta modellate dal modo in cui i musei e gli archivi hanno raccolto e categorizzato l'arte per secoli. I modelli non hanno imparato la storia dell'arte in una classe; hanno appreso le impronte digitali visive del contatto culturale perché quelle impronte sono incorporate nei dati che hanno consumato. Tuttavia, il fatto che sei diverse architetture, addestrate con obiettivi differenti, siano arrivate alla stessa conclusione suggerisce che l'evidenza visiva della trasmissione culturale sia robusta e rilevabile. Indica che il record visivo su scala internet, nonostante i suoi pregiudizi e le sue lacune, contiene una struttura coerente che rispecchia le relazioni documentate da secoli di erudizione umana.

Per garantire che i risultati non fossero un artefatto delle specifiche immagini scelte, il team ha anche eseguito un controllo percettivo con quattromila cinquecento partecipanti provenienti da dodici paesi diversi. Hanno chiesto a persone comuni, senza alcuna formazione in storia dell'arte, di distinguere tra ampie categorie di stili visivi. I partecipanti sono stati in grado di distinguere le categorie, confermando che le differenze visive utilizzate nello studio erano reali e percepibili all'occhio umano. Ciò ha aggiunto un livello di validazione, mostrando che i modelli trovati dalle macchine non erano solo peculiarità matematiche ma corrispondevano a qualcosa di visivamente distinto nel mondo reale.

La ricerca ha anche evidenziato i limiti dei dati stessi. Il modo in cui le cinquantatré unità culturali sono state definite rifletteva la storia non uniforme della storia dell'arte come disciplina, con le tradizioni europee suddivise in molte categorie fini mentre altre regioni, come parti dell'Africa e delle Americhe, erano raggruppate in unità più ampie e meno dettagliate. I ricercatori hanno riconosciuto che questo pregiudizio strutturale nei dati ha probabilmente influenzato i risultati, e hanno invocato un lavoro futuro che coinvolga collaboratori indigeni e non occidentali per creare quadri più equi. Ciononostante, il nucleo della scoperta rimaneva stabile: le distanze visive calcolate da questi potenti sistemi di intelligenza artificiale si allineano significativamente con la correlazione storica codificata dagli esperti.

Questo lavoro offre un nuovo modo di guardare alla storia globale dell'arte. Suggerisce che la vasta e disordinata collezione di immagini su internet, quando elaborata dalla moderna intelligenza artificiale, può rivelare le stesse profonde connessioni strutturali che gli esperti umani hanno impiegato secoli a scoprire. Non sostituisce la necessità di interpretazione umana o dello studio attento dei documenti storici, ma fornisce uno strumento potente per vedere schemi su scale che sarebbero difficili da mappare manualmente. Lo studio conferma che il linguaggio visivo della cultura umana, con tutte le sue migrazioni, scambi e invenzioni indipendenti, lascia una firma statistica che anche una macchina addestrata su internet può imparare a leggere.