Multifractal signatures of AI, animal, nature, cave, and human art

Technische Samenvatting: Multifractale Signaturen van AI, Dierlijke, Natuurlijke, Grot- en Menselijke Kunst

Probleemstelling
De studie behandelt het gebrek aan systematische, kwantitatieve vergelijkingen tussen diverse categorieën van sporenvorming: door kunstmatige intelligentie (AI) gegenereerde beelden, dierlijke schilderijen, prehistorische grotkunst, menselijke figuratieve kunst, wiskundige fractalen en natuurfotografie. Hoewel fractale en multifractale analyse is toegepast op specifieke kunstenaars (bijv. Pollock, van Gogh) en natuurlijke landschappen, ontbreekt een verenigd kader voor het vergelijken van deze uiteenlopende bronnen van visuele textuur. Het onderzoek onderzoekt of multifractale parameters tussen deze categorieën kunnen differentiëren en verkent de mate waarin deze statistische signaturen kunnen dienen als correlaten voor intentionaliteit, aandacht en cognitieve processen, waarbij expliciet wordt gewaarschuwd tegen het overinterpreteren van textuur als direct bewijs voor bewustzijn.

Methodologie
Het onderzoek maakte gebruik van een dataset van 142 afbeeldingen, gecategoriseerd in zes groepen: AI-gegenereerde kunst ($n=19$), dierlijke schilderijen ($n=24$), prehistorische grottekeningen ($n=35$), menselijke schilderijen van één enkele kunstenaar, Nicolae Grigorescu ($n=16$), wiskundige fractalen ($n=23$) en natuurfotografie ($n=25$).

• Preprocessing: Afbeeldingen werden omgezet naar grijswaarden, bijgesneden tot een centraal 1:1 vierkant om isotrope schaling te waarborgen, en genormaliseerd naar pixelintensiteitswaarden tussen 0 en 1.
• Multifractale Analyse Pipeline: Een op Python gebaseerde pipeline implementeerde een standaard partitiefunctie-benadering. Afbeeldingen werden geanalyseerd met een box-counting methode op de magnitude van intensiteitsgradiënten. Het proces omvatte:
  • Partitionering van afbeeldingen in niet-overlappende boxen van variërende grootte (8 logaritmisch gespreide schalen).
  • Berekening van de partitiefunctie $Z(q,s)$ voor momentordes $q \in [-10, 10]$.
  • Afleiding van de massap exponent $\tau(q)$ via lineaire regressie in log-log ruimte.
  • Berekening van gegeneraliseerde fractale dimensies ($D_q$) en het singulariteitsspectrum via de Legendre-transformatie.
• Parameters: Zes kernparameters werden geëxtraheerd: capaciteitsdimensie ($D_0$), informatiedimensie ($D_1$), correlatiedimensie ($D_2$), spectrumbreedte ($\Delta\alpha$), singulariteitssterkte ($\alpha_0$) en spectrale asymmetrie ($A$).
• Statistische Analyse: Vanwege frequente schendingen van normaliteit (beoordeeld via Shapiro–Wilk tests), maakte de studie gebruik van non-parametrische statistiek. Globale verschillen werden getest met Kruskal–Wallis H-tests, gevolgd door paarwijze Mann–Whitney U-tests met Bonferroni-correctie.

Belangrijkste Resultaten
De analyse toonde aan dat hoewel gegeneraliseerde dimensies ($D_0, D_1, D_2$) matige variatie vertoonden over de categorieën, hogere-orde beschrijvers—specifiek spectrumbreedte ($\Delta\alpha$), singulariteitssterkte ($\alpha_0$) en asymmetrie ($A$)—de primaire discriminatoren waren.

1. AI-gegenereerde Kunst: Vertoonde de breedste multifractale spectra ($\Delta\alpha = 1,382$) van alle categorieën, wat significant hoger was dan zowel natuurfotografie als menselijke kunst (die de smalste spectra hadden met $\Delta\alpha = 0,613$). AI-beelden waren statistisch goed gedefinieerd (voornamelijk normale verdelingen) maar vertoonden "hyper-multifractale" heterogeniteit. Opvallend genoeg clusterden AI-beelden bij lage asymmetriewaarden ($0,359$), terwijl menselijke beelden de hoogste gemiddelde positieve asymmetrie ($1,814$) van alle categorieën vertoonden.
2. Dierlijke Schilderijen: Gemiddeld kwam de dierlijke sporenvorming qua spectrumbreedte overeen met natuurfotografie ($\Delta\alpha \approx 1,1$). Er werd echter aanzienlijke individuele variatie waargenomen. Eén chimpansee (Congo) produceerde beelden met hoge asymmetrie en fijne details, terwijl een olifant (Suda) symmetrische, ritmische texturen produceerde. De categorie vertoonde gemengde normaliteit, gedreven door deze individuele verschillen.
3. Grotkunst: Vertoonde de hoogste ruimtelijke uniformiteit (hoogste $D_1$ en $D_2$ waarden) van alle categorieën, naderend aan theoretische maxima. De categorie was echter de meest heterogene geheel, met sterke non-normaliteit over vijf van de zes metrieken. Dit suggereert dat "grotkunst" geen monolithische stijl is, maar sterk varieert per locatie, substraat en conserveringscondities.
4. Menselijke Schilderijen (Grigorescu): Toonden de smalste spectrumbreedte ($\Delta\alpha = 0,613$) en de hoogste gemiddelde positieve asymmetrie ($1,814$). Deze hoge asymmetrie werd grotendeels gedreven door één uitschieter (Peest Girl Resting) met extreem figuur-achtergrond contrast. Geen enkel AI-gegenereerd beeld, dierlijk schilderij of foto in de steekproef benaderde deze asymmetriewaarde; de enige vergelijkbare casus was één grottekening.
5. Wiskundige Fractalen: Kenmerkten zich door de hoogste capaciteitsdimensie ($D_0$) en bijna nul asymmetrie, consistent met hun deterministische, formele constructie.

Betekenis en Claims
Het artikel beweert dat multifractale analyse een kwantitatieve methode biedt voor het onderscheiden van texturele signaturen over biologische, culturele en synthetische bronnen. De primaire empirische bijdrage is de demonstratie dat spectrumbreedte, $\alpha_0$ en asymmetrie effectievere discriminatoren zijn dan gegeneraliseerde dimensies.

Wat betreft de interpretatie, stelt de auteur een "werkende Esthetische Hypothese" voor waarbij multifractale signaturen worden behandeld als kandidaat-correlaten—niet als bewijs—van intentionaliteit, compositorische organisatie en motorische controle. Het artikel kadert de link tussen textuurstatistieken en cognitieve toestanden (bijv. flow, aandacht, bewustzijn) expliciet als speculatief en heuristisch. Het introduceert een "spectrum-van-bewustzijn"-framework (Tabellen 7–9) om toetsbare hypothesen te genereren, maar benadrukt dat deze associaties nog niet zijn gevalideerd tegen onafhankelijke gedrags-, fysiologische of neurale markers.

De studie concludeert dat:

• AI-texturen een andere, bredere multifractale spectra bezitten dan menselijke of natuurlijke bronnen, hoewel ze met lage asymmetriek kenmerken overeenkomen met natuurfotografie in deze dataset, wat verschilt van de hoge asymmetrie van menselijke kunst.
• Dierlijke kunst niet als een uniforme categorie kan worden beschouwd; individuele variatie (bijv. tussen Congo en Suda) is aanzienlijk.
• Prehistorische grotkunst een hoge ruimtelijke uniformiteit vertoont maar significante locatie-specifieke heterogeniteit, wat het idee van een enkele "Paleolithische stijl" uitdaagt.
• Extreem figuur-achtergrond contrast (hoge asymmetrie) in menselijke kunst werd waargenomen in de output van de gesamplede kunstenaar en kwam in geen enkele andere categorie binnen de steekproef voor, hoewel de auteur stelt dat dit niet als een uniek menselijke cognitieve prestatie kan worden vastgesteld via textuurstatistieken alleen.

De auteur waarschuwt dat textuurstatistieken alleen het "probleem van andere geesten" niet kunnen oplossen of definitief een bewustzijnstoestand kunnen toeschrijven aan niet-menselijke makers of AI-systemen. De studie dient als startpunt voor toekomstig werk dat multifractale analyse combineert met onafhankelijke maten van betrokkenheid en cognitie.