[[419606]]

去年，美國一對夫婦（Steven 和 Andrea Frank）開發了一個AI程序，用來幫助專家鑒定藝術品。

之前，他們用這個AI程序辨別了倫勃朗和梵高的畫作。

最近，兩人又將目光轉向了達·芬奇的畫作《救世主》（Salvator Mundi）。

這幅畫是拍賣市場迄今為止成交的最貴的藝術品，2017年以4.5 億美元（約合29億人民幣）在紐約佳士得夜拍上成交。

然而，這究竟是不是達·芬奇所畫，至今都還有人懷疑。

利用CNN檢測藝術偽造：從解決問題出發

夫妻二人開發AI程序的過程可謂是條理清晰，發現問題，解決問題。

首先，他們分析了使用神經網絡分析繪畫的困難。

一是尺寸，一幅畫的高分辨率圖像對于傳統的 CNN 來說太大了，而適合 CNN 的圖像又可能缺乏需要辨別的信息。

二是數據，神經網絡需要數千個訓練樣本，「數量就是質量?！箍墒牵幢闶亲疃喈a的藝術家，一輩子也畫不出這么多畫。

意識到困難后，兩人感慨，「難怪在解決繪畫歸屬的爭議上，計算機貢獻甚微。」

放棄是不可能的！Steven很快發現，可像病理學家處理數字化活檢載玻片那樣，將圖像分解成更小的片段。

這樣，尺寸和數據這兩個困難都解決啦。因為單個圖像可以生成大量訓練圖塊，尤其是當這些圖塊可以重疊時。

另外，他們的系統通過訓練和測試后，可以確定圖塊的最佳尺寸。

倫勃朗《年輕的紳士肖像》的 400×400 像素圖塊

接下來，確定哪些圖塊可以使用。

這也是個難題，比如，《救世主》有的區域圖片信息十分豐富，而有的區域則只是背景，平平無奇，不好分辨。

訓練CNN時，信息少的區域可能起不了什么作用，甚至還會誤導CNN。

所以，計算機需要某種標準來幫助自動且一致地識別可行的圖塊。

一番思考后，Steven從信息論得到了啟發，他發現，挑選背景和視覺單調區域時可以排除低熵的圖塊。

信息論創始人克勞德·香農（Claude Shannon）

結果是，計算機選出來的圖塊很可能和人們自己挑選的圖塊吻合。

在《救世主》中，選出來的圖塊包括耶穌的臉、側卷發和祝福之手，這和學者們爭論著作權時的關注點是一致的。

這個問題解決后，就該數據集了。

他們決定先從荷蘭大師倫勃朗（Rembrandt） 的肖像畫開始實驗。

這個數據集應當包倫勃朗本人和其他人的畫作。

但是，問題又來了。

如果用50 幅倫勃朗畫的肖像，和 50 幅隨機選擇的其他藝術家的肖像畫作，訓練出的系統可以區分倫勃朗和畢加索（兩人風格大相徑庭），但是難以分辨出他的學生和模仿者，更不用說偽造者了。

可是，如果在訓練集中，所有不是倫勃朗畫的作品都和他本人畫的太過相似，CNN 就會過擬合。

這時候Andrea上場了，她編了一個非倫勃朗畫作的數據集。

其中，一些作品非常接近倫勃朗本人畫的，另一些則是令人能聯想到倫勃朗但很容易與他本人的作品區分開來的。

他們還發現，簡單的 CNN 設計比更復雜（也是更常見）的設計效果更好。

因此，他們使用的CNN只有五層。在區分倫勃朗畫作的實驗中，準確率超過 90%。

區分文森特·梵高（Vincent van Gogh）的風景畫時，精度也非常高。

做完這一系列工作，兩人才用這個AI系統來辨別《救世主》。

因為，這是一個更大的挑戰，達·芬奇留存下來的畫作數量太少了，只有不到 20 幅，其中一些還是未完成的草圖…

不過最終，他們獲得了合理的圖塊分類，并生成了一個極有說服力的概率圖。

結果顯示，畫作背景和祝福之手存疑。這和專家們的意見是一致的。

這幅畫曾經過廣泛修復，包括對背景完全重新粉刷。另外，專家們對誰畫了祝福之手意見不一。

至于CNN 究竟是如何找到關鍵細節的，Steven說，他也不知道。

「CNN的中間部分是一系列卷積層，可以逐步分解圖像的細節，再以某種不可思議的方式進行分類?！?/p>

夫妻同心，齊力建CNN

出人意料的是，Steven 并不是計算機科學家，而是摩根路易斯律師事務所（Morgan Lewis ）的一名知識產權律師。

2012 年，完成 EdX 的電子學入門后 ，他發現自己愛上了這類在線課程，根本停不下來！隨后，他通過在線學習獲得了哥倫比亞大學的人工智能專業畢業證書。

他的妻子Andrea是一位藝術史學家，她花了很多時間策劃藝術圖像，目前正考慮退休。

Steven指出，科學測量可以確定一幅畫的年代和畫作細節，但是無法直接判斷其創作者，因為這需要對風格和技術作出準確的判斷。

不過，計算機分析非常適合完成這一判斷任務。尤其是神經網絡這種擅長檢測圖案的計算機算法。

目前，CNN已有廣泛應用，包括識別人臉和協助自動駕駛。

那為什么不用CNN來解決更多現實問題？

于是，兩人共同完成了這一「利用CNN檢測藝術偽造」的項目，他們還給自己的AI系統取名為「The A-Eye」。