زیبایی چیست؟ این معروف‌ترین سوال تاریخ هنر است که از یونان باستان تاکنون پاسخ‌های بسیاری به آن داده شده است. اگر بتوان زیبایی را تعریف کرد، آیا آن‌گاه می‌توان آن را برای هوش مصنوعی ([1]AI) قابل‌فهم کرد؟ اگر نه چه‌طور؟ اگر هرگز نتوانیم به تعریف جامعی از زیبایی برسیم، آیا می‌توانیم به روشی آن را برای هوش مصنوعی قابل‌فهم کنیم؟ اصلاً قابل‌فهم‌کردن مفهوم زیبایی برای هوش مصنوعی، چه فایده‌ای دارد؟

برای مثال یکی از فواید آن می‌تواند ارزش‌گذاری و تبعاً قیمت‌گذاری آثار هنری باشد. در پاسخ به پرسش‌های قبل باید گفت که فرآیند درک زیبایی در مغز انسان فرآیندی پیچیده است، اما شاید برای ارزیابی آثار هنری و قیمت‌گذاری آن‌ها بتوان راهی دیگر یافت که الزاماً نیازی به درک زیبایی توسط اِی آی نداشته باشد. در این مقاله سعی داریم مسیری را که هوش مصنوعی برای ارزش‌گذاری، قیمت‌گذاری و به صورت کلی تحلیل آثار هنری تاکنون طی کرده است مرور کنیم و نگاهی به آینده‌ی محتمل آن بیاندازیم.

ارزیابی هنر با هوش مصنوعی شامل استفاده از الگوریتم‌هایی برای ارزش‌یابی آثار هنری بر اساس معیارهای مختلف مانند خود هنرمند، دوره و اهمیت تاریخی، شرایط و روند بازار است. این فرآیند می‌تواند شامل تجزیه و تحلیل طیف وسیعی از داده‌ها، از جمله سوابق حراج، آرت‌فر و تاریخچه‌ی فروش در بازارها به خصوص بازارهای آنلاین باشد.

چند نمونه از پلتفرم‌های هوش مصنوعی در قیمت‌گذاری هنری

یکی از پلتفرم‌های فعال در قیمت‌گذاری آثار هنری، آرت‌ریشو (ArtRatio) است که فعالیت خود را از سال 2017 آغاز کرده است. این پلتفرم از داده‌هایی نظیر سوابق حراج حضوری و آنلاین، شهرت هنرمند، اهمیت تاریخی اثر هنری و شرایط خاص آن برای قیمت‌گذاری استفاده می‌کند و سپس با به کارگیری الگوریتم‌های ماشین لرنینگ به ارزیابی آن‌ها می‌پردازد. از آنجاکه برای به دست‌آوردن الگوریتم‌های مناسب و بهینه، وقت و هزینه‌ی بسیاری صرف می‌شود، فعالین این حوزه به راحتی الگوریتم‌ها و منطق پشت سازوکار آن‌ها را در اختیار دیگران قرار نمی‌دهند.

مگنوس (Magnus) یکی دیگر از پلتفرم‌های ارزش‌گذاری هنری است. مگنوس بیشتر متمرکز بر پردازش تصویر آثار هنری است به‌طوری‌که بر اساس ویژگی‌های بصری مانند رنگ، بافت و ترکیب مواد استفاده‌شده در اثر عمل می‌کند. البته مگنوس از الگوریتم‌های یادگیری ماشینی برای تجزیه و تحلیل داده‌ها از منابع مختلف، از جمله سوابق حراج و روند بازار نیز استفاده می‌کند.

پلتفرم می‌آرتو (Mearto) علاوه بر آنچه گفته شد، دارای یک تیم از کارشناسان هنری است که فرآیند قیمت‌گذاری هنری را با آن تیم کامل می‌کند.

نمونه‌ی دیگر این پلتفرم‌ها، آرتایو (Artive) است که از سال 2020 شروع به فعالیت کرد. آرتایو از فناوری بلاک‌چین[2] برای ذخیره و به اشتراک‌گذاری ایمن داده‌های مربوط به مجموعه‌های هنری استفاده می‌کند. داده‌هایی که الگوریتم‌های آرتایو از آن‌ها استفاده می‌کنند، بیشتر متمرکز بر پیشینه‌ی مالکیت اثر[3] و اهمیت تاریخی آن است. برای مثال آرتایو برای کاربرانی که قصد قیمت‌گذاری آثار قدیمی‌تر با سابقه‌ی خرید و فروش و دست به دست چرخیدن بیشتر را دارند، مناسب‌تر است. اما در مورد آثاری که تاریخچه‌ی چندانی در فروش ندارند چه‌طور؟ همچنین در مورد آثاری که به تازگی خلق شده‌اند و خالق اثر نیز از شهرت یا اعتبار خاصی برخوردار نیست چه می‌توان گفت؟ آیا باز هم می‌توان بدون استفاده‌ از این اطلاعاتی که به خارج از تابلو مربوط‌اند، داخل تابلو را ارزیابی کرد؟

آیا هوش مصنوعی توانایی درک زیبایی و معنای ابژه‌ها در تابلو را دارد؟

الگوریتم‌های هوش مصنوعی را می‌توان برای تشخیص و تجزیه و تحلیل ویژگی‌های مختلف اشیا، مانند رنگ، شکل، بافت و الگو و غیره آموزش داد. با این حال، در سازوکار ادراک هوش مصنوعی چیزی به نام درک زیبایی یا معنا در اشیا به همان شکلی که در انسان وجود دارد، وجود ندارد.

زیبایی و معنا مفاهیم پیچیده و ذهنی هستند که اغلب تحت تأثیر عوامل فرهنگی، تاریخی و حتی شخصی شکل می‌گیرند. اگرچه هوش مصنوعی می‌تواند ویژگی‌های عینی مختلف یک شی را تجزیه و تحلیل کند، اما نمی‌تواند تجربه‌ی ذهنی زیبایی یا معنایی را که انسان‌ها ممکن است به آن نسبت دهند، به‌طور کامل به تصویر بکشد.

همانطور که گفته شد، هوش مصنوعی همچنان می‌تواند در شناسایی الگوها و روندها در نحوه‌ی درک مردم از زیبایی و معنا در اشیا مفید باشد. به عنوان مثال، محققان از الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل الگوها در ترجیحات افراد برای هنرهای بصری استفاده کرده‌اند و دریافته‌اند که ویژگی‌های خاصی مانند تقارن و تضاد رنگ با مفهوم زیبایی و درک زیبایی‌شناختی در فرهنگ‌ها و دوره‌های زمانی مرتبط است.

خانه‌های حراج مشهور و استفاده از هوش مصنوعی در قیمت‌گذاری

بسیاری از خانه‌های حراج مشهور استفاده از اِی آی برای قیمت‌گذاری را در دستور کار خود قرار داده‌اند. برای مثال ساتبیز با ثِرِد جینیس (Thread Genius) در زمینه‌ی قیمت‌گذاری هوشمند همکاری کرده است. در این همکاری تلاش شده تا با استفاده از مشابهت‌های میان آثار هنری، الگویی برای قیمت‌گذاری بر اساس مقایسه پیشنهاد شود.

همچنین کریستیز در سال 2018  همکاری خود را با یک استارت‌آپ فعال در زمینه‌ی تکنولوژی و هنر به نام آرتوری (Artory) آغاز کرد. این شرکت از فناوری بلاک‌چین برای ذخیره‌سازی دیتا استفاده می‌کند و در ادامه از همین دیتا برای الگوریتم‌های قیمت‌گذاری بهره می‌گیرد. این خانه‌ی حراج در سال 2019 اعلام کرد که ابزاری به نام کلاود (Claude) را توسعه داده که می‌تواند دیتای متعلق به حراج را تحلیل کرده و قیمت را به صورت آنی (ریل تایم) ارائه دهد.

کریستیز استفاده از هوش مصنوعی را برای جنبه‌های دیگر بازار هنر، مانند کشف و سرپرستی هنر نیز مورد بررسی قرار داده است. در سال 2020، کریستیز ابزاری به نام «کلکتریوم» را راه‌اندازی کرد که از الگوریتم‌های یادگیری ماشینی برای کمک به مجموعه‌داران برای کشف آثار هنری جدید بر اساس ترجیحات و علایقشان استفاده می‌کرد. این ابزار داده‌های تاریخچه‌ی فروش گسترده کریستیز را تجزیه و تحلیل می‌کند و توصیه‌های شخصی برای آثار هنری تولید می‌کند که ممکن است مورد علاقه مجموعه‌داران باشد. با این حساب می‌توان گفت کریستیز در خط مقدم پذیرش هوش مصنوعی در بازار هنر قرار دارد.

مزایای استفاده از هوش مصنوعی در ارزیابی هنری

نکته‌ی بسیار امیدوارکننده در مورد هوش مصنوعی، قابلیت آموزش‌دیدن آن است؛ به عبارت دیگر شما با واردکردن تعداد زیادی آثار هنری و قیمت آن‌ها می‌توانید هوش مصنوعی را آموزش دهید؛ برای مثال اکنون هوش مصنوعی می‌تواند با پردازش تصویر، تابلوهای دارای فیگور را پیدا کند و اطلاعاتی در مورد کیفیت فیگورها به دست دهد. حال فرض کنید اطلاعات مربوط به قیمت تعداد زیادی تابلوی فیگوراتیو از قبیل ابعاد، متریال و یا حتی دوره‌ی خلق آثار، از قبل در بانک داده‌ای وجود داشته باشد، حال هوش مصنوعی می‌تواند با مقایسه‌ی تابلوهای جدید و بانک داده‌ی خود یاد بگیرد که قیمت این آثار باید در چه بازه‌ای برآورد شوند.

نحوه‌ی این یادگیری زیرمجموعه‌ی علم یادگیری ماشین یا همان ماشین لرنینگ است و مهندسان با توسعه‌ی الگوریتم‌ها به بهبود این یادگیری کمک می‌کنند. الگوریتم‌های هوش مصنوعی را می‌توان برای تشخیص و تحلیل ویژگی‌های خاص آثار هنری، مانند هنرمند، سبک، رسانه، موضوع و اهمیت تاریخی و غیره آموزش داد.

همچنین برنامه‌هایی که از هوش مصنوعی برای قیمت‌گذاری استفاده می‌کنند، می‌توانند به کاهش تأثیر عوامل ذهنی، مانند سوگیری‌های شخصی یا سلیقه‌های فردی کمک کنند. این ابزارها می‌توانند توسط مجموعه‌داران هنری، فروشندگان و خانه‌های حراج برای کمک به تصمیم‌گیری آگاهانه‌تر در مورد خرید، فروش و جمع‌آوری آثار هنری استفاده شوند.

محدودیت‌های استفاده از هوش مصنوعی در ارزیابی هنری

با این حال، توجه به این نکته مهم است که ارزیابی هنر مبتنی بر هوش مصنوعی بدون محدودیت نیست. در حالی که این ابزارها می توانند داده‌ها را تجزیه و تحلیل کنند، ممکن است همیشه نتوانند عوامل ناملموس مانند اهمیت فرهنگی یا تاریخی یا واکنش احساسی که یک اثر هنری خاص ممکن است برانگیزد را در نظر بگیرند، مانند خوردن موز در اثر موریتزیو کاتلان[4] توسط یکی از بازدیدکنندگان.

چالش دیگر هوش مصنوعی در ارزیابی هنر، موضوع اصالت است. احراز هویت یک اثر هنری اغلب به ترکیبی از تحلیل تکنیکال، تحقیقات تاریخی و نظر متخصص نیاز دارد. در حالی که الگوریتم‌های هوش مصنوعی می‌توانند ویژگی‌های عینی مختلف یک اثر هنری را تجزیه و تحلیل کنند، اما ممکن است نتوانند به طور کامل ظرافت‌های ناشی از سال‌ها تجربه و تخصص را به تصویر بکشند. به این ترتیب تخصص و قضاوت انسانی لااقل تا چندسال آینده جزء ضروری ارزیابی هنر باقی می‌ماند.