2、机器学习与艺术史研究的碰撞与融合

机器学习与艺术史研究的碰撞与融合

在当今的学术领域中，机器学习与艺术史研究的交汇正逐渐成为一个备受关注的话题。对于公众和许多艺术史学家来说，机器学习领域就像是一个神秘的黑匣子。当计算机科学家宣称可以用自动化流程取代艺术史学家的工作时，艺术史学家可能会倾向于相信他们。然而，实际上艺术史学家并不会因此过时，相反，他们的工作可能会从机器学习的自动图像分析中受益。但在新的计算工具在艺术史领域广泛应用之前，我们首先需要克服科学界与人文界之间持续存在的学术文化冲突。

新科学战争

过去十年里，机器学习研究发展迅猛，并在文化领域得到应用，这使得文化专家和数据科学家不得不相互面对。艺术与科学长期以来被视为对立的力量，但实际上，现在所说的科学在某种程度上曾经也是一种艺术。在19世纪，随着早期人文学者采用实证方法，艺术研究逐渐成为一门科学。到了20世纪中叶，人文学科和科学的研究方法、标准和总体目标分道扬镳，差距不断扩大。但文化数据的数字化和量化又使它们逐渐重新走到一起。

这种不同学科背景的交汇既带来了积极的合作，也引发了冲突和猜疑。数字人文（DH）的兴起就是合作的一个例子，这是一个将计算方法应用于传统人文学科研究的混合领域。然而，对于数字人文研究的发展以及谷歌等公司在机器学习实验中使用艺术和文化材料的做法，也存在着显著的抵制。

谷歌在文化领域的一次早期尝试，为跨学科有效沟通的重要性提供了深刻见解。2011年，一组与谷歌合作的工程师在《科学》杂志上发表了对数百万本数字化书籍的分析结果。他们创造了“文化组学”一词，用于描述对文本和文学进行的定量测量，展示了如何从谷歌掌握的大量文学数据中挖掘语言和文化趋势。他们开发的工具谷歌Ngram Viewer，乍一看研究应用似乎有限。例如，研究指出