9、深度鉴赏：艺术史中的机器学习与风格鉴定

深度鉴赏：艺术史中的机器学习与风格鉴定

一、机器学习在艺术史研究中的应用与潜在问题

在艺术史领域引入机器学习技术具有一定的局限性。在开发数字工具时，对图像数据集的研究方式往往受到工具设计初衷的引导。如果工具用于检测数字图像的颜色变化，那么颜色变化就会成为研究的关键领域；若用于查找猫、狗或圣母玛利亚的描绘，这些艺术图像学研究就会在艺术史研究的“新”领域中占据核心地位。这种基于技术应用需求而非艺术史问题驱动的研究方式，促成了计算形式主义在数字人文研究中的形成。虽然这些技术有助于简化研究流程，但我们必须认识到其中的偏差，并批判性地研究其影响。

（一）艺术家风格分类

以往的研究中，自动按流派或时期风格对艺术作品进行分类存在诸多问题。而许多研究论文也开发了按艺术家对艺术图像进行分类的技术。通常，识别特定流派的一般风格和艺术家个人风格会使用相同或相似的方法。不过，鉴定艺术家作品真伪的方法与一般风格分类方法有所不同，前者通常使用数字图像作为源材料，通过分析笔触的方向和运动，将待鉴定作品的笔触与该艺术家的既定作品进行比较，以此确定作品归属。

（二）艺术家归属鉴定的案例分析

以《救世主》这幅被认为是达·芬奇所作的文艺复兴时期面板画为例，自2005年被艺术经销商“重新发现”以来，其归属问题一直备受争议。由于缺乏确凿的文献证据，该作品的归属主要基于其外观，这对其货币价值和艺术史价值都产生了重大影响。2017年，这幅作品以近5亿美元的价格被匿名买家拍卖，但次年在卢浮宫的展览中却未露面，引发了人们对其真实性的质疑。后来，卢浮宫曾与沙特政府买家达成展示协议，但因将《蒙娜丽莎》移至该作品旁边的争议而破裂。尽管卢浮宫曾出具一份积极的鉴定报告，但法国纪录片对该报告将