15、艺术史与人工智能：发展、挑战与机遇

艺术史与人工智能：发展、挑战与机遇

1. 艺术史研究的起源与发展

早期的艺术史研究文本和公共博物馆的出现，都源于通过艺术和文化来塑造国家身份的愿望。艺术史研究在不断演变，许多学者对艺术史导论课程进行了反思。例如，Bradford R. Collins提出了重新思考艺术史导论课程的实用、理论和启发性指南；Mark Miller Graham探讨了艺术史的未来以及传统综述课程的变革等。

在艺术鉴赏方面，Richard Neer认为鉴赏力的定义不应局限于对个别作者的识别，他将鉴赏家鉴定画作作者的行为与考古学家整理发现的行为相类比。19世纪欧洲的鉴赏力还具有政治权力，如Wilhelm von Bode与Giovanni Morelli之间的较量。Giovanni Morelli的《意大利画家：对其作品的批判性研究》对艺术鉴赏产生了重要影响。

2. 艺术研究中的技术应用

• 图像识别算法 ：S. Zhang、Y. Wu和J. Chang对图像识别算法进行了综述，相关研究在2020 IEEE 4th信息科技、网络、电子和自动化控制会议（ITNEC）上发表。同时，也有许多关于艺术图像分类和检测的研究，如Gustavo Carneiro等人对印刷艺术数据库的艺术图像分类分析，Nicholas Westlake等人利用卷积神经网络（CNNs）检测艺术品中的人物等。
• 自动化元数据标记 ：虽然自动化元数据标记越来越重要，但它仍需要人工标记的初始训练集。像Rebecca Bakker等人的“AI for Archives: Using Facial Recognition to Enhance Metadata”、Julia Corrin等人的“CAMPI: Computer - Aided Metadata Generation for Photo Archives Initiative”等项目都在探索利用人工智能进行元数据标记的方法。

以下是相关技术研究的简单列表：
| 研究内容 | 研究者 |
| — | — |
| 图像识别算法综述 | S. Zhang、Y. Wu、J. Chang |
| 艺术图像分类分析 | Gustavo Carneiro等 |
| 利用CNNs检测艺术品人物 | Nicholas Westlake等 |
| 自动化元数据标记项目 | Rebecca Bakker、Julia Corrin等 |

3. 艺术真伪鉴定的挑战与方法

艺术市场中存在大量的伪造品，这给艺术真伪鉴定带来了巨大挑战。例如，达芬奇的《救世主》就引发了诸多争议，包括其去向、真伪以及是否将其转化为NFT等问题。

传统的鉴定方法包括依靠文献记录，但文献记录也并非万无一失，伪造出处的情况较为常见。如今，人工智能在艺术真伪鉴定中发挥着越来越重要的作用。Ahmed Elgammal等人的研究“Picasso, Matisse, or a Fake? Automated Analysis of Drawings at the Stroke Level for Attribution and Authentication”通过对绘画笔触的自动化分析来进行作品归属和真伪鉴定。

以下是艺术真伪鉴定方法的流程图：

graph LR
    A[艺术作品] --> B{传统鉴定方法}
    B --> C[文献记录]
    B --> D[专家经验]
    A --> E{人工智能鉴定方法}
    E --> F[笔触分析]
    E --> G[图像特征识别]

4. 人工智能在艺术创作与研究中的影响

• 人工智能艺术创作 ：出现了许多人工智能创作艺术作品的案例，如AICAN、Obvious等。AICAN能够独立创作类似毕加索风格的绘画，Obvious团队创作的人工智能肖像在佳士得拍卖会上以高价售出。此外，还有Next Rembrandt等项目尝试利用人工智能创作新的艺术作品。
• 对艺术史研究的挑战 ：人工智能的发展也给艺术史研究带来了挑战。Tsila Hassine和Ziv Neeman指出人工智能可能会复活已故大师的作品，但也会延续历史偏见，导致艺术史的“僵尸化”。同时，人工智能生成的艺术作品也引发了关于艺术定义和创作本质的讨论。

以下是人工智能在艺术领域的应用列表：
| 应用类型 | 具体案例 |
| — | — |
| 艺术创作 | AICAN、Obvious、Next Rembrandt |
| 艺术真伪鉴定 | Ahmed Elgammal等人的研究 |
| 艺术图像分析 | 众多图像识别和分类研究 |

5. 艺术研究中的计算方法与视觉文化理论

在艺术研究中，计算方法逐渐成为重要的工具。Lev Manovich的《文化分析》、Ted Underwood的《遥远的视野：数字证据与文学变迁》以及Franco Moretti的《远读》等著作都强调了数字技术在文化和艺术研究中的应用。这些方法通过对大量数据的分析，帮助研究者发现艺术作品中的模式和趋势。

同时，视觉文化理论也在不断发展。Whitney Davis的《视觉文化通论》对视觉文化进行了系统的阐述，Richard Neer在其研究中也探讨了鉴赏力与风格之间的关系，为艺术研究提供了理论基础。

以下是相关理论和著作的表格：
| 理论/著作 | 作者 |
| — | — |
| 文化分析 | Lev Manovich |
| 遥远的视野：数字证据与文学变迁 | Ted Underwood |
| 远读 | Franco Moretti |
| 视觉文化通论 | Whitney Davis |

6. 艺术研究中的技术问题与挑战

• 技术偏见 ：在计算机视觉领域，存在技术偏见的问题。例如，Robert Geirhos等人发现ImageNet训练的卷积神经网络（CNNs）存在对纹理的偏向，增加形状偏见可以提高准确性和鲁棒性。Fabian Offert和Peter Bell指出感知偏见和技术元图像是人文领域面临的挑战。
• 黑盒问题 ：深度学习模型中的黑盒问题也是一个挑战。虽然一些研究试图解释黑盒模型，如Finale Doshi - Velez和Been Kim提出的可解释机器学习的科学方法，但Elizabeth A. Holm则为黑盒模型进行了辩护。

以下是技术问题与挑战的流程图：

graph LR
    A[艺术研究中的技术] --> B{技术偏见}
    B --> C[纹理偏向]
    B --> D[感知偏见]
    A --> E{黑盒问题}
    E --> F[难以解释模型]
    E --> G[对可解释性的争议]

7. 艺术市场的现状与问题

艺术市场存在诸多问题，包括伪造品泛滥、市场泡沫以及诈骗等。从媒体报道的众多案例可以看出，伪造艺术品的现象屡见不鲜，如米尔顿·埃斯特罗报道的艺术专家对假版画市场激增的警告，以及多起艺术伪造品的法律纠纷。

市场泡沫也是一个关注焦点，Roman Kräussl等人对艺术市场是否存在泡沫进行了研究。此外，艺术市场的诈骗行为也时有发生，如Anthony M. Amore在《艺术骗局的艺术》中记录了许多著名的艺术诈骗案例。

以下是艺术市场问题的列表：
| 问题类型 | 具体表现 |
| — | — |
| 伪造品泛滥 | 假版画、假画作等 |
| 市场泡沫 | 价格虚高、投资过热 |
| 诈骗行为 | 艺术作品欺诈销售等 |

8. 艺术研究与创作的未来趋势

• 人工智能的持续影响 ：人工智能在艺术研究和创作中的应用将继续深化。随着技术的发展，人工智能可能会创造出更加逼真和独特的艺术作品，同时也会为艺术史研究提供更多的数据和分析方法。
• 跨学科研究的兴起 ：艺术研究将越来越多地与计算机科学、物理学、化学等学科进行跨学科合作。例如，科学检测方法在艺术品真伪鉴定中的应用，以及计算机视觉技术在艺术图像分析中的应用。
• 艺术的多元化与创新 ：艺术创作将更加多元化和创新，融合不同的媒介和技术。同时，对艺术定义和创作本质的讨论也将继续，推动艺术领域的不断发展。

以下是未来趋势的简单表格：
| 未来趋势 | 具体内容 |
| — | — |
| 人工智能的持续影响 | 创作更逼真独特作品、提供更多研究方法 |
| 跨学科研究的兴起 | 与多学科合作进行研究和鉴定 |
| 艺术的多元化与创新 | 融合多媒介技术、推动艺术定义讨论 |

艺术史研究与人工智能的结合为艺术领域带来了新的发展机遇，但也面临着诸多挑战。在未来的发展中，我们需要充分利用技术的优势，同时关注技术带来的问题，推动艺术研究和创作的健康发展。