I århundreder har det været diskuteret, om Raphael virkelig var kunstneren bag renæssancemaleriet Madonna della Rosa. Forskere brugte maskinlæring til at løse mysteriet.
Når kunsthistorikere forsøger at tilskrive et maleri til en kunstner, involverer deres beslutning et væld af tests. De tjekker materialernes kemiske sammensætning, tager røntgenscanninger, sporer proveniensen og får eksperter til at granske de mindste detaljer i de malede scener.
Selv efter alt det har nogle malerier som Madonna della Rosa stadig fået eksperter til at skændes om, hvem der har malet det.
Den stærke mistanke var, at maleriet var udført af renæssancemesteren Rafael, men der var elementer i maleriet, som gav anledning til tvivl.
Madonna della Rosa er et maleri af Maria, Josef, Jesus og en baby, Johannes Døberen. De områder, som nogle eksperter mistænkte for at være malet af en anden kunstner, var Josefs hoved og rosen i bunden af maleriet.
Lad AI tage et kig
Professor Hassan Ugail fra University of Bradford udviklede en maskinlæringsmodel til at analysere maleriet for at bekræfte, om Raphael virkelig var kunstneren eller ej.
Ugails model brugte deep transfer learning anvendt på det dybe neurale netværk ResNet50. ResNet50 bruges i vid udstrækning til billedgenkendelsesopgaver, fordi det er rigtig godt til at lære komplekse mønstre i billeder.
ResNet50 er allerede prætrænet på et stort datasæt med billeder. Transfer learning er en maskinlæringsteknik, hvor en model, der er udviklet til én opgave, genbruges som udgangspunkt for en model til en anden opgave. Denne teknik er især nyttig, når du har begrænsede data til den nye opgave.
Ugail brugte den prætrænede ResNet50 som udgangspunkt og trænede den yderligere på 49 malerier, som blev bekræftet at være af Raphael. Som resultat blev modellen ekspert i Rafaels arbejde, fra hans særlige penselstrøg, valg af farver og kompositioner.
Ugail siger, at modellen kan genkende autentiske stykker med en nøjagtighed på 98 procent.
Hvem har malet det?
Da forskerne anvendte modellen på Madonna della Rosa, viste det sig, at der kun var en sandsynlighed på 60% for, at det var Rafaels værk.
Det er ikke godt nyt for Madrids Prado-galleri, som insisterer på, at deres maleri er et autentisk Raphael-værk.
Da modellen blev brugt til at analysere specifikke områder af maleriet, kom sandheden bag dets skaber frem.
Modellen konkluderede, at områderne med Maria, Jesus, Johannes Døberen og endda den mistænkte rose havde en 90% sandsynlighed for at være malet af Raphael.
Som forventet blev Josefs hoved sandsynligvis malet af en anden kunstner, da modellen gav det en mindre end 40% sandsynlighed for at være Rafaels værk. Når en besøgende i Prado-galleriet spørger, om det virkelig var Rafael, der malede dette værk, kan kuratoren med sikkerhed svare: "For det meste."
Medforfatter til papiretProfessor Edwards, professor emeritus i molekylær spektroskopi ved University of Bradford, sagde: "AI-programmets analyse af vores arbejde har entydigt vist, at mens de tre figurer af Madonna, Jesusbarnet og Johannes Døberen utvetydigt er malet af Rafael, er figuren af Sankt Josef det ikke og er malet af en anden - muligvis af Romano, som zur Capellen og andre mente."
Denne forskning kan anvendes på andre omstridte værker, så længe der er tilstrækkeligt med eksempler på bekræftede værker, der kan bruges som træningsdatasæt. Medforfatteren professor Christopher Brooke fra University of Nottingham sagde, at denne nye tilgang til at tilskrive kunstværker "kan tilpasses, så værker af andre kunstnere kan undersøges ved hjælp af samme teknik, og det er målet for fremtidig forskning."
Det er usandsynligt, at AI vil overtage kunsthistorikeres job, og man kan ikke udelukkende stole på denne metode til at bestemme den korrekte tilskrivning af kunstværker.
Adjungeret professor ved Stanford University David G. Stork, som også er medforfatter til artiklen, siger: "Computermetoder viser langsomt, men sikkert, at de kan hjælpe traditionelle humanistiske studier af kunst, men de skal altid anvendes med en dyb forståelse af den kunsthistoriske kontekst, og deres resultater skal forstås og fortolkes i en bredere kontekst af kunstviden, som er relevant for det aktuelle problem."
Maskinlæring vil ikke erstatte kunsthistorikere, men det vil være en stor hjælp til at afgøre nogle ældgamle stridigheder.
