Eeuwenlang is het debat gevoerd over de vraag of Rafaël inderdaad de kunstenaar was achter het renaissanceschilderij Madonna della Rosa. Onderzoekers gebruikten machine learning om het mysterie op te lossen.
Wanneer kunsthistorici proberen om een schilderij aan een kunstenaar toe te schrijven, nemen ze een heleboel tests. Ze controleren de chemische samenstelling van de materialen, maken röntgenscans, sporen de herkomst op en laten experts zich verdiepen in de kleinste details van de geschilderde scènes.
Zelfs na al die tijd is er bij sommige schilderijen, zoals de Madonna della Rosa, nog steeds onenigheid tussen experts over wie het geschilderd heeft.
Het sterke vermoeden was dat het schilderij het werk was van renaissancemeester Rafaël, maar er waren elementen in het schilderij die aanleiding gaven tot twijfel.
De Madonna della Rosa is een schilderij van Maria, Jozef, Jezus en een baby Johannes de Doper. De gebieden waarvan sommige experts vermoeden dat ze door een andere kunstenaar zijn geschilderd, zijn het hoofd van Jozef en de roos onderaan het schilderij.
Laat AI eens kijken
Professor Hassan Ugail van de Universiteit van Bradford ontwikkelde een machine learning model om het schilderij te analyseren en te bevestigen of Rafaël inderdaad de kunstenaar was.
Ugail's model gebruikte deep transfer learning toegepast op het ResNet50 diepe neurale netwerk. ResNet50 wordt veel gebruikt in beeldherkenningstaken omdat het erg goed is in het leren van complexe patronen in afbeeldingen.
ResNet50 is al voorgetraind op een grote dataset met afbeeldingen. Transfer learning is een techniek voor machinaal leren waarbij een model dat is ontwikkeld voor één taak wordt hergebruikt als uitgangspunt voor een model voor een tweede taak. Deze techniek is vooral nuttig als je beperkte gegevens hebt voor de nieuwe taak.
Ugail gebruikte het voorgetrainde ResNet50 als uitgangspunt en trainde het verder op 49 schilderijen waarvan bevestigd was dat ze van Rafaël waren. Hierdoor werd het model een expert in het werk van Rafaël, van zijn specifieke penseelstreken, kleurkeuze en composities.
Ugail zegt dat het model authentieke stukken kan herkennen met een nauwkeurigheid van 98 procent.
Wie heeft het geschilderd?
Toen de onderzoekers het model toepasten op de Madonna della Rosa suggereerden ze dat er slechts een 60% waarschijnlijkheid was dat het het werk van Rafaël was.
Geen goed nieuws voor de Madrileense Prado galerie, die volhoudt dat hun schilderij een authentiek werk van Rafaël is.
Toen het model werd gebruikt om specifieke delen van het schilderij te analyseren, kwam de waarheid achter de maker aan het licht.
Het model concludeerde dat de gebieden met Maria, Jezus, Johannes de Doper en zelfs de verdachte roos een waarschijnlijkheid van 90% hadden om door Rafaël te zijn geschilderd.
Zoals werd vermoed, is het hoofd van Jozef waarschijnlijk door een andere kunstenaar geschilderd, aangezien het model minder dan 40% waarschijnlijk maakte dat het het werk van Rafaël was. Als een bezoeker van de Prado-galerie vraagt of Rafaël inderdaad de kunstenaar was die dit werk schilderde, kan de conservator vol vertrouwen antwoorden: "Waarschijnlijk wel."
Co-auteur van het papierProfessor Edwards, emeritus hoogleraar moleculaire spectroscopie aan de Universiteit van Bradford, zei: "De AI-programma-analyse van ons werk heeft onomstotelijk aangetoond dat de drie figuren van de Madonna, het Christuskind en Johannes de Doper ondubbelzinnig door Rafaël zijn geschilderd, maar dat die van Sint Jozef dat niet is en door iemand anders is geschilderd - mogelijk door Romano, zoals zur Capellen en anderen geloofden."
Dit onderzoek kan worden toegepast op andere betwiste werken zolang er voldoende voorbeelden van bevestigde werken zijn om te gebruiken als trainingsdataset. Co-auteur professor Christopher Brooke van de Universiteit van Nottingham zei dat deze nieuwe benadering van het toeschrijven van kunstwerken "aanpasbaar is in die zin dat werken van andere kunstenaars onderzocht kunnen worden met dezelfde techniek, en dit is het doel van toekomstig onderzoek."
Het is onwaarschijnlijk dat AI banen van kunsthistorici overneemt en er kan niet uitsluitend op deze methode worden vertrouwd om de juiste toeschrijving van kunstwerken te bepalen.
David G. Stork, adjunct-professor aan de Stanford University en co-auteur van de paper, zei: "Computermethoden bewijzen langzaam maar zeker dat ze traditionele humanistische studies van kunst kunnen ondersteunen, maar ze moeten altijd worden gebruikt met een diep begrip van de kunsthistorische context en hun resultaten moeten worden begrepen en geïnterpreteerd in de bredere context van kunstkennis die relevant is voor het probleem in kwestie."
Machine learning zal kunsthistorici niet vervangen, maar het zal een grote hulp zijn bij het oplossen van een aantal eeuwenoude ruzies.
