AI phát hiện thuộc tính các nét cọ
Các nhà khoa học ở trường Đại học Case Western Reserve đã sử dụng kỹ thuật quét 3 D và học máy để nhận diện ra những đặc tính riêng biệt trong cách vẽ của từng họa sĩ.
Trong những năm gần đây, xu hướng số hóa các bộ sưu tầm nghệ thuật và những tiến triển không ngừng của các công cụ học máy, AI… đã đem lại một cách tiếp cận mới các tác phẩm nghệ thuật. Các nhà khoa học đã sử dụng các công cụ này để phân tích các tác phẩm nghệ thuật, qua đó đem lại những thông tin mới mẻ nằm ngoài sức tưởng tượng của các nhà phê bình nghệ thuật và các nhà giám tuyển. Thông thường, người ta vẫn dùng các công cụ này để phân tích các hình ảnh của những bức họa để phát hiện tranh giả, phân loại các bộ sưu tập đã được số hóa, xác định phong cách của các họa sĩ… Gần đây một nhóm các nhà khoa học tại trường Đại học Case Western Reserve tại Ohio, Mỹ, trong đó có các nhà sử học nghệ thuật, vật lý, sinh học, đã sử dụng nó để phân tích các hình ảnh quét địa hình (topographical) của các bức họa. Những thông tin về nghiên cứu này đã được công bố trên tạp chí Heritage Science “Discerning the painter’s hand: machine learning on surface topography” (Hiểu rõ đường cọ của họa sĩ: học máy trên dữ liệu địa hình bề mặt).
Khi các nhà lịch sử nghệ thuật bối rối
Trong lịch sử nghệ thuật có nhiều trường hợp hết sức thú vị. Nó để lại rất nhiều “nghi án” cho các nhà nghiên cứu thế hệ sau tìm hiểu. Một trong những trường hợp đó là xưởng vẽ của những họa sĩ bậc thầy, đặc biệt là những người mở đường cho một phong cách nghệ thuật mới và có nhiều học trò vào thế kỷ 17.
Khi nhìn vào xưởng vẽ của các họa sĩ bậc thầy thời Phục Hưng, chúng ta hẳn thấy ngạc nhiên bởi sự chuyên nghiệp trong cách thức tổ chức của nó. Ở nơi này, những người học việc trẻ thường bắt đầu công việc bằng những việc lặt vặt, phục vụ yêu cầu của họa sĩ bậc thầy; nếu tiến thêm một bước, họ có thể là trợ lý của họa sĩ, có thể được trao những công việc quan trọng hơn như góp phần kết thúc các tác phẩm; tiến thêm một bước nữa, họ có thể hoạt động độc lập, vào một ngày nào đó đủ năng lực để tạo ra những tác phẩm có giá trị với chính tên tuổi của mình. Bản thân các họa sĩ bậc thầy này cũng bắt đầu làm việc ở nhiều xưởng vẽ khác nhau khi bắt đầu nghề vẽ, ví dụ Rembrandt từng học ba năm với họa sĩ chuyên vẽ tranh lịch sử ở Leiden, Jacob van Swanenburg, sau đó mở xưởng vẽ và đào tạo nhiều họa sĩ nổi tiếng như Carel Fabritius, Nicholas Maes…
Ở khía cạnh thương mại, câu chuyện còn thú vị hơn. Các nhà nghiên cứu trường Đại học Case Western Reserve nêu, “nhiều nghệ sĩ nổi tiếng, trong đó có El Greco, Rembrandt, và Peter Paul Rubens, đều mở các xưởng vẽ, ở nhiều quy mô và tổ chức khác nhau, để đáp ứng nhu cầu của thị trường nghệ thuật”. Các đơn đặt hàng của thị trường hết sức đa dạng với những bức chân dung, hoạt cảnh, sinh hoạt tôn giáo, xã hội… ở nhiều kích cỡ khác nhau và theo quan điểm thời đó, bất cứ một bức họa nào là sản phẩm của một xưởng vẽ của một họa sĩ đều không phải là bức họa giả hay vô giá trị. Do vậy, những người học việc thường cố gắng sao chép phong cách của thầy bởi đây là phần tập luyện kỹ thuật quan trọng ở xưởng vẽ, đồng thời cũng giúp tạo ra các bức vẽ theo yêu cầu.
Trong cuộc đời nghệ thuật của mình, Rubens rất cần sự hỗ trợ của học trò ở xưởng vẽ khi thực hiện những bức tranh khổ lớn, ví dụ như loạt tranh Triumph of the Eucharist. Xưởng vẽ của ông rất lớn và được tổ chức khá tốt để có thể thực hiện nhiệm vụ trong lúc ông vắng mặt: các trợ lý có thể đảm trách toàn bộ một thiết kế từ các phác thảo của ông đi công du. Ví dụ, xưởng họa của Rubens đã vẽ chuyến đi săn của vua Tây Ban Nha ở gần Madrid mà không cần sự giám sát của ông.
Ở trường hợp khác, xưởng vẽ có thể tạo ra một bức họa và họa sĩ bậc thầy có thể hoàn toàn thành toàn bộ các gương mặt và các đôi bàn tay, những điểm quan trọng của một bức họa có người. Đối với những bức tranh chân dung hoặc đơn đặt hàng riêng thì họa sĩ bậc thầy thường tự mình vẽ.
Chúng ta cũng cần lưu ý đến một xu hướng khác là các họa sĩ thế kỷ 17 hay cộng tác với những họa sĩ khác để cùng hoàn thành một bức vẽ quan trọng. Ví dụ bức Pausias and Glycera (c. 1612-1625) được Rubens hoàn thiện hai nhân vật chính còn Osias Beert, một họa sĩ Hà Lan khác, vẽ những bông hoa. Rubens cũng hợp tác với Frans Snyders để vẽ các con thú đã đứt lìa sự sống và hợp tác với Jan Bruegel để vẽ hoa và bối cảnh.
Với các nhà nghiên cứu, việc tìm hiểu về các bức họa dạng này giúp đem lại những cái nhìn thấu đáo hơn vào quá trình phát triển và định hình kỹ thuật của các họa sĩ bậc thầy. Tuy nhiên, ở một mặt khác thì nó lại khiến các nhà giám tuyển, các nhà lịch sử nghệ thuật bối rối bởi đôi khi thật khó phân biệt một tác phẩm từ xưởng họa có phải thực sự của họa sĩ bậc thầy hay không. Điều này lại càng cần thiết hơn khi không phải bao giờ, người ta cũng có đủ tài liệu và căn cứ để phân định trong khi giá trị các bộ sưu tập của những gallery phụ thuộc rất lớn vào đó.
Gợi ý từ công cụ mới
Các nhà khoa học tại trường Đại học Case Western Reserve đã thực hiện một dự án để giải quyết vấn đề này. Điểm xuất phát của họ là thử dùng công nghệ đo địa hình 3D, vốn vẫn được dùng để mô tả một bản đồ hiển thị địa hình ba chiều với những khác biệt trong độ cao của bề mặt. Trong trường hợp những bức họa, đó sẽ là việc thể hiện sự tăng hoặc giảm của những vệt sơn trên bề mặt toan, ngay cả ở thang đo nhỏ nhất. “Địa hình 3D là một cách mới để AI có thể ‘ngắm’ một bức họa,” Kenneth Singer, giáo sư vật lý tại Case Western Reserve và là người dẫn dắt nghiên cứu, nói. Singer cho biết thêm là thuật toán AI mà họ xây dựng tập trung vào những cấu trúc nhỏ nhất trên bề mặt toan.
Trong hội họa, địa hình bề mặt có thể tiết lộ những yếu tố thuộc về phong cách không chủ ý của người vẽ được bồi đắp bởi các nét cọ qua những lần tô và khô đi của màu vẽ, những mẫu hình của đường cọ, các yếu tố tâm lý cùng nhiều ảnh hưởng khác trong quá trình sáng tạo. “Cốt lõi của ý tưởng này là nét cọ sẽ tạo ra một dấu ấn riêng biệt của từng họa sĩ”, ông giải thích. “Chúng tôi tìm thấy là mình có thể thành công theo cách tiếp cận này, ngay cả ở mức độ nhỏ nhất là phân định nét vẽ của từng sợi lông trên cọ vẽ. nhưng thành thật mà nói thì chúng tôi cũng không thực sự hiểu được vì sao nét vẽ của một sợi lông trên cọ cũng có thể chỉ dẫn điều mà chúng tôi gọi là phong cách không chủ đích của một nghệ sĩ”.
Những ý tưởng nghiên cứu mới như vậy đôi khi nảy sinh từ suy nghĩ của những nhà nghiên cứu trẻ. “Dự án ban đầu là từ ý tưởng của một học trò của tôi, bạn ấy mới bắt đầu nghiên cứu về lịch sử nghệ thuật”, Singer nói. “Bạn ấy muốn tham gia một hội thảo về khoa học và nghệ thuật với ý tưởng sử dụng thiết bị đo biên dạng trong phòng thí nghiệm của chúng tôi, vốn được dùng để đo địa hình về mặt. Tôi đồng ý với bạn ấy và sau đó, những người khác cũng tham gia”. Mối quan hệ hợp tác nghiên cứu ngày một lớn lên theo nhiều nghĩa, dẫn đến một hôn lễ trong quá trình nghiên cứu.
Dự án ban đầu tập trung vào phân tích một loạt tranh do các sinh viên của Viện nghiên cứu nghệ thuật Cleveland, những người đảm trách nhiệm vụ vẽ các bản sao một bức tranh hoa súng. Nghiên cứu nhỏ này được dùng để huấn luyện một mạng thần kinh tích chập (CNNs) bằng các bản quét ba chiều các bề mặt của bức họa này. Vốn là một công cụ vô cùng hiệu quả trong việc giải quyết các bài toán về thị giác máy tính như phân loại hình ảnh, mạng thần kinh tích chập này được mô hình hóa theo não người và hệ thần kinh – một hệ có thể học, nhận diện và so sánh các mẫu hình. Tuy nhiên, việc huấn luyện một mạng thần kinh tích chập sâu từ những phần hỗn tạp của một cơ sở dữ liệu nhỏ có thể dẫn đến một vấn đề là sự quá khớp (over-fitting) – dễ thất bại khi so khớp với những dữ liệu bổ sung hoặc dự đoán các quan sát trong tương lai. Để tránh điều này, các nhà nghiên cứu đã chia dữ liệu thành nhiều lớp và sử dụng một thuật toán khác để “huấn luyện trước” mạng thần kinh.
Bằng việc phân chia các bức tranh vào từng ô nhỏ để phân tích – một số nhỏ chỉ bằng một nửa mi li mét vuông, mạng thần kinh tích chập này đã nhận được ra “phong cách không chủ ý” (unintentional style) hay “dấu cá nhân” của từng nghệ sĩ. Sau đó, bằng việc khớp các phong cách của từng họa sĩ vào bố cục của các đường cọ, AI có thể xác định được chính xác những bức họa khác có đúng của họa sĩ đó không với độ chính xác tới 96%.
Rút cục, bằng việc phân chia các bức tranh vào từng ô nhỏ để phân tích – một số nhỏ chỉ bằng một nửa mi li mét vuông, mạng thần kinh tích chập này đã nhận được ra “phong cách không chủ ý” (unintentional style) hay “dấu cá nhân” của từng nghệ sĩ. Sau đó, bằng việc khớp các phong cách của từng họa sĩ vào bố cục của các đường cọ, AI có thể xác định được chính xác những bức họa khác có đúng của họa sĩ đó không với độ chính xác tới 96%. “Mạng thần kinh này đã làm chúng tôi choáng váng bởi trên thực tế thì nó có thể ‘nói’ một cách vô cùng chính xác về đôi tay của ai trong số bốn sinh viên nghệ thuật khác nhau đã vẽ các bức tranh, ngay cả một chi tiết cực nhỏ của một đường cọ”, Singer nói. “Nhờ vậy chúng tôi đã có thể khám phá ra những gì mà chúng tôi tạm gọi là phong cách không chủ ý của một họa sĩ”.
Mỗi nghệ sĩ trong nghiên cứu này của họ sử dụng cùng một loại cọ, màu vẽ và toan. “Vì vậy chỉ có một điều có thể tạo nên sự khác biệt là đôi tay của nghệ sĩ – cách nó tương tác với bề mặt toan,” Hinczewski nói. Cũng như đồng nghiệp của mình, Hinczewski cho biết cảm xúc của mình “Chúng tôi đã sốc với những thông tin xuất hiện. Đây là cái gì đó thuộc về bản chất nội tại của người nghệ sĩ, nó tự nhiên chảy tràn trên mặt toan chứ không phải cái mà họ cố gắng phải đạt bằng được”.
Trong hội họa, địa hình bề mặt có thể tiết lộ những yếu tố thuộc về phong cách không chủ ý của người vẽ được bồi đắp bởi các nét cọ qua những lần tô và khô đi của màu vẽ, những mẫu hình của đường cọ, các yếu tố tâm lý cùng nhiều ảnh hưởng khác trong quá trình sáng tạo.
Chỉ dựa vào những mặt cắt nhỏ của các hình ảnh quét địa hình theo cách như vậy và những thuật toán thông minh, họ đã có thể nhận dạng được bản sắc của các họa sĩ. Do đó có thể nói, học máy đã giúp các nhà phê bình nghệ thuật một cách thức mới để xác định danh tính tác giả. Các nhà nghiên cứu họ hy vọng sẽ phát triển “các phương pháp định lượng không thiên kiến để rọi cái nhìn vào sự đóng góp của nhiều người trong những bức họa từ xưởng vẽ”.
Trong pha mới của dự án, nhóm nghiên cứu sử dụng công cụ này để nhận diện từng phần của một bức tranh do họa sĩ El Greco vẽ vào đầu thế kỷ 17, từng bị cắt trong thời kỳ Nội chiến Tây Ban Nha (1936 – 1939). Sau đó, họ muốn so sánh nó với hai phiên bản Chúa bị đóng đinh trên thập giá của El Greco, để tìm hiểu những phần do chính họa sĩ vẽ, phần nào do Jorge Manuel, con trai của ông, hay của những người khác trong xưởng vẽ của ông, thực hiện, hoặc cũng có thể của những kẻ mạo danh sau này.
Đây thực sự là một công việc thú vị. “Chúng tôi đang tìm hiểu những bản quét khác nhau của các bức họa để xem là liệu có thể nhận diện được tiến trình thực hiện các tác phẩm của một xưởng vẽ và nhận diện được các bàn tay khác nhau ‘nhúng’ vào chúng không”, Elizabeth Bolman, trưởng Khoa Lịch sử nghệ thuật và nghệ thuật Case Western Reserve, cho biết. “El Greco đã vẽ bức họa này không? Bao nhiêu phần trăm trên bức họa này là do con trai ông vẽ? Có rất nhiều vấn đề gây tranh luận ở đây”.
Việc có trong tay một phương pháp mới và một công cụ hữu dụng khiến các nhà nghiên cứu nghĩ đến nhiều ý tưởng khác. Ứng dụng tiếp theo mà họ nghĩ đến với hệ này là thử nghiệm trên những bề mặt có kết cấu phẳng hơn tranh sơn dầu như tranh màu nước hay phác họa chì. “Những bức tranh này dường như ẩn chứa nhiều thách thức hơn nhưng những gì rút ra được từ dự án vừa qua là không nên nghi ngờ vì công cụ thông minh này luôn gây bất ngờ cho chúng ta”, Singer nói. □
Tô Vân tổng hợp
Nguồn: https://www.artandobject.com/news/artist-workshops-their-history-benefits-drawbacks
