Thuật toán đánh giá mức độ sáng tạo trong tranh

Một thuật toán do các nhà nghiên cứu ở Đại học Rutgers phát triển có thể đánh giá tính sáng tạo của các tác phẩm dựa trên bối cảnh lịch sử nghệ thuật đi kèm.

Bức tranh “Những cô nàng ở Avignon” của Picasso. Nguồn: The Conversation

Từ “Những cô nàng ở Avignon” của Picasso cho đến “Tiếng thét” của Munch, những bức tranh này có điểm gì thu hút sự chú ý của người xem, khiến chúng trở thành những tác phẩm mang tính biểu tượng trong lịch sử nghệ thuật?

Hầu hết là do họa sĩ đã kết hợp một kỹ thuật, hình thức hoặc phong cách hoàn toàn mới so với trước đây. Họ thể hiện khả năng sáng tạo và đổi mới tinh tế – được các họa sĩ tiếp tục bắt chước trong nhiều năm sau. 

Trong suốt lịch sử loài người, các chuyên gia thường tập trung vào những sáng tạo nghệ thuật này để đánh giá giá trị tương đối của một bức tranh. Theo truyền thống, việc đánh giá tính sáng tạo của một tác phẩm nghệ thuật là công việc thuộc về các học giả đã được đào tạo lâu năm, có nền tảng vững chắc và tình yêu với tác phẩm đó. Tất nhiên, tác phẩm phải có điểm gì đó mới mẻ, và theo các nhà nghiên cứu, nó cũng phải thể hiện được tầm ảnh hưởng ở một mức độ nào đó, chẳng hạn như được những người đi sau sao chép. 

Nhưng liệu người ta có thể dùng trí tuệ nhân tạo (AI) để định lượng mức độ sáng tạo của một bức tranh? Tại Phòng thí nghiệm Trí tuệ nhân tạo và nghệ thuật ở Đại học Rutgers (Mỹ), tôi và các đồng nghiệp đã đề xuất một thuật toán giúp đánh giá tính sáng tạo của các bức tranh, đồng thời xem xét bối cảnh của bức tranh trong phạm vi lịch sử nghệ thuật.

Chúng tôi nhận thấy khi áp dụng trên một bộ sưu tập lớn các tác phẩm, thuật toán này có thể chọn ra chính xác những bức tranh mà các nhà sử học nghệ thuật coi là kiệt tác hội họa.   

Với kết quả này, có thể thấy, con người không còn là giám khảo duy nhất có thể đánh giá tính sáng tạo của một tác phẩm. Máy tính cũng có khả năng thực hiện nhiệm vụ này – thậm chí có thể khách quan hơn. 

Đo lường sự sáng tạo

Về bản chất, để phát triển thuật toán này, nhóm nghiên cứu cần giải quyết một câu hỏi trọng tâm: làm thế nào để xác định và đo lường sự sáng tạo? 

Cuộc tranh luận về định nghĩa của sự sáng tạo đã kéo dài trong lịch sử và vẫn đang tiếp tục diễn ra. Chúng ta có thể mô tả một người (một nhà thơ hoặc một CEO), một sản phẩm (một tác phẩm điêu khắc hoặc một cuốn tiểu thuyết) hoặc một ý tưởng là “sáng tạo”.

Chúng tôi không nghĩ nghiên cứu này sẽ trở thành giải pháp tiềm năng để thay thế các nhà sử học nghệ thuật, cũng như không khẳng định rằng máy tính đánh giá tác phẩm tốt hơn con người. Kết quả của chúng tôi là một bước đột phá quan trọng: nó cung cấp bằng chứng cho thấy máy móc có thể nhận thức, phân tích trực quan và đánh giá các bức tranh giống như con người.

Giáo sư Ahmed Elgammal

Trong nghiên cứu này, chúng tôi tập trung vào tính sáng tạo của sản phẩm. Như vậy, chúng tôi đã sử dụng định nghĩa phổ biến nhất về tính sáng tạo, trong đó nhấn mạnh đến tính độc đáo của sản phẩm cùng với tầm ảnh hưởng lâu dài của nó.

Những tiêu chí này phù hợp với định nghĩa của Kant về thiên tài nghệ thuật, trong đó nhấn mạnh hai điều kiện: độc đáo và mẫu mực.

Chúng cũng nhất quán với các định nghĩa về sáng tạo hiện nay, chẳng hạn như khái niệm được chấp nhận rộng rãi của Margaret A Boden về Sáng tạo lịch sử (H-Creativity) và Sáng tạo Cá nhân/Tâm lý (P-Creativity). H-Creativity đánh giá tính mới và tính hữu ích của tác phẩm trong phạm vi lịch sử loài người, trong khi P-Creativity đánh giá tính mới của ý tưởng đối với người sáng tạo.

Xây dựng thuật toán

Chúng tôi đã ứng dụng thị giác máy tính để xây dựng một mạng lưới các bức vẽ từ thế kỷ 15 đến thế kỷ 20. Nhờ đó, chúng tôi có thể suy luận về tính độc đáo và tầm ảnh hưởng của từng tác phẩm.

Thông qua một loạt các phép biến đổi toán học, chúng tôi đã chỉ ra rằng bài toán định lượng tính sáng tạo có thể rút gọn thành một biến thể của bài toán về tính trung tâm mạng (network centrality) – một thuật toán được sử dụng rộng rãi trong phân tích tương tác xã hội, phân tích dịch bệnh và tìm kiếm trên web. Chẳng hạn, khi bạn dùng Google để tìm kiếm trang web, Google sử dụng thuật toán kiểu này để điều hướng mạng lưới vô vàn các trang nhằm xác định các trang riêng lẻ liên quan nhất đến những gì bạn tìm kiếm.

Đầu ra của bất kỳ thuật toán nào cũng phụ thuộc vào cài đặt tham số và đầu vào. Trong nghiên cứu của chúng tôi, đầu vào là những gì thuật toán thấy trong các bức vẽ: màu sắc, kết cấu, cách phối cảnh và chủ đề. Phần cài đặt tham số là định nghĩa về sự sáng tạo: tính độc đáo và ảnh hưởng lâu dài. 

Thuật toán có thể đưa ra kết luận mà không cần bất kỳ kiến thức mã hóa nào về nghệ thuật hoặc lịch sử nghệ thuật, đồng thời rút ra những đánh giá về các bức tranh một cách nghiêm túc bằng cách sử dụng phân tích trực quan và xem xét ngày tháng của chúng.

Xác định tính đổi mới

Khi tiến hành phân tích 1700 bức tranh, chúng tôi phát hiện ra một số điều đáng chú ý. Ví dụ, thuật toán đánh giá tính sáng tạo trong bức tranh “Tiếng thét” (1893) của Edvard Munch cao hơn nhiều so với các phiên bản tương tự vào cuối thế kỷ 19. Tất nhiên, điều này không có gì khó hiểu: “Tiếng thét” là một trong những bức tranh theo trường phái biểu hiện đáng chú ý nhất, và là một trong những bức tranh được sao chép nhiều nhất trong thế kỷ 20.

Thuật toán cũng đánh giá bức tranh “Những cô nàng ở Avignon” (1907) của Picasso có điểm sáng tạo cao nhất trong số tất cả các bức tranh được phân tích từ năm 1904 đến năm 1911. Kết quả này cũng phù hợp với nhận định của các nhà sử học nghệ thuật – họ chỉ ra rằng mặt phẳng hình ảnh của bức tranh và sự liên quan đến chủ nghĩa Nguyên thủy đã khiến nó trở thành một tác phẩm nghệ thuật có tính sáng tạo cao – tiền thân trực tiếp cho phong cách Lập thể của Picasso. 

Thuật toán chỉ ra một số bức tranh theo chủ nghĩa Siêu việt đầu tiên của Kazimir Malevich xuất hiện vào năm 1915 (chẳng hạn như Quảng trường Đỏ) cũng có tính sáng tạo cao. Trong thời kỳ mà chủ nghĩa Lập thể thống trị, bức tranh này có một phong cách hoàn toàn khác biệt. Trong giai đoạn 1916-1945, phần lớn các bức tranh đạt điểm sáng tạo cao nhất thuộc về các họa sĩ Piet Mondrian và Georgia O’Keeffe.

Tất nhiên, không phải lúc nào thuật toán cũng cho kết quả trùng khớp với ý kiến của các nhà sử học nghệ thuật. 

Chẳng hạn, thuật toán đánh giá bức tranh “Bữa tối cuối cùng” (1476) của Domenico Ghirlandaio cao hơn nhiều so với kiệt tác cùng tên của Leonardo da Vinci, xuất hiện khoảng 20 năm sau. Thuật toán cũng ưu ái bức tranh St John the Baptist (1515) của da Vinci hơn các bức họa theo chủ đề tôn giáo khác của ông mà nó đã phân tích. Điều thú vị là theo đánh giá của thuật toán, bức Mona Lisa của da Vinci không có tính sáng tạo cao.

Vượt qua thử thách thời gian

Với những điểm sai lệch như vậy (đặc biệt là khi đánh giá các tác phẩm của da Vinci), làm sao chúng ta biết rằng thuật toán hoạt động hiệu quả nói chung? 

Để thử nghiệm, chúng tôi đã tiến hành “thí nghiệm cỗ máy thời gian”, trong đó, chúng tôi thay đổi ngày tháng của một tác phẩm nghệ thuật và tính toán lại điểm sáng tạo của chúng. 

Chúng tôi nhận thấy rằng điểm sáng tạo của các bức tranh thuộc các trào lưu Ấn tượng, Hậu Ấn tượng, Biểu hiện và Lập thể đã tăng lên đáng kể khi chuyển về những năm 1600. Ngược lại, tranh Tân cổ điển không được điểm cao khi chuyển về thời kỳ này, bởi chủ nghĩa Tân cổ điển được coi là sự hồi sinh của thời Phục hưng.

Trong khi đó, các bức tranh theo phong cách Phục hưng và Baroque lại bị giảm điểm sáng tạo khi chuyển tới năm 1900.

Chúng tôi không nghĩ nghiên cứu này sẽ trở thành giải pháp tiềm năng để thay thế các nhà sử học nghệ thuật, cũng như không khẳng định rằng máy tính đánh giá tác phẩm tốt hơn con người. 

Thay vào đó, AI đã truyền cảm hứng cho chúng tôi. Mục tiêu cuối cùng của nghiên cứu về AI là tạo ra những cỗ máy có khả năng tri giác, nhận thức và trí tuệ tương đương với con người.

Chúng tôi tin rằng việc đánh giá khả năng sáng tạo là một nhiệm vụ đầy thử thách đòi hỏi sự kết hợp của ba yếu tố trên, và kết quả của chúng tôi là một bước đột phá quan trọng: nó cung cấp bằng chứng cho thấy máy móc có thể nhận thức, phân tích trực quan và đánh giá các bức tranh giống như con người. □

—-

* Tác giả: Ahmed Elgammal, giáo sư ở Khoa Khoa học máy tính, Đại học Rutgers. Ông là người sáng lập và Giám đốc Phòng thí nghiệm Trí tuệ nhân tạo và Nghệ thuật tại Rutgers, tập trung vào khoa học dữ liệu trong lĩnh vực nhân văn kỹ thuật số.

Thanh An dịch

Nguồn: https://theconversation.com/which-paintings-were-the-most-creative-of-their-time-an-algorithm-may-hold-the-answers-43157

Tác giả