法告诉你，达芬奇和莫奈谁更有创造力

创造力是人类所特有的特质之一&＃xff0c;大多数人认为创造力最重要的两个因素是&＃xff1a;凡是创造性过程中所产生的&＃xff0c;它必须是新奇的&＃xff0c;而且必须要有影响力。

艺术的历史长河中充满了绘画形式上很好的例子&＃xff0c;不同于任何之前已经出现的&＃xff0c;并且对随后产生的画作产生了巨大的影响&＃xff0c;例如&＃xff1a;达芬奇于1469年创作的《拈花圣母》&＃xff0c;戈雅于1780创作的《基督殉难图》或莫奈于1865年创作的《干草堆》等。而其他的绘画更多的则是上述的“衍生物”&＃xff0c;表现出了与之前画作的许多相似之处&＃xff0c;因此被认为缺乏创造力。

从其他那些画作中区分最有创意的任务就落到了艺术史学家的身上&＃xff0c;这并不是一项容易的任务。最起码&＃xff0c;必须拥有艺术史的百科知识。艺术史学家必须发现新的特点&＃xff0c;并能在未来的画作中找到类似的特点&＃xff0c;从而确定画作的影响力。

这些任务对人类而言十分的棘手&＃xff0c;不过现在计算机将接替人类&＃xff0c;帮助我们理解这些画作。此前&＃xff0c;大数据文摘曾发布 强&＃xff01;算法居然能够识别艺术流派&＃xff01;&＃xff0c;但由于美国新泽西罗格斯大学的Ahmed Elgammal和Babak Saleh的努力研发&＃xff0c;机器也能分析哪些画具有创造力了。

研究人员让机器对包含有6.2万张艺术画相片的数据库进行分析&＃xff0c;确定全部画作中在历史上有哪些最有创造力。研究结果提供了一种新的方式&＃xff0c;来探讨艺术的历史和创造力在其中发挥的作用。

几项尖端技术的融合使得这个任务成为了可能&＃xff1a;

• 第一项技术就是最近几年取得快速突破的计算机视觉&＃xff0c;通过计算机所包含的视觉概念并根据一种方式对图像进行分类。这个视觉概念被称为 Classemes。这种方法允许计算机视觉算法去分析图像&＃xff0c;并生成一个对图像进行描述的Classemes列表。列表像是一张矢量图&＃xff0c;会对图像进行定义&＃xff0c;并且可以被用来与其他以相同方式进行分析的图像进行比较。

  
  

• 第二项技术使这项工作成为可能的是大型在线数据库的出现。这项技术的重要性是因为机器视觉算法需要大型数据库&＃xff0c;并从中学习。 Elgammal和Saleh在两个大型数据库上完成工作&＃xff0c;其中一个来自于知名艺术网站 Wikiart。

  
  

• 构成他们工作的最后一个环节是理论。这一环节的问题是要找出哪些画是最为新颖的&＃xff0c;再确定在之后有多少画作也具有类似的特性&＃xff0c;以确定他们的影响力。

结果表明&＃xff0c;许多艺术史学家都对分析结果表示赞同&＃xff0c;认为该算法的结果的确突出的创新性和影响力。

与此同时&＃xff0c;他们还指出这种做法并不仅仅局限于艺术&＃xff0c;这种方法也可以用来探索文学、雕塑&＃xff0c;甚至是科学的创新性。