מחקר חדש מציג תובנות על איך אנשים שופטים שיפוטים אסתטיים באמצעות הקניית היכולת הזו לבינה מלאכותית
האם אתם אוהבים משיחות מכחול עבות ופאלטות צבעים רכות בציורים אימפרסיוניסטים כמו הציורים של קלוד מונה? או אולי אתם מעדיפים את הצבעים הנועזים והצורות המופשטות של רותקו? יש איזו מסתוריות מאחורי טעם אישי באמנות, אך לאחרונה מחקר חדש מקל-טק (Caltech) מראה שתוכנת מחשב פשוטה יכולה לחזות איזה ציור אדם יאהב.
המחקר החדש, שפורסם בכתב העת Nature Human Behaviour, השתמש בפלטפורמת מיקור ההמונים של אמזון – Mechanical Turk – כדי לגייס יותר מ-1,500 מתנדבים לדירוג ציורים מהזרמים הבאים: אימפרסיוניזם, קוביזם, ציור מופשט, ושדה צבעים. התשובות של המתנדבים הוזנו לתכנת מחשב, ולאחר תהליך הכשרה, המחשב הצליח לחזות את ההעדפות של המתנדבים באמנות במידת מובהקות העולה בהרבה על ניחוש אקראי.
“פעם חשבתי שהערכת אמנות היא משהו אישי וסובייקטיבי כך שהופתעתי מהתוצאה,” אומר המחבר הראשי קיוהיטו איגאיה (Koyohito Iigaya), חוקר בפוסט-דוקטורט שעובד בקל-טק במעבדה של פרופסור ג’ון או’דוהרטי (John O’Doherty).
הממצאים לא רק הראו שמחשבים יכולים לחזות כאלו תחזיות, אלא גם הובילו לתובנות חדשות לגבי האופן שבו אנשים שופטים אמנות.
הצצה למנגנון שבו אנשים שופטים אסטטית אחרים
“העניין העיקרי הוא שאנחנו מקבלים תובנות אל עובי הקורה של המנגנון שמשמש אנשים לשפוט שיפוטים אסתטיים,” אומר או’דוהרטי. “כלומר, שנראה שאנשים משתמשים במאפיינים בסיסיים של התמונה ומשלבים ביניהם. זה השלב הראשון בהבנה התהליך.”
במחקר, הצוות תכנת את המחשב לפרק את המאפיינים ויזואליים של הציור למה שהם מכנים מאפיינים ברמה נמוכה- תכונות כגון ניגודיות, רוויה, וגוון – לצד מאפיינים ברמה-גבוהה, שדורשים שיפוט אנושי וכוללים מאפיינים כגון האם הציור הוא דינמי או דומם.
“תוכנת המחשב מעריכה עד כמה מאפיין מסויים משפיע על ההחלטה כמה לאהוב יצירת אמנות מסויימת,” מסביר איגאיה.” כשמחליטים החלטות כאלו, יש שילוב של מאפייני שתי הרמות. לאחר הערכת המחשב, התוכנה יכול לחזות בהצלחה אם אדם מסוים יאהב ציור שהוא טרם ראה.”
בנוסף לכך החוקרים גילו שהמתנדבים נטו להתקבץ בשלוש קבוצות עיקריות: אילו שאוהבים ציורים של עצמים שקיימים במציאות, כמו ציורים אימפרטיוניסטיים; אילו שאוהבים ציורים צבעוניים מופשטים, כמו הציורים של רותקו; ואילו שאוהבים ציורים מורכבים, כמו הציורים הקוביסטיים של פיקאסו. רוב האנשים נמצאים בקבוצה הראשונה, קבוצת "העצמים המציאותיים. “ הרבה אנשים אהבו את הציורים האימפרסיוניסטיים,” אומר איגאיה.
החוקרים גם גילו שהם יכולים לאמן רשת נאורלית מסוג Deep Convolutional Neural Network – DCNN כדי ללמוד לחזות את העדפותיו האמנותיות של המתנדב ברמת דיוק דומה. רשת DCNN היא סוג של תכנה ללמידת מכונה, שבה המחשב מוזן בסדרה של תמונות לצורך תהליך הכשרה, כך שהוא יכול ללמוד לסווג עצמים, כגון חתולים לעומת כלבים. לרשתות נאורליות יש יחידות שמחוברות ביניהן בדומה לניורונים במוח. על ידי שינוי עצמת הקשר בין היחידות, הרשת יכולה "ללמוד".
במקרה זה, הגישה של לימוד מכונה עמוק לא כללה את המאפיינים הויזואליים ברמה גבוהה או נמוכה ששימשו בחלקו הראשון של המחקר, כך שהמחשב היה צריך "להחליט" לבד אילו מאפיינים לבחון.
“במודלים של רשת-נאורלית-עמוקה, אנחנו בעצם לא יודעים איך הרשת פותרת משימה מסויימת, כיוון שהמודלים לומדים בעצמם בצורה מאוד דומה למוח,” מסביר איגאיה. “על פניו, זה משהו שעשוי להיות מאוד מסתורי, אבל כשהסתכלנו אל תוך הרשת הנאורלית, יכולנו לראות שהיא בונה את אותם סיווגי מאפיינים שבחרנו בעצמנו.” תוצאות אלו מרמזות על האפשרות שהמאפיינים המשמשים לקביעת העדפות אסתטיות עשויים להיות תוצר טבעי של ארכיטקטורה דמויית מוח.
“כעת אנחנו בוחנים את האפשרות הזאת, על ידי הסתכלות על מוחותיהם של אנשים בזמן שהם מחליטים את אותו סוג החלטות.” אומר או’דוהרטי.
בחלק אחר של הניסוי, החוקרים גם הראו שתוכנת המחשב הפשוטה שלהם, שכבר עברה הכשרה על העדפות אמנות, יכולה לחזות בדייקנות אילו צילומים המתנדבים יאהבו. הם הראו למתנדבים צילומים של בריכות שחייה, אוכל, וסצינות נוספות, וראו תוצאות דומות לתוצאות עם הציורים. בנוסף, החוקרים הראו שאפשר גם להפוך את הסדר: אחרי שמאמנים את התוכנה על העדפותיהם של מתנדבים לצילומים, הם יכלו להשתמש בתוכנה כדי לחזות ברמת דיוק גבוהה את העדפותיהם האמנותיות של הנבדקים.
בעוד שתכנת המחשב הצליחה לחזות את העדפותיהם של הנבדקים באמנות החוקרים אומרים שעדיין יש עוד מה ללמוד על ההבדלים הדקים, הנואנסים, שמשפיעים על טעמו האישי של כל אחד.
“ חלק מההיבטים של העדפות הם ייחודיים לכל אדם ולא הצלחנו להסביר אותם בשימוש בשיטה המתוארת,” אומר או’דוהרטי.”ייתכן שאותו רכיב ייחודי קשור למאפיינים סמנטיים, או המשמעות של הציור, חוויות העבר, ותכונות אישיות, אינדיבידואליות נוספות שעשויות להשפיע על ההערכה. עדיין ייתכן שאפשר לזהות את המאפיינים וללמוד עליהם במודל ממוחשב, אבל לשם כך יהיה צורך במחקר מפורט הרבה יותר של ההעדפות של כל אחד מהנבדקים באופן שייתכן שלא ניתן להכלילו על אנשים נוספים, כפי שמצאנו כאן.”
לידיעה של החוקרים
עוד בנושא באתר הידען: