מיהו הצייר?

גם אלה שאינם מתמצאים כלל באמנות יכולים ללמוד להבדיל בין כמה אמנים השונים בסגנונם ובנושאי יצירתם. האם גם המחשב מסוגל לעשות זאת?

ישראל בנימיני

יש אנשים שבמבט קצר על ציור שלא ראו מעולם, יכולים לקבוע לא רק מיהו הצייר אלא גם באיזו תקופה בחייו של האמן נוצרה היצירה. יכולת זו דורשת ידע רב, שנים של ניסיון, וכנראה גם כישרונות ייחודיים. בכל זאת, אפשר ללמד בקלות גם “איש מהרחוב”, שאינו מתמצא כלל באמנות, להבדיל בין כמה אמנים השונים מאוד בסגנונם ובנושאי יצירתם, כמו למשל מונה, דה-וינצ'י וקנדינסקי.

איננו יודעים איך עושה זאת אותו “איש מהרחוב”, ומה ההבדל בין הדרך שבה הוא מבדיל בין ציירים לבין הדרך שבה עושה זאת המומחה. זוהי שאלה מעניינת במדעי המוח ובפסיכולוגיה קוגניטיבית, ובדיוק מסיבה זו יש בכך גם אתגר מעניין עבור הבינה המלאכותית: האם אפשר להביא מחשבים לפחות לרמת היכולת של האדם הפשוט?

זיהוי לפי החלקים הקטנים
פרופ' דניאל קרן, ממחלקת מדעי המחשב באוניברסיטת חיפה, הצליח במשימה זו. כדי לבדוק את הצלחת התוכנה שפיתח, הציב בפניה את האתגר להבדיל בין האמנים מגריט, רמברנדט, ואן-גוך, פיקאסו ודאלי. התוכנה למדה לזהות את האמנים לפי עשרה ציורים של כל אמן, ולאחר מכן הוצגו לה 10-20 ציורים ל”מסדר זיהוי”.

בשפה של תחום הלמידה הממוחשבת, הקבוצה הראשונה של הציורים היא “קבוצת הלמידה” שלפיה בונה המחשב את “תפישתו” לגבי הסגנון של כל אחד מהציירים, והקבוצה השנייה היא “קבוצת המבחן”, המשמשת לבחינה עד כמה הצליחה הלמידה. לאחר שהתוכנה עיבדה את קבוצת הלמידה ושייכה מאפיינים טיפוסיים לכל אחד מהאמנים, היא הצליחה לסווג את הציורים בקבוצת המבחן בהצלחה של 86%.

התוכנה של פרופ' קרן אינה הראשונה בתחום זה, אך היא שונה מקודמותיה בכך שהיא מהירה במיוחד, ובכך שהיא משתמשת בשיטות מקומיות. “שיטה מקומית” פירושה זיהוי לפי תכונות של חלקים קטנים בציור, ולא לפי מאפיינים הניתנים לחישוב רק על פי הציור המלא או אזורים גדולים מתוכו. שיטות כאלה רגישות יותר למרקמים ולתבניות העדינות של הציור והצביעה, ורגישות פחות לניגודי אור-צל או לקומפוזיציה של היצירה (למשל, הרבה או מעט פרטים, נושאים מול רקע). הדבר דומה לשיוך כתב-יד לאדם שכתב אותו לפי צורתן של אותיות מסוימות, ולא לפי כיווני השורות, הרווחים בין השורות או התכנים.


מאפיינים מקומיים וטורנירים
לצורך זיהוי המאפיינים המקומיים של התמונות, חילקה התוכנה כל תמונה לתחומים קטנים, וביצעה עבור כל אחד מהם עיבוד תמונה בשיטה מתמטית הנקראת DCT (Discrete Cosine Transform). שיטה זו מייצגת כל אזור על-ידי חיבור של פונקציות גליות (מחזוריות) באורכי גל שונים, ומוצאת את המשרעת (אמפליטודה) של אותם גלים שחיבורם יוצר תמונה הקרובה לתמונת האזור שנבחר מתוך התמונה המקורית. שיטה זו מבדילה, למשל, בין קווים עדינים וצפופים לבין קווים גסים ומרוחקים, בין קווים אנכיים לבין אופקיים או אלכסוניים.

בתהליך הלמידה, לאחר שאופיינה כל תמונה לפי תבניות הגלים המרכיבות אותה, מצאה התוכנה עבור כל זוג אמנים את תבניות הגלים שנותנות הבדל מרבי. כך, למשל, אם ציוריו של דאלי מכילים הרבה יותר קווים אנכיים צפופים מאשר ציוריו של ואן-גוך, ייבחרו הקווים האנכיים כאחד המאפיינים המבדילים בין שני אמנים אלה. לעומת זאת, אם קווים אנכיים צפופים נמצאים במידה דומה בציוריהם של דאלי ושל פיקאסו, הם לא ייבּחרו עבור זוג זה, ובמקומם יופיעו אולי משיחות מכחול מעגליות מהסוג שייחד את ואן-גוך. כפי שאפשר להבין מן התיאור, כל התהליך הוא אוטומטי, בלא התערבות מומחה אנושי.

לאחר שלב הלמידה בא שלב המבחן. בשלב זה, עבור תמונה שהצייר שלה אינו ידוע, התוכנה מבצעת אותם עיבודי DCT, ואז “מזמינה את הציירים לטורניר”, בצורה זו: היא בוחרת זוג אחד של ציירים שעליהם “להתחרות” על התמונה על-ידי בדיקת מאפייני התמונה (תבניות הגלים). זוג הציירים מתחרה על התמונה על-ידי בדיקת אותם מאפיינים שנמצאו בשלב הלמידה, המספקים הבחנה מרבית עבור זוג זה. הטורניר נמשך עבור זוגות נוספים, עד להכרזה על ה”מנצח”.

זיוף בטעם טוב
לאחרונה פנה אספן אמנות איטלקי אל פרופ' קרן בשאלה, האם תוכל התוכנה לזהות זיופים. כידוע, ציורי אמנות מזויפים הם תופעה שכיחה, ולעתים לא-רחוקות אנו קוראים בעיתון על מוזיאון או אוסף פרטי המגלים ששילמו הון רב על ציור שאינו אותנטי.

אף שהשיטה שהוצגה כאן לא תוכל להכריז “זיוף!” על ציורים שנושאיהם בבירור אינם מתאימים לצייר (כמו למשל אסטרונאוט ביצירה שצייר לכאורה רמברנדט), מפתה לחשוב כי מאפיינים מתמטיים מקומיים אינם ידועים לזייפנים, ואפילו אם ינסו יתקשו מאוד ליצור בדיוק אותן תבניות גל שהיו טבע שני לצייר המקורי. כדי לדעת אם שיטה זו אכן תצליח, יש לאסוף תחילה ציורים מזויפים שנוצרו כחיקוי לפרי מכחולו של צייר מפורסם, ולהשוות את מאפייניהם לאלו של ציורים אותנטיים של אותו אמן. אם יצליח הניסיון, והתוכנה תבחין בזיופים, תתווסף השיטה לארגז הכלים של בלשי האמנות, הכולל גם אנליזות כימיות, צילומים באורכי גל שונים, התמצאות עמוקה בהיסטוריה של האמנות ועוד.

ראינו שתוכנה זו יכולה להבדיל בין ציורים של אמנים שונים, ואולי תוכל גם להבדיל בין אמן לבין חקייניו. סביר שהיא תוכל גם להבדיל בין תקופות שונות בקריירה האמנותית של אותו צייר, אם תקופות אלו שונות בסגנונן בצורה משמעותית. האם היא תוכל גם להבדיל בין ציורים טובים לבין ציורים גרועים? ברור שלא. אפילו אם נתחמק מהשאלה “מי מחליט מהו ציור טוב?” על-ידי ניסיון לקלוע לטעמו של מבקר אמנות אחד, עדיין לא נוכל לסכם את העדפותיו בניסוחים כמו “ציור טוב הוא ציור שמורכב בעיקר מהתבניות האלה: קווים אלכסוניים דקים עם מרחק בינוני ביניהם; מריחות מכחול רחבות המתעקלות כלפי מעלה; …”. הגדרה ממוחשבת של טעם אמנותי תזדקק לגישה שונה לחלוטין, שקשה לנחש על מה תהיה מבוססת.

  
אנא, צייר לי כבשה אלקטרונית
עם זאת, התוכנה של קרן ניחנה לפחות בתכונה אחת בסיסית של מבקר אמנות: היכולת לזהות סגנון של צייר מסוים. עד כמה יכול מחשב לעבור לצד השני של כן הציור, ולשחק בעצמו את תפקיד הצייר?

במדור זה הוזכרו בעבר כמה תוכנות לציור על-ידי מחשב (ראו: “תוכנה שכותבת תוכנה”, “יצירותיהם של יצירי כפינו”), כדוגמת Kandid. המשותף לרוב התוכנות האלה הוא שיתוף הפעולה בין אדם למחשב: המחשב מצויד בכמה תהליכי יצירת תמונה (למשל, בחירת מרקמים וצבעים, חלוקת משטח הציור לאזורים, פונקציות מתמטיות ליצירת קווים או שינויי צבע).

מבין התהליכים האלה המחשב בוחר בצורה אקראית אילו תהליכים להפעיל, באיזה סדר, ובאילו נתונים מספריים להזין אותם (הנתונים המספריים ישפיעו, למשל, על קשת הצבעים שתיבחר, על אורך הקווים או דרגת עקמומיותם וכו'). כל בחירה כזו יוצרת ציור חדש. לאחר שנוצרו בדרך זו כמה ציורים, המחשב מציג אותם לאדם. האדם בוחר את אלו שנראים לו יותר, המחשב בונה ציורים חדשים על-ידי העדפת התהליכים שיצרו את הציורים שנבחרו, וכך נמשך התהליך עד שהאדם בוחר בציור כתוצאת היצירה המשותפת. בשיטה זו, אפשר לראות את הבחירות של התהליכים ואת הנתונים המספריים המוזנים להם בתור ה”גנום” המנחה את התפתחות הציור, ואת האדם בתור הסביבה שבה מתפתח הציור. אם האדם אוהב את הציור, נוכל לומר שהציור שרד, ולכן הדור הבא של ציורים יירשו חלק מה”גנום” של הציור, בהכלאה עם ה”מטען הגנטי” של ציורים אחרים ששרדו גם הם את עינו הבוחנת של האדם.

מכיוון שזהו תהליך של יצירה משותפת, התשובה לשאלה “מיהו הצייר?” היא חלוקת הזכויות – או האשמה – בין המחשב לבין האדם. האם אפשר להשתמש ברעיון דומה כדי ליצור יצירה שכולה של המחשב? סטיב דיאפולה, מהפקולטה לאמנות אינטראקטיבית וטכנולוגיה באוניברסיטת סיימון פרייזר (Simon Fraser) בקנדה, בחר לעשות זאת על-ידי החלפת השיפוט האנושי בהשוואת הציורים שיצר המחשב לציור נתון. ההשוואה נעשית בעזרת מודל מורכב שנבנה לפי רעיונות מעולם הציור: יחס האובייקט לרקע, התאמת צבעים לפי גוון ולפי “טמפרטורה”, והיחס בין צבעים לצבעים משלימים. הציור שנבחר לצורך ההשוואה הוא פורטרט של דארווין, כך שלמעשה המחשב מנסה לחקות אמן המצייר תמונה אימפרסיוניסטית תוך שאיבת השראה מדיוקן של אדם. התמונות הנוצרות לא נועדו להיות זהות לדיוקן המקורי (העתקה פשוטה יכולה לתת תוצאה זו), אלא להוות התייחסות יצירתית לאותו דיוקן. את התוצאות אפשר לראות בתמונה למעלה.

מפאת מורכבות תהליכי הציור וההשוואה, נדרשו כ-50 ימי עבודה של מחשב שולחני אחד כדי ליצור תוצאות אלו. ברובן אפשר לראות את האובייקט הבהיר במרכז התמונה, המתאים לפניו וזקנו של דארווין, עם שינויי גוון המתאימים לאחת העיניים או שתיהן, אך ניכרת גם שונות רבה באווירה וב”סגנון”. כל התמונות נוצרו בלא התערבות אנושית בתהליך היצירה, פרט כמובן לבחירת הדיוקן הראשוני. כאן כבר אפשר לענות על השאלה “מיהו הצייר?” בתשובה חד-משמעית – “המחשב”, אך זאת בתנאי שנסכים כי אלו אכן יצירות שיוצרן ראוי לתואר “צייר”. כידוע, קשה להסכים על שאלות כאלו גם כאשר ידוע שהיוצר הוא אנושי.

ישראל בנימיני עובד בחברת ClickSoftware בפיתוח שיטות אופטימיזציה מתקדמות.