Nowa era klasyfikacji sztuki dzięki modelom językowym

Sztuka od wieków stanowi element kultury oraz istotny segment rynku inwestycyjnego, w który wchodzi również AI dzięki modelom językowym.

Współczesne technologie otwierają nowe możliwości analizy dzieł sztuki, upraszczając klasyfikację oraz przewidywanie ich wartości. Badacze z Uniwersytetu Tsukuba pokazali, że wykorzystanie dużych modeli językowych (LLM) może znacznie usprawnić klasyfikację dzieł sztuki bez konieczności dodatkowego trenowania modelu. Odkrycie może zmienić sposób wycen oraz funkcjonowanie całego rynku artystycznego.

Dotychczasowe modele uczenia maszynowego wymagały dużych zasobów danych do trenowania dla każdego nowego zadania klasyfikacyjnego. Organizowanie i etykietowanie zbiorów danych sztuki było procesem czasochłonnym i kosztownym. Dlatego metoda „zero-shot classification”, zastosowana przez naukowców, stanowi istotny postęp. Technika pozwala na klasyfikację danych bez uprzedniego trenowania modelu na konkretnym zbiorze. Badacze zoptymalizowali otwarty model językowy „Llama-3 70B” do formatu 4-bitowego, co umożliwiło automatyczne określanie typów dzieł sztuki, takich jak malarstwo, grafika, rzeźba czy fotografia. Wyniki wykazały skuteczność przekraczającą 90%, a w porównaniu z GPT-4o firmy OpenAI, model osiągnął nieco lepszą precyzję.

Podobne podejście było już stosowane w innych branżach. W medycynie modele językowe są wykorzystywane do analizy dokumentacji pacjentów oraz przewidywania diagnoz na podstawie nieustrukturyzowanych danych tekstowych. W finansach LLM pomagają w analizie trendów rynkowych poprzez przetwarzanie ogromnych ilości raportów ekonomicznych. Podobne techniki klasyfikacyjne są również wykorzystywane w branży e-commerce, gdzie zaawansowane algorytmy pomagają w sortowaniu i rekomendowaniu produktów bez konieczności ręcznego oznaczania każdej pozycji. Sukces w tych dziedzinach pokazuje, że zastosowanie dużych modeli językowych w klasyfikacji sztuki może przynieść wymierne korzyści.

Automatyczna klasyfikacja dzieł sztuki może przyczynić się do uproszczenia analizy cenowej, ponieważ lepsza organizacja danych może pomóc w tworzeniu modeli predykcyjnych dla rynku sztuki, co ułatwi inwestorom ocenę potencjalnych zwrotów. Ponadto zwiększenie dostępności analizy sztuki sprawi, że automatyczne systemy mogą być wykorzystywane nie tylko przez ekspertów, ale także przez instytucje edukacyjne i miłośników sztuki. Minimalizacja kosztów i oszczędność czasu stanowi kolejny atut tego podejścia, gdyż dotychczasowe metody wymagały pracy ekspertów, a teraz zaawansowane modele językowe mogą w znacznej mierze przejąć te zadania.

Wprowadzenie modeli LLM do analizy sztuki to dopiero początek. W przyszłości możemy spodziewać się dalszego rozwoju narzędzi opartych na sztucznej inteligencji, które mogą np. przewidywać autentyczność dzieła na podstawie jego cech wizualnych i historii pochodzenia. Choć zastosowanie AI w klasyfikacji sztuki budzi pewne kontrowersje, zwłaszcza w kontekście autentyczności i subiektywności interpretacji dzieł, to jednak nie ulega wątpliwości, że takie technologie mogą stanowić cenny dodatek do tradycyjnych metod analizy.

Badania naukowców z Uniwersytetu Tsukuba pokazują, że nowoczesne modele językowe mogą znacząco wpłynąć na sposób klasyfikowania i analizy dzieł sztuki. Technika zero-shot classification pozwala na skuteczną klasyfikację bez konieczności trenowania modelu na ogromnych zbiorach danych. Jest to kolejny krok w kierunku digitalizacji rynku sztuki, który może otworzyć nowe możliwości dla inwestorów, kolekcjonerów i badaczy.

Szymon Ślubowski