Além das ciências naturais, o campo da história da arte também tem sofrido uma verdadeira revolução em função da inteligência artificial. O aprendizado de máquina e a visão computacional estão trazendo uma nova luz para a maneira como interpretamos nosso patrimônio cultural, um domínio tradicionalmente regido por métodos e análises convencionais.
Durante décadas, os eruditos da arte, formados nos métodos clássicos, hesitaram em adotar a análise computacional, com a justificativa de que esta era uma abordagem excessivamente simplista para captar a complexidade e nuances das obras de arte. No entanto, como exposto no livro recentemente publicado “Pixels and Paintings“, de David G. Stork, estamos testemunhando um avanço rápido nos algoritmos de inteligência artificial, que estão provando seu valor ao lançar novas perspectivas sobre pinturas e desenhos de belas artes.
As ferramentas de inteligência artificial estão desvendando como os artistas utilizaram seu entendimento da ciência da óptica para transmitir luz e perspectiva em suas obras, analisando pinceladas, cores e estilos, revelando aspectos que muitas vezes escapam ao olhar humano. Além disso, estão recuperando a aparência de obras de arte perdidas ou ocultas e até computando os “significados” de algumas pinturas, identificando símbolos e temas subjacentes.
A implementação da inteligência artificial na história da arte enfrenta seus desafios, em decorrência da complexidade das obras de arte, tanto em sua composição quanto em seus materiais, além de carregarem muitos significados humanos que frequentemente confundem os algoritmos. A maioria dos historiadores da arte continua a confiar em sua expertise individual, apoiada por pesquisas em laboratórios, bibliotecas e no campo, para julgar as técnicas dos artistas.
Neste cenário, as colaborações entre cientistas da computação e especialistas em arte estão aumentando, unindo métodos computacionais e conhecimento tradicional. Os primeiros sucessos dessa abordagem de “conhecimento assistido por computador” se enquadram em três categorias: a automação de análises convencionais ‘a olho nu’, o processamento de sutilezas em imagens que vão além da percepção humana normal e a introdução de novas abordagens e classes de perguntas na bolsa de estudos de arte.
A inteligência artificial na análise da arte
Ao analisar vastos conjuntos de dados, a inteligência artificial está proporcionando uma nova compreensão de obras, que transcende eras e estilos, abrindo portas inexploradas no mundo da arte, revelando nuances e tendências que, até então, permaneciam ocultas mesmo para os olhos mais treinados.
A análise de pose, um elemento tão crucial nas obras de retrato, exemplifica a potência dessa nova ferramenta. Artistas da Renascença, como sabemos, retratavam figuras de importância em perfil, transmitindo uma solenidade e clareza incontestáveis. Em contraste, artistas primitivistas, como Henri Rousseau e Henri Matisse, preferiam pintar pessoas comuns de frente, em uma abordagem direta e sem artifícios.
A inteligência artificial permite examinar esses estilos em escala monumental, com algoritmos de aprendizado de máquina profundo, podendo analisar dezenas de milhares de retratos em questão de horas, uma tarefa que levaria anos para um historiador da arte realizar manualmente. Mais do que simplesmente identificar poses, esses sistemas de IA são capazes de inferir os ângulos e a orientação dos sujeitos retratados, abrindo uma janela para entender melhor suas intenções e contextos.
Pesquisas recentes utilizando redes neurais profundas revelaram insights fascinantes, como, por exemplo, uma análise de mais de 20.000 retratos que permitiu agrupar obras por época e movimento artístico, oferecendo surpresas como a variação de inclinação de rostos e corpos em autorretratos, relacionados à postura do artista, e até mesmo indicando se eles eram destros ou canhotos.
Essas ferramentas de IA também estão trazendo novas percepções sobre composições de paisagens, esquemas de cores, pinceladas e perspectivas em grandes movimentos artísticos com uma precisão notavelmente aprimorada quando combinada com o conhecimento de historiadores da arte sobre normas sociais, trajes e estilos artísticos.
A luz nas obras de arte
A análise artística tradicional, realizada “a olho nu”, muitas vezes revela percepções variáveis entre diferentes estudiosos, especialmente quando se trata de aspectos como a iluminação em uma obra de arte, que pode enganar até os observadores mais atentos.
Por exemplo, o contraste acentuado de luz e sombra (chiaroscuro, do italiano “claro-escuro”) do pintor italiano do século XVI, Caravaggio, contrasta fortemente com a iluminação plana e gráfica presente nas obras do artista norte-americano do século XX, Alex Katz. Este é um terreno fértil para a IA, que oferece uma abordagem mais objetiva e precisa.
Experimentos demonstraram que é difícil para o olho humano estimar corretamente a direção geral ou inconsistências de iluminação ao longo de uma cena, mas as técnicas computacionais, por outro lado, superam essas limitações humanas.
Utilizando o padrão de brilho ao longo de um contorno, algoritmos como “forma a partir do sombreamento” e “contorno oclusivo” podem inferir a direção da iluminação, uma técnica que já era entendida por Leonardo da Vinci no século XV.
Um exemplo emblemático dessa aplicação é a análise da obra “Meisje met de parel” (Moça com o Brinco de Pérola), de Johannes Vermeer, datada de 1665. A análise computacional dos destaques nos olhos da garota, do reflexo na pérola e das sombras no rosto revela uma compreensão mais completa da iluminação na cena, destacando a extraordinária consistência de Vermeer e sugerindo que a pintura foi executada com um modelo ao vivo.
Esses métodos avançados também são aplicados em obras de artistas como o surrealista belga René Magritte, onde são capazes de identificar intencionais inconsistências na iluminação. E mais, tais técnicas ajudaram a desmistificar teorias audaciosas sobre a arte, como a hipótese de 2000 do artista britânico David Hockney, que sugeriu que pintores como Jan van Eyck usaram projeções ópticas secretamente em suas obras. Análises computacionais, como a análise do contorno oclusivo e rastreamento óptico de raios, refutaram essa teoria de maneira mais conclusiva do que os métodos tradicionais de história da arte.
Reconstruindo obras-primas
Através de métodos computacionais avançados, estamos testemunhando a ressurreição digital de tesouros culturais que, até recentemente, eram considerados irremediavelmente perdidos.
Um exemplo marcante do impacto revolucionário da inteligência artificial na recuperação de obras de arte perdidas é o caso de “Dois Lutadores” de Vincent van Gogh, uma obra anterior a 1886, mencionada em suas cartas e redescoberta em 2012 por meio de imagens de raios X ou radiação infravermelha embaixo de uma outra pintura. Este não é um caso isolado. A IA está desempenhando um papel crucial na reconstrução de obras como o “Medicine” de Gustav Klimt, perdida na Segunda Guerra Mundial, utilizando a análise de esboços preparatórios e fotografias.
Talvez um dos exemplos mais impressionantes seja a recuperação digital de partes perdidas de “A Ronda Noturna” (em neerlandês: “De Nachtwacht”) de Rembrandt, originalmente cortada para se ajustar a um espaço específico na Câmara Municipal de Amsterdã. Utilizando uma cópia em óleo sobre painel de carvalho, de Gerrit Lundens, a inteligência artificial identificou como essa cópia se desviava ligeiramente da original, e ao “corrigí-la” foi possível recriar as partes que estavam faltando na original.
Esses avanços ilustram uma verdade fundamental: para que a inteligência artificial atinja todo o seu potencial nos estudos de arte, é essencial ter acesso a imensos conjuntos de dados e poder de computação, e por isso museus de todo o mundo estão contribuindo para essa causa, disponibilizando online cada vez mais imagens e informações sobre arte.
O futuro da inteligência artificial no campo da história da arte promete ser uma fusão de tecnologia e tradição, onde cada grande obra de arte, junto com inúmeras outras menos conhecidas, estará disponível para análise em alta resolução e através de espectros eletromagnéticos expandidos.
Assim como as ferramentas de IA Generativa como o ChatGPT e o Dall-E foram treinadas com dados quase inimagináveis, os futuros conjuntos de dados utilizados para a análise de arte serão ainda maiores e mais abrangentes.
O desafio de recuperar obras de arte perdidas, destruídas por incêndios, inundações, terremotos ou guerras, é agora visto como um problema de recuperação e integração de informações, uma abordagem que não apenas revive peças de arte perdidas, mas também enriquece nosso patrimônio cultural global, que foi empobrecido e desfalcado por essas perdas.
Os estudos da arte ao longo dos séculos sempre foram impulsionados pela introdução de novas ferramentas, e agora a inteligência artificial está se posicionando como o próximo grande passo neste campo. Com a ajuda dessas tecnologias emergentes, estamos redescobrindo e reconstruindo peças do nosso passado de maneiras que antes eram impossíveis, abrindo novos horizontes para a apreciação e análise da arte.
Fonte: Nature
