一個新的系統可以將工作分解成單獨的筆劃或鉛筆線， 並找出它背後的藝術家。
檢測藝術贗品很難而且價格昂貴。 藝術歷史學家可能會把一個可疑的工作帶到實驗室進行紅外線光譜學、輻射測量、氣相色譜分析， 或者將這些測試結合在一起。 事實證明， 人工智慧並不需要這麼多:它可以通過觀察用來創作一件作品的筆劃來辨別贗品。
在一篇新論文中， 來自羅格斯大學(Rutgers University)和阿特利爾(Atelier)的研究人員在荷蘭的畫作中記錄了他們的系統如何打破了畢卡索(Picasso)、馬蒂斯(Matisse)、莫迪利亞尼(Modigliani)等著名藝術家的近300幅線條畫， 以及其他著名藝術家的作品。 然後， 一個深層的神經網路(RNN)瞭解了中風的特徵對識別藝術家很重要。
研究人員還訓練了一種機器學習演算法來尋找特定的特徵， 比如線條的形狀。 這給他們提供了兩種不同的檢測偽造的技術， 而聯合的方法被證明是強有力的。
由於機器學習演算法是在特定的特徵上進行訓練的， 所以它與RNN的區別可能指向了神經網路正在研究的檢測偽造的特徵。 在這種情況下， 它使用的是一種不斷變化的力量——也就是， 一個藝術家如何努力， 基於線條的重量來確定藝術家。 在這兩種演算法協同工作的情況下， 研究人員能夠在80%的時間內正確地識別出藝術家。
研究人員還委託藝術家創作出與資料集相同風格的畫作， 以測試該系統識別贗品的能力。 這個系統能夠識別每一個例子中的偽造物， 僅僅通過觀察一次中風。
“人類不能這樣做， ”羅格斯大學教授、論文作者之一Ahmed Elgammal說。
這種技術只能在線條明顯的時候使用， 所以對於繪畫來說， 筆劃是看不見的， 這是沒有幫助的。 但為了進一步驗證他們的研究結果， Elgammal說， 他們計畫對印象派作品和其他19世紀的繪畫方法進行測試。
荷蘭蒂爾堡大學(Tilburg University)的埃裡克•波斯特馬(Eric Postma)表示， 研究中最有希望的部分可能是研究人員使用第二種方法來明確RNN正在做什麼， 他在10多年來一直在人工智慧檢測與人工智慧方面的研究工作。 他說， 在藝術領域， 人工智慧可能會有更多的應用， 但藝術歷史學家和研究人員，