Dans son journal, le Journal du CNRS rappelle que les algorithmes sont de plus en plus efficaces pour identifier le contenu des images, mais ils « étaient jusqu’ici incapables d’en évaluer l’esthétique ou la charge émotionnelle. Un défi auquel l’intelligence artificielle commence à s’attaquer ».
Il y est notamment question d'« interpréter les émotions ressenties face à des œuvres d’art » :
« J’essaye de trouver et de quantifier ce qui rend un objet unique. C’est presque une question philosophique, s’amuse Maks Ovsjanikov [professeur au Laboratoire d’informatique de l’École polytechnique (LIX) spécialisé dans l’étude de données 3D et géométriques, ndlr]. Les choses sont relativement simples avec une photographie dont on décrit le contenu, mais comment appréhender une œuvre d’art ? Et si elle est abstraite ? Il nous faut une analyse poussée sur la relation subjective entre les images et les spectateurs. »
Commentaires (4)
#1
Si déjà l’IA sait faire la différence entre le turc mécanique et le canard de Vaucanson on pourra dire qu’elle pense même d’elle.
Mais cela ne dit pas si cette singularité est tunique : on veut des détails, et une pince à linge.
#2
Pour ce qui est de l’artificiel, y’a pas mieux que l’art contemporain effectivement. Pour l’intelligence par contre là faut pas en attendre beaucoup.
Mais c’est ambitieux, si une IA peut trouver un quelconque intérêt artistique aux siphons à subvention que sont les oeuvres actuelles, ce sera un marqueur de très haute performance.
#3
Et en ce qui concerne l’archéologie comme évoqué dans le titre ?
#3.1
Classer des mandibules préhistoriques
« Concrètement, mon travail consiste à trouver des points communs et des différences entre des objets en trois dimensions, et à combler leurs éventuelles parties manquantes », explique Maks Ovsjanikov, médaille de bronze du CNRS en 2018. Le jeune chercheur a d’abord été sollicité par les équipes travaillant sur le site préhistorique majeur de la caune de l’Arago, où a été découvert l’Homme de Tautavel. Les scientifiques, dont les préhistoriens Henry et Marie-Antoinette de Lumley, étaient confrontés à des problèmes d’identification de dix mandibules humaines. Avec une occupation remontant jusqu’à il y a 600 000 ans, ces os sont trop anciens pour contenir de l’ADN et trop abîmés pour être clairement attribués à l’une des nombreuses espèces du genre Homo à s’être succédé dans et autour de la grotte.
En haut, dix mandibules humaines préhistoriques ont été scannées en 3D dans le but d’établir des similarités métriques. En bas, exemples de visualisation et d’analyse des correspondances réalisées par l’IA.
Les chercheurs possédaient déjà de nombreuses données 3D sur les mandibules, que Maks Ovsjanikov et ses collaborateurs ont utilisées pour tenter de repérer, grâce à des algorithmes, des similitudes et des différences géométriques souvent difficiles à détecter et qui auraient pu échapper à l’œil expert de préhistoriens. Ils rendent l’analyse plus efficace et éliminent le biais que peut introduire l’annotation subjective, même par un expert. « Plutôt que d’effectuer à la main un travail laborieux de marquage des points d’intérêt sur des données 3D, je propose une méthode automatique et robuste basée sur l’apprentissage non supervisé, avance Maks Ovsjanikov. Cette approche “nettoie” en plus les artefacts géométriques qui apparaissent lorsque ces os passent au scanner. Le cas de Tautavel reste cependant très difficile, car il n’y a pas assez de mandibules pour établir des statistiques. Le travail n’est pas terminé, mais il marque déjà un grand pas dans la bonne direction. »