Spektrum der Wissenschaft - 05.2019

AICAN als Urheber. Als 2017 AICANs »St. George Killing
the Dragon« (siehe Bild S. 69) bei einer Auktion in New York
für 16 0 00 US­Dollar verkauft wurde, ging der größte Teil
des Erlöses an die Rutgers University und das Institut des
Hautes Études Scientifiques in Frankreich.
Dennoch fehlt etwas im künstlerischen Prozess der KI:
Auch wenn die Bilder ansprechend erscheinen, entstehen
sie ohne sozialen oder gesellschaftlichen Hintergrund.
Menschliche Künstler lassen sich hingegen von Personen,
Orten und Politik inspirieren. Sie schaffen Kunst, um Ge­
schichten zu erzählen und die Welt zu verstehen.
Kura toren können jedoch die KI­Kunstwerke nachträglich
in einen gesell schaftlichen Kontext einbetten. Das haben
wir mit »Alternative Facts: The Multi Faces of Untruth«
getan. So nannten wir eine Reihe von KI­generierten Port­
räts, die uns durch ihre Aktualität überrascht haben. 

QUELLEN

Elgammal, A. et al.: The shape of art history in the eyes of the

machine. ArXiv 1801.07729, 2018

Elgammal, A. et al.: CAN: Creative adversarial network,

generating »art« by learning about styles and deviating from

style norms. ArXiv 1706.07068, 2017

Elgammal, A. et al.: Quantifying creativity in art networks.

ArXiv 1506.00711, 2015

© American Scientist

unter Verwendung der beiden Artikel aus »The Conversation«

16. Oktober 2018 (theconversation.com/when­the­line­between­
machine ­and­artist­becomes­blurred­ 1 03149) / CC BY­ND 4.0
und »The Conversation« 17. Oktober 2018 (theconversation.com/
meet­aican­a­machine­that­operates­as­an­autonomous­ar­
tist ­ 1 04381) / CC BY­ND 4.0 (creativecommons.org/licenses/
by ­nd/4.0/legalcode)

Kunstgeschichte

aus Sicht einer Maschine

Zusammen mit Kollegen vom

College of Charleston in South

Carolina hat meine Arbeitsgruppe

untersucht, wie Computer die

Arbeit von Kunsthistorikern erleich­

tern und ergänzen können.

Wir brachten den Maschinen

bei, Bilder durch visuelle Merkmale

zu unterscheiden. Dabei stützten

wir uns auf die Theorie des Schwei­

zer Kunsthistorikers Heinrich Wölff­

lin (1864–1945), der Bilder nur

gemäß ihrer formalen Eigenschaf­

ten einordnete und nicht wie seine

Vorgänger auch Inhalt und Aus­

druck berücksichtigte. Wölfflin

gelang es so, Renaissance und

Barock durch fünf Schlüsselprinzi­

pien zu unterscheiden: linear/

malerisch, Fläche/Tiefe, geschlos­

sen/offen, Vielheit/Einheit, Klarheit/

Unklarheit.

Wir übergaben unserem Pro­

gramm 80 0 00 digitalisierte Bilder

ohne jegliche Zusatzinformatio­

nen über den Künstler, das Entste­

hungsdatum oder die Genre­

zuordnung. Der Algorithmus ord­

nete sie bloß nach Wölfflins

Schlüsselprinzipien an.

Überraschenderweise erklären

schon Wölfflins erste beide Unter­

scheidungen zwischen linear/

malerisch und Fläche/Tiefe den

kunsthistorischen Verlauf. Als wir

die Kunstwerke nach diesen vier

Eigenschaften sortierten, bildete

sich ihre korrekte Entstehungs­

geschichte ab. So fanden wir auch

heraus, warum das Programm

bestimmte Künstler als unverwech­

selbare Repräsentanten ihrer Stile

ausgewählt hat: Ihre Werke mar­

kieren Extrempunkte entlang der

auf jeden Stil abgestimmten Di­

mensionen.

In den Ergebnissen bilden zum

Beispiel Cézannes Werke eine

Brücke zwischen Impressionismus

und Kubismus. Diese Einschätzung

teilen Kunsthistoriker, die Cézanne

als Schlüsselfigur für den Stil­

wechsel zur abstrakten Kunst des

20. Jahrhunderts sehen. In den
    computergenerierten Daten lässt

sich im Postimpressionismus

außerdem eine Verzweigung erken­

nen: Die Werke von Cézanne

grenzen sich deutlich von anderen

Stücken aus jener Zeit ab. Der

»Cézanne­Zweig« verbindet sich

dann mit frühen kubistischen

Bildern von Picasso und Braque

sowie mit abstrakten Gemälden

von Kandinsky.

Insgesamt kann die Kunst­

geschichte von den neuesten

Entwicklungen im maschinellen

Lernen profitieren. Sie könnte

so zu einer prädiktiven Wissen­

schaft werden, in der Computer­

programme grundlegende Muster

und Trends offenbaren, die für

das menschliche Auge gar nicht

ersichtlich sind.

1950

1900

1850

1800

1750

1700

1650

1600

1550

1500

1450

4

4

3

3

2

2

1

1

0

0

5

5

0

10

–1

–1

–2

–2

–3

–3

–4

–4

–5

–5

–6

×10–3

×10–3

×10–3

AHMED ELGAMMAL, ART & AI LAB RUTGERS UNIVERSITY

Cezanne­

Brücke

Datum

Fläche versus Tiefe

linear versus malerisch

Impressionismus

Realismus

Neoklassizismus

Barock

Renaissance

Brücke von

»El Greco« Pop­Art

Expressionismus

Postimpressionismus

Kubismus

abstrakt

dritte, von der

KategorieKI gewählte