Ποιος έχει μεγαλύτερη αξία; Ενας Πικάσο ή ένα έργο ενός άγνωστου street artist; Σύμφωνα με το μοντέλο τεχνητής νοημοσύνης που δημιούργησε ο γερμανός, εξειδικευμένος σε θέματα αγοράς τέχνης, οικονομολόγος Μάγκνους Ρες η απάντηση είναι το δεύτερο.
Αυτό το απρόσμενο συμπέρασμα προέκυψε από ένα πείραμα που έκανε μαζί με έναν επιστήμονα δεδομένων και έναν ειδικό στην τεχνητή νοημοσύνη με στόχο να αποδειχθεί αν η ΤΝ μπορεί να φέρει περισσότερη διαφάνεια στην αγορά τέχνης, όπως εξηγεί σε άρθρο του στην ιστοσελίδα Artnews.
Περισσότερο από το 50% της αξίας των δημοπρασιών στη σύγχρονη τέχνη προέρχεται από μόλις είκοσι καλλιτέχνες. Οι τιμές-ρεκόρ συνδέονται όντως με μια «καλύτερη» τέχνη;
Για να διαπιστωθεί τι ισχύει η ομάδα δημιούργησε ένα μοντέλο ΤΝ που επιχειρούσε να αποκωδικοποιήσει πώς καθορίζεται η καλλιτεχνική αξία στην αγορά τέχνης και να εξακριβώσει αν μπορεί να αξιολογηθεί η οπτική ποιότητα ενός έργου ανεξάρτητα από το πλαίσιο – όπως το φύλο, η καταγωγή, οι σπουδές, η εκπροσώπηση από γκαλερί, η επιρροή συλλεκτών, το ιστορικό τιμών ή οι μουσειακές εκθέσεις.
Αφετηρία αποτέλεσε μια βάση δεδομένων εκατομμυρίων εικόνων, που περιλάμβανε και πληροφορίες σχετικά με την οικονομική τους αξία και κάλυπτε μια ευρεία γκάμα: από τη Μόνα Λίζα μέχρι πρόσφατες δημιουργίες έργα καλλιτεχνών καθώς και τα ακριβότερα έργα που έχουν ποτέ πουληθεί σε δημοπρασίες. Με βάση αυτά εκπαιδεύτηκε το μοντέλο ώστε να προβλέπει τιμές δημοπρασίας βασισμένο αποκλειστικά σε όσα «έβλεπε».
Τα πρώτα αποτελέσματα ήταν ενθαρρυντικά: σε πάνω από το 50% των περιπτώσεων, οι προβλέψεις του μοντέλου που βασίζονταν αποκλειστικά σε οπτικά δεδομένα πλησίαζαν εντυπωσιακά τις πραγματικές τιμές. Σύντομα όμως έγινε σαφές ότι για πιο αξιόπιστες προβλέψεις χρειάζονταν επιπλέον στοιχεία – όπως το όνομα του καλλιτέχνη, η προέλευση του έργου ή η γκαλερί που τον εκπροσωπεί.
Υστερα από μήνες εκπαίδευσης πάνω σε εκατομμύρια εικόνες, το συμπέρασμα ήταν αδιαμφισβήτητο: το μοντέλο δεν μπορούσε ρεαλιστικά να εκτιμήσει την αξία ενός έργου μόνο από την εικόνα του. Σε ένα χαρακτηριστικό παράδειγμα, η ΤΝ αποτίμησε έναν Πικάσο κάτω από 1.000 δολάρια, ενώ έδωσε τιμή εκατομμυρίων σε έργο ενός άγνωστου street artist από τη Νέα Υόρκη.
H TN, λοιπόν, απέτυχε να παράξει αποτελέσματα χρήσιμα για την αγορά. Μόνο όταν προστέθηκαν τα ονόματα των καλλιτεχνών άρχισαν οι προβλέψεις να ευθυγραμμίζονται με τα πραγματικά αποτελέσματα των δημοπρασιών.
Υστερα από εκτεταμένες δοκιμές και βελτιστοποίηση, η ομάδα βρέθηκε αντιμέτωπη με μια δυσάρεστη αλήθεια: το πρόβλημα δεν ήταν μόνο η ΤΝ. «Ηταν τα ίδια τα δεδομένα εκπαίδευσης, τα οποία αντανακλούσαν μια αγορά παραμορφωμένη από κοινωνικές και οικονομικές προκαταλήψεις, που δεν ανταμείβει το ίδιο το έργο τέχνης, αλλά την υπογραφή του», σημειώνει ο Μάγκνους Ρες. Και καταλήγει πως ίσως ο πραγματικός ρόλος της τεχνολογίας στην αγορά τέχνης να μη συνδέεται με την αποτίμηση της οικονομικής αξίας των έργων, αλλά την αποκάλυψη του τρόπου που αποδίδεται αυτή η αξία.
