Il riconoscimento dell’autenticità dei dipinti attraverso l’analisi della tecnica pittorica è stata una delle prima applicazioni dell’intelligenza artificiale nel campo della valorizzazione e conservazione storico-artistica. L’attribuzione, oggi, viene infatti portata avanti ancora in maniera molto arbitraria, con gli esperti che utilizzano, il più delle volte, come unici strumenti i propri occhi, la documentazione e la loro expertise. Solo raramente ci si affida ad analisi chimiche o a sperimentazioni scientifiche: questo accade specialmente quando qualche ricco collezionista non è sicuro dell’autenticità o originalità dei propri acquisti.
Per ovviare a questa situazione, che inficia pesantemente il mercato dell’arte e foraggia i falsari di tutto il mondo, da alcuni anni si è cercato di sviluppare degli algoritmi che siano in grado di riconoscere le unicità millimetriche nelle pennellate e nella tecnica di ogni artista, in modo tale da avere uno strumento scientifico che sia in grado di determinare con esattezza la mano che ha eseguito il dipinto.
E’ questo il caso di alcuni ricercatori guidato dall’Università britannica di Bradford, il quale hanno utilizzato il deep transfer learning per l’autenticazione e l’analisi visiva delle opere di Raffaello Sanzio. Con transfer learning si intende l’utilizzo di un modello di deep-learning per immagini, pre-addestrato, noto come ResNet50, addestrato in questo caso specificatamente per identificare e analizzare le caratteristiche uniche delle opere di Raffaello, concentrandosi su aspetti come la pennellata e i dettagli stilistici.
Questo approccio è significativo poiché segna un passo avanti rispetto ai metodi tradizionali di autenticazione delle opere d’arte, che si affidano principalmente all’analisi umana e a tecniche manuali. Per affinare l’analisi, gli autori hanno implementato diverse tecniche di rilevamento dei bordi, essenziali per catturare dettagli sottili nelle opere d’arte, che sono fondamentali nell’autenticazione. Il processo coinvolge l’analisi di vari aspetti dell’opera d’arte, come la texture, il colore e la forma, per determinare l’autenticità e attribuire correttamente l’opera a Raffaello. In questo caso, l’AI ha riconosciuto che una delle figure presenti nel quadro “La Madonna della Rosa” del 1518-20 e ora conservata al Museo del Prado di Madrid non è stata realizzata da Raffaello, ma presumibilmente da uno dei suoi allievi, ovvero Giulio Romano. Il dibattito sulla autenticità era già aperto da alcuni decenni, e alcuni storici dell’arte hanno messo in dubbio appunto l’attribuzione di questo dipinto, classificandolo come appartenente alla bottega di Raffaello.
Hassan Ugail, che ha guidato il gruppo dei ricercatori, afferma: “Quando abbiamo sottoposto a test il quadro nel suo complesso, i risultati non sono stati conclusivi, quindi abbiamo analizzato le varie parti separatamente: mentre l’IA conferma che il resto del dipinto (la Madonna, il Bambino e San Giovanni Battista) si può attribuire a Raffaello – dice ancora il ricercatore – il volto di San Giuseppe è molto probabilmente il risultato di un’altra mano”.
In generale, il risultato di questa metodologia è stato notevole, con una precisione del 98% nella classificazione delle opere d’arte durante la fase di validazione. Questo livello di accuratezza evidenzia il potenziale dei metodi di machine learning nell’arricchire e forse rivoluzionare l’analisi visiva nell’ambito dell’autenticazione delle opere d’arte.
Tuttavia, i ricercatori non mancano di considerare le sfide e i limiti associati a questi metodi. Una delle principali preoccupazioni è la scarsità di dati di alta qualità necessari per addestrare efficacemente i modelli di machine learning. Inoltre, i ricercatori devono affrontare la sfida di distinguere tra l’evoluzione stilistica naturale di un artista e le anomalie che possono emergere nelle loro opere, una distinzione che è cruciale per l’autenticazione accurata.
