Fondata prima dell’attuale boom dell’Intelligenza artificiale, Art Recognition è stata la prima azienda a offrire un servizio di autenticazione di opere d’arte tramite Ia. Il suo sistema applica tecniche di apprendimento automatico e computer vision. In particolare, utilizza due tipi di reti neurali per catturare le caratteristiche chiave di un artista: una rete neurale convoluzionale (Cnn), tradizionalmente adottata per la classificazione delle immagini, e un Vision Transformer (Swin), un’avanzata architettura di deep learning, alla base anche di applicazioni come ChatGpt, che permette di raccogliere informazioni chiave dall’intera superficie delle immagini incrementando esponenzialmente i parametri considerati e la capacità predittiva. Art Recognition è stata all’avanguardia ad adattarla al suo scopo.
«Inoltre, la nostra tecnologia è in grado di rilevare i falsi digitali prodotti dalla GenAi. Il database di training include infatti sia autentici che immagini sintetiche generate dall’Ia», sottolinea Carina Popovici. Dottorato in fisica delle particelle a Tubinga, poi impiegata come gestore dei rischi per un importante istituto bancario a Zurigo, ma anche appassionata d’arte, quando si è resa conto che non esistevano ancora soluzioni digitali che rispondessero alla piaga dei falsi, si è messa ‘all’opera’. «Abbiamo iniziato a sviluppare la tecnologia alla base di Art Recognition a inizio 2019 con l’obiettivo di contribuire a un mercato dell’arte più trasparente e oggettivo attraverso la scienza. In particolare, la collaborazione con l’Università di Tilburg, nei Paesi Bassi, ci ha permesso di ottenere una sovvenzione da Eurostars, il programma di finanziamento per le Pmi della rete Eureka. Abbiamo così potuto sviluppare la nostra tecnologia senza la pressione immediata di cercare investitori. Fra gli altri partner accademici, lavoriamo anche a stretto contatto con Innosuisse», prosegue la fondatrice di Art Recognition, oggi affiancata da un team di tre storici dell’arte, due sviluppatori di Ia, un client relationship manager, un assistente marketing, il direttore finanziario e tre illustri consulenti.
Sono fermamente convinta che l’Ia e le competenze degli storici dell’arte debbano integrarsi per migliorare la trasparenza e l’affidabilità dell’autenticazione. Non si può infatti tacere che ci sia un problema nel panorama attuale, che concentra un’immensa quantità di potere nelle mani di pochi specialisti ed è troppo soggettivo.
In sei anni ha analizzato 500 opere per un centinaio di clienti, principalmente basati in Europa. Non solo collezionisti privati, ma anche un numero crescente di gallerie e case d’asta di piccole e medie dimensioni. I vantaggi sono anche pratici: poiché il processo di autenticazione richiede solo una fotografia in alta risoluzione dell’opera, non è necessario sostenere spese di trasporto e assicurazione per spedirla all’esperto del caso, spesso all’estero, e anche le tempistiche sono snelle. Si può scegliere tra un Certificato di autenticità, che esprime un giudizio netto (“autentico” o “non autentico”) oppure un Rapporto di autenticità più dettagliato, che include un punteggio di probabilità e ulteriori informazioni.
Comprensibile però che gli storici dell’arte possano sentirsi minacciati.Se per autenticare un’opera è prassi servirsi di metodi scientifici come la spettroscopia e l’analisi a raggi X, l’idea invece che una macchina possa sostituirsi a conoscenze e sensibilità maturate in anni di studio e ricerche non può che spingere sulle difensive. «Tuttavia non intendiamo sostituire le competenze degli esperti, che sono anzi preziose per noi, ma integrarle a un’analisi obiettiva e basata sui dati. Sono fermamente convinta che entrambi gli approcci debbano completarsi a vicenda per migliorare la trasparenza e l’affidabilità dell’autenticazione. Non si può infatti tacere che ci sia un problema nel panorama attuale, che concentra un’immensa quantità di potere nelle mani di pochi specialisti ed è troppo soggettivo», sottolinea la Ceo di Art Recognition.
Paradigmatico è stato il caso di Niels Büttner, professore di storia dell’arte medievale e moderna presso l’Accademia di Stato di Belle Arti di Stoccarda. Dopo essersi scagliato in un articolo dai toni veementi contro Art Recongition, che aveva messo in dubbio l’autenticità di uno dei dipinti più famosi della National Gallery, il Sansone e Dalila di Rubens, ha dovuto ricredersi. Dal dialogo lanciato da Carina Popovici è nato addirittura un progetto di collaborazione per autenticare una versione del Ritratto di Don Diego Messía Felipe de Guzmán, oggetto di grande dibattito tra gli specialisti, attribuendolo al 79% ad Anthony van Dyck.
Se l’intelligenza artificiale può ridurre il potenziale di pregiudizi umani e migliorare l’affidabilità complessiva dei risultati dell’autenticazione, bisogna però essere consapevoli che anche i dati potrebbero veicolare bias e falsi positivi. «La complessità dei modelli di Ia richiede un esame rigoroso e la convalida della comunità scientifica prima di essere utilizzati come strumento di mercato», avverte l’esperta. Eloquente l’esempio della Madonna del Tondo di Brecy giudicata a inizio 2023 dal sistema di Ia dell’Università di Bradford al 95% opera di Raffaello. Secondo Art Recognition invece non lo sarebbe con la probabilità dell’85%. Una discrepanza che deriva dai diversi principi operativi dei due sistemi: «L’Ia di Bradford si concentra sul riconoscimento facciale, addestrata su serie di dati di volti. Ha quindi riscontrato una forte somiglianza con la Madonna Sistina di Dresda, che però non è sorprendente, considerato lo standard di bellezza idealizzata comune agli artisti di quel periodo. L’attribuzione manca dunque di fondamento scientifico e non è supportata dallo studio stesso. La nostra tecnologia esamina invece una moltitudine di attributi visivi, tra cui la tavolozza dei colori, la texture e la composizione», chiarisce Carina Popovici.
Le fotografie di alta qualità utilizzate provengono da un’ampia gamma di piattaforme affidabili, tra cui collezioni museali ad accesso libero, archivi istituzionali, pubblicazioni accademiche e, quando necessario, archivi di immagini con licenza, nonché opere d’arte digitali generate dall’Ia nello stile dell’artista. «Il numero necessario varia in modo significativo, a seconda della produzione di quell’artista. Sebbene lavorare con set di dati limitati sia una delle principali sfide del settore, il nostro team di sviluppo ha creato un modulo specializzato che consente un’analisi affidabile, anche nei casi di artisti con un’opera ridotta, come Vermeer o Leonardo da Vinci», specifica la fondatrice di Art Recognition.
Con l’ascesa della Gen-Ai che sta ridisegnando l’espressione creativa, l’autenticazione si confronterà con sfide sempre più complesse. Agilità, rigore scientifico e una profonda conoscenza del mondo dell’arte e del machine learning saranno fondamentali per mantenere la leadership, cui nel caso di Art Recognition contribuisce senza dubbio anche l’ubicazione in Svizzera, hub di innovazione quanto centro del mercato globale dell’arte.
© Riproduzione riservata