對於我們這些浪漫主義者來說，物理學家哈羅多·裡貝羅最近的工作可能顯得平淡無奇。他開發了一個計算機程式，可以將藝術作品解構為數字集。現在，裡貝羅已將他受物理學啟發的指標應用於視覺藝術百科全書WikiArt上索引的近14萬幅數字化繪畫，以尋找繪畫風格演變中的趨勢。
裡貝羅和他的同事去年9月在《美國國家科學院院刊》上描述的這個過程，包括評估這些數字化藝術品的複雜性和熵，或無序程度。複雜性是基於每個影像內模式的可變性，從高度可變（更復雜）到均勻（不太複雜）。熵由影像中混亂的程度決定；繪畫越“規則”，熵越低。
新的演算法分析每幅畫作中二乘二的畫素網格，並使用這兩個指標對其進行評分。裡貝羅和他的同事觀察到，各種繪畫之間複雜性和熵值的變化反映了整個藝術史的風格變化。現代藝術——具有柔和的邊緣和鬆散的筆觸——通常具有低複雜性和高熵。後現代藝術，一種更簡單的風格，具有可識別的物體和鮮明、輪廓分明的邊緣（例如，安迪·沃霍爾的湯罐頭），具有高複雜性和低熵。在20世紀60年代後期，從現代藝術到後現代藝術發生了快速轉變；該演算法能夠量化這種轉變的極端程度。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
研究人員表示，這些簡單的指標可以用來更好地理解藝術是如何演變的，捕捉有關各個藝術時期的資訊，並確定這些時期是如何相互作用的。透過從這些模式中學習，該程式甚至可以用來將不太知名的藝術作品歸類到特定的藝術風格中。
達拉斯德克薩斯大學藝術與技術教授馬克西米利安·席奇贊成跨學科研究。“我認為這篇論文中非常優雅的一點是，他們關注區域性層面的複雜性，即畫素和周圍的畫素，”席奇說。“你可以說，‘是的，這太簡單了——它無法解釋所有的繪畫。’但這是一項有價值的研究。”