¿Le gustan las pinceladas gruesas y los colores suaves de pinturas impresionistas como las de Claude Monet? ¿O prefiere los colores atrevidos y las formas abstractas de un Rothko? El gusto artístico individual tiene una cierta mística, pero ahora un nuevo estudio de Caltech (Instituto Tecnológico de California) demuestra que un simple programa de ordenador puede predecir con precisión las preferencias pictóricas de una persona.
Para llevar a cabo este estudio, que aparece en Nature Human Behavior, los investigadores utilizaron la plataforma de crowdsourcing de Amazon Mechanical Turk para reclutar a más de 1.500 voluntarios, con el fin de calificar pinturas en impresionismo, cubismo, abstracto y colores.
Las respuestas de los voluntarios se introdujeron en un programa informático que pudo predecir las preferencias artísticas de estas personas. “Solía pensar que la evaluación del arte era personal y subjetiva, así que me sorprendió este resultado”, reconoce el autor principal del estudio, Kiyohito Iigaya, que trabaja en el laboratorio del profesor John O’Doherty.
Los hallazgos no solo demostraron que los ordenadores pueden realizar estas predicciones, sino que también llevaron a una nueva comprensión sobre cómo las personas juzgan el arte.
“El punto principal es que estamos obteniendo una idea del mecanismo que la gente usa para hacer juicios estéticos”, subraya el profesor O’Doherty. “Es decir -añade-, que la gente parece utilizar características de imagen elementales y combinarlas. Ese es un primer paso para comprender cómo funciona el proceso”.
Como describen en su estudio, los científicos programaron el ordenador para dividir los atributos visuales de una pintura que llamaron características de bajo nivel (rasgos como contraste, saturación y tono), así como otras características de alto nivel, que requieren juicio humano e incluyen rasgos como, por ejemplo, si la pintura es dinámica o estática.
Enfoque de aprendizaje profundo
Como señala Iigaya, “el programa informático calcula cuánto se tiene en cuenta una característica específica al tomar una decisión sobre cuánto me gusta una obra de arte en particular. Tanto las características de bajo como de alto nivel se combinan juntas al tomar estas decisiones. Una vez que el ordenador ha tomado en cuenta esto, entonces puede predecir con éxito el gusto artístico de una persona por otra obra de arte que no había visto antes”.
Los investigadores también descubrieron que los voluntarios tendían a agruparse en tres categorías generales: aquellos a los que les gustan las pinturas con objetos de la vida real, como una pintura impresionista; los que prefieren pinturas abstractas de colores, como un Rothko; y los que aprecian pinturas complejas, como los retratos cubistas de Picasso. La mayoría eligió la primera categoría de objetos de la vida real.
Además, descubrieron que también podían utilizar DCNN (Deep Convolutional Neural Newwork) para aprender a predecir las preferencias artísticas del voluntario con un nivel similar de precisión. Con este tipo de programa de aprendizaje automático, el ordenador recibe una serie de imágenes de entrenamiento, para que pueda aprender a clasificar objetos. Estas redes neuronales tienen unidades conectadas entre sí como las neuronas en el cerebro.
En este caso, el enfoque de aprendizaje profundo no incluyó ninguna de las características visuales seleccionadas de bajo o alto nivel utilizadas en la primera parte del estudio, por lo que el ordenador tuvo que decidir qué características analizaba.
Iigaya explica que en los modelos de redes neuronales profundas, “en realidad no sabemos exactamente cómo la red resuelve una tarea en particular, porque los modelos aprenden por sí mismos de manera muy similar a como lo hacen los cerebros reales”, explica Iigaya.
Predecir con precisión el gusto artístico
“Cuando miramos dentro de la red neuronal -continúa Iigaya-, pudimos apreciar que estaba construyendo las mismas categorías de características que seleccionamos nosotros mismos. Estos resultados apuntan a la posibilidad de que las características utilizadas para determinar el gusto artístico puedan surgir de forma natural en una arquitectura similar al cerebro”.
Por su parte, el profesor O’Doherty anuncia que ahora “analizamos activamente si este es realmente el caso al observar el cerebro de las personas mientras toman el mismo tipo de decisiones”.
En otra parte del estudio, los investigadores también demostraron que su programa informático, ya entrenado en los gustos artísticos, podía predecir con precisión qué imágenes les gustaría a los voluntarios.
Así, les mostraron fotografías de piscinas, comida y otras escenas, y vieron resultados similares a los que involucraban pinturas. Además, los investigadores demostraron que invertir el orden también funcionaba: después de entrenar a los voluntarios en las fotos, podían usar el programa para predecir con precisión sus preferencias artísticas.
Finalmente, el profesor O’Doherty reconoce que “hay aspectos de las preferencias únicos para un individuo determinado que no hemos logrado explicar con este método. Este componente más idiosincrásico puede relacionarse con características semánticas o el significado de una pintura, experiencias pasadas y otros rasgos personales individuales que podrían influir en la valoración. Todavía es posible identificar y aprender sobre esas características en un modelo de ordenador, pero para hacerlo será necesario un estudio más detallado de las preferencias de cada persona, de manera que no se generalice entre los individuos, como encontramos ahora”.
