Um dos rostos mais debatidos da arte renascentista pode não ter sido pintado pelo próprio mestre. Um novo orientado pela IA estudar revela que o rosto de St. Joseph no Raphael’s Madonna della Rosa provavelmente foi criado por outra pessoa. Os pesquisadores aplicaram um modelo de aprendizado de máquina treinado nas obras conhecidas do artista e descobriram que esse rosto em particular não corresponde ao estilo de assinatura de Raphael.
Essa descoberta apóia uma teoria de longa data entre os historiadores da arte. Embora a pintura seja frequentemente atribuída a Raphael, as perguntas persistiram por mais de um século em relação à sua autenticidade. A aplicação da IA agora adiciona peso quantitativo a essas suspeitas e destaca como as ferramentas modernas podem descobrir novas camadas de insight dentro de obras clássicas.
O que torna esse rosto diferente
O Madonna della Rosaacredita -se ter sido concluído entre 1518 e 1520, intrigou os estudiosos por gerações. Enquanto a maioria da pintura exibe as características do estilo de Raphael, o rosto de São José no canto superior esquerdo parece mais fraco e menos refinado. Os críticos de arte há muito sugeriram que essa parte poderia ter sido concluída por outra pessoa na oficina de Raphael.
Os pesquisadores usaram uma abordagem em duas etapas para examinar essa teoria. Primeiro, toda a pintura foi avaliada usando um classificador de aprendizado profundo. Em seguida, a imagem foi dividida em seções individuais de caráter e reavaliada. Os resultados mostraram que a Madonna, a criança e o São João são altamente consistentes com o estilo de Raphael. No entanto, a face de São José foi sinalizada como inconsistente.
Como a IA aprendeu a ver como Raphael
Para treinar a IA, a equipe usou uma abordagem de aprendizado de transferência com base na rede neural convolucional Resnet50. Essa arquitetura foi originalmente projetada para reconhecimento geral de imagens, mas foi ajustada para detectar as características específicas do trabalho de Raphael. Recursos como fluxo de pincel, sombreamento e padrões de borda foram extraídos de pinturas autenticadas e usadas para treinar uma máquina vetorial de suporte para classificação.
Paralelamente, os pesquisadores incorporaram métodos tradicionais de detecção de arestas, incluindo operadores de Canny, Sobel, Laplacian dos Gaussianos e Scharr. Essas técnicas permitiram que o sistema examinasse os recursos de nível micro, difíceis de avaliar o olho humano. A combinação de recursos profundos e mapas de borda produziu uma estrutura robusta para atribuição de estilo.
Um dos principais desafios na aplicação do aprendizado de máquina à história da arte é a disponibilidade limitada de dados de treinamento. Há apenas um pequeno número de pinturas de Raphael autenticadas disponíveis para uso. Para resolver esse problema, os pesquisadores aumentaram o conjunto de treinamento usando transformações de imagem, como rotações, traduções e espelhamento. Isso expandiu o conjunto de dados eficaz e ajudou o modelo a generalizar para novas entradas.
O modelo final alcançou 98 % de precisão nos testes de validação. Os resultados foram convincentes o suficiente para aplicar o mesmo método a vários trabalhos disputados ou desconhecidos, incluindo o Madonna della Rosa. Quando a face de São José foi isolada e analisada, o classificador encontrou uma probabilidade de apenas 37 % de ter sido pintado por Raphael.
O resultado suporta uma explicação plausível baseada no contexto histórico. Os artistas renascentistas costumavam trabalhar em ambientes colaborativos de estúdio, onde assistentes e alunos contribuíram para os principais trabalhos. O workshop de Raphael incluiu estudantes como Giulio Romano, que pode ter pintado elementos menos proeminentes dentro de uma composição. Enquanto o artista exato por trás de São José permanece desconhecido, as descobertas da IA dão credibilidade à teoria da autoria compartilhada.
A equipe enfatiza que essa descoberta não reduz o valor artístico da peça. Em vez disso, traz um novo entendimento ao processo colaborativo por trás de muitas obras de arte renascentistas e oferece uma demonstração clara de como a análise computacional pode ajudar o conhecedor tradicional.
Para testar ainda mais a confiabilidade do modelo, os pesquisadores analisaram várias imitações conhecidas e pinturas ambíguas. Um experimento envolveu uma réplica moderna pintada por um dos autores do estudo. Embora visualmente semelhante ao trabalho de Raphael, a IA o identificou corretamente como uma imitação. Outro caso envolveu uma pintura inicialmente atribuída a outro artista, mas depois suspeita de ser por Raphael. O modelo apoiou essa reavaliação, atribuindo a ele uma alta probabilidade de ser genuíno.
Esses exemplos demonstram que o modelo faz mais do que detectar semelhanças superficiais. Ele captura os elementos mais profundos e consistentes que definem o estilo de Raphael, incluindo combinações exclusivas de estrutura de borda, equilíbrio tonal e fluxo de composição.
Um dos aspectos mais inovadores do estudo foi a decisão de analisar pinturas em partes, e não apenas como pisos. Essa abordagem reflete quantos artistas renascentistas operaram, com assistentes geralmente pintando origens ou figuras secundárias. Ao avaliar cada parte individualmente, o sistema fornece uma visão mais granular sobre autoria e consistência estilística.
No caso do Madonna della Rosaa maioria das seções da pintura marcou entre 79 e 93 % a favor da autoria de Raphael. O rosto de Joseph foi a exceção. Essa anomalia deu aos pesquisadores a oportunidade de validar suspeitas históricas usando evidências computacionais. Também ilustra como a IA pode detectar descontinuidades estilísticas que não são imediatamente óbvias a olho nu.
Pesquisa: o padrão -ouro para avaliação de Genai
Embora este estudo tenha se concentrado em Raphael, a metodologia é altamente adaptável. Dado um número suficiente de imagens autenticadas, um modelo semelhante pode ser treinado para avaliar as obras de outros artistas históricos. Essa abordagem pode ser especialmente útil nos casos em que a documentação é escassa ou as técnicas forenses tradicionais fornecem resultados inconclusivos.
A equipe de pesquisa já explorou usando conjuntos de imagens de alta resolução e outras arquiteturas de aprendizado profundo. Os testes iniciais sugerem que modelos como ResNet101 ou eficientes podem oferecer benefícios de desempenho para tarefas mais complexas. No entanto, o equilíbrio entre custo computacional e precisão continua sendo uma área aberta para exploração futura.
Este estudo não propõe a substituição de especialistas, mas aprimorar sua capacidade de fazer julgamentos informados. Os modelos de IA podem processar dados visuais de alta dimensão de maneira mais rápida e sistematicamente do que os humanos, tornando-os parceiros valiosos nos esforços de verificação, restauração e catalogação.
À medida que as ferramentas de aprendizado de máquina continuam evoluindo, é provável que elas se tornem elementos padrão no kit de ferramentas dos historiadores e curadores da arte. Quando integrados aos estudos de proveniência, análise de pigmentos e pesquisa iconográfica, a IA pode adicionar uma nova dimensão ao nosso entendimento da herança artística.
Um rosto, muitas perguntas
A face de São José no Madonna della Rosa tornou -se um ponto focal para uma discussão maior sobre autoria, colaboração e papel da IA nas ciências humanas. Graças a este estudo, agora temos uma imagem mais clara de como as máquinas podem ajudar a responder a perguntas que intrigam os estudiosos por gerações.
