Historiadores criticam uso de Inteligência Artificial para identificar pinturas falsificadas

Para o olho não treinado, há muito pouca diferença entre as três versões conhecidas de “O Tocador de Alaúde”.

Quase idênticas em composição, as pinturas retratam um tema jovem de olhos amendoados em vestes brancas, com um instrumento na mão e ligeiramente afastado do observador. Cada uma parece carregar o domínio característico de luz e sombra do pintor italiano Caravaggio.

Para os historiadores de arte, no entanto, há muito tempo existe um amplo consenso: as versões mantidas pelo Museu Hermitage da Rússia e pela Coleção Wildenstein da França foram criadas pelo artista barroco, enquanto a da Badminton House, na Grã-Bretanha, é apenas uma cópia.

A IA (Inteligência Artificial) discordou. Em setembro, a empresa suíça de IA, Art Recognition, afirmou que há uma chance de quase 86% de que a versão da Badminton House seja, de fato, autêntica.

O modelo da empresa, que foi treinado para reconhecer marcadores do estilo de Caravaggio, incluindo formas, paletas de cores e estruturas composicionais, também declarou (embora com menos certeza estatística) que a versão de Wildenstein é provavelmente uma cópia.

Sua análise encontrou uma “divergência significativa” entre as “características visuais” desta última pintura e as de outras obras de Caravaggio.

Esta é uma das várias afirmações ousadas feitas pela Art Recognition desde que foi lançada há sete anos.

Em 2021, a empresa calculou uma probabilidade de 91% de que uma pintura na National Gallery de Londres atribuída a Peter Paul Rubens, “Sansão e Dalila”, não tenha sido produzida pelo pintor barroco.

Enquanto isso, uma pintura de Vincent van Gogh no Museu Nacional de Oslo, há muito tempo disputada, teve 97% de chance de ser genuína.

Outras análises da empresa apresentaram resultados mais complexos: “O Cavaleiro Polonês” de Rembrandt, por exemplo, foi parcialmente produzido por outra pessoa, embora algumas seções tragam evidências da mão do pintor holandês, com uma certeza variando de 69% a 83%, de acordo com o modelo de IA.

As declarações da Art Recognition nem sempre contradizem o conhecimento estabelecido.

A atribuição de Van Gogh, por exemplo, foi posteriormente confirmada por pesquisas mais convencionais, incluindo análises técnicas e estudos das cartas do artista (especialistas do museu concluíram que as cores excepcionalmente foscas do retrato simplesmente refletiam o estado mental conturbado de Van Gogh na época).

No entanto, muitos especialistas em arte continuam altamente céticos quanto à capacidade da IA de substituir, ou mesmo complementar, as ferramentas tradicionalmente usadas para autenticar obras de arte.

“Acho que é bastante problemático”, disse Angelamaria Aceto, pesquisadora sênior do Museu de Arte e Arqueologia Ashmolean da Universidade de Oxford. “Sou muito aberta a novas tecnologias; uso tecnologias o tempo todo que podem ajudar a ver o que o olho nu não consegue — a ir abaixo da superfície.

E tenho certeza de que a IA é fantástica em analisar e fornecer dados, mas o conhecimento especializado trata de contextualizar as coisas. Trata-se de pensar criticamente.”

“Posso procurar um cientista de conservação e pedir que analise um pigmento; posso pedir a um fotógrafo uma imagem infravermelha”, acrescentou ela. “Mas pensar que a IA pode substituir o olho educado e crítico? Para mim, isso é inaceitável.”

Ver o que os humanos não conseguem

Combinando aprendizado de máquina, redes neurais profundas e algoritmos de visão computacional, a abordagem da Art Recognition pode, em teoria, ser adaptada a qualquer pintor com um catálogo grande o suficiente. Até o momento, a empresa produziu modelos para mais de 200 artistas.

Em cada um, a IA é treinada em dois conjuntos de dados fotográficos: um “positivo”, contendo imagens de pinturas indiscutíveis (ou amplamente aceitas) do artista em questão, e um “negativo” composto por obras semelhantes, mas inautênticas.

O último grupo pode incluir falsificações conhecidas, cópias feitas por alunos ou admiradores — como os seguidores estilísticos de Caravaggio no século 17, conhecidos como “Caravaggisti” — e até imagens geradas por IA, criadas no estilo do artista.

Ter um “alto grau de similaridade” entre os dois conjuntos de dados é crucial, disse a cofundadora e CEO da Art Recognition, Carina Popovici, em uma chamada da Suíça.

“Realmente queremos que a IA aprenda a diferença entre Caravaggio e um imitador de Caravaggio — a diferença entre um Rubens e uma pintura quase idêntica criada em sua oficina por um aprendiz.”

Para evitar preconceitos, ambos os conjuntos de dados de treinamento apresentam um equilíbrio comparável de temas e gêneros, como retratos, paisagens, naturezas-mortas ou cenas religiosas.

Os desenvolvedores incluem versões aumentadas de cada imagem, imitando diferentes condições de iluminação e invertendo ou girando fotos de alta resolução das pinturas, para expor os modelos a diferentes configurações espaciais.

As imagens também são divididas em pequenos quadrados, ou “fragmentos”, que forçam a IA a considerar as características da obra de arte de novas maneiras.

Olhar para uma parte menor e mais silenciosa de uma pintura isoladamente pode ajudá-la a aprender pinceladas finas, por exemplo, enquanto uma visão ampliada pode ensiná-la sobre composição ou cor.

Mas Popovici admite que nem sempre está claro como os modelos chegam às suas conclusões. “Podemos especular, mas não sabemos realmente com certeza”, disse ela, acrescentando que haverá “alguns tipos de padrões que a IA pode ver melhor do que os humanos.”

Leva até uma semana para treinar a IA no artista escolhido e, depois, mais um ou dois dias para analisar uma obra de arte individual.

No entanto, Popovici disse que a parte que mais consome tempo é pesquisar e construir os conjuntos de dados.

Como qualquer modelo de IA, o resultado é tão bom quanto os dados nos quais ele é treinado (ou “entra lixo, sai lixo”, como diz o ditado).

Por esta razão, Popovici argumenta que a Art Recognition não se afasta da história da arte — ela depende dela.

Os conjuntos de dados da empresa são, segundo ela, “o produto de conhecimento acadêmico”, construídos por historiadores internos que estudaram as biografias dos artistas, catálogos e literatura acadêmica. Ela espera que a IA possa ser uma “ferramenta na caixa de ferramentas” para especialistas, não um substituto para eles.

“Acho que é muito contraproducente estar em uma discussão perpétua sobre quem está certo, o especialista ou a IA?”, disse ela. “Não queremos ser inimigos deles.”

Mais do que superficial

Os especialistas com quem a CNN Internacional conversou foram, no entanto, menos conciliadores sobre uma tecnologia que expressa conclusões sem explicar como as alcançou.

“A autenticação raramente se trata apenas de estilo superficial”, disse a historiadora de arte e curadora Sharon Hecker. “Envolve muito contexto histórico-artístico. Você tem que saber sobre a oficina, as práticas, os materiais, a condição da obra, o histórico de restauração e como o trabalho de um artista específico evoluiu ao longo do tempo.”

“Se você pensar em padrões de pinceladas, quem pode garantir que um artista não mudou de estilo um dia — que ele acordou e trabalhou em um estilo diferente?”, acrescentou ela. “Artistas simplesmente não são tão previsíveis, e essa imprevisibilidade faz parte da beleza da arte. Portanto, a IA sendo treinada para reconhecer um estilo consistente pode perder muitas dessas nuances.”

Entre as principais preocupações de Hecker sobre operações como a Art Recognition (cujos clientes frequentemente incluem proprietários que buscam vender pinturas pouco pesquisadas herdadas de parentes falecidos) está a falta de transparência.

“Sem acesso total aos modelos e conjuntos de dados comercialmente sensíveis das empresas, os pesquisadores não conseguem verificar o funcionamento da IA”, disse ela.

“Qualquer ciência tem que ser independentemente replicável”, acrescentou Hecker. “Eu teria que ser capaz de replicar o estudo, usando exatamente o mesmo conjunto de dados, e obter o mesmo resultado.”

Os estudos de IA podem nem sempre concordar entre si. Em 2023, uma pintura de Rafael em disputa, a “Madona do Tondo de Brécy”, foi submetida a duas análises que chegaram a conclusões muito diferentes.

Uma, realizada por pesquisadores da Universidade de Bradford, no UK (Reino Unido), usou reconhecimento facial assistido por IA para comparar a pintura com a “Madona Sistina” de Rafael, descobrindo que ambas eram “indubitavelmente” do mesmo artista.

Enquanto isso, o modelo da Art Recognition encontrou uma chance de 85% de que a pintura não fosse do artista renascentista.

Em resposta ao debate resultante, apelidado na época de “a batalha das IAs”, a Art Recognition argumentou que encontrar semelhança facial entre duas pinturas renascentistas não era “nada surpreendente” e não deveria constituir uma reivindicação de atribuição.

A empresa então tornou público seu conjunto de dados de Rafael, afirmando que a transparência não era “um gesto de relações públicas”, mas um “pré-requisito para a credibilidade”.

Uma questão de confiança

No mercado de arte, credibilidade é tudo. Como tal, a questão que os pesquisadores de IA enfrentam não é apenas se suas metodologias são sólidas — é se alguém está disposto a acreditar ou mesmo ouvi-los.

Determinar se uma pintura é “autêntica” é frequentemente uma questão de consenso amplo, em vez de absoluto.

Pinturas históricas não vêm com certificados; os especialistas estão cada vez mais hesitantes em expressar certeza absoluta, por medo de litígios ou danos à reputação caso se prove que estão errados.

Por razões semelhantes, muitas das fundações e espólios de artistas que outrora eram considerados as autoridades supremas (como a Fundação Keith Haring e a Fundação Andy Warhol para as Artes Visuais) deixaram de oferecer serviços de autenticação.

“Acho que há um problema na palavra ‘autenticação’”, disse Hecker. “As pessoas realmente querem um nível de certeza que provavelmente não existe, seja por uma máquina ou pelo olho humano.”

Em vez disso, os compradores devem confiar — nos museus, nas casas de leilão e no próprio mercado.

Afinal, a disposição de alguém em gastar milhões de dólares em uma pintura pode dizer muito, dado que uma atribuição rebaixada pode tirar vários zeros do valor de uma obra de arte.

Para a Art Recognition, no entanto, um momento marcante chegou no final de 2024, quando uma casa de leilões suíça usou a pesquisa da empresa para apoiar a venda de três obras de arte.

Entre elas estava uma aquarela, ostensivamente da artista russa Marianne von Werefkin, que, de outra forma, carecia de evidências que apoiassem a atribuição, segundo Popovici.

“Foi um momento importante, porque mostrou que esta não é apenas uma ferramenta acadêmica, mas o tipo de produto que pode realmente causar um impacto no mercado”, disse ela, chamando o leilão de um “divisor de águas”.

Se a pesquisa de IA será adotada por casas de leilão maiores ou usada para apoiar vendas mais valiosas (a aquarela de Von Werefkin rendeu modestos 15.000 francos suíços (cerca de R$ 99,8 mil, cotação atual), ou US$ 19.600 (cerca de R$ 101 mil, cotação atual), é uma questão totalmente diferente.

O mesmo ocorre com a pergunta sobre se os museus algum dia levarão as descobertas a sério. Embora a Art Recognition tenha colaborado com instituições como o Kunsthaus Zürich, Popovici admite que as galerias têm poucos incentivos para adotar uma tecnologia que possa lançar dúvidas sobre suas coleções.

Ela disse que a National Gallery de Londres “não quis falar” com ela sobre as descobertas da empresa em relação a “Sansão e Dalila”.

Nos anos seguintes, surgiram novas evidências questionando a atribuição, embora o museu tenha defendido consistentemente sua atribuição de longa data a Rubens.

Em um comunicado enviado por e-mail à CNN Internacional, o porta-voz da National Gallery disse que um “estudo extensivo, conduzido por nossas equipes curatoriais e científicas usando as mais recentes técnicas de imagem e análise, fornece evidências convincentes em apoio à autoria da pintura”, acrescentando: “Nenhum especialista em Rubens duvidou que a imagem seja de Rubens.”

No entanto, apesar da desconfiança dos especialistas, a IA poderia ao menos ajudar a iniciar conversas, mesmo que não seja a palavra final? Popovici expressou esperança de que a pesquisa de sua empresa possa ajudar a “desbloquear” pinturas que, “de outra forma, estariam apenas paradas em algum porão em algum lugar”.

E a historiadora de arte Hecker reconheceu que a IA “poderia sinalizar um problema” que seria então investigado por meio de pesquisa convencional, ressalvando que se “sentiria mais confortável usando um laboratório universitário que não tenha um grande interesse comercial.”

A tecnologia também pode ser usada para expor atividades criminosas ou ajudar vendedores a eliminar falsificações, argumentou Popovici, que se inspirou para fundar a Art Recognition após saber do caso do mestre falsificador alemão Wolfgang Beltracchi, que foi preso em 2012 por uma fraude multimilionária que enganou compradores, galerias e leiloeiros.

“Especialistas estavam verificando cada uma daquelas pinturas, e todos deram sinal verde”, disse ela, argumentando que o olho humano “inherentemente comete erros”.

Desde então, Popovici tem usado os modelos da empresa para analisar inúmeras pinturas de Beltracchi, que foram criadas no estilo de vários artistas europeus falecidos, para ver se teriam exposto sua farsa com sucesso.

“Tudo apareceu como falso”, disse ela. “E com probabilidades muito altas.”

Fique por dentro das principais notícias do dia no Brasil e no mundo. Siga o canal do R7, o portal de notícias da RECORD, no WhatsApp