MosAIc, l’algoritmo che trova le connessioni “segrete” fra le immagini

11 Agosto 2020

The researchers were inspired by an unlikely, yet similar pairing: Francisco de Zurbarán’s, The Martyrdom of Saint Serapion (left) and Jan Asselijn’s The Threatened Swan (right). Credit: MIT CSAIL

Trovare le analogie fra opere diverse e cronologicamente distanti tra loro, offrendo nuovi strumenti per leggere e interpretare la storia dell’arte. È questo l’obiettivo di MosAIc, il nuovo software sviluppato dai ricercatori di Microsoft e del Massachusetts Institute of Technology, l’istituzione con sede a Boston da anni impegnata nei settori dell’ingegneristica e delle nuove tecnologie.

ARTE E TECNOLOGIA 

Basato sui procedimenti di intelligenza artificiale, il programma è in grado di comparare una serie di immagini sottolineando connessioni di ordine formale, cromatico e concettuale fra diversi elementi. È così che la fotografia di un volatile può essere associata a quella di una scultura persiana in vetro, mentre un kimono giapponese di colore blu può ricordare l’aspetto di un violino antico dipinto con la stessa fantasia. Le combinazioni, messe in atto da un algoritmo, possono essere davvero improbabili!

Pensato per aiutare gli storici dell’arte e rintracciare nuove corrispondenze fra le ere, il programma è stato sviluppato facendo tesoro delle immagini conservate nelle collezioni del Metropolitan Museum of Art di New York e del Rijksmuseum di Amsterdam. Cruciale, per l’elaborazione del progetto è stata la mostra Rembrandt and Velázquez nel museo olandese: una rassegna basata proprio sulle relazioni segrete fra i dipinti dei due maestri del Seicento. Dopo il curatore “robot” alla prossima Biennale di Bucarest, un altro strumento tecnologico che potrebbe essere impiegato nella realizzazione di progetti artistici ed esposizioni.

[Immagine in apertura: The researchers were inspired by an unlikely, yet similar pairing: Francisco de Zurbarán’s, The Martyrdom of Saint Serapion (left) and Jan Asselijn’s The Threatened Swan (right). Credit: MIT CSAIL]