跨文化、不同作者、不同年代或不同媒材的艺术品，可能潜藏着让人意想不到的相似性，只是很难发现。麻省理工学院（Massachusetts Institute of Technology，MIT）的团队便创造了一个名为“MosAIc”的算法，能够在庞大的数据库中找出具有相关性的作品。
数千年间，人类创造了无数乘载了历史与文化的艺术作品，是数不尽的知识宝库。但在茫茫似海的作品数据库里，要找出具有相似性的其中几件作品，简直是难如登天。
即使是学识渊博的艺术研究人员，也不可能看过所有的作品，何况是将每件作品的特征牢牢记在脑海中。但随着计算机科学的进步，现今能利用算法，帮助学者找出艺术品间的相似性。
MIT CSAIL（计算机科学与人工智能实验室）和微软的一组研究团队合作，开发了一种新的算法“MosAIc”。他们发现大都会艺术博物馆（Metropolitan Museum of Art）与阿姆斯特丹国家博物馆（Rijksmuseum）的绘画作品之间有巧妙的连接。
研究团队表示，他们是受到阿姆斯特丹国家博物馆特展“林布兰与维拉斯奎兹”（Rembrandt-Velázquez）的启发。
展览中，研究团队发现了一个不太可能有连接，却又相似的组合：法兰西斯科·德·祖巴兰（Francisco de Zurbarán）的〈圣塞拉皮翁殉道〉（The Martyrdom of Saint Serapion）和扬·阿瑟林（Jan Asselijn）的〈受威胁的天鹅〉（The Threatened Swan），这两幅作品都呈现了利他主义（殉道vs.保护幼鸟巢穴），还有不可思议的构图相似性。
Francisco de Zurbarán,The Martyrdom of Saint Serapion, 1628, Oil on canvas, 120×103 cm
Jan Asselijn,The Threatened Swan, c.1650, Oil on canvas, 144 x 171 cm
MosAIc通过深度学习找出两幅画的“相似”程度，发现了许多来自不同文化、艺术家和媒材的“相似作品”。
CSAIL的博士生马克·汉米尔顿（Mark Hamilton）是MosAIc相关论文的第一作者，他表示：
“这两位艺术家在生活中没有书信往来，也不可能相遇。但他们的作品都含有深层的隐喻。”
“开发MosAIc的困难的之处是创建一个“不仅能分辨颜色、构图，还能识别主题或内容”的算法。”
MosAIc不仅能分辨颜色、构图，还能识别主题或内容。（来源：MIT CSAIL）
过去AI常被拿来“创造”新的艺术作品。例如：由MIT、NVIDIA和加州大学伯克利分校开发的GauGAN、汉米尔顿曾参与的GenStudio。甚至有AI创作的艺术品出现在拍卖会上，德国艺术家马利欧·克林格曼（Mario Klingemann）创作的〈Memories of Passersby I〉被苏富比拍卖预估值3~4万英镑。
〈Memories of Passersby I〉显示的所有图像都是由AI即时运算出来的。
但MosAIc的目标并非创造，而是帮助人们探索现有的作品。Google曾开发与MosAIc类似的工具“X Degrees of Separation”，在网站中选择两件艺术品，它就会自动筛选出接近两者的作品，将它们连成一条“路径”。
X Degrees of Separation会分析出连接两个作品的“路径”。
MosAIc只需要导入单张图片即可而，它会筛选出作品与任何文化或媒材的连接，用户可以选择要从哪方面找到作品间的相似性。
查询“哪种乐器最接近这幅蓝白色连身裙”，算法筛选出了蓝白色瓷小提琴的图片。这些作品不仅在样式和形式上相似，而且源于荷兰和中国间的瓷器文化交流。（来源：MIT CSAIL）
为了找到跨文化的相似作品，研究团队使用了一种新的图片数据结构，称为“条件K-近邻树”（Conditional KNN Tree），它会将相似图片组合成一个树状结构。为了找到最接近的图片配对，他们会从“树干”开始找，接着前往最有可能的“分支”，直到确定找到最接近的图片。
汉米尔顿表示：“希望这项研究能鼓励其他人去思考：搜索工具如何应用于艺术研究、人文科学、社会科学和医学等其他领域。”
数据源：
Algorithm finds hidden connections between paintings at the Met
MIT and Microsoft algorithm determines correlations in vast art collections
（首图来源：MIT CSAIL）