يُعد توثيق اللوحات مهمة معقدة بطبيعتها، إذ يعتمد على خبرة التذوق الفني والتحليل التقني، غير أن ندرة البيانات تمثل عائقا كبيرا أمام تطبيق أساليب التعلم الآلي في هذا المجال، فعدد اللوحات الموثوقة لفنان واحد محدود، والاعتماد على المقارنات الأسلوبية يتطلب عزل أسلوب التنفيذ عن الاختلافات في الموضوع المصور، وهو ما يجعل التعلم من عينات صغيرة تحديا بحثيا حقيقيا
تأتي هذه الدراسة لتعالج هذا التحدي من خلال حالة محددة، وهي لوحة منسوبة إلى الفنان باولو فيرونيز، فهي تطور نهجا قائما على الشبكات العصبية الالتفافية مصمما خصيصا لندرة البيانات الشديدة، وتسعى إلى اختبار ما إذا كان التحليل الحاسوبي للسمات الدقيقة مثل ضربات الفرشاة والبنية المجهرية للسطح قادرا على تقديم أدلة احتمالية قوية على التوثيق، بما يدعم خبراء الفن دون أن يحل محلهم
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى توثيق لوحة واحدة منسوبة إلى باولو فيرونيز باستخدام نهج الشبكات العصبية الالتفافية المصمم لندرة البيانات، وقد قُيدت مجموعة البيانات باللوحات التي تصور العائلة المقدسة، وهو الموضوع نفسه للعمل قيد التوثيق، لضمان أن تستند المقارنات الأسلوبية إلى التنفيذ الفني لا إلى الاختلافات الأيقونية، وطُوّرت شبكة التفافية ضحلة مخصصة لمعالجة مدخلات متعددة القنوات تشمل القنوات اللونية وخريطة التدرج الرمادي وخرائط الحواف، المستخلصة من رقع متداخلة باستراتيجية النافذة المنزلقة، كما استُخدمت تقنيات التنظيم لتحسين التعميم، واستراتيجية التحقق المتقاطع على مستوى اللوحة لمنع تسرب البيانات
يمنح هذا التصميم المنهجي الدراسة قدرة على تحويل مشكلة ندرة البيانات إلى ميزة منهجية، فتقسيم اللوحات إلى آلاف الرقع الموضعية يوسع مجموعة البيانات من عدد صغير من اللوحات إلى آلاف العينات، بينما يضمن التحقق على مستوى اللوحة أن النموذج يتعلم السمات الأسلوبية العامة لا تفاصيل لوحة بعينها، وهو ما يجعل النتائج أكثر جدارة بالثقة في سياق التوثيق الفني
ثانيًا: أبرز النتائج
1، حقق النموذج أداء تصنيفيا مرتفعا بدقة بلغت 94.51 في المئة وبمساحة تحت المنحنى 0.99، وهي قيم تشير إلى قدرة قوية على التمييز بين أعمال فيرونيز الأصيلة وغيرها، مما يثبت أن السمات المجهرية مثل ضربات الفرشاة تحمل بصمة أسلوبية قابلة للتعلم الآلي حتى مع بيانات محدودة
2، أنتج النموذج خرائط حرارية للاحتمالات كشفت عن اتساق أسلوبي في أعمال فيرونيز الأصيلة وعن تجزؤ في اللوحات غير المنسوبة إليه، وهو ما يمنح خبراء الفن أداة بصرية لتحديد المقاطع التي تدعم التوثيق أو تشكك فيه، بدلا من الاكتفاء برقم إجمالي واحد، ويجعل الذكاء الاصطناعي شريكا تفسيريا لا صندوقا أسود
3، أسفر العمل قيد الفحص عن متوسط احتمالات عالمي وسيط بلغ 61 في المئة لانتمائه إلى فيرونيز، مع مناطق واسعة عالية الاحتمال فوق مقاطع ذات دلالة أسلوبية، مما يشير إلى تقارب أسلوبي جزئي، وهو نتيجة حذرة لا تحسم التوثيق لكنها توجه الانتباه إلى المقاطع الأكثر دلالة لمزيد من الفحص
4، خلصت الدراسة إلى أن النتائج تدعم استخدام النماذج القائمة على الرقع في التحليل الأسلوبي لتوثيق الفن، وبخاصة في ظل قيود البيانات الخاصة بالمجال، مع التأكيد على أن الشبكة تقدم أدلة احتمالية قوية على التقارب الأسلوبي، لكن التوثيق النهائي يتطلب مزيدا من التكامل مع التحليلات التاريخية والتقنية ودراسات المنشأ
ثالثًا: دلالات الدراسة وتطبيقاتها
تتجلى الدلالة العملية للدراسة في أنها تمنح المتاحف وخبراء التوثيق أداة إضافية لفحص اللوحات المتنازع عليها، فالخرائط الحرارية والاحتمالات الموضعية توجه الفحص المادي والتاريخي نحو المقاطع الأكثر دلالة، مما يرفع كفاءة عملية التوثيق ويقلل من الاعتماد على الانطباع وحده، كما أن النهج القائم على الرقع قابل للنقل إلى فنانين آخرين ومدارس فنية أخرى تعاني من ندرة البيانات نفسها
على مستوى البحث العلمي تسهم الدراسة في إثراء أدبيات الذكاء الاصطناعي في الفنون، إذ تثبت جدوى النماذج الضحلة المصممة خصيصا في مواجهة النماذج العميقة الجاهزة عندما تكون البيانات نادرة، وتدعو إلى دراسات مستقبلية تدمج الأدلة الحاسوبية مع الأدلة التاريخية والتقنية في إطار توثيق متكامل، وهو ما يعزز الثقة في نتائج التوثيق ويحفظ للخبرة البشرية دورها المركزي
وخلاصة القول إن الدراسة تؤكد أن التعلم الآلي يستطيع التقاط البصمة الأسلوبية للفنان من ضربات فرشاته، لكنه يظل أداة داعمة للتوثيق لا بديلا عنه، وأن التكامل بين الإنسان والآلة هو الطريق الأمثل لحماية التراث الفني من التزييف
