对于我们这些浪漫主义者来说，物理学家哈罗多·里贝罗最近的工作可能显得平淡无奇。他开发了一个计算机程序，可以将艺术作品解构为数字集。现在，里贝罗已将他受物理学启发的指标应用于视觉艺术百科全书WikiArt上索引的近14万幅数字化绘画，以寻找绘画风格演变中的趋势。
里贝罗和他的同事去年9月在《美国国家科学院院刊》上描述的这个过程，包括评估这些数字化艺术品的复杂性和熵，或无序程度。复杂性是基于每个图像内模式的可变性，从高度可变（更复杂）到均匀（不太复杂）。熵由图像中混乱的程度决定；绘画越“规则”，熵越低。
新的算法分析每幅画作中二乘二的像素网格，并使用这两个指标对其进行评分。里贝罗和他的同事观察到，各种绘画之间复杂性和熵值的变化反映了整个艺术史的风格变化。现代艺术——具有柔和的边缘和松散的笔触——通常具有低复杂性和高熵。后现代艺术，一种更简单的风格，具有可识别的物体和鲜明、轮廓分明的边缘（例如，安迪·沃霍尔的汤罐头），具有高复杂性和低熵。在20世纪60年代后期，从现代艺术到后现代艺术发生了快速转变；该算法能够量化这种转变的极端程度。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
研究人员表示，这些简单的指标可以用来更好地理解艺术是如何演变的，捕捉有关各个艺术时期的信息，并确定这些时期是如何相互作用的。通过从这些模式中学习，该程序甚至可以用来将不太知名的艺术作品归类到特定的艺术风格中。
达拉斯德克萨斯大学艺术与技术教授马克西米利安·席奇赞成跨学科研究。“我认为这篇论文中非常优雅的一点是，他们关注局部层面的复杂性，即像素和周围的像素，”席奇说。“你可以说，‘是的，这太简单了——它无法解释所有的绘画。’但这是一项有价值的研究。”