新研究提供了人们如何做出美学判断的见解
您是否喜欢印象派画的浓密笔触和柔软的调色板，例如克劳德·莫奈（Claude Monet）的绘画？还是您喜欢Rothko的大胆颜色和抽象形状？个人艺术品味对他们有一定的神秘感，但是现在一项新的Caltech研究表明，一个简单的计算机程序可以准确预测一个人喜欢的绘画。
新研究，出现在期刊上自然人类行为，利用亚马逊的众包平台机械土耳其人来吸引超过1,500名志愿者在印象派，立体主义，抽象和颜色领域的流派中对绘画进行评分。志愿者的答案被送入计算机程序然后在此培训期之后，计算机可以预测志愿者的艺术偏好比偶然的情况要好得多。
“我曾经认为对艺术的评估是个人和主观的，所以我对这个结果感到惊讶，”博士学位学者Kiyohito Iigaya说，他在加州理工学院心理学实验室工作John O'Doherty实验室工作。Tianqiao和Caltech的Chrissy Chen神经科学学院
这些发现不仅表明计算机可以做出这些预测，而且还导致了人们对人们如何判断艺术的新理解。
O'Doherty说：“要点是，我们正在深入了解人们用来做出美学判断的机制。”“也就是说，人们似乎使用基本的图像特征并将其结合在一起。这是了解该过程如何工作的第一步。”
在研究中，团队对计算机进行编程以打破绘画的视觉属性降低到他们所谓的低级特征（例如对比度，饱和度和色调）以及高级特征，这些特征需要人类的判断力，并包括诸如绘画是动态还是静止的特征。
Iigaya解释说：“然后，计算机程序估计了在决定要有多少喜欢特定艺术品的决定时考虑了多少特定功能。”“在做出这些决策时，低水平和高级功能都合并在一起。一旦计算机估计，它就可以成功预测一个人对另一个以前看不见的艺术品的喜好。”
研究人员还发现，志愿者倾向于将三个类别聚集在一起：那些喜欢具有真实物体的绘画的人，例如印象派绘画；那些喜欢丰富多彩的抽象绘画的人，例如Rothko；以及那些喜欢复杂绘画的人，例如毕加索的立体主义肖像。大多数人属于第一个“现实生活对象”类别。Iigaya说：“许多人喜欢印象派绘画。”
更重要的是，研究人员发现，他们还可以训练深层卷积神经网络（DCNN），以学会以相似的准确性来预测志愿者的艺术偏好。DCNN是一种机器学习程序，在该程序中，计算机被喂食一系列训练图像，以便可以学会对物体进行分类，例如猫与狗。这些神经网络具有像大脑中神经元一样相互连接的单位。通过改变一个单元与另一个单元的连接的强度，网络可以“学习”。
在这种情况下，深度学习方法不包括研究第一部分中使用的任何低或高级视觉特征，因此计算机必须“决定”哪些功能自行分析。
Iigaya解释说：“在深神经网络模型中，我们实际上并不确切知道网络如何解决特定任务，因为这些模型像真正的大脑一样自行学习。”“这可能是非常神秘的，但是当我们看着神经网络内部时，我们能够说它正在构建我们选择的相同功能类别。”这些结果暗示了用于确定审美的功能的可能性偏爱可能在类似脑的建筑中自然出现。
O'Doherty说：“我们现在正在积极地研究人们在做出相同类型的决定时查看大脑的情况。”
在研究的另一部分中，研究人员还证明了他们的简单计算机程序已经接受了艺术偏好的培训，可以准确预测志愿者想要的照片。他们向游泳池，食物和其他场景展示了志愿者的照片，并看到了与涉及绘画的相似的结果。此外，研究人员表明，逆转订单也有效：在第一次培训照片后，他们可以使用该计划准确预测受试者的艺术偏好。
而计算机程序;电脑程序研究人员说，成功地预测了志愿者的艺术偏好，还有更多需要了解任何一个人的品味的细微差别。
O'Doherty说：“对于给定个人来说，我们尚未成功地解释使用这种方法的偏好方面。”“这种更特殊的组件可能与语义特征，或者是绘画，过去的经验和其他可能影响估值的个人特征的含义有关。仍然有可能在计算机模型中识别和了解这些功能，但要了解这样做将涉及对每个人的偏好的更详细的研究，这种方式可能不会像我们在这里发现的那样跨越个人。”
