你喜歡印象派畫家粗獷的筆觸和柔和的色調？還是更喜歡羅斯科（Rothko）作品中那種大膽的色彩和抽象的形狀？個人的藝術品味往往撲朔迷離。然而，美國加州理工學院的一項新研究表明，一個簡單的電腦程式可以準確預測個人對繪畫作品的喜好。相關論文發表在《自然·人類行為》雜誌上。
研究人員招募了1500多名志願者，讓他們分別給印象主義、立體主義、抽象主義和色面派等流派的繪畫打分，並將答案輸入電腦程式中。研究人員發現，這些志願者主要分為三類：一類喜歡有真實物品的畫作，比如印象派畫作；一類喜歡色彩豐富的抽象畫；最後一類喜歡複雜的繪畫，比如畢卡索的立體派肖像畫。大多數人屬於第一類，喜歡「現實生活中的物體」。
此外，結果還表明，經過一段時間訓練的電腦可以預測志願者的藝術偏好。
「我曾經認為藝術品味是個人的、主觀的，因此對這個結果感到很驚訝。」加州理工學院的博士後學者Kiyohito Iigaya說。這些發現不僅表明計算機可以預測藝術偏好，還讓我們對人類如何評判藝術有了新理解。
研究小組編寫了一套程序，讓電腦將一幅畫的視覺屬性分解為所謂的「低級特徵」，比如對比、飽和度和色調等；以及「高級特徵」（即需要人類進行判斷的特徵），比如畫作是動態的還是靜止的。
「然後電腦程式就可以估算：人們在決定對某一特定藝術品的喜愛程度時，在多大程度上考量了某一特定功能。」Iigaya解釋，「在做出這些決定時，低級和高級功能需要結合。一旦計算機預料到這一點，它就能成功預測一個人對另一件沒見過的藝術品的喜愛程度。」
隨後，研究人員成功訓練一種深度卷積神經網絡（DCNN）以類似的精度預測志願者的藝術偏好。DCNN是一種機器學習程序，具有相互連接的單元，就像大腦中的神經元一樣。通過改變單元間的連接強度，網絡可以「學習」。在這種情況下，計算機必須自己「決定」分析哪些特徵。「在深層神經網絡模型中，我們實際上並不知道網絡是如何解決特定任務的，因為這些模型就像真正的大腦一樣可以自己學習。」這暗示了一種可能性，即用於決定審美偏好的特徵可能會在類腦結構中自然出現。
不過，研究人員也強調，對於個人品味的細微差別，他們還有很多需要了解的地方。
