برخی از مردم هر چند بسیار تلاش میکنند ولی نمیتوانند هنر را درک کنند. درک قطعات تشکیل دهندهی اثر خلقشده توسط استادان معروف نقاشی گاهی بسیار دشوار است. در حال حاضر دانشمندان علوم کامپیوتر دانشگاه Rutgers، در تلاش برای درک آثار نقاشی با استفاده از الگوریتمی هستند که بتواند از بین نقاشیها خلاقانهترین آنها را تعیین کند. این اظهارات مطابق با مطالعات اخیری است که توسط Arxiv منتشر شده است.
احمد الگمال و بابک صالح از دانشمندان کامپیوتر دانشگاه راتگرز خلاقیت را اصالت محصول و ارزش تاثیرگذاری آن تعریف کردهاند و از این تعریف برای ایجاد نوعی از شبکهی هنر بر اساس نقاشیهای شبیه به آثار اولیه استفاده میکنند. این شاخص "ماشین زمان" لقب گرفته است. اما خلاقیت هنری در زمینههای دیگری از آثار هنری نیز وجود دارد. به گونهای که محققان نیاز دارند نقاشیها را در طول زمان بر اساس عناصر بصری خود مانند طبیعی بودن شکل آنها، صحنههایی که به تصویر کشیده میشوند، شدت رنگها و پیچیدگی الگوها مقایسه کنند.
این تدابیر و اندازهگیریها به یک پایگاهداده که شامل ۶۲۰۰۰ نقاشی است اعمال شده است و مجموعهی دادههای بزرگی که الگوریتم مشخصی برای ایجاد ارتباط بین نقاشیها بر اساس ویژگیهای هنری نیاز دارند، بوجود آمده است. الگوریتمی نیز به منظور تشخیص تشابه بین آثار فعال شده است. این الگوریتم بر روی تمام دادهها اجرا میشود از نقاشیهای مدرن گرفته تا آثار مربوط به گذشتههای دور.
نقاشیهایی که در قسمت بالای نمودار میزان خلاقیت قرار میگیرند توسط الگوریتم بررسی شدهاند و بیشتر اصیل به نظر میرسند. در حالیکه تصاویری که در پایین این نمودار قرار دارند در رتبهبندی، میزان خلاقیت کمتری دارند. نتایج حاصل از پردازش تصاویر توسط این الگوریتم جالب توجه است.
لغزش آثار استادان قدیمی به سمت پایین نمودار شاید به سادگی با ضربالمثل "زیبایی در چشم بیننده است" توجیه شود.
در میان خلاقانهترین آثار زمانهای گذشته : "زرد هنوز زندگی" اثر روی لیشتنستین (Roy Lichtenstein)، "فریاد" اثر ادوارد مونک (Edvard Munch) و "Haystacks" اثر مونت (Monet) از جمله خلاقانهترین آثار هستند. آثار کلاسیک انگرس و رودین (Ingres and Rodin) از نظر خلاقیت به خوبی عمل نکردهاند. احتمالا نویسندگان آثار ویژهای را انتخاب کردهاند زیرا آنها به خوبی شناخته شدهاند و میتوانند نتایج الگوریتم را برای دوستداران هنرکه زمینههای هنری خوبی دارند ارائه دهند.
یکی از مشکلات استفاده از این الگوریتمها این است که رسیدن به نتایج قطعی اساسا غیر ممکن است. تایید یا رد خلاقیت یک اثر هنری با یک نرمافزار اندازهگیری اصالت خلاقیت درست نیست، زیرا در یک نقاشی مقولهی اصلی شایستگیهای ذاتی آن است.
با این وجود به گفتهی محققان پروژه، این الگوریتم میتواند آدرسدهی و رسیدگی به دیگر اشکال هنر مانند ادبیات یا موسیقی را نیز در آیندهای نزدیک بهینه کند. اما اثبات درست کار کردن این الگوریتم را تنها گذشت زمان مشخص خواهد کرد.