艺术作品往往寄托着作者内心的情感，人们欣赏一支乐曲、一幅画作，也会产生情感共鸣。计算机又能否理解艺术画作中的情感？斯坦福大学的研究团队正在开发这一算法。
列夫·托尔斯泰说过：「艺术是一种人类活动，一个人通过某种外在符号，有意识地把自己经历过的感受传达给别人，而别人也会被这些感受所感染，真切地体验到这些感受。」以艺术画作为例，每一幅作品的背后，都蕴藏着画家的某种情感。梵高、毕加索等著名画家，都曾在不同创作时期，通过不同色彩、构图等，表达自己当时所特有的心境与情绪。
计算机能否理解这些艺术画作中所蕴含的感情色彩呢？斯坦福大学的计算机科学研究团队，收集了一个名为ArtEmis的新数据集，包含大量的艺术画作及人工标注的相应情感体验，并训练出能够对视觉艺术产生情感反应的计算机模型。
非营利性的志愿项目WikiArt，自2010年上线至今，收录了来自世界各地的视觉艺术作品，堪称大型线上名画博物馆。据该网站数据显示，截至2020年1月，该网站共收录来自3293位艺术家的169057件画作，包括61个流派。WikiArt上面画作数量庞大、分类清晰，因此也成为许多AI领域研究者用来训练算法的数据集。
斯坦福大学团队则基于WikiArt上的作品，创建了一个新的视觉艺术标注数据集ArtEmis。他们对WikiArt上1119位艺术家的81446件艺术作品，一一进行了标注。这些作品包括从15世纪创作的艺术作品，到21世纪创作的现代美术画，涵盖了27种艺术风格和45种流派，给观众带来非常多样化的视觉冲击。
为了解决这个问题，团队将输出和ArtEmis用户标注之间的KL-分歧最小化，以此对基于ImageNet的预训练ResNet32编码器进行微调。对于给定的一幅画作，分类器先判断其传达的情感是积极还是消极，再进一步判断具体是哪种情感。团队介绍，对于一幅画作，算法不仅能够感知整体的情感色彩，还能区分画中不同人物的感情。
人类的情感非常丰富且复杂微妙，即使是我们人类自己，也并不能百分之百理解某些艺术家想要表达的心情，所以，要让AI精准地理解艺术家的意图，目前必然还存在一定挑战。不过，此次ArtEmis数据集的发布，已经让AI在处理图像情感属性方面，迈出了第一步。团队表示，待进一步研究与改进之后，算法或许能够感知人类的悲欢，艺术家便可借助算法，评估自己的作品是否能达到预期的情感表达效果。
另外，一旦算法能通人性，人机交互的过程也将更加自然、和谐。