艺术史或许能让计算机来教
　　
　　但是在进行绘画作品分类工作上，机器学习暂时还无法做到最好。
　　
　　举个例子，Saleh和Elgammal的机器学习算法很难区分卡米尔·毕沙罗和克劳德·莫奈的绘画作品。但是艺术家们只需要做一点小小的研究就能明确区分，十九世纪末二十世纪初两人在法国非常活跃，并且都在巴黎Académie Suisse艺术学院进修，利用这些背景，专家会知道毕沙罗和莫奈是一对好基友，彼此也会分享自己对艺术的经验。所以，如果他们两人的艺术作品有几分相似，也就不足为奇了。
　　
　　还有一个例子，机器学习也无法很好地区分莫奈和美国印象派画家蔡尔德·哈萨姆，后者深受法国印象派画家和莫奈的印象。类似这种关联，就需要人为来进行判断了。
　　　　
　　除了上述几个缺陷之外，机器算法还能寻找艺术风格之间的联系。举个例子，它常常会混淆抽象表现注意和行动派绘画，因为艺术家是通过在画布上点滴或甩画漆来完成作品的。Saleh和Elgammal表示，如果是一位人类观察者，应该能够理解这种混淆。他们说道，“行动派绘画其实可以看做是抽象表现主义的一种子类型。”
　　
　　机器算法还可以在类似的绘画作品中“找不同”。比如表现主义画派和野兽画派，后者通常会被认为是表现主义画派的一种形式。此外，机器算法还可以将人文主义和文艺复兴时期的艺术风格联系起来，这种联系清晰的反映出一个事实，那就是道德观念曾经融入在早期文艺复兴时期的绘画作品里面。
　　
　　其他直接的联系包括，文艺复兴和早期文艺复兴时期的绘画，印象派和后印象派的绘画，立体派和后期综合立体主义的绘画。
　　
　　这些联系如果要让艺术历史学家来分析的话，可能需要几十年，甚至几百年，但是如果通过机器学习方法，只需几个月时间。这对于研究艺术史来说有着非常重要的意义，全新机器学习算法有一个应用，就是可以挑选出具有类似特点的绘画作品（见上图）。这将是一个非常强大的工具，因为历史学家可能永远都不会知道不同艺术家之间存在的联系，以及不同艺术家之间在作品上是如何相互影响的，而借助机器学习则能探索更多。
　　
　　机器学习算法提供了一种全新的艺术探索形式，说不定会为艺术界带来意想不到的效果！