按照艺术家和风格对绘画进行分类，对人类还是有些难度的；而在不同的艺术家和风格之间明确相互的联系难度则更大。因此，如果让机器来做这项工作肯定是不可能完成的，但真是如此吗？

　　在学术研究中，有少数几个领域目前还没有受到计算机科学和机器学习的影响，其中之一就是艺术史。即便是最先进的算法，要分析作者，绘画的内容和风格也几乎是不可能的。
　　
　　但是，随着近几年机器学习方法的发展（比如深度卷积神经网络），这个问题似乎正在有所改变。因为就在最近短短几年时间里，计算机科学家们已经开发出了能够匹配人类，有时甚至能超越人类的各种模式识别任务算法。
　　
　　这是哪个流派的画？问问算法吧
　　
　　Babak Saleh和Ahmed Elgammal来自新泽西罗格斯大学，他们让这一技术变成现实。这两个人使用了最新的机器学习技术，训练算法精确识别绘画属性，包括艺术家和作品风格，这种技术之前从未被实现过。
　　
　　更重要的是，该技术可以在整体绘画风格上，识别艺术家之间的联系，很多艺术历史学家通常需要花很多年时间才能理解。
　　　　
　　Saleh和Elgammal最先创建了一个图像数据库，其中包括了跨越15个世纪，超过1000名艺术家的8万多幅绘画作品。这些绘画覆盖了27种不同的风格，每种风格内包括1500多副绘画实例。研究人员还对作品体裁进行了分类，包括室内，城市风光，自然风景等。
　　
　　之后，研究人员会设置图像子集，然后利用该子集去训练不同类型的机器学习算法识别指定的画作特点，其中包括一些普通的、级别较低的特点，比如画作的总体色彩；之后则会训练机器学习更高级别的特点，比如画作中所描绘的物体（像马、十字架）。最终，机器学习可以用400种不同的维度实现画作的矢量描绘。
　　
　　接下来，研究人员会让机器去识别一幅它从未见过的绘画作品，结果令人印象深刻，机器可以准确识别出艺术家，准确率高达60%，要知道人工识别的准确率也不过45%。但最重要的是，机器学习方法提供了一种解决方案，可以更加深入的了解艺术品特点，这些是人类难以做到的。