Così l’intelligenza artificiale può democratizzare il mercato dell’arte (e smascherare i falsi)

L’autunno scorso Christie’s ha battuto all’asta una stampa intitolata “Ritratto di Edmond Belamy”, creata in modo semi-autonomo da un computer. Per 432.500 dollari, un anonimo collezionista ha così spalancato ufficialmente le porte del mondo dell’arte a un nuovo attore: l’intelligenza artificiale.

Ma l’applicazione al processo creativo di big data, machine e deep learning, in realtà rappresenta solo una piccola parte del ruolo che l’intelligenza artificiale si sta ritagliando nel mondo dell’arte. Oltre che per realizzare quadri e sculture, oggi queste tecnologie sono utilizzate per aiutare gli appassionati a scovare opere di loro gradimento, individuare i falsi e investire con più cognizione di causa.

Il mercato che supporta le pratiche artistiche, infatti, è ancora sregolato, opaco e passibile di manipolazioni. E l’intelligenza artificiale può aiutare a risolvere alcuni nodi fondamentali legati alla scarsa trasparenza, alla sofisticazione dei prezzi e alla difficoltà di rivendere certe opere. Aiutando il comparto a crescere e ad attirare nuovi operatori e investitori.

Non si può immaginare un approccio puramente analitico, ma è certo che una combinazione di opinioni di esperti e algoritmi in grado di catturare i dati storici e previsionali può fornire un approccio più trasparente e credibile”, sottolinea Barbara Tagliaferri, Art &Finance Coordinator per Deloitte Italia e coautrice di un report sul mercato dell’arte che fotografa il contributo dell’Ia a questo campo.

Il mercato dell’arte è sempre stato poco accessibile alle persone comuni, per mancanza soldi o di connessioni. L’Ia potrebbe cambiare la situazione, bruciando i gradi di separazione e combinando esigenze di gusti e portafogli.

Lanciata nel 2013, Artfinder è una piattaforma che permette di scoprire e acquistare opere originali a prezzi contenuti (in media $250 al pezzo), direttamente da gallerie e artisti indipendenti. Per mezzo di un’analisi dei dati storici di acquisti e visualizzazioni, la piattaforma associa le preferenze degli utenti alle opere disponibili e mette gli acquirenti direttamente in contatto con gli artisti, senza bisogno d’intermediari.

Thread Genius è una startup acquisita nel 2018 da Sotheby’s che applica metodi di deep learning ai dati in possesso della casa d’aste riguardanti transazioni, trend, performance economiche delle opere e preferenze individuali per fasce di prezzo. Questo al fine di migliorare il lavoro degli art advisor interni, che forniscono consigli ai clienti abbinando gusti personali, capacità di spesa e informazioni più trasparenti sul mercato.

C’è anche chi sperimenta con l’intelligenza artificiale per risolvere il problema dei falsi, che secondo le stime del Fine Art Expert Institute di Ginevra sono più della metà delle opere che circolano sul mercato dell’arte.

Invece di sottoporre le opere sospette a lunghe e costose analisi dei materiali, la Rutgers Univesity nel New Jersey usa immagini digitali ad alta risoluzione per catalogare le migliaia di singoli tratti e pennellate che compongono i quadri originali, creando così un database di “impronte digitali” delle opere per rendere più semplice il riconoscimento dei falsi. Mentre Paddle8 è una casa d’aste online che usa la tecnologia blockchain per certificare l’autenticità di un lavoro, la sua provenienza e il suo valore.

Pur essendo spesso usato come bene rifugio, il mercato dell’arte continua a essere estremamente illiquido. Questo lo rende appannaggio di chi può permettersi investimenti di lungo periodo, in cui il guadagno è realizzato magari a decenni dall’acquisto dell’opera. Ecco che l’Ia promette di aiutare ad abbassare queste barriere, semplificando il processo d’investimento: grazie ad un algoritmo di machine learning, ArtRank elabora dati su produzione e visibilità di artisti emergenti promettenti per prevedere il valore futuro delle loro opere, mitigando il rischio legato all’investimento.

Kellify è una fin-tech che usa un approccio diverso per ottenere un risultato simile: calcolare le probabilità di un’opera di essere profittevole nel breve periodo, usando due reti neurali GAN che lavorano in collaborazione e contrapposizione. Una analizza i risultati delle aste passate e impara i trend del mercato. L’altra propone nuove opere, fino a trovare quelle che riconosciute dalla prima rete come facilmente vendibili. In pratica le reti neurali mirano ad individuare comportamenti e schemi ricorrenti tra gli operatori del mercato per stimare il valore di un’opera nell’immediato futuro.

E’ uno strumento matematico simile a quello utilizzato per produrre il ritratto di Belamy battuto all’asta da Christie’s”, dice Francesco Magagnini, amministratore delegato di Kellify. “La sfida è trasformare questi beni in veri e propri asset class, slegandoli il più possibile da fattori soggettivi ed emotivi”.