a cura di: Giorgia Coltella, Francesco Magagnini, Fabrizio Malfanti e Gabriele Torre (Kellify SpA).
Nel corso del 2018 le tecnologie di Intelligenza Artificiale hanno fatto il loro primo ingresso nel mondo dell’arte e dei beni da collezione, con particolare riferimento alla prevenzione anti-frode, alla catalogazione e raccomandazione delle opere.
Grande risonanza ha avuto la produzione di opere originali da parte di algoritmi.
Gli impatti maggiori sono previsti per strumenti capaci di far emergere valori e liquidabilità futuri, permettendo un approccio data-driven agli investimenti in opere d’arte grazie all’Intelligenza Artificiale.
L’AI come nuovo movimento artistico (vendita da Christie’s del “Portrait of Edmond de Belamy”)
25 Ottobre 2018: Christie’s New York batte per la prima volta all’asta un’opera d’arte interamente creata dall’intelligenza artificiale, sancendone l’ingresso in qualità di nuovo attore nel panorama artistico.
L’opera
Il dipinto, intitolato “Portrait of Edmond de Belamy“, viene battuto in favore di un acquirente anonimo a un hammer price di $432. 000, superando 43 volte la base d’asta, che oscillava tra i $7. 000 e $10. 000. L’opera, che fa parte di un gruppo di 11 ritratti che rappresentano l’immaginaria famiglia Belamy, è una stampa su tela di 70×70 cm e ritrae un corpulento gentiluomo francese dai lineamenti confusi e profili sfumati, con redingote e colletto bianco. In basso a destra, spicca la firma dell’autore: minG maxD Ex [log D(x)] + Ez [log(1-D(G(z)))] .
Il ritratto è frutto del lavoro di tre studenti venticinquenni (Hugo Caselles-Dupré, Pierre Fautrel e Gauthier Vernier), che compongono il collettivo francese Obvious. I tre, senza alcun background artistico ma con alle spalle studi in machine learning ed economia, hanno realizzato un algoritmo basato sulle Generative Adversarial Networks (GAN), ovvero reti generative avversarie, alimentate con un insieme di immagini relative a 15.000 ritratti storici, realizzati tra il XIV e il XX secolo.
Il processo creativo – Aspetti tecnici
Creatore delle reti neurali GAN, nonché ispiratore del nome dell’opera, è Ian Goodfellow (Belamy è infatti la traduzione di Goodfellow in francese), il cui algoritmo prevede il “confronto-scontro” di due reti neurali allo scopo di assimilare concetti astratti, altrimenti impossibili da esprimere attraverso un puro formalismo matematico. Come suggerito dal nome, le GAN si basano sulla collaborazione di due reti neurali, il Generatore e il Discriminatore.
Dato un set di dati reali, il Generatore ha il compito di creare dati sintetici il più possibile verosimiglianti al set di dati reali e il Discriminatore, ricevuti come input sia dati reali che sintetici, ha il compito di classificarne correttamente l’origine. Seguendo la metafora che viene solitamente utilizzata per descrivere il funzionamento delle GAN, il Generatore può essere associato ad un pittore dilettante con lo scopo di creare opere d’arte, mentre il Discriminatore ricopre il ruolo del maestro / critico d’arte il quale indica all’allievo gli aspetti su cui fare pratica.
L’operato del Generatore viene valutato dal Discriminatore confrontando i ritratti reali con quelli da lui prodotti e sottolineandone i punti deboli.
In un caso ideale, le capacità del Generatore si affineranno con la pratica fino al punto in cui il Discriminatore non sarà più in grado di riconoscere la differenza tra un’opera reale ed una sintetica.
Tale risultato viene ottenuto grazie alla cooperazione autonoma delle due reti che, passo dopo passo, generano conoscenza attraverso un processo iterativo di trial-and-error.
Nel caso del dipinto “Portrait of Edmond de Belamy”, così come l’artista trae ispirazione dai suoi maestri, il Generatore è in grado di produrre opere inedite caratterizzate da linee artistiche intrinseche alle immagini reali fornite alla rete durante la fase di apprendimento
La reazione del mercato
Il mercato internazionale si è dimostrato aperto e pronto ad accogliere il nuovo “Artista”, come ha dimostrato il sorprendente risultato del test che ha eseguito Christie’s durante l’asta del 24 ottobre 2018: l’aspettativa e il clamore intorno alla tela sono altissimi.
Molte critiche sono pervenute non tanto dal mondo dell’arte, quanto da chi lavora nel campo dell’arte attraverso l’intelligenza artificiale: molti artisti dell’AI lamentano il fatto che il dipinto non incarni alcuna innovazione, in quanto la metodologia utilizzata per realizzare il ritratto di Belamy era già in uso dal 2015 ed era già stata utilizzata per la realizzazione di diverse opere.
Perché tanto rumore attorno all’opera di Obvious, allora?
La novità non consiste tanto nel metodo di realizzazione del dipinto, ma nelle modalità di esposizione e vendita: infatti, nessuno dei predecessori degli studenti francesi aveva scelto di stampare l’opera su tela e tantomeno di apporre la firma della funzione matematica che regola il minimax game alla base del funzionamento delle GAN.
Tale scelta ha voluto definitivamente attribuire all’algoritmo la creazione dell’opera, suggellando la creatività dell’algoritmo stesso.
A chi critica l’apparenza alquanto imprecisa e confusa dell’uomo ritratto, si rammenta che l’obiettivo di Obvious non consiste nel riprodurre in modo fedele le immagini esistenti, ma piuttosto nel verificare se, in qualche modo, gli algoritmi possano essere creativi.
Un algoritmo solitamente funziona replicando il comportamento umano ma, in questo caso, impara usando un proprio percorso: il quesito irrisolto, e che probabilmente ricorrerà di frequente nella relazione tra arte e AI, è se questo possa essere definito o meno un percorso creativo.
L’AI come mezzo per distribuire, selezionare e trovare le opere d’arte di tuo gusto
Una importante applicazione dell’Intelligenza Artificiale al mondo dell’arte riguarda la promozione degli artisti e delle loro opere per favorire il loro ingresso sul mercato.
Esistono diverse soluzioni che consentono una connessione più rapida tra artisti (soprattutto artisti emergenti, che hanno la necessità di avere maggiore visibilità) ed acquirenti d’arte.
Questi ultimi, talvolta, hanno a disposizione un capitale limitato, non sufficiente all’acquisto di opere d’arte in gallerie o in case d‘aste.
È inoltre possibile che gli acquirenti, non interessati ad un oggetto d’arte famoso o di valore, vogliano acquistare un’opera di proprio gusto, magari per arredare casa, senza dover per forza entrare in contatto con consulenti e galleristi.
Inoltre, la via tradizionale delle gallerie d’arte o delle fiere soffre di una grande lacuna: vista un’opera di gradimento è praticamente impossibile chiedere di vederne altre simili, dove il concetto di somiglianza può avere un significato riguardante il soggetto dell’opera, la tecnica utilizzata, la palette di colori o altro ancora.
Le nuove tecnologie hanno consentito di risolvere queste problematiche con un click: Artfinder rappresenta una di queste soluzioni.
La piattaforma è stata lanciata nel giugno 2013 e risulta estremamente trasparente, permettendo a tutti gli amanti dell’arte di scoprire ed acquistare opere originali ad un prezzo accessibile, direttamente da gallerie ed artisti indipendenti.
Per mezzo di un’analisi dei dati storici di acquisti, visualizzazioni ed interessi artistici, la piattaforma è in grado di associare le preferenze dei propri utenti e opere disponibili grazie ad algoritmi di machine learning, consentendo inoltre agli artisti di prendere contatto diretto con l’acquirente, senza bisogno di intermediari.
Il successo di questa piattaforma risiede non solo nella vasta scelta di opere che essa è in grado di fornire agli acquirenti, ma anche nel suo contenuto schema commissionale: Artfinder chiede infatti una commissione del 30% sulle transazioni effettuate, risultando competitiva nei confronti delle gallerie che, solitamente, chiedono commissioni fino al 40%-50%.
Come funziona: gli artisti caricano i propri lavori sul sito, decidono il proprio prezzo e, grazie ad un search tool (ed il consiglio di Emma – la AI art advisor della piattaforma), gli acquirenti possono scoprire ed acquistare opere adeguate ai loro desideri.
Inoltre, la piattaforma aiuta gli artisti a decidere il prezzo migliore a cui vendere le proprie opere, anche a seconda di vari parametri tra cui, ad esempio, il tempo di vendita.
Il business di Artfinder, con un prezzo medio di vendita che si aggira intorno ai 250$, è focalizzato soprattutto sull’home decor market e non sull’high-end art space.
Un’altra delle soluzioni di intelligenza artificiale in questo ambito è Thread Genius, una startup creata da Ahmad Quamar ed Andrew Shum nel 2015, specializzata in tecnologie di ricerca visiva, riconoscimento e image recommendation.
La startup, inizialmente, aveva un focus sul fashion: la creazione di un motore di ricerca visiva in grado di applicare metodi di deep learning all’industria della moda.
Tramite l’utilizzo di modelli matematici basati sulle reti neurali convoluzionali, Thread Genius era in grado di riconoscere gli abiti da alcune immagini selezionate e trovare altri capi simili, da proporre al potenziale cliente.
I Founder di Thread Genius si sono chiesti se tali prodotti potessero essere applicati anche in ambito artistico, dimostrando che tali tecnologie utilizzate nel mondo della moda, fossero in grado di mettere in relazione i gusti personali di un individuo con le offerte presenti nel mondo dell’arte.
Il successo nel campo dell’arte viene definitivamente sancito dall’acquisizione avvenuta nel gennaio del 2018 da parte di Sotheby’s che possiede dati di elevatissima qualità relativi alle transazioni storiche avvenute nel mercato d’arte, preferenze individuali per ogni fascia di prezzo, immagini e informazioni su oggetti e opere d’arte.
Thread Genius utilizza il database Mei – Moses Art Index, sviluppato nel 2000 dai professori della New York University Jianping Mei e Michael Moses e acquistato dalla casa d’asta nel 2016.
Il Mei Moses Art Index permette di valutare le performance economiche di un’opera artistica tramite l’analisi delle repeat sales, ossia le vendite dello stesso oggetto avvenute in diversi momenti temporali.
Tracciando le variazioni di valore, al fine di confrontare la performance di investimento in arte come asset-class rispetto alle performance di altre asset-class di mercati tradizionali.
Questo strumento consente di migliorare le raccomandazioni fornite agli acquirenti e di rendere più semplice la vendita e l’acquisto delle opere sulla piattaforma di Sotheby’s.
Thread Genius inoltre permette il coinvolgimento di potenziali acquirenti appartenenti alla fascia media di mercato; la stessa casa d’asta dichiara che chi è in cerca di un Van Gogh ed ha i mezzi per acquistarlo, probabilmente non si accontenterà mai di un altro quadro simile di un altro impressionista.
Thread Genius può essere, pertanto, considerato un AI Art Advisor che fornisce price transparency attraverso il machine learning: l’algoritmo abbina l’opera d’arte alle preferenze individuali del cliente e al suo spending power in modo che gli utenti possano ottenere una migliore esperienza e informazioni trasparenti quando devono confrontarsi con opere d’arte di Sotheby’s.
L’AI individua i falsi d’arte (Antifrode)
Gli esperti del Fine Art Expert Institute (FAEI) di Ginevra hanno stimato che più della metà delle opere d’arte in circolazione sul mercato sono false.
Un numero estremamente significativo che preoccupa gli acquirenti e le case d’asta, costrette ad affrontare spese legali sostanziose.
Per evitare tali problematiche, Sotheby’s offre 5 anni di garanzia per il rimborso all’acquisto nell’eventualità che venga provata la non autenticità dell’oggetto.
A valle della vendita di alcuni falsi e del pagamento dei relativi rimborsi, Sotheby’s ha acquistato nel dicembre 2016 la Orion Analytical, una società di ricerca scientifica con una vasta esperienza relativa alla attestazione dell’autenticità di opere d’arte, diventando così la prima casa d’aste ad avere al proprio interno un’unità di conservazione e analisi.
Il processo di verifica dell’autenticità di opere d’arte è sempre stato estremamente lungo e costoso, prerogativa di esperti critici d’arte.
Esso richiede, infatti, l’intervento di numerosi specialisti e l’utilizzo di costosi equipaggiamenti scientifici: l’opera sospetta deve essere sottoposta a numerosi esami quali spettroscopia a infrarossi, gascromatografia ad alta risoluzione, datazione radiometrica.
La combinazione di tali test viene effettuata nella speranza di poter trovare una falla del falsario, una dimenticanza, un errore quale la presenza di una fibra vagante o una vernice realizzata con materiali che non sarebbero stati disponibili all’epoca della realizzazione del dipinto.
Invece di sottoporre le opere a lunghe e costose analisi dei materiali, il professor Ahmed Elgammal della Rutgers University, Direttore del Laboratorio di Arte e Intelligenza Artificiale, insieme al suo Team e ai ricercatori dell’Atelier for Restoration & Research of Paintings in Olanda, ha trovato un modo per risolvere questo annoso problema.
Grazie alle metodologie proposte, si è dimostrata la possibilità di studiare autenticità dell’opera d’arte senza dover per questo accedere in modo diretto al dipinto.
Tale soluzione è supportata dall’Intelligenza Artificiale: invece di asportare parti dell’opera e focalizzarsi sull’analisi dei materiali, il nuovo processo si concentra sull’analisi di immagini ad alta risoluzione che racchiudono al proprio interno le migliaia di singoli tratti e pennellate che caratterizzano l’opera originale.
Infatti, come espone Elgammal, ogni forma, curvatura, la velocità con cui il tratto viene impresso sulla tela, rivela qualcosa di unico in merito all’autore; questi particolari, considerati tutti insieme, formano l’impronta digitale dell’artista, unica per definizione.
Oggi, grazie ai recenti sviluppi nel campo dell’AI, possiamo analizzare un numero di opere impensabile fino ad ora e di costruire un database di “impronte digitali” per ogni artista.
Ogni caratteristica distintiva viene pertanto analizzata, archiviata e resa disponibile a un confronto con tratti e pennellate provenienti da opere d’arte la cui autenticità risulti sospetta.
I risultati presentati dal team di Elgammal sono basati sull’analisi di quasi 300 disegni autentici di Picasso, Matisse, Egon Schiele identificando i tratti distintivi di ogni artista, grazie all’applicazione di tecniche di apprendimento automatico (RNN – Recurrent Neural Network).
Nonostante i risultati di grande rilievo, il prof Elgammal ha sottolineato come il sistema sia ancora acerbo e ben lontano dall’essere infallibile: composizioni artistiche complesse, evoluzioni stilistiche e la presenza di possibili strati di restauro e sovra-verniciature rappresentano le prossime sfide per il suo team.
Collaborazione tra MoMA e Google Arts & Culture Lab
Il MoMA (Museum of Modern Art) di New York, Manhattan, è stato fondato nel 1929 ed è considerato il primo museo interamente dedicato all’arte moderna e contemporanea.
Sin dalla sua nascita, il Museo ha documentato le proprie esposizioni con numerosi scatti fotografici, che ritraggono le opere d’arte in esposizione.
Il Team di Digital Media del MoMA e Google Arts & Culture Lab hanno deciso di collaborare e trasformare questo “deposito fotografico” in un archivio interattivo, permettendo così al grande pubblico di “visitare” le esposizioni del Museo dal 1929 ad oggi.
Chiunque può collegarsi al sito e visionare le fotografie, selezionare un’opera d’arte all’interno della foto ed estrarre le relative informazioni.
Tutto ciò si è reso possibile grazie all’utilizzo del machine learning: The Art Recognizer, l’algoritmo nato dalla collaborazione tra MoMA e Google, ha permesso di identificare le opere d’arte contenute all’interno degli oltre 30.000 scatti e di confrontarle con quelle già contenute nelle oltre 65.000 immagini presenti nella collezione d’arte online del museo.
Inoltre, grazie a The Art Recognizer il MoMA ha creato un vasto network di nuovi link tra la storia delle proprie mostre d’arte e la propria collezione online.
Inoltre, per incrementare l’affidabilità di The Art Recognizer il Museo ha invitato i propri utenti a segnalare ogni tipo di errore che si fosse manifestato e così facendo, favorendone anche la qualità espositiva del prodotto online.
Investire in Arte con l’Intelligenza Artificiale
Il mercato dell’arte è sempre stato considerato molto selettivo, dedicato ad intenditori e a chi avesse una disponibilità economica di rilievo.
L’investimento in arte è sempre stato appannaggio dei più abbienti che, grazie al lavoro di intermediazione svolto da art dealer, gestori patrimoniali, case d’asta e gallerie hanno utilizzato le opere d’arte come bene rifugio quando il mercato degli investimenti tradizionali non proponeva aspettative favorevoli per il futuro: il valore dei beni artistici sul lungo periodo tende sempre ad aumentare.
Il tema della selettività rappresenta solamente una delle barriere all’ingresso del mercato dei beni artistici: l’arte è un settore complesso e sofisticato, ed è sempre stato considerato un mercato estremamente illiquido, in cui il profitto, nella maggior parte dei casi, potrà essere realizzato dopo decenni dall’acquisto di un’opera.
È, inoltre, sempre stato considerato un mercato estremamente emozionale, dipendente dai giudizi dei critici, dalle mode e dal gusto personale.
Attualmente solo i 10 artisti più popolari sono considerati liquidi e rivendibili in tempi brevi, riuscendo a generare un discreto profitto.
Questo dato di fatto evidenzia la estrema difficoltà nell’entrare in un mercato in cui un investimento sicuro consisterebbe nell’acquistare un Picasso, o un Warhol, o un Basquiat.
Inoltre, la previa dimostrazione di autenticità e provenienza dell’opera e la necessaria intermediazione tra artisti e acquirenti di art dealer, professionisti, intenditori del settore, case d’asta e gestori patrimoniali, rendono il processo di investimento estremamente complesso, macchinoso e poco trasparente.
Un’altra tematica cara agli investitori inerisce il livello di informazione in merito ai pezzi d’arte che hanno intenzione di acquistare.
Gli interessati, infatti, devono condurre ricerche e studi approfonditi in merito alle opere dell’artista, le loro performance (a quanto sono tendenzialmente vendute), la loro presenza nelle mostre e gallerie o addirittura sui social.
Queste informazioni risultano molto difficili da reperire, in quanto raramente sono pubbliche.
Negli ultimi anni, tutte queste problematiche sono andate affievolendosi: gli acquirenti target si sono trasformati da esperti appassionati in razionali investitori, alla ricerca non dell’elemento emozionale, che ha sempre caratterizzato il mercato dell’arte, bensì del profitto ottenuto nel breve periodo, diversificando il più possibile il proprio portfolio, investendo sempre di più in piccole collezioni all’insegna degli artisti emergenti.
I fondi di investimento in arte possono essere considerati una valida alternativa: in questo caso l’investimento non viene effettuato acquistando direttamente le opere d’arte, bensì sul fondo, che si occuperà della gestione del patrimonio e degli investimenti nei pezzi d’arte.
Entrambe le soluzioni risultano, in ogni caso, accessibili soltanto agli utenti di fascia alta, in quanto impongono un investimento minimo che si aggira solitamente tra i 100.000 e i 200.000 €.
Oggi non esiste più la necessità di avere a disposizione un ingente patrimonio: negli ultimi anni le barriere all’ingresso del mercato dell’arte si sono abbassate grazie a diverse soluzioni proposte da alcune società che si sono poste l’obiettivo di semplificare il più possibile l’interazione tra acquirenti e artisti e il macchinoso processo di investimento in arte.
Una soluzione è stata proposta da ArtRank, un sito lanciato nel febbraio 2014 dall’ex gallerista americano Carlos A.Rivera.
La piattaforma, in qualità di art advisor, consente agli investitori di ricevere consigli in merito all’acquisto e alla vendita di opere degli artisti emergenti più promettenti, prevedendo, attraverso un algoritmo di apprendimento automatico, la “traiettoria” che la carriera di un artista assumerà.
L’algoritmo è composto da componenti esogene quali la presenza sul web e nelle gallerie, la produzione e la visibilità dell’artista, conclusione di contratti con gli operatori del settore e acquisizioni, supporto da parte di musei e collezionisti, presenza sui social, risultati d’asta.
L’algoritmo di apprendimento automatico estrae le metriche rilevanti da oltre 3 milioni di dati storici e ciascuna delle componenti esogene è qualitativamente ponderata, al fine di definire la traiettoria dell’artista e di confrontarla con traiettorie passate di artisti antecedenti, al fine di prevedere il valore futuro delle opere degli artisti emergenti e le loro prospettive di crescita, limitando il livello di rischio legato all’investimento.
Queste informazioni vengono raccolte in via confidenziale tramite un network di mercanti, art advisor, case d’asta, collezionisti e giornalisti, che vengono poi ricompensati con anticipazioni sui report e con alert che il sito invia loro (così come ai propri clienti).
ArtRank si propone, pertanto, quale strumento di analisi finanziaria, consulenza e raccomandazione esperto di artisti contemporanei emergenti, che, date le loro peculiarità, hanno elevate possibilità di essere profittevoli nel breve termine.
La piattaforma, inoltre, consente a chiunque abbia una connessione ad internet, di accedere all’investimento in arte, democratizzando l’ingresso a tale mercato solitamente ritenuto esclusivo.
Obbiettivo di ArtRank è eliminare il rischio dell’investimento valutando il valore intrinseco dell’opera d’arte, non tenendo in considerazione il suo valore estetico ed emozionale, né le valutazioni di mercato stabilite durante le aste, ritenute facilmente manipolabili.
La piattaforma, pertanto, si approccia ad un’opera d’arte con una valutazione economica, che è ritenuta più rilevante rispetto al suo significato culturale.
Gli artisti selezionati sono suddivisi in 6 categorie:
• Buy now < USD 10, 000
• Buy now < USD 30, 000
• Buy now < USD 100, 000
• Early blue chip
• Sell now/peaking
• Liquidate
Nelle prime tre categorie rientrano gli artisti più promettenti, la cui traiettoria li individua come “molto ricercati sul mercato” e sono suddivisi in fasce di prezzo entro le quali un acquirente dovrebbe mantenere il proprio investimento (sono gli artisti che il sito raccomanda di comprare).
La quarta categoria è raccomandata, in quanto è composta da artisti il cui valore è previsto in aumento indipendentemente dalle condizioni economiche generali del mercato.
La quinta categoria è composta dagli artisti più ricercati, che sono all’apice, e che quindi conviene vendere, considerando la possibilità di ottenere un buon rendimento.
L’ultima categoria contiene gli artisti che suscitano minor interesse, in quanto la loro traiettoria sembra seguire un andamento discendente.
Il nome di queste categorie consiste, quindi, in un invito all’azione, informata e consapevole: ArtRank incoraggia gli utenti a scambiare continuamente le opere d’arte a scopo di investimento, piuttosto che sviluppare delle collezioni personali.
Il business model consiste nel vendere le informazioni relative agli artisti emergenti raccolte nel report informativo, a coloro che sottoscrivono un abbonamento, cosiddetto Early Access Subscription Program.
Il Report viene aggiornato trimestralmente e inviato ai sottoscrittori, generalmente poco prima di importanti aste o mostre d’arte, qualche settimana prima rispetto alla data di divulgazione al grande pubblico, permettendo agli abbonati di trovarsi in una situazione privilegiata in quanto edotti sulle informazioni rilevanti prima di chiunque altro.
Un approccio diverso è utilizzato da Kellify, società fin-tech che sviluppa tecnologie di intelligenza artificiale e machine learning al fine di migliorare le capacità predittive e trasformare beni quotidiani, relativi a mercati non correlati e tipicamente illiquidi, in asset class alternative, ovvero che presentano una bassa correlazione con azioni e obbligazioni, difficili da valutare e generalmente meno liquide rispetto agli investimenti tradizionali.
Solitamente l’investimento in arte diventa profittevole sul lungo periodo tanto che i fondi specializzati in arte hanno spesso un orizzonte temporale che supera i 10 anni.
Kellify, attraverso l’algoritmo proprietario di apprendimento automatico è in grado di individuare le opere d’arte che risultano essere le più liquide e rivendibili, consentendo all’investitore di effettuare un investimento profittevole nel breve periodo.
L’approccio di Kellify a questo mercato è quindi orientato a ridurre l’orizzonte temporale dell’investimento, ricercando i pochi elementi liquidi all’interno di un mercato illiquido.
L’algoritmo di Kellify è in grado di individuare quali sono le caratteristiche razionali, irrazionali ed emotive che favoriscono la liquidità di un’opera d’arte e a utilizzarle per fornire insights al fine di effettuare investimenti informati.
Il mercato delle aste d’arte si è rivelato un terreno fertile cui adattare l’algoritmo di Kellify, già precedentemente utilizzato in altri mercati non correlati.
Tipicamente, gli esperti d’arte forniscono una valutazione dei lotti che saranno messi all’asta: prima dello svolgimento di quest’ultima, infatti, viene identificata una fascia di prezzo entro la quale il lotto dovrebbe essere venduto, un prezzo minimo e un prezzo massimo di stima, che vengono forniti dagli esperti d’arte assoldati dalle case d’aste, in base alla loro conoscenza ed esperienza nel campo.
Talvolta accade che queste stime siano errate, in quanto il prezzo minimo di stima non viene raggiunto e il lotto rimane invenduto oppure il prezzo massimo di stima viene ampiamente superato.
Kellify non pretende di indovinare il prezzo di un lotto messo all’asta, né tantomeno di individuare quello che nel futuro darà il rendimento più alto, ma grazie alla sua tecnologia, è in grado di identificare i lotti che nel breve termine saranno i più liquidi e rivendibili.
Il pubblico cui Kellify si rivolge non è quello degli appassionati d’arte o degli intenditori: questi ultimi comprano opere d’arte perché incontrano i loro gusti, per un motivo emozionale.
Kellify si rivolge a coloro che non vogliono aspettare decenni per ottenere un profitto dal proprio investimento: wealth manager, fondi specializzati e banche di investimento che acquistano il prodotto Kellify as a service, essendo in grado, così, di proporre ai propri clienti gli investimenti suggeriti dall’algoritmo.
L’algoritmo di Kellify ha analizzato una grande mole di dati storici contenenti informazioni sui risultati delle aste passate: la data e il luogo in cui si è svolta l’asta, la stima massima e minima di un lotto, il prezzo di realizzo, il nome dell’autore e le informazioni a lui relative, le dimensioni del dipinto, lo stile, l’epoca, il titolo dell’opera e l’immagine.
Questi dati devono essere affidabili, chiari, accessibili e molto numerosi.
Analizzandoli l’algoritmo individua i pattern e i bias cognitivi degli esperti del settore –nel caso di specie: case d’asta, appassionati d’arte, critici e studiosi d’arte- e, sfruttando la loro intelligenza collettiva, fornisce ai propri clienti dei suggerimenti per effettuare investimenti informati e che siano profittevoli nel breve termine.
Valutare l’imponderabile
Ricercare gli elementi liquidi, vendibili, all’interno di un mercato prevalentemente illiquido, può apparire un’impresa improba, soprattutto per quanto attiene gli aspetti emozionali dell’acquisto di opere d’arte.
Gli acquirenti di opere d’arte possono essere distinti in due macrocategorie: chi acquista l’opera per il puro piacere di possedere qualcosa di proprio gusto e chi al contrario acquista l’opera a mero scopo d’investimento.
Queste due categorie hanno strategie di acquisto assolutamente opposte: nella prima prevalgono gli aspetti emozionali ed estetici mentre nella seconda prevalgono calcoli esclusivamente speculativi.
La relazione fra i due gruppi è spesso inesistente, ma i primi possono svolgere una funzione fondamentale nei confronti dei secondi, rivelandosi un interessante potenziale mercato nella fase di dismissione del patrimonio investito.
L’acquisto delle opere d’arte al fine di investimento si basa, al momento, solo su strategie puramente quantitative che valutano i trend di crescita e i dati di vendita per i singoli autori, o per i movimenti pittorici a fianco a regole meramente empiriche, dove ad esempio i top ten dell’anno precedente sono sempre valutati un ottimo acquisto.
Ciò che non viene tenuto in considerazione dall’analisi quantitativa è il contenuto dell’opera, che influisce certamente sulla sua rivendibilità.
Ma nessuno strumento di analisi quantitativa può scegliere tra i numerosi ritratti di Marylin dipinti da Andy Warhol.
L’algoritmo di Kellify colma il gap tra i due approcci all’acquisto, quello ponderabile, quantitativo e quello imponderabile, emozionale ed estetico.
Per approcciare al problema abbiamo deciso di semplificare l’ambito di applicazione, proponendo solo advisoring per i lotti in asta.
Negli acquisti in galleria o direttamente dall’autore spesso gli aspetti emozionali coinvolti giocano un ruolo di rilievo.
Talvolta il gallerista, a causa delle proprie preferenze artistiche o dei rapporti personali intercorrenti sia con l’autore che con l’acquirente, influenza o tenta di influenzare quest’ultimo.
Le aste, disciplinate esclusivamente dalla regola della domanda e offerta, sono un ambiente emozionalmente asettico, in cui il giudizio dell’acquirente può essere influenzato unicamente dagli aspetti estetici dell’opera.
Ma come valutare gli aspetti “estetici” che influenzano il potenziale indice di liquidità (rivendibilità) di un’opera?
Come valutare la distanza tra un’opera che può piacere alla maggioranza degli acquirenti giapponesi e un’opera che abbia forti potenziali di liquidità per il mercato francese?
Perché tra un cavallo rosso su sfondo verde e un barattolo verde su sfondo giallo il primo risulta più interessante mentre tra un cavallo rosso su sfondo verde e un barattolo rosa su sfondo giallo è il secondo a suscitare più interesse?
Perché un quadro orizzontale risulta meno interessante di uno verticale nel mondo occidentale e viceversa nel mondo orientale?
Una possibile soluzione a questa tipologia di problemi ci viene offerta dalle GAN, lo stesso strumento matematico utilizzato da Obvious per produrre la tela venduta da Sotheby’s lo scorso anno.
Due reti neurali che lavorano in collaborazione e contrapposizione, la prima che impara dalla storia i trend del mercato e la seconda che propone nuove opere fino a trovare quelle che possono essere riconosciute dalla prima rete come facilmente vendibili.
Le GAN sono addestrate a classificare sulla base di differenti tipologie di opera e di mercato, sia in termini di fascia di prezzo sia in termini geografici, per meglio adeguarsi ad affrontare la varietà di gusti che rende il mercato dell’arte difficile da approcciare.
Questa componente di analisi qualitativa viene poi combinata con l’analisi quantitativa, sempre effettuata con strumenti di Intelligenza Artificiale per produrre un motore di raccomandazione capace di suggerire le opere in asta che garantiscono un rendimento nel breve o medio periodo.
Il motore di raccomandazione Kellify non ha come oggetto esclusivo le opere d’arte ma si applica anche a tutti gli ambiti in cui i meccanismi emotivi che sottendono l’acquisto sono simili; ad esempio vini pregiati ed auto d’epoca.
Spesso la proposta di opere può apparire controintuitiva al normale acquirente, specie quando riguarda opere di arte moderna o contemporanea, dove solitamente l’impatto estetico e l’aspetto emotivo sono più difficili da comprendere con uno sguardo razionale.
Nell’arte classica e antica i canoni di bellezza sono storicamente e universalmente riconosciuti ed è molto complicato avere suggerimenti diversi da quelli del senso comune di un Art Advisor e quindi il nostro algoritmo perde di efficacia.
Un altro punto di forza dell’algoritmo è di essere agnostico rispetto al concetto di bello legato ad un’opera d’arte, qualità rara per un Art Advisor.
Il motore di raccomandazione di Kellify permette di ottimizzare il ritorno economico legato all’investimento, essendo capace di operare su mercati eterogenei e di monitorare autonomamente e simultaneamente, senza influenze esterne, sia i gusti del mercato che i trend del momento.
La sfida principale è quella di dimostrare il valore delle raccomandazioni prodotte dal nostro sistema.
Gli algoritmi di Intelligenza Artificiale sono quasi sempre molto criptici nell’interpretazione dei risultati e, a maggior ragione, lo sono le combinazioni di differenti algoritmi che compongono la nostra soluzione.
Dal punto di vista “umano” è necessaria una incondizionata fiducia nel metodo, senza la richiesta di “voler capire” il perché di una determinata scelta.
Questo fatto, ormai accettato in ambiti come le previsioni del tempo o l’andamento dei titoli di borsa, è di più difficile adozione in campi in cui il discernimento umano svolge da sempre un ruolo critico e di scelta.
Bisogna però ricordare che le nostre metodologie non sono finalizzate alla mera classificazione, ma vanno intese anche quali strumento di previsione dove è meno importante la comprensione dei meccanismi di funzionamento.
A cura di Giorgia Coltella, Francesco Magagnini, Fabrizio Malfanti e Gabriele Torre (Kellify SpA)
fonte: Il mercato dell’arte e dei beni da collezione – Report 2019, Deloitte Private.
Kellify è una fintech che accorcia le distanze tra le persone e la finanza grazie all’intelligenza artificiale, portando trasparenza in settori d’elite come quelli dell’arte, delle auto d’epoca e dei vini pregiati, e nei mercati tradizionali dell’equity, del real estate e delle materie prime. Kellify trasforma sistematicamente e incondizionatamente i beni da collezione in nuovo capitale ribaltando l’approccio del collezionista, abituato a trasformare denaro e passione in beni da collezione: deep learning e reti neurali individuano impercettibili segnali, comportamenti e schemi ricorrenti tra i dati sull’operato di case d’asta, investitori e artisti per individuare le opere che aumenteranno il proprio valore, identificandone la liquidità nel medio e nel breve periodo. Kellify è una startup innovativa a vocazione globale frutto della collaborazione di fisici, matematici, economisti, con sede a Genova e uffici a Malmo e New York.