Kunstig intelligens genskaber Roms kejsere

Hvordan de romerske kejsere virkelig så ud, er ofte debatteret. Et nyt projekt baseret på maskinlæring og et neuralt netværk giver fotorealistiske bud.

Hvordan de romerske kejsere virkelig så ud, er ofte debatteret. Et nyt projekt baseret på maskinlæring og et neuralt netværk giver fotorealistiske bud.

Daniel Voshart

Fantasifuld historietolkning, Hollywood-film og fortidens propaganda har formet, hvordan Romerrigets kejsere bliver opfattet.

Portrætterne fra samtiden fremstillede de tidligere herskere i et mere eller mindre positivt lys alt efter de fremherskende politiske vinde, og eventuelt påmalet hud-, hår- og øjenfarve er for længst forsvundet fra de overlevende marmorstatuer.

Nu har et ambitiøst projekt imidlertid genskabt kejserne fra det første romerske kejserdømme, Principatet, med maskinlæring, Photoshop og grundig research, for at få de gamle herskere til at fremstå så naturtro og fotorealistisk som muligt.

Bag projektet står den canadiske virtual reality-specialist og filmskaber Daniel Voshart, der tidligere har anvendt en lignende teknik på malerier af egyptiske mumier.

Maskinlæring vækker kejsere til live

Portrætterne bygger på en gennemgang af hver af de 54 kejsere i Principatet, fra Augustus tog magten i 31. f.Kr. til Diocletian i 284 e.Kr. grundlagde det andet romerske kejserdømme, Dominatet.

GAN maskinlæring principatet – Computerprogram tegner naturtro portrætter af romerske kejsere

De dataskapte portrettene er blitt justert ut fra både skriftlige kilder og fysiske levninger som statuer, byster og mynter.

© Daniel Voshart

Daniel Voshart har samlet over 700 billeder af buster, statuer, mønter og malerier af kejserne, lappet eventuelle skader og tilføjet cirka 100 billeder af ansigtstræk, der svarer til skriftlige kilders beskrivelser af kejserne, i Photoshop.

Udvalgte billeder førte han ind i onlinetjenesten Artbreeder, der danner et nyt billede af inputtet.

Artbreeder er en såkaldt maskinlæringssoftware, og mere specifikt et GAN – generative adversarial network.

Et GAN består af to netværk, der spiller et spil mod hinanden. Det ene netværk – en generator – er trænet til at skabe et billede ud fra et hvilket som helst input, mens det andet netværk – en discriminator – er trænet til at afgøre, om billedet er ægte eller falsk.

Ved fx at uploade et billede af en buste kan generatoren danne en mere fotorealistisk version. Hvis discriminatoren vurderer, at billedet er computerskabt, må generatoren prøve igen.

Sådan bliver begge netværk løbende bedre til deres opgaver.

Var kejserne blonde, blege eller olivenbrune?

I nyere historie er kejsernes udseende blevet en kampplads, bl.a. fordi propagandister i Nazi-tyskland hævdede, at romerne stammede nordfra.

Augustus og Caligula var fra Italien, mens Septimius Severus stammede fra Libyen.

© Daniel Voshart

I de nye portrætter har Daniel Voshart så vidt muligt fastsat hud-, hår- og øjenfarve ud fra beskrivelser i historiske kilder. Hos andre har han imidlertid fastsat teint ud fra den mest sandsynlige hudfarve baseret på kejsernes fødested.

Alle portrætterne og deres kildemateriale kan ses på Daniel Vosharts hjemmeside.