Как понять, сколько стоит произведение искусства? Сегодня на арт-рынке до сих пор не существует единого свода правил, который позволил бы рассчитать справедливую цену. Ценообразование происходит хаотично и непрозрачно, это создаёт атмосферу недоверия, отпугивает новых покупателей и ограничивает развитие всего рынка, объём которого за последние 15 лет в среднем не меняется и составляет $60 млрд в год.
По данным исследований, только 5% коллекционеров считают арт-рынок полностью прозрачным, а 91% потенциальных коллекционеров хотели бы иметь больше информации о формировании цен.
Новая система Şagaart, разработанная учёными ИИИ МФТИ и МГУ, призвана решить эту проблему. Она проводит комплексный анализ произведения в два этапа: сначала с помощью алгоритмов компьютерного зрения определяется его стиль, художественное направление и жанр. Затем скоринговая модель машинного обучения (на основе алгоритма CatBoost) проводит глубокий анализ рыночных данных, учитывая десятки различных параметров: размер, материал, техника, данные о художнике, его выставочная история, присутствие работ в музеях и частных коллекциях, медийность, подробная история продаж, динамика цен и др. В итоге на основе большого массива данных система вычисляет цену: аргументировано и прозрачно.
«Şagaart — это работающая модель, объективно оценивающая произведения искусства, опираясь на данные, а не на единоличное решение эксперта. Она исключает человеческие предубеждения и субъективизм. Платформа поможет начинающим и опытным коллекционерам для проверки обоснованности цены, инвесторам — для принятия решений, художникам и галереям — для формирования аргументированной ценовой политики», — поделилась Татьяна Шага, научный сотрудник кафедры технологического предпринимательства МФТИ+Сколково.
Технологической основой системы стал современный стек технологий: машинные модели построены на библиотеках CatBoost и PyTorch, а ядро веб-сервиса работает на Python и Django, что обеспечивает высокую надёжность и точность расчётов.
Важное преимущество системы — она экономит время. Если обычно анализ произведения занимает дни, Şagaart генерирует стоимость за несколько секунд, предоставляя при этом подробную аналитику, подкрепляющую расчёты.
Уже сейчас модель показывает высокую точность: ошибка прогнозирования после нормализации разброса цен — всего 9%. Но эффективность модели все еще снижается при оценке лотов стоимостью в миллионы долларов, где уникальность и субъективное восприятие играют решающую роль. Ученые активно работают над улучшением алгоритмов: расширяют объем данных и повышают точность. В будущем разработчики планируют интегрировать и дополнительные внешние факторы, влияющие на инвестиционный спрос: ключевые ставки центральных банков, инфляцию, индексы фондового рынка и др.
