AI Mulai Dibaca untuk Menilai Keramik Tiongkok, Akurasinya Diklaim Tembus 99 Persen

Keramik Tiongkok selama ini kerap diperlakukan sebagai benda koleksi yang nilainya hanya bisa dibaca oleh mata terlatih para ahli. Namun, sebuah riset gabungan dari Universitas Putra Malaysia dan UNSW Sydney menunjukkan bahwa penilaian semacam itu kini mulai bisa dibantu mesin. Tim peneliti berhasil mengembangkan sistem kecerdasan buatan yang mampu mengklasifikasi sekaligus memprediksi nilai keramik Tiongkok dengan tingkat akurasi yang disebut mencapai 99 persen.

Yang membuat temuan ini menarik bukan hanya angka akurasinya, melainkan juga pendekatan teknis yang dipakai. Sistem tersebut tidak bergantung pada perangkat keras khusus yang mahal. Menurut peneliti, model ini dapat dijalankan menggunakan GPU gaming yang lazim dipakai sehari-hari. Artinya, teknologi yang biasanya identik dengan gim dan komputasi umum itu ternyata cukup untuk menopang analisis budaya yang selama ini dianggap sangat bergantung pada keahlian manusia.

Di tengah meningkatnya kebutuhan digitalisasi koleksi museum, arsip budaya, dan pasar seni, riset ini menawarkan arah baru: penilaian keramik tidak lagi harus sepenuhnya bertumpu pada segelintir pakar. Dengan bantuan AI, proses identifikasi bisa dibuat lebih cepat, lebih konsisten, dan lebih mudah diakses oleh lembaga kecil maupun kolektor pemula.

AI Membaca Pola yang Selama Ini Jadi Kunci Penilaian

Fokus utama sistem ini terletak pada kemampuan membaca pola dekoratif di permukaan keramik. Tim peneliti membagi motif visual ke dalam enam kategori besar, yakni pola tumbuhan, motif binatang, lanskap, sosok manusia, retakan glasir, dan desain geometris. Pembagian ini memungkinkan AI mengenali ciri visual yang selama ini menjadi petunjuk penting dalam menentukan jenis, periode, hingga kualitas sebuah keramik.

Dalam dunia keramik Tiongkok, detail kecil pada permukaan benda sering kali membawa informasi besar. Sebuah garis hias, bentuk retakan glasir, atau susunan motif tertentu dapat memberi isyarat tentang zaman pembuatannya maupun tingkat kualitas pengerjaan. Sistem AI ini dirancang untuk menangkap pola-pola tersebut secara sistematis, bukan sekadar melihat objek sebagai satu kesatuan gambar.

Untuk memperkuat deteksi visual, peneliti menggunakan model YOLOv11 guna mengidentifikasi elemen dekoratif dan struktural pada keramik. Dengan pendekatan ini, AI tidak hanya membaca hiasan, tetapi juga membantu memisahkan bagian-bagian penting dari objek yang dianalisis. Hasilnya, model dapat menilai ciri-ciri visual yang relevan dengan lebih terarah dan efisien.

Selain motif, tim juga mengembangkan metode modular morfologis untuk membedakan bentuk-bentuk keramik. Klasifikasi ini mencakup botol, guci, piring, mangkuk, cangkir, pot, dan bak cuci. Bagi dunia koleksi dan museum, perbedaan bentuk bukan sekadar soal tampilan. Bentuk kerap berkaitan erat dengan fungsi, periode produksi, dan tradisi perajin pada masanya.

Gabungan analisis motif dan bentuk inilah yang membuat sistem tersebut tidak hanya bekerja sebagai pengenal gambar biasa. Ia dirancang untuk membaca objek budaya sebagai artefak dengan lapisan informasi yang kompleks.

Harga Lelang Jadi Dasar Mesin Belajar Menilai Nilai Ekonomi

Aspek lain yang tak kalah penting adalah kemampuan sistem ini memprediksi nilai. Untuk melatih algoritma penilaian harga, peneliti menggunakan data lelang dari Sotheby’s dan Christie’s. Data tersebut memberi referensi dunia nyata tentang bagaimana keramik dinilai di pasar internasional, sehingga AI tidak hanya belajar mengenali bentuk dan motif, tetapi juga pola harga yang terbentuk dari transaksi aktual.

Pendekatan ini membuat sistem mampu memproyeksikan kategori harga berdasarkan karakteristik visual yang ditemukan pada artefak. Dalam uji coba, AI disebut dapat menaksir harga artefak dari era Dinasti Ming dengan estimasi yang cukup akurat. Temuan ini menjadi salah satu bagian paling menonjol dari riset tersebut, karena memperlihatkan bahwa model tidak berhenti pada klasifikasi akademik, tetapi juga menyentuh aspek ekonomi yang selama ini sangat sensitif dalam dunia barang antik.

Tentu saja, dalam dunia seni dan artefak, harga bukan angka yang berdiri sendiri. Ia dipengaruhi oleh sejarah kepemilikan, kondisi fisik, keaslian, kelangkaan, dan reputasi pasar. Namun, dengan memasukkan data lelang besar sebagai dasar pembelajaran, AI ini setidaknya mencoba memetakan hubungan antara ciri visual dan estimasi nilai yang selama ini hanya bisa dibaca melalui pengalaman panjang para ahli.

Di titik inilah riset tersebut menawarkan sesuatu yang lebih luas daripada sekadar kecanggihan teknis. Ia membuka kemungkinan bahwa penilaian awal atas keramik bisa dilakukan lebih cepat sebelum masuk ke tahap verifikasi mendalam oleh pakar manusia.

Demokratisasi Pengetahuan Budaya, Bukan Pengganti Ahli

Salah satu tujuan yang ditekankan dalam proyek ini adalah demokratisasi akses terhadap penilaian keramik. Selama ini, akses ke analisis semacam itu sering kali terbatas pada museum besar, kolektor berpengalaman, atau institusi yang memiliki jaringan ahli kuat. Dengan sistem AI, kolektor muda, museum kecil, hingga proyek arsip digital berpeluang memperoleh gambaran awal tentang jenis, usia, dan estimasi nilai sebuah objek tanpa harus menunggu ketersediaan tim spesialis dalam jumlah besar.

Di sisi lain, riset ini juga memberi sinyal bahwa teknologi bisa menjadi alat bantu untuk menjaga warisan budaya, bukan sekadar mempercepat proses komersial. Ketika objek-objek historis dapat dipindai, diklasifikasi, dan dianalisis dengan lebih mudah, peluang untuk membangun basis data yang lebih luas juga ikut terbuka. Basis data semacam itu penting bukan hanya bagi pasar seni, tetapi juga bagi penelitian sejarah, kuratorial museum, dan dokumentasi warisan budaya.

Menariknya, tim peneliti tidak berhenti pada keramik. Mereka berencana mengadaptasi pendekatan serupa untuk menilai bentuk-bentuk warisan visual budaya lainnya, termasuk kostum opera Kanton dan mural bersejarah. Jika pengembangan ini berjalan mulus, maka teknologi yang sama bisa menjadi alat bantu lintas bidang dalam membaca objek-objek budaya yang selama ini membutuhkan penafsiran manual dan waktu yang panjang.

Pemanfaatan GPU gaming dalam riset ini juga memperlihatkan arah yang berbeda dari banyak proyek AI kelas berat yang biasanya bergantung pada infrastruktur mahal. Dengan biaya dan kompleksitas perangkat keras yang lebih rendah, teknologi semacam ini berpotensi lebih mudah diterapkan di berbagai tempat. Bagi lembaga yang selama ini kesulitan mengakses teknologi analisis canggih, hal ini jelas menjadi kabar penting.

Pada akhirnya, riset ini menunjukkan satu hal: kecerdasan buatan kini tidak hanya dipakai untuk mengenali wajah, suara, atau teks. Ia mulai masuk ke wilayah yang jauh lebih rumit, yakni membaca nilai budaya dari benda-benda sejarah. Dalam kasus keramik Tiongkok, AI bukan datang untuk menggantikan mata ahli, melainkan untuk memberi lapisan awal penilaian yang lebih cepat, lebih terukur, dan lebih mudah dijangkau.