Определения и термини за ИИ
Терминологията на ИИ може да бъде сложна, така че нека изясним някои определения. Докато четете нашите публикации, може да видите термини като „машинно обучение“, „задълбочено обучение“, „модели“ или „обучение“. Машинното обучение срещу дълбокото учене е често срещана област на объркване за тези, които не са запознати с техниките на ИИ.
Машинното обучение се състои от набор от алгоритми, които автоматично се учат от данните. Дълбокото обучение е вид машинно обучение, което превъзхожда решаването на проблеми с висока размерност (където броят на функциите е много по-голям от броя на наблюденията). Компютърното зрение и обработката на естествен език попадат в тази категория. Дълбокото учене използва семейство от модели, вдъхновени от структурата и функционирането на мозъка (изкуствени невронни мрежи), които ефективно се научават да извличат съответните характеристики от данните. Резултатът от обучението на алгоритъм за машинно самообучение е прогнозен "модел", който може да се използва за генериране на допълнителни метаданни от съдържанието.
Вече всички знаем за моделите на данни, като например модела на данни Europeana. Те са механизъм, който помага на институциите за културно наследство да структурират метаданните, свързани с обектите на културното наследство. Но какво имаме предвид, когато говорим за модел на ИИ? Това е алгоритъм, който е обучен да изпълнява определена задача — например да определи дали вижда ябълка или портокал. Той ще бъде обучен да търси ключови характеристики на ябълките и портокалите и дали е точен или не. Това е елементарен пример, но принципът е същият като мащабирането - просто изисква много повече данни.
ИИ за културното наследство
С нашия пример с ябълките и портокалите вече можете да започнете да си представяте колко ценен е ИИ за културното наследство. ИИ има капацитета да генерира големи количества данни, които могат да се използват за обогатяване на колекциите на културното наследство, което ги прави по-лесни за проучване, така че хората да могат да намерят това, което търсят, институтите да могат да се свързват с други колекции и много други.
И тъй като вече има толкова много цифровизирани данни и материали за културното наследство, които са описани от доверени експерти в областта на културното наследство, качеството на данните е изключително ценно. Например, вместо да избирате 100 000 произволни картини от интернет и да обучавате модел срещу тях, за да разпознавате „импресионистичното изкуство“, можете да използвате материали от културното наследство, които вече ще могат да дават съвети и насоки за точност. ИИ обаче се простира отвъд картините — понастоящем той се прилага във всички области на материалите, свързани с културното наследство, от 3D изображения, звук, видео и текст.
ИИ и Europeana
За Europeana потенциалът на ИИ за подобряване на качеството на данните, който е постоянна болка за потребителите на колекцията, би могъл да предложи вълнуващи възможности. В стратегията Europeana за периода 2020—2025 г. ИИ е изтъкван многократно като средство за постигане на целта за подобряване на качеството на данните. В плана се посочва:
„Ръчното подобряване на качеството на метаданните на милиони записи от различни източници изисква огромно количество време и ресурси. Прилагането на инструменти за изкуствен интелект и мрежи за машинно самообучение за автоматично обогатяване, съчетано с човешки знания, предоставени от експерти в областта, предлага забележителна възможност за подобряване на качеството на метаданните.“
Но с голямата сила идва и голямата отговорност. ИИ поставя множество етични предизвикателства, които трябва да бъдат внимателно разгледани. Понастоящем има няколко инициативи в цяла Европа, които разглеждат етичните аспекти на ИИ, и Europeana ще работи в съответствие с насоките на Европейската комисия относно етичните аспекти за надежден ИИ.
През следващите седмици ще споделяме дейности, включително резултатите от EuropeanaTech AI във връзка с работната група GLAM и откритото предизвикателство на работната група за създаване на набори от данни за машинно самообучение въз основа на данни от Europeana, както и ще проучваме проекти в областта на културното наследство, свързани с ИИ. Ще прочетете за работата, която се извършва в рамките на фондация Europeana, и тъй като март е месецът на историята на жените, ще откроим и интервюираме жени, които ръководят проекти и научни изследвания в областта на ИИ и сектора на културното наследство.
Продължете да проверявате новините на Europeana Pro за повече информация и се присъединете към общността на EuropeanaTech, за да се включите в работата на Europeana!