Definitioner og udtryk for kunstig intelligens
AI-terminologi kan være kompleks, så lad os rydde op i nogle definitioner. Når du læser vores indlæg, ser du måske udtryk som "maskinlæring", "dyb læring", "modeller" eller "uddannelse". Maskinlæring vs. dyb læring er et fælles område med forvirring for dem, der ikke er bekendt med AI-teknikker.
Maskinlæring består af et sæt algoritmer, der automatisk lærer af data. Deep learning er en type maskinlæring, der udmærker sig ved at løse problemer med høj dimensionalitet (hvor antallet af funktioner er meget større end antallet af observationer). Computersyn og behandling af naturligt sprog falder ind under denne kategori. Deep learning bruger en familie af modeller inspireret af hjernens struktur og funktion (kunstige neurale netværk), der effektivt lærer at udtrække relevante funktioner fra dataene. Resultatet af træning af en maskinlæringsalgoritme er en prædiktiv "model", der kan bruges til at generere yderligere metadata fra indhold.
På nuværende tidspunkt kender vi alle til datamodeller, f.eks. Europeana Data Model. De er en mekanisme, der hjælper kulturarvsinstitutioner med at strukturere metadata vedrørende kulturarvsgenstande. Men hvad mener vi, når vi taler om en AI-model? Det er en algoritme, der er blevet trænet til at udføre en bestemt opgave – f.eks. for at afgøre, om den ser et æble eller en appelsin. Den vil blive uddannet i at finde frem til æblers og appelsiners vigtigste egenskaber, og om de er nøjagtige eller ej. Dette er et rudimentært eksempel, men princippet er det samme som du skalerer op - det kræver bare meget mere data.
Kunstig intelligens til kulturarv
Med vores eksempel med æbler og appelsiner kan du allerede nu begynde at forestille dig, hvordan kunstig intelligens er værdifuld for kulturarven. Kunstig intelligens har kapacitet til at generere omfattende mængder data, der kan bruges til at berige kulturarvssamlinger – hvilket gør dem lettere at udforske, så folk kan finde det, de leder efter, institutter kan forbinde med andre samlinger og meget mere.
Og da der allerede er så mange digitaliserede kulturarvsdata og -materialer, der er blevet beskrevet af betroede kulturarvseksperter, er kvaliteten af dataene yderst værdifuld. I stedet for at plukke 100 000 tilfældige malerier fra internettet og træne en model imod dem for at genkende "impressionistisk kunst" kan du f.eks. bruge kulturarvsmaterialer, der allerede vil kunne give tips og vejledning om nøjagtighed. Men kunstig intelligens rækker ud over malerier – den gennemføres i øjeblikket på alle områder af kulturarvsmateriale fra 3D-billedbehandling, lyd, video og tekst.
AI og Europeana
For Europeana kan AI's potentiale til at forbedre datakvaliteten, som er et konstant smertepunkt for indsamlingsbrugere, give spændende muligheder. I Europeana-strategien 2020-2025 fremhæves kunstig intelligens flere gange som et middel til at sætte en stopper for forbedring af datakvaliteten. I planen hedder det:
"Manuel forbedring af metadatakvaliteten for millioner af registreringer fra forskellige kilder kræver en enorm mængde tid og ressourcer. Anvendelsen af værktøjer med kunstig intelligens og maskinlæringsnetværk til automatisk berigelse kombineret med menneskelig viden fra domæneeksperter giver en bemærkelsesværdig mulighed for at forbedre kvaliteten af metadata."
Men med stor magt følger et stort ansvar. Kunstig intelligens udgør en lang række etiske udfordringer, der skal overvejes nøje. Der er i øjeblikket flere initiativer i hele Europa, der undersøger de etiske betænkeligheder ved kunstig intelligens, og Europeana vil arbejde i overensstemmelse med Europa-Kommissionens etiske retningslinjer for pålidelig kunstig intelligens.
I de kommende uger vil vi dele aktiviteter, herunder resultaterne fra EuropeanaTech AI i forbindelse med GLAM-taskforcen og taskforcens åbne udfordring med hensyn til oprettelse af maskinlæringsdatasæt baseret på Europeana-data, samt udforske kulturarvsprojekter vedrørende kunstig intelligens. Du kan læse om det arbejde, der foregår internt i Europeana Foundation, og da marts er måneden for kvinders historie, vil vi også fremhæve og interviewe kvinder, der er førende inden for projekter og forskning inden for kunstig intelligens og kulturarvssektoren.
Bliv ved med at tjekke Europeana Pro-nyheder for mere, og deltag i EuropeanaTech-fællesskabet for at blive involveret i Europeanas arbejde!